Penerapan Generalized Ridge Regression Model pada Kasus Angka Kematian Bayi di Jawa Barat

Abstract. Multiple regression analysis is used to determine the effect of several predictor variables on one response variable, provided that there is no multicollinearity. Generalized Ridge Regression (GRR) is one method used to overcome the problem of multicollinearity. Unlike Ridge Regression, GRR uses different bias constants for each predictor variable. This study aims to apply GRR in analyzing infant mortality rates in West Java Province in 2020. The predictor variables consist of seven indicators related to maternal and infant health. The results indicate that all predictor variables significantly influence infant mortality rates, with the GRR model: . The VIF values for most variables indicate no multicollinearity, except for variable , which has a VIF of 16.733367 (>10). This means that the application of GRR in this case has not fully addressed multicollinearity in all predictor variables. Abstrak. Analisis regresi berganda digunakan untuk mengetahui pengaruh beberapa variabel prediktor terhadap satu variabel respons, dengan syarat salah satunya tidak terjadi multikolinieritas. Generalized Ridge Regression (GRR) merupakan salah satu metode yang digunakan untuk mengatasi masalah multikolinieritas. Berbeda dengan Ridge Regression, GRR menggunakan konstanta bias berbeda untuk setiap variabel prediktor. Penelitian ini bertujuan untuk menerapkan GRR dalam menganalisis angka kematian bayi di Provinsi Jawa Barat tahun 2020. Variabel prediktor terdiri dari tujuh indikator terkait kesehatan ibu dan bayi. Hasil menunjukkan bahwa seluruh variabel prediktor berpengaruh signifikan terhadap angka kematian bayi, dengan model GRR: . Nilai VIF untuk sebagian besar variabel menunjukkan tidak adanya multikolinieritas, kecuali pada variabel  yang memiliki VIF sebesar 16.733367 (>10). Artinya, penerapan GRR dalam kasus ini belum sepenuhnya mengatasi multikolinieritas pada seluruh variabel prediktor.