Metode PLSR RR Ridge Regression and Partial Least Square Regression

Metode PLSR RR Ridge regression and partial least square regression.  Menurut Paul H. Gartwate selaku yang memperkenalkan PLSR menjadi sebuah metode yang bisa juga mengatasi masalah multikolinieritas, dari penelitian yang sudah dilakukannya sudah disimpulkan bahwa partial least swuare regression ini mempunyai akurasi yang jauh lebih baik dibandingkan dengan metode lainnya.

Bukan hanya itu saja, metode tersebut dapat digunakan pada sebuah kondisi data dengan jumlah observasi yang terbatas. Disisi lain PLSR ini merupakan sebuah kombinasi dari AKU kepanjangan dari metode analisis komponen utama dan juga metode RLB. Dengan tujuan untuk membandingkan kemudahan dari metode PLSR dengan Ridge Regression.

Supaya dapat membantu proses simulasi, maka akan dibuat dengan menggunakan sebuah aplikasi yaitu software R.

Metodologi Tinjauan Referensi Ridge Regression

Ridge regression sendiri telah memodifikasi metode PLS yang dimana telah menambahkan matriks (x,x) dengan sebuah konstanta yang bias. Nah dengan demikian hal tersebut dapat menghasilkan koenfisien RR bias dengan varian minimum.

Estimator Ridge yaitu sebagai berikut:

b^R = (X^‘X+cI)^-1X^‘y                                (1)

b^{r :} merupakan vektor koenfisien regresi ridge

C: konstanta ridge.

I: merupakan matrik indentitas yang dimana P-1 x P-1

Metode yang umumnya digunakan supaya dapat menentukan konstanta ridge dan menurut John Netter pada bukunya itu di dsaarkan pada ridge trace serta VIF. Sebuah plot simultan P-1 koefensien RR b^R yang dimana hal tersebut untuk setiap nilai C yang pastinya berbeda dengan nilai C yang ada diantara 0 bahkan 1.

Selain itu juga VIF merupakan sebuah nilai varian inflation factor untuk setiap nilai C. ada juga rumus VIF yang dimana digunakan pada metode yang satu ini, berikut ulasannya.

VIF_c=(X^‘X+cI)^-1X’ X (X^‘X+cI)^-1 (2)

Kini yang menjadi konstanta Ridge yaitu C pada dsaat b^R yang memang sudah dianggap normal atau stabil baik itu pada VIF maupun ridge trace yang dimana asudah sesuai dan mendekati nilai 1. Kemudian koefisien RR pun adalah koefisien regresi RR pun adalah koefisien regresi pada saat C yang sudah dipilih sudah menjadi konstanta ridge.

Namun apabila menggunakan cara itu, koefisien RR yang sudah terpilih tadi tentunya masih bersifat subjektif.

Sehingga berkemungkinan adanya perbedaan dalam penentuan nilai C untuk setiap peneliti yang juga berbeda. Sehingga dengan demikian dapat berdampak juga pada perbedaan nilai koefisien regresi yang memang dihasilkan.

Itulah pembahasan yang dapat disampaikan tentang metode PLSR RR ridge regresision and parial least square regression, semoga apa yang dibahas diatas tadi dapat memberikan pencerahan untuk Anda yang memang mencari informasi tersebut. Untuk lebih lengkapnya lagi Anda bisa kunjungi website dibawah ini.

https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&cad=rja&uact=8&ved=2ahUKEwi185vbqq_yAhXUfH0KHZMJBGkQFnoECCMQAQ&url=https%3A%2F%2Fjurnal.stis.ac.id%2Findex.php%2Fjurnalasks%2Farticle%2Fdownload%2F55%2F29&usg=AOvVaw0LFGkSZ6r06pdi1-RE10dE