PENERAPAN METODE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR UNTUK MENGATASI MULTIKOLINIERITAS (Studi Kasus: Data Kemiskinan di Indonesia Tahun 2022)
Multikolinieritas merupakan salah satu asumsi yang harus dipenuhi pada analisis regresi linier berganda. Terjadinya multikolinieritas mengindikasikan beberapa variabel prediktor saling berkorelasi sehingga mengakibatkan koefisien regresi yang dihasilkan menjadi bias. Salah satu metode untuk mengatasi masalah multikolinieritas adalah Least Absolute Shrinkage and Selection Operator (LASSO) dengan menyusutkan koefisien regresi hingga mendekati nol atau tepat nol. Algoritma yang digunakan untuk mempermudah komputasi LASSO adalah Least Angle Regression (LARS). Metode validasi yang digunakan untuk menentukan model terbaik dalam regresi LASSO adalah Cross Validation (CV) tipe k-fold dengan memilih nilai CV minimum. Penelitian bertujuan mengetahui model terbaik dan faktor-faktor yang memengaruhi jumlah penduduk miskin di Indonesia pada tahun 2022. Hasil penelitian menunjukkan bahwa model terbaik berdasarkan CV diperoleh dengan nilai parameter tuning standar sebesar 0,754. Berdasarkan model terbaik, faktor-faktor yang memengaruhi jumlah penduduk miskin di Indonesia tahun 2022 adalah angka melek huruf, tingkat pengangguran terbuka, rata-rata lama sekolah, produk domestik regional bruto, rata-rata pengeluaran per kapita sebulan makanan dan bukan makanan, upah minimum provinsi, indeks pembangunan manusia, dan rasio angka partisipasi murni.
Ketersediaan
Detail Information
Judul | PENERAPAN METODE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR UNTUK MENGATASI MULTIKOLINIERITAS (Studi Kasus: Data Kemiskinan di Indonesia Tahun 2022) |
---|---|
Pengarang | NUR FADILAH - Personal Name |
No. Panggil | SKRIPSI NUR p 2024 |
Subyek | Jumlah Penduduk Miskin CV LARS LASSO Multikolinieritas |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2024 |
Penerbit | Fakultas Matematika Dan Ilmu Pengetahuan Alam |
Jurusan | Matematika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY