PEMODELAN KOMBINASI REGRESI RIDGE DAN GENERALIZED LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS DAN AUTOKORELASI PADA KASUS INDEKS HARGA KONSUMEN DI INDONESIA

Indeks Harga Konsumen (IHK) merupakan indikator yang digunakan untuk mengukur
perubahan rata-rata harga barang dan jasa yang dikonsumsi rumah tangga. Dalam
menganalisis faktor-faktor yang memengaruhi IHK di Indonesia periode 2022–2025,
digunakan metode regresi linear berganda. Namun, model yang dihasilkan mengalami
pelanggaran asumsi klasik, yaitu multikolinearitas dan autokorelasi. Oleh karena itu,
penelitian ini menggunakan kombinasi regresi ridge dan Generalized Least Square (GLS)
untuk mengatasi permasalahan tersebut. Regresi ridge digunakan untuk mengatasi
multikolinearitas dengan penentuan tetapan bias menggunakan metode Hoerl, Kennard,
dan Baldwin (HKB), sedangkan GLS digunakan untuk mengatasi autokorelasi melalui
pendekatan Cochrane-Orcutt. Hasil penelitian menunjukkan bahwa variabel jumlah uang
beredar luas, jumlah uang beredar sempit, suku bunga, dan indeks harga pangan
berpengaruh terhadap IHK. Penerapan regresi ridge, diperoleh tidak terjadi
multikolinearitas dan dengan menggunakan GLS diperoleh tidak terjadi autokorelasi
berdasarkan nilai Durbin-watson sebesar 1.9044. Dengan demikian, kombinasi regresi
Ridge dan GLS efektif dalam menghasilkan model regresi yang memenuhi asumsi klasik.
Kata kunci: Autokorelasi, Generalized Least Square, Indeks Harga Konsumen,

Multikolinearitas, Regresi Ridge.