METODE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR UNTUK MENGATASI MULTIKOLINEARITAS PADA REGRESI LOGISTIK ORDINAL
| Main Author: | BAHMID, NUR ARIF |
|---|---|
| Format: | Thesis NonPeerReviewed Image Book |
| Bahasa: | ind |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.unhas.ac.id/id/eprint/3661/ |
Daftar Isi:
- Multikolinearitas merupakan sebuah masalah yang sering terjadi dalam regresi logistik. Ada beberapa metode yang dapat mengatasi masalah multikolinearitas, diantaranya adalah metode Least Absolute Shrinkage and Selection Operator. Metode Least Absolute Shrinkage and Selection Operator (LASSO) merupakan teknik regresi yang melakukan penaksiran dengan meminimumkan jumlah kuadrat eror menggunakan suatu kendala. Metode LASSO dengan menggunakan algoritma Least Angle Regression (LAR) dapat mengatasi multikolinearitas dan mengestimasi parameter pada regresi logistik ordinal. Penerapan model regresi logistik ordinal dengan metode LASSO pada data bayi gizi buruk kabupaten/kota di Provinsi Sulawesi Selatan terdapat empat variabel yang mempengaruhi gizi buruk yaitu pemberian ASI ekslusif, imunisasi hepatitis B, imunisasi campak, dan rumah dengan sanitasi layak. Kata kunci : multikolinearitas, regresi logistik ordinal, LASSO, algoritma LAR. data bayi gizi buruk