PEMODELAN KOMBINASI REGRESI RIDGE DAN GENERALIZED LEAST QUARES UNTUK MENGATASI MULTIKOLINEARITAS DAN UTOKORELASI 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.