MENGATASI MASALAH MULTIKOLINEARITAS DALM MENGESTIMASI PARAMETER REGRESI LINIER BERGANDA DENGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS

Penelitian ini bertujuan untuk mengatasi masalah multikolinearitas menggunakan Principal Component Analysis (PCA) dan mengetahui keunggulan Principal Component Analysis (PCA). Data yang dipakai dalam peneltian ini adalah data sekunder, dimana data tersebut merupakan data yang memiliki multikolinearitas. Data yang memiliki multikolinearitas tersebut akan diukur tingkat multikolin- earitasnya dengan Variance Inflation Factor (VIF) dan diatasi dengan Principal Component Analysis (PCA). Berdasarkan hasil penelitian dapat disimpulkan bahwa untuk mengatasi multikolinearitas dengan metode Principal Component Analysis (PCA)bertujuan untuk menyederhanakan variabel yang diamati dengan cara mereduksi dimensinya. Hal ini dilakukan dengan cara menghilangkan korelasi diantara variabel bebas melalui transformasi variabel bebas asal ke variabel baru yang tidak berkorelasi sama sekali. Setelah beberapa komponen hasil Principal Component Analysis (PCA) yang bebas multikolinearitas diperoleh, maka komponen tersebut menjadi variabel bebas baru yang akan diregresikan pengaruhnya terhadap variabel tak bebas (Y ).