Professional Documents
Culture Documents
773 1774 1 SM PDF
773 1774 1 SM PDF
48 - 57
ISSN 1693-2390 print/ISSN 2407-0939 online
ABSTRAK
Penelitian ini menjelaskan tentang analisis jumlah tenaga kerja terhadap jumlah pasien RSUD
Pekanbaru pada Tahun 2012 yang menjelaskan masalah multikolenieritas. Penyelesaian masalah
multikolinearitas menggunakan metode regresi gulud (ridge regression) dilakukan dengan mentransformasi
masing-masing peubah dan melalui prosedur pemusatan dan pengskalaan. Suatu acuan yang digunakan
untuk memilih besarnya nilai Ridge Parameter , dengan melihat besarnya nilai VIF (Varian Inflation
Factor). Nilai VIF lebih besar dari 10 mengindetifikasi adanya multikolenier. Untuk memperjelas
penggunaan regresi gulud untuk mengatasi multikolinearitas dibahas contoh kasus multikolinearitas, yaitu
hubungan antara jumlah tenaga kerja dan ( ) jumlah pasien berdasarkan cara bayar. Dari pembahasan
contoh studi kasus, diperoleh persamaan regresi gulud:
̂
Katakunci: metode kuadrat terkecil, multikolenieritas, regresi gulud, regresi linier berganda, dan ridge
parameter
ABSTRACT
This research describes the analysis of the amount of labor against toward number of patients in the
Hospital area Arifin Achmad of Pekanbaru in year 2012 which is describe the problem multicollinearity.
Problem solved multicollinearity of ridge regression method was done by transform each and variables
through of the centering and rescaling. A reference that is used to select higher than of the value of the
parameter , with a ridge to see choosing of the value of the VIF (variant of the Inflation Factor) that if there
is a correlation between the free variables, the value of the VIF would be higher than (VIF ). VIF values
higher than 10 identification of multicollinearity. To clarify of using of ridge regression method to resolved
the case discussed multicollinearity which relationship between the amount of labor (Y) and (X) number of
patients based on how to pay. From discussion of example case studies, the regression equation obtained
gulud:
̂
Keywords: least squares method, multikolenieritas, multiple linear regression, and the ridge parameter,
and ridge regression.
48
Rahmadeni, et al./ Analisis Jumlah Tenaga Kerja
Jurnal Sains, Teknologi dan Industri, Vol. 12, No. 1, Desember 2014, pp. 48 – 57 49
Jurnal Sains, Teknologi dan Industri, Vol. 12, No. 1, Desember 2014, pp. 48 - 57
ISSN 1693-2390 print/ISSN 2407-0939 online
Perluasan terlihat dari banyaknya variabel Persamaan regresi linear berganda dengan
bebas pada model regresi tersebut. Bentuk dua variabel bebas mempunyai perhitungan
umum regresi linier berganda dapat dinyatakan nilai , dan . Menggunakan metode
secara statistik sebagai berikut: kuadrat terkecil yaitu dengan meminimumkan
= + + +...+ + nilai ∑ atau ∑
keterangan: .
= variabel tak bebas Dengan menyamakan fungsi-fungsi turunan
variabel bebas pertama parsial dari jumlah terhadap setiap
= parameter regresi nilai dan , sehingga diperoleh :
= variabel gangguan
∑ ∑ ∑ ∑
Asumsi Regresi Linier Berganda ∑ ∑ ∑
Dalam metode regresi linier berganda ada
∑ ∑ ∑ ∑
beberapa asumsi yang harus dipenuhi, asumsi
tersebut adalah: ∑ ∑ ∑
1. Nilai rata-rata kesalahan pengganggu nol,
yaitu E ( ) = 0, untuk i= 1,2,...,n Multikolinieritas
2. Varian ( ) = E ( )= Multikolinieritas adalah suatu kondisi
3. Tidak ada autokorelasi antara kesalahan dimana terjadi korelasi yang kuat diantara
pengganggu (galat/error), berarti kovarian variabel-variabel bebas yang diikutsertakan
( , ) = 0, i dalam pembentukan model regresi linier. Jelas
4. Variabel bebas , , ..., , konstan bahwa multikolinieritas adalah suatu kondisi
dalam sampling yang terulang dan bebas yang menyalahi asumsi regresi linier. Tentu
terhadap kesalahan penganggu . saja, multikolinieritas tidak mungkin terjadi
5. Tidak ada multikolenieritas diantara apabila variabel bebas yang diikut sertakan
variabel bebas hanya satu.
