Perbandingan Metode Partial Least Square (PLS) dengan Regresi Komponen Utama untuk Mengatasi Multikolinearitas
Abstract
Dalam mengatasi multikolinearitas pada suatu data, ada beberapa metode yang dapat digunakan,
diantaranya yaitu metode Partial Least Square (PLS) dan metode regresi komponen utama (RKU).
Data yang digunakan dalam penulisan ini adalah data sekunder yang diperoleh dari Jurnal
Technometrics (Naes, 1985). Hasilnya menunjukkan bahwa metode PLS lebih baik dari pada RKU
berdasarkan nilai koefisien determinasi (R2) yang tinggi, nilai Mean Square Error Prediction (MSEP)
dan nilai Root Mean Square Error Prediction (RMSEP) yang minimum.
diantaranya yaitu metode Partial Least Square (PLS) dan metode regresi komponen utama (RKU).
Data yang digunakan dalam penulisan ini adalah data sekunder yang diperoleh dari Jurnal
Technometrics (Naes, 1985). Hasilnya menunjukkan bahwa metode PLS lebih baik dari pada RKU
berdasarkan nilai koefisien determinasi (R2) yang tinggi, nilai Mean Square Error Prediction (MSEP)
dan nilai Root Mean Square Error Prediction (RMSEP) yang minimum.
Full Text:
PDF (Bahasa Indonesia)DOI: https://doi.org/10.29313/jstat.v12i1.1059
Refbacks
- There are currently no refbacks.
Copyright Notice
STATISTIKA is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.