Zi = ( Xi E(Xi)) / (Var(Xi))1/2
..(3.5)
SK-Whi = aiT Zh
..(3.9)
a
2
1i 1
terhadap total variance, dengan pembatas bahwa
Adapun pembentukan regresi komponen utama melalui analisis
komponen utama ada dua cara.
Pertama, pembentukan komponen utama berdasarkan matriks kovariansi.
Kedua, pembentukan komponen utama berdasarkan matriks korelasi .
1 p
S jk ( X i j X j )( X ik X k )
n 1 j 1
,
Kemudian dari matriks varians kovarians tersebut dicari nilai eigen
i dengan
a ij j
sii
Loading = korelasi
Setelah mendapatkan faktor yang terbentuk melalui proses reduksi , maka
perlu dicari persamaannya, dalam bentuk Y= F(X1*, X2*) yang merupakan
model baru dengan
X1*= variabel komponen 1
X2*= variabel komponen 2
Xk*= variabel komponen k
Model di atas lebih sederhana dibandingkan model regresi multipel awal
yang berbentuk :
Yi = 0 + 1Xi1 + 2Xi2 + ...+ kXik + i atau Y= F (X1, X2, Xk)
Multikolinearitas
Istilah multikolinearitas atau kolinearitas ganda dikenalkan oleh
Ragner Frish yang berarti adanya hubungan linear yang sangat tinggi
antar variabel-variabel bebas dalam model regresi. Bila peubah-peubah
bebas saling berkorelasi sangat tinggi dapat mengakibatkan tidak
diperolehnya informasi yang tepat mengenai koefisien regresi yang
sebenarnya (populasi), walaupun antara peubah tak bebas dan peubah-
peubah bebas terdapat hubungan yang signifikan.
Pada analisis regresi, multikoliniearitas dikatakan ada apabila
beberapa kondisi berikut dipenuhi :
1. Pemeriksaan elemen matriks korelasi dari peubah-peubah
bebas cukup tinggi . Jika variabel bebas tersebut berkorelasi
sempurna yaitu koefisien korelasinya mendekati -1 atau 1
maka dicurigai terdapat masalah multikolinearitas pada data.
2. Menggunakan variation inflation factor (VIF), cara untuk
mengetahui variabel bebas X mana yang berkorelasi dengan
variabel lainnya, dengan menghitung nilai variance inflation
factors (VIF) dengan rumus sebagai berikut
Penulis koresponden.
F2
yang kedua, merupakan kombinasi linear yang berhubungan
F1 , mempunyai akar ciri yang paling besar ( 2
dengan :
F2 = a12 Z 1+ a22 Z 2+ a32 Z 3+ +a k2 Z k = a'2 z . Komponen
adalah vektor skor baku dari variabel yang diamati pada pengamatan
ke-k.
j
= j
tr (R) k
Dengan
j adalah akar ciri terbesar ke-j dari matriks