6. , artinya kesalahan Dalam bentuk matriks, multikolinearitas
pengganggu mengikuti distribusi normal adalah suatu kondisi buruk atau ill condition
dengan rata-rata 0 dan varian . dari matriks yaitu suatu kondisi yang tidak
memenuhi asumsi klasik. Jika multikolinearitas
terjadi antara dua variabel atau lebih dalam
Metode Kuadrat Terkecil
Salah satu metode penduga parameter dalam suatu persamaan regresi, maka nilai perkiraan
model regresi adalah metode kuadrat terkecil. koefisien dari variabel yang bersangkutan
Metode ini memerlukan beberapa asumsi klasik menjadi tak berhingga, sehingga tidak mungkin
yang harus dipenuhi oleh komponen , yaitu lagi menduganya. Hal ini disebabkan
memenuhi asumsi kenormalan, kehomogenan menjadi singular atau mendekati nol.
ragam, dan tidak memiliki autokorelasi. Ada beberapa cara untuk mengetahui ada
Metode kuadrat terkecil merupakan suatu tidaknya multikolinieritas, yaitu:
metode yang digunakan untuk menaksir a. Nilai Korelasi (Korelasi antar Peubah
parameter regresi dengan cara meminimumkan Bebas)
jumlah kuadrat kekeliruan (error) dari model Prosedur ini merupakan pendeteksian yang
regresi yang terbentuk. paling sederhana dan paling mudah. Nilai
Jumlah kuadrat kekeliruan (error) untuk korelasi yang tinggi antara peubah satu dengan
persamaan regresi linier sederhana, yaitu: yang lainnya memperlihatkan adanya hubungan
linier pada peubah-peubah tersebut.
∑ ∑ ̂
b. Nilai Kondisi
Ada beberapa metode untuk menghitung
Sehingga diperoleh pendugaan kuadrat
nilai kondisi yang menunjukkan tingkat
terkecil dari pada regresi linier berganda
multikolenieritas Vonod dan Ulah (1981)
adalah, sebagai berikut:
menyarankan bahwa nilai kondisi diberikan
̂ ( ) oleh:
50
Rahmadeni, et al./ Analisis Jumlah Tenaga Kerja
Jurnal Sains, Teknologi dan Industri, Vol. 12, No. 1, Desember 2014, pp. 48 – 57 51
Jurnal Sains, Teknologi dan Industri, Vol. 12, No. 1, Desember 2014, pp. 48 - 57
ISSN 1693-2390 print/ISSN 2407-0939 online
dibahas secara mendalam dalam dua tulisan menggunakan jejak gulud yang merupakan
Hoerl dan Kennard. Prosedur tersebut ditujukan suatu plot data antara ̂ dengan beberapa
untuk mengatasi suatu multikolenieritas dan nilai k dalam selang antara 0 dan 1 hingga
kolom matriks dari tidak bebas linier yang tercapai kestabilan pada parameter dugaannya.
