METODE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) PADA MODEL REGRESI LOGISTIK YANG MENGALAMI MULTIKOLINEARITAS
| Main Author: | YUNNA MENTARI INDAH, 1617031042 |
|---|---|
| Format: | Bachelors NonPeerReviewed Book Report |
| Terbitan: |
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
, 2020
|
| Subjects: | |
| Online Access: |
http://digilib.unila.ac.id/62376/1/ABSTRAK.pdf http://digilib.unila.ac.id/62376/2/SKRIPSI%20FULL.pdf http://digilib.unila.ac.id/62376/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf http://digilib.unila.ac.id/62376/ |
Daftar Isi:
- ABSTRAK Metode Least Absolute Shrinkage and Selection Operator (LASSO) adalah metode yang dapat digunakan untuk mengatasi masalah pada data multikolinearitas dengan menyusutkan koefisien (parameter β) yang berkolerasi menjadi tepat pada nol atau mendekati nol. Penelitian ini bertujuan untuk mengetahui perfoma metode LASSO dalam menangani multikolinearitas pada model regresi logistik dengan Maximum Likelihood Estimation berdasarkan data simulasi dan data riil kemiskinan di Indonesia. Hasil dari penelitian menunjukkan bahwa metode LASSO dapat menangani masalah multikolinearitas. Semakin besar ukuran sampel yang digunakan maka semakin kecil MSE pada LASSO. Data kemiskinan dipengaruhi oleh indeks pembangunan manusia, rata-rata lama sekolah dan angka harapan hidup berdasarkan pada metode LASSO sedangkan dengan metode MLE semua variabel bebas tidak ada yang mempengaruhi kemiskinan di Indonesia. Kata Kunci: LASSO, Regresi Logistik, Multikolinearitas. ABSTRACT The Least Absolute Shrinkage and Selection Operator (LASSO) method is a method that can be used to overcome problems in multicollinearity data by shrinking the coefficient (parameter β) that correlates to exactly zero or can be zero. This study aims to determine the performance of LASSO in dealing with multicollinearity in the logistic regression model compared to Maximum Likelihood based on simulation data and real data of poverty in Indonesia. The results shows that LASSO can handle multicollinearity problems. The larger the sample size, the smaller the MSE of LASSO. Poverty data are influenced by the human development index, school average and life expectancy based on LASSO whereas with MLE all independent variables do not affect poverty in Indonesia. Keywords: LASSO, Logistic Regression, Multicollinearity.