Pemilihan Model Regresi Linier Berganda Pada Kasus Multikolinearitas Dengan Metode Regresi Komponen Utama (Principal Component Regression) Dan Regresi Gulud (Ridge Regression)

Pada analisis regresi berganda di katakan baik atau cocok, jika memenuhi asumsi – asumsi klasik berikut ini yaitu asumsi non autokorelasi, normalitas galat, heterokesdastisitas, dan multikolinearitas. Dari ke empat asumsi klasik tersebut masalah yang sering muncul dalam regresi linier berganda adalah tidak terpenuhinya asumsi multikolinearitas. Pada penelitian ini akan dilihat metode mana yang paling tepat untuk mengatasi multikolinearitas antara metode regresi komponen utama dan regresi gulud dengan tingkat multikolinearitas. Kriteria pembanding yang digunakan untuk kedua metode yaitu R2adj. Data yang digunakan adalah data sekunder yaitu data 1 adalah data kebugaran tubuh dan data 2 adalah data permintaan ayam di AS. Kemudian dilakukan analisis diperoleh hasil Pada data 1 dengan menggunakan metode regresi komponen utama menpunyai nilai R2adj sebesar 68,7%, sedangkan pada metode regresi gulud sebesar 68,2%. Pada data 2 nilai R2adj pada metode regresi komponen utama sebesar 89,4 %, sedangkan pada metode regresi gulud sebesar 88,2%. Dari hasil tersebut dapat disimpulkan bahwa metode regresi komponen utama lebih baik digunakan daripada metode regresi gulud, ini berarti data yang disifati multikolinearitas sangat kuat dan kuat lebih baik menggunakan metode regresi komponen utama