Kajian Principal Component Logistic Regression (PCLR) Dan Principal Component Logistic Regression Stepwise (PCLR(S)) Dalam Pemilihan Regresi Logistik Terbaik Pada Kasus Multikolinieritas

Regresi logistik adalah bentuk khusus analisis regresi yang memiliki variabel respon bersifat kategori dan variabel prediktor bersifat kategori, kontinyu dan campuran. Dalam regresi logistik pada kasus multikolinieritas diperlukan metode reduksi dimensi untuk mendapatkan model yang tepat. Principal Component Logistic Regression (PCLR) merupakan teknik multivariate yang dapat dipakai untuk mereduksi dimensi dari variabel-variabel prediktor. Dalam penelitian ini ingin diterapkan suatu metode pemilihan variabel untuk mengatasi masalah multikolinieritas yaitu Principal Component Logistic Regression Stepwise (PCLR(s)) yang merupakan pengembangan dari PCLR dimana perbedaan mendasar dari PCLR dan PCLR(s) adalah pada penduga koefisien regresi ( (s) ). Tujuan dari penelitian ini adalah memperoleh model regresi logistik terbaik dengan metode PCLR dan PCLR(s), kemudian membandingkan kedua metode tersebut. Kriteria pemilihan model terbaik berdasarkan nilai Pearson Residuals dan Percent Correct Predictions (PCP). Dalam penelitian ini digunakan dua macam data sekunder yang terdiri dari faktor-faktor yang mempengaruhi kinerja jantung 10 tahun setelah pemeriksaan terakhir dan faktor-faktor yang mempengaruhi fertilitas induk kambing PE. Berdasarkan penelitian ini, dapat disimpulkan bahwa metode PCLR(S) lebih baik dibanding PCLR. Sehingga lebih disarankan untuk menggunakan PCLR(S) untuk membentuk model regresi logistik apabila terdapat multikolinieritas pada sebagian dan semua variabel prediktor