%0 Journal Article
%@ 978-979-96880-5-7
%A I Gede, Nyoman Mindra Jaya
%D 2009
%F UNY:12186
%J Seminar Nasional Penelitian, Pendidikan, dan Penerapan MIPA 2009
%K Principal Componen Regression (PCR), Partial least square Regression (PLSR), Singular Value Decomposition (SVD)
%T KAJIAN PENANGANAN MULTIKOLENIERITAS DALAM ANALISIS REGRESI MENGGUNAKAN PARTIAL LEAST SQUARE REGRESSION
%U http://eprints.uny.ac.id/12186/
%X Salah satu tujuan dari analisis regresi adalah meramalkan nilai variabel respon didasarkan pada beberapa variabel independen. Permasalahan yang sering ditemukan dalam analisis regresi adalah adanya korelasi yang tinggi antara variabel independen yang berakibat pada standar error pendugaan dari parameter regresi sangat besar yang berakibat pada model regresi tidak layak digunakan sebagai model peramalan karena modelnya tidak reliable. Beberapa metode diperkenalkan untuk menanggulangi multikolenieritas khususnya yang hampir sempurna, salah satunya adalah Principal Coponent Regression (PCR). Namun pendekatan ini memiliki kelemahan dalama proses pereduksian variabel independen tidak mempertimbangkan korelasi antar independen dengan variabel dependen. Kondisi ini menyebabkan pada saat pemodelan regresi, komponen utama pertama yang terbentuk dari proses reduksi tidak dijamin menjadi komponen yang paling mampu menjelaskan keragamana variabel respon, sedangkan komponen utama pertama merupakan komponen yang merangkum paling banyak informasi dari variabel independen. Satu metode baru diperkanalkan sebagai perbaikan dari metode PCR yaitu metode Partial least square Regression (PLSR). Metode ini dalam proses reduksi variabel independen telah mengakomodasi korelasi antara variabel respon dengan variabel bebasnya.