menyebabkan matriks hampir singular. Akan tetapi pemilihan k dengan jejak gulud
Pada metode regresi gulud, penduga menjadi prosedur yang subjektif karena
koefisien regresi yang dihasilkan adalah memerlukan keputusan peneliti untuk
penduga bias. Penaksiran metode alternatif menentukan nilai yang akan dipilih,
tidak sebaik metode kuadrat terkecil karena Montgomery dan Peck (1992). Hoerl, Kennard,
jumlah kuadrat residual tidak terlalu kecil dan dan Balwin (1975) dalam Gusriani (2004)
koefisien korelasi ganda tidak terlalu besar menyarankan pemilihan nilai k dengan
tetapi lebih potensial untuk ketepatan yang menggunakan rumus HKB :
lebih baik. ̂ ̂ / ̂
Regresi gulud merupakan salah satu metode dengan:
yang dapat digunakan untuk mengatasi masalah adalah : banyaknya parameter diluar
multikolinearitas melalui modifikasi terhadap
metode kuadrat terkecil Neter, Waserman dan ̂ dan ̂ : diperoleh dari metode kuadrat
Kutner (1990) dalam Herwindiati (1997). terkecil
Modifikasi tersebut ditempuh dengan cara Pada penelitian selanjutnya
menambah tetapan bias k yang relatif kecil pada Montgomery dan Peck (1992) mengajukan
diagonal matriks , sehingga koefisien prosedur iterasi dengan menggunakan nilai k
penduga gulud dipengaruhi oleh besarnya pada persamaan diatas sebagai nilai awal untuk
tetapan bias k. Dengan demikian paramater menghitung nilai k dan selanjutnya ̂ dan ̂
dugaan akan menjadi: yang digunakan diperoleh dari metode regresi
̂ ( ) gulud dengan demikian prosedur ini akan
berhenti jika: (2.19)
[ ]
dengan : dan =
̂ : Vektor koefisien regresi dengan
gulud
: Matriks korelasi peubah Pemusatan dan Pengskalaan (Centering
: Tetapan bias
and Scaling)
: Matriks identitas
Pemusatan dan pengskalaan data merupakan
: Vektor korelasi antara dan bagian dari membakukan (standardized)
peubah variabel. Pemusatan merupakan perbedaan
Pemilihan besarnya tetapan bias k antara masing-masing pengamatan dan rata-rata
merupakan masalah yang perlu diperhatikan. dari semua pengamatan untuk variabel.
Tetapan bias k yang diinginkan adalah tetapan Sedangkan pengskalaan meliputi gambaran
bias yang menghasilkan bias relatif kecil dan pengamatan pada kesatuan (unit) standar
menghasilkan koefisien penduga yang deviasi dari pengamatan untuk variabel Kutner
relatifstabil. Ada beberapa acuan yang (2005). Berikut ini merupakan pembakuan
digunakan untuk memilih besarnya k, variabel terikat Y dan variabel bebas :
diantaranya dengan melihat besarnya VIF dan
melihat pola kecendrungan jejak gulud. Jejak Yi Y
gulud berupa plot dari penduga regresi gulud SY
secara bersama dengan berbagai kemungkinan
nilai tetapan bias k Gibbons dan McDonald ̅
(1984) dalam Herwindiati 1997. Nilai k yang
dipilih yaitu k yang memberikan nilai penduga dengan :
regresi gulud ̂ yang relatif stabil. Y : rata-rata dari Y
Hoerl dan Kennard (1970) dalam Gusriani
(2004) menentukan nilai k dengan Xj : rata-rata dari pengamatan X j
52
Rahmadeni, et al./ Analisis Jumlah Tenaga Kerja
i 1 ik
1 X ij X j
i 1 i 1
X ij* , j 1,2,, k
n 1 S X j ∑
∑
(2.24)
Berdasarkan transformasi variabel dan [∑ ]
yang didefinisikan dengan transformasi korelasi
pada model Persamaan di atas diperoleh model
regresi sebagai berikut:
pada persamaan di atas dapat diubah
yi 1* X i*1 2* X i*2 k* X ik* dalambentuk matriks korelasi. Matriks pertama
Terdapat hubunga antara parameter adalah matriks korelasi dari variabel dan
regresi yang baku dengan parameter regresi, dinotasikan dengan dan matriks yang
yaitu diantara parameter pada kedua adalah vektor yang berisikan koefisien
model regresi baku dengan parameter korelasi sederhana diantara variabel dan
pada model regresi linear setiap variabel yang dinotasikan dengan ,
berganda yang biasa terdapat suatu hubungan yaitu:
linear. Hubungan antara kedua parameter dari
dua model yang berbeda tersebut dijabarkan
seperti di bawah ini Kutner (2005): [ ]
S *
j Y
, j 1,2,, k
SX j
j
0 Y 1 X 1 2 X 2 k X k [ ]
k
Y j X j Berdasarkan Persamaan tersebut diatas
j 1
diperoleh persamaan seperti berikut ini:
=
Matriks Korelasi
Persamaan atau model yang didapat dari Untuk matriks kedua,yaitu adalah vektor yang
prosedur pemusatan dan penskalaan pada dapat berisikan koefisien korelasi sederhana diantara
dituliskan dalam bentuk matriks seperti berikut: variabel terikat dan setiap variabel bebas
yang dinotasikan dengan . Matriks
y1 * 1* X 11
* *
X 12 X 1*k 1* korelasinya didefinisikan sebagai berikut:
y * * * * * =
2 2 X 21 X 22 X 2 k 2
*
* * * * Metode Penelitian
yk * k X n1 X n*2 X nk n Sumber Data
Data yang digunakan untuk contoh
pemakaian ini adalah data dari RSUD Arifin
(2.27)
Achmad Pekanbaru Tahun 2012.
