Perbandingan Antara Latent Root Regression dan Ridge Regression dalam Mengatasi Multikolinearitas

Abstract

Analisis regresi adalah metode yang digunakan untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Model regresi dianggap baik ketika asumsi model regresi telah terpenuhi. Salah satu asumsi yang harus dipenuhi dalam analisis regresi linier berganda adalah multikolinearitas. Multikolinearitas terjadi ketika ada hubungan sempurna antara variabel independen. Multikolinearitas dapat dideteksi dengan melihat nilai faktor inflasi varians (VIF) yang lebih besar dari 10. Ada beberapa metode yang dapat digunakan untuk mengatasi masalah multikolinearitas, antara lain latent root regression dan ridge regression. Regresi akar laten dapat mengatasi multikolinearitas dengan lebih baik daripada regresi ridge dengan membandingkan nilai VIF karena menghasilkan nilai VIF sama dengan 1.