Perpustakaan Digital ITB

Dalam menganalisis masalah regresi, hal penting yang di lakukan sebelum memodelkan masalah adalah dengan memperhatikan subset regresinya. Umumnya suatu permasalahan memiliki cukup banyak variabel prediktor sehingga akan mempersulit dalam memodelkannya. Namun, jika variabel yang diperoleh sedikit, dapat menyebabkan hasil pemodelan regresi tidak akurat. Dengan demikian perlunya cara untuk menyeleksi subset regresinya. Pemilihan subset yang tepat akan menghasilkan model yang baik sehingga dapat mempresentasikan permasalahan dalam model. Cukup banyak metode yang digunakan dalam menyeleksi subset regresi secara baik, diantaranya : metode backward dan metode stepwise. Metode backward menyeleksi subset regresi dengan memperhatikan nilai F-parsial setiap variabel prediktornya, sedangkan metode stepwise selain memperhatikan nilai F-parsial juga memperhatikan korelasi parsialnya. Setelah menyeleksi subset regresi terkadang perlu memperhatikan masalah multikolinieritas dalam variabel prediktor , hal ini bertujuan untuk menjaga asumsi regresi dimana setiap variabel prediktor harus tidak berhubungan satu sama lainnya. Regresi ridge salah satu cara yang baik dalam menyelesaikan masalah multikolinier.