Jurnal Sains, Teknologi dan Industri, Vol. 12, No. 1, Desember 2014, pp. 48 – 57 53
Jurnal Sains, Teknologi dan Industri, Vol. 12, No. 1, Desember 2014, pp. 48 - 57
ISSN 1693-2390 print/ISSN 2407-0939 online
54
Rahmadeni, et al./ Analisis Jumlah Tenaga Kerja
Tabel 2. Nilai VIF antar Variabel Bebas dan Peck (1992) ternyata nilai kondisinya
Pendugaan mencapai lebihkecil
Model VIF
Parameter dari yang menunjukkan adanya masalah
Konstanta multikolenieiritas yang kuat dalam data yang
Umum E3 dianalisis. Untuk mengatasi masalah
Askes multikoleniritas tersebut, maka dilakukan
Wajib analisis regresi gulud.
Askes
sukarela Menentukan Penaksiran Koefisien Regresi
Jamkesmas Hasil analisis regresi dengan menggunakan
Jamkesda metode kuadrat terkecil terhadap data pada
Jamsostek E3 tabel nilai penaksiran parameter (Tabel 4).
Jampersal Tabel 4 Penaksiran Parameter Regresi Kuadrat
Terkecil
Perusahaan
Pendugaan Simpangan
Variabel
Parameter Baku
Berdasarkan Tabel 2 dapat dilihat bahwa
Konstanta
seluruh variabel bebas memiliki nilai VIF lebih
Umum
besar dari , maka dapat disimpulkan model
regresi ini memiliki masalah multikoleniritas. Askes Wajib
Askes
Sukarela
Mendeteksi nilai kondisi
Jamkesmas
Pendeteksian multikolenieritas dilakukan
salah satunya dengan menghitung nilai kondisi Jamkesda
yang menunjukkan tingkat Jamsostek
multikolenieritas. Montgomery dan Peck (1992) Jampersal
mendefinisikan nilai kondisi dapat dilihat pada Perusahaan
tabel berikut :
Tabel 3. Nilai Eigen dari Berdasarkan Tabel 4 di atas dapat diperoleh
No. Model Nilai Eigen persamaan regresi linier berganda seperti pada
1 Umum persamaan berikut ini, yaitu:
2 Askes Wajib ̂
3 Askes Sukarela
4 Jamkesmas
5 Jamkesda
6 Jamsostek Meguji kecocokan model regresi linier
7 Jampersal ganda secara bersama-sama atau simultan dapat
dilakukan melalui uij ANAVA, seperti yang
8 Perusahaan
terlihat pada Tabel 5 di bawah ini:
Berdasarkan Tabel 3 dapat terlihat bahwa
Pengujian keberartian model regresi linier
kedelapan nilai eigennya mendekati nol ini
ganda yang dilakukan secara simultan atau
berarti terdapat multikoleniritas. Selain itu
secara bersama-sama, dengan hipotesis:
mutikolenieiritas dapat diukur dalam bentuk
: , untuk (variabel bebas
rasio atau perbandingan dari nilai terbesar dan
secara individu tidak berpengaruh secara
terkecil nilai eigen. Nilai yang besar
signifikan terhadap nilai taksiran )
mengindikasikan multikolenieritas yang serius.
: , untuk (variabel bebas
secara individu berpengaruh secara
signifikan terhadap nilai taksiran )
Jurnal Sains, Teknologi dan Industri, Vol. 12, No. 1, Desember 2014, pp. 48 – 57 55
Jurnal Sains, Teknologi dan Industri, Vol. 12, No. 1, Desember 2014, pp. 48 - 57
ISSN 1693-2390 print/ISSN 2407-0939 online
56
Rahmadeni, et al./ Analisis Jumlah Tenaga Kerja
DAFTAR PUSTAKA
Jurnal Sains, Teknologi dan Industri, Vol. 12, No. 1, Desember 2014, pp. 48 – 57 57