PENDAHULUAN
1.1
Latar Belakang
Statistika merupakan cabang dari ilmu matematika yang
telah berkembang sangat pesat. Tidak hanya dapat digunakan
dalam hal analisis, namun juga dapat digunakan sebagai metode
pengambilan sebuah keputusan. Untuk menjalankan fungsinya
tersebut, ilmu statistika berkembang dengan berbagai macam
metode, salah satunya adalah analisis regresi.
Analisis regresi merupakan salah satu metode statistika
yang sering digunakan untuk membantu mengungkapkan
hubungan atau pengaruh satu atau lebih peubah bebas terhadap
peubah tak bebas. Bila dalam analisisnya hanya melibatkan
sebuah peubah bebas maka digunakan adalah analisis linier
sederhana. Sedangkan bila dalam analisisnya melibatkan dua atau
lebih variabel bebas, maka analisis yang digunakan adalah
analisis regresi linear berganda. Dalam kehidupan sehari-hari
banyak sekali permasalahan yang dapat dipecahkan dengan
menggunakan analisis regresi, salah satu contohnya adalah
mengenai tingkat konsumsi yang diduga dipengaruhi oleh
pendapatan dan juga kekayaan.
Dalam analisis regresi, salah satu asumsi klasik yang
penting adalah multikolinearitas. Data yang di dalamnya terdapat
multikolinearitas akan menyebabkan sifat bias terhadap
pendugaan parameternya kelak. Sehingga, diperlukan suatu
teknik khusus untuk menangani kasus data yang mengandung
multikolinieritas, salah satunya menggunakan analisis regresi
komponen utama yang akan dibahas pada laporan ini.
1.2 Tujuan
Mengetahui dan dapat mendeskripsikan konsep multikolinearitas.
Dapat melakukan uji asumsi multikolinieritas menggunakan
software Minitab.
Dapat menangani kasus multikolinieritas dengan menggunakan
analisis regresi komponen utama.
Dapat melakukan interpretasi hasil penanganan multikolinieritas
dengan regresi komponen utama.
BAB II
TINJAUAN PUSTAKA
2.1 Multikolinieritas
2
Masukkan variabel dependent (Y) dan variabel independen (X1, ..., Xn)
klik OK
Isilah kotak variables dengan data yang telah distandarisasi (Z1, Z2, ...
, Z9) dan Pada type of Matrix pilihlah Covariance
Klik Storage Pada scores isilah W1, W2, ..., Wn OK OK
Stat Basic
Selanjutnya akan muncul dialog box seperti di bawah ini dan masukkan
variabelsnya dengan data X
10
Setelah itu Klik Statistics Pilih / centang pada statistika deskriptif yang
dibutuhkan saja OK OK seperti pada gambar di bawah ini :
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Analisis Regresi pada Minitab
11
Pada matriks kovarian di atas, maka kita lihat dari kumulatifnya. Karena
kita menggubakan acuan 80% maka digunakan 4 komponen yang
diseabkan oleh komponen ke-empat baru menunjukkan nilai yang lebih
dari 80%.
12
13
Interpretasi model :
Harga jual rumah akan turun sebesar 38.1077 jika semua peubah
konstan.
14
15
5.2 Saran
Ketelitian sangat penting ketika mensubstitusikan W dan
selain itu, perlu diperhatikan nilai kumulatif untuk
membentuk fungsi baru agar tidak terjadi kesalahan fungsi
DAFTAR PUSTAKA
Dillon, William R & Matthew Goldstein.1984. Multivariate Analysis
Method and Application. Canada: John Willey&Sons,Inc.
Gusriani, Nurul. 2004. Regresi Ridge dengan Penduga Bayes untuk
Mengatasi Multikolinieritas. Bogor : IPB
Hair. J.F.Jr., R.E. Anderson, R.L. Thatham dan W.C. Black. 1998.
Multivariate Data Analysis Fifth Ed. New Jersey: Prentice Hall
International, Inc.
Montgomery, Douglas C. Linear Regression Analysis : Fifth Edition .
2012. NewJersey : Wiley
Prasetyo, H.B. Analisis regresi komponen utama untuk mengatasi
masalah multikolinieritas dalam analisis regresi linier berganda.
Hariz_oke@yahoo.com. Diakses tanggal 29 Maret 2015
Sembiring, R.K. 1995 . Analisis Regresi. Penerbit : ITB
16
LAMPIRAN 1 : Data
17
18
Lampiran 3 : Nilai W
19