Aplikasi Metode Partial Least Square Generalized Linear Regression (Pls-Glr) Untuk Mengatasi Multikolinieritas Pada Regresi Logistik Multinomial

Pada regresi logistik multinomial dengan melibatkan lebih dari satu peubah prediktor memungkinkan terjadinya masalah multikolinieritas. Metode yang dapat digunakan untuk mengatasi masalah multikolinieritas adalah Partial Least Square Generalized Linear Regression (PLS-GLR). Penelitian ini bertujuan untuk membentuk model Regresi Logistik Multinomial menggunakan metode PLS-GLR untuk mengatasi multikolinieritas. Data yang digunakan adalah data sekunder pasien penderita Penyakit Jantung Koroner (PJK) di RSI UNISMA tahun 2014 dengan melibatkan delapan peubah prediktor serta tiga kategori pada peubah respon. Berdasarkan hasil analisis, peubah prediktor mengandung sifat multikolinieritas yang mengakibatkan tidak adanya peubah prediktor yang signifikan pada fungsi logit 1 dan hanya terdapat satu peubah prediktor yang signifikan pada fungsi logit 2. Dengan menggunakan metode PLS-GLR terdapat satu komponen yang terbentuk dan mengakibatkan semua peubah prediktor pada fungsi logit 2 menjadi signifikan. Kedua fungsi logit tersebut digunakan dalam pembentukan model dan diperoleh tiga model regresi logistik multinomial, di mana ketiganya menyatakan peluang dari masing-masing kategori pada peubah respon yang akan dijadikan pedoman pengklasifikasian. Selanjutnya, suatu pengamatan akan masuk dalam suatu kategori peubah respon berdasarkan nilai peluang yang terbesar