PEMILIHAN MODEL REGRESI LINIER BERGANDA MENGGUNAKAN ALGORITMA GENETIKA

Abstract

ABSTRACT

Regression analysis is a statistical method used to determine the forms of relationships between dependent variable  with independent variable, with can be stated with linear regression model. Linear regression model  consisting of several independent variable and one dependent variable is call multiple linear regression model. Genetic algorithm can be an alternative method that can be used in selecting the best multiple linear regression model. The purpose of this research is to explain the selection of the best multiple linear regression model using genetic algorithms. This research is a literature study by collecting materials related to research topic. The steps of this research are to present the regression model into chromosomes and determine the fitness function, selecting chromosomes, crossing parents, mutating chromosomes, and evaluate the fitness value. The results obtained is genetic algoritm methods can be used in the selection of multiple linear regression models by selecting models that have the smallest bic value compared to other regression models. The BIC value of the best multiple linear regression model is obtained at the number of the 200th generation with a value of 123.4728.

Keywords:  Multiple Linear regression model selection,Bayesian Information Criterion, genetic algorithm 

ABSTRAK

Analisis regresi adalah metode statistika yang digunakan untuk menentukan hubungan antara variabel terikat dengan variabel bebas, yang dapat dinyatakan dengan suatu model regresi linier. Model regresi linear yang terdiri dari beberapa variabel bebas dan satu variabel terikat merupakan model regresi linear berganda. Algoritma genetika dapat menjadi metode alternatif dalam pemilihan model regresi linier berganda terbaik. Tujuan dari penelitian ini adalah menjelaskan tentang pemilihan model regresi linier berganda terbaik menggunakan algoritma genetika. Penelitian ini bersifat studi literatur dengan mengumpulkan materi yang berhubungan dengan topik penelitian. Langkah – langkah dari penelitian ini adalah merepresentasikan model regresi menjadi kromosom dan menentukan fungsi fitness, menyeleksi kromosom, menyilangan kromosom induk, memutasi kromosom, dan mengevaluasi nilai fitness. Hasil yang diperoleh adalah metode algoritma genetika dapat digunakan dalam pemilihan model regresi linier berganda terbaik dengan memilih model yang memiliki nilai  terkecil dibandingkan model regresi yang lain. Nilai  model regresi linier berganda terbaik diperoleh pada jumlah generasi ke- 200 dengan nilai sebesar 123,4728. 

Kata Kunci: Model Regresi Linier Berganda, Bayesian Information Criterion, Algoritma Genetika