PENERAPAN METODE GENERALIZED RIDGE REGRESSION DENGAN PENDUGA LEAST MEDIAN OF SQUARES UNTUK MENGATASI MULTIKOLINIERITAS DAN PENCILAN

Analisis regresi linier berganda sering menghadapi masalah multikolinieritas
dan pencilan. Untuk mengatasi kedua permasalahan tersebut, digunakan metode
ridge-robust. Penelitian ini mengembangkan Generalized Ridge Regression (GRR)
dengan penduga robust Least Median of Squares (LMS) untuk mengestimasi
parameter regresi. Tujuan dari kajian ini untuk memodelkan dan menganalisis
faktor yang memengaruhi menggunakan GRR-LMS. Adapun penelitian ini
menggunakan data Persentase Penduduk Miskin di 33 kabupaten/kota Provinsi
Aceh dan provinsi Bengkulu tahun 2023. Berdasarkan hasil analisis
mengungkapkan bahwa metode kuadrat terkecil mengalami permasalahan
multikolinieritas pada variabel �2 dengan nilai ��� > 10 dan terdapat pencilan
pada pengamatan ke 17, 19, dan 32. Setelah dilakukan penanganan masalah,
diperoleh bahwa tingkat pengangguran terbuka, indeks pembangunan manusia,
rata-rata lama sekolah dan harapan lama sekolah berpengaruh secara signifikan
terhadap variabel persentase penduduk miskin, sehingga model diperoleh dengan
metode GRR-LMS dapat dibentuk berdasarkan variabel signifikan tersebut.
Berdasarkan pengujian pemilihan model terbaik menggunakan �
2
(koefisien
determinasi) dan MSE (Mean Square Error), metode regresi GRR-LMS terbukti
lebih unggul dibandingkan Metode Kuadrat Terkecil (MKT) dan LMS dengan nilai
masiing-masing sebesar 90.91% dan 0.13.
Kata kunci : regresi ridge, regresi robust, generalized ridge regression, least
median of squares