Abstrak

Model Regrsi Linear Ganda merupakan suatu teknik statistika yang dapat digunakan untuk menggambarkan hubungan diantara dua peubah atau lebih. Hubungan tersebut diekpersikan  dalam bentuk persamaan yang hubungan variabel terikat (Y) dengan beberapa variabel (X).  Jika adanya hubungan linier yang sempurna atau pasti diantara beberapa atau semua variabel bebas dari model Regresi Berganda disebut Multikolinieritas. Jika korelasi antara dua atau lebih variabel  bebas dalam suatu persamaan regresi linier berganda ini terjadi maka taksiran koefisien dari variabel yang bersangkutan tidak lagi tunggal melainkan tidak terhingga banyaknya sehingga tidak mungkin lagi menduganya. Dalam kasus ini yakni  nilai hasil belajar kalkulus integral mahasiswa yang dipengaruhi variabel-variabel lain, sehingga akan melihat hubungan antara variabel-variabelnya. Apabila terdapat hubungan antara variabel-variabel bebasnya, maka akan diterapkan metode Regresi Ridge untuk menstabilkan nilai koefisien regresi karena adanya Multikolinieritas. Dalam kasus ini diperoleh persamaan regresi linier yang baru dan tidak mengandung multikolinieritas yakni = 0.8660633 + 0.1693251 X₁ +0.1750326 X₂ +0.3183697X₃ +0.3216739 X_4. Berdasarkan data nilai kalkulus integral, nilai quis, tugas, UTS  dan UAS berpengaruh secara siqnifikan terhadap nilai akhir dari Kalkulus Integral, Tapi yang paling siqnifikan adalah nilai dari UTS dan UAS.

Kata Kunci : Regresi Linear Berganda, Multikolinearitas, Regresi Ridge

Abstract

Multiple Linear Regression Model is a statistical technique to describe the relationship between two or more variables. The relationship is symbolized in the form of the relationship equation dependent variable (Y) with multiple variables (X). If a linear relationship is perfect or certainly among some or all of the independent variables of the model Regression called Multicolinearity. If the correlation between two or more independent variables in a multiple linear regression equation occures, then the estimated coefficients of the variables are no longer single but not infinite hence it is no longer possible to expect it. In this case the value of integral calculus student learning outcomes are influenced by other variables, so it will look at the relationship between variables. If there is a relationship between the independent variables then it will be applied Ridge Regression method to stabilize the value of the regression coefficient for their Multicolinearity. In this case the linear regression equation is new and does not contain multikolinieritas = 0.8660633 + 0.1693251 X1 + 0.3183697X3 +0.3216739 +0.1750326 X2 X4. Based on data, the value of the integral calculus, quiz grades, assignments, UTS and UAS gives significant effect on the final value of the Integral Calculus, but most significance is the value of UTS and UAS.

Keywords: Linear Regression, Multicollinearity, Ridge Regression