Skripsi

Metode regresi lasso dalam mengatasi multikolineritas pada faktor yang mempengaruhi ipm di papua / Sri Pradnyaparamitha Arolla Ramadhani Oktafianto

Abstrak
Analisis regresi linier berganda adalah teknik statistik untuk menentukan dan memodelkan hubungan antara variabel respon dan beberapa prediktor . Salah satu asumsi yang harus dipenuhi dari regresi berganda adalah tidak adanya multikolinearitas. Multikolinearitas adalah suatu kondisi yang terjadi dalam analisis regresi berganda ketika ada korelasi atau hubungan yang kuat antara dua atau lebih variabel prediktor. Multikolinearitas pada penelitian ini dapat diatasi dengan regresi LASSO. Regresi LASSO digunakan untuk mereduksi koefisien yang diestimasi menjadi tepat nol dan memilih variabel prediktor untuk menghasilkan model terbaik.Penaksiran model regresi LASSO dapat dilakukan dengan menggunakan algoritma LARS dan GLMNet karena kedua algoritma tersebut yang cepat dalam menduga koefisien regresi LASSO. Data penelitian ini menggunakan data IPM 2020 dari 29 kabupaten/kota di Papua. Hasil yang diperoleh menunjukkan bahwa regresi LASSO dengan menggunakan algoritma LARS lebih baik dari GLMNet dalam mengatasi kasus multikolinearitas dengan nilai R-squared yang diperoleh adalah . Beberapa faktor yang memiliki pengaruh signifikan terhadap PHT yaitu Pengeluaran Per Kapita Umur Harapan Hidup Harapan Lama Sekolah dan Rata-Rata Lama Sekolah.

Informasi Detail

DDC

Rs 519.536 OKT m

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2022.

Deskripsi Fisik

xi, 24 lembar : il. ; 30 cm.

Bahasa

Indonesia

No Reg

06026/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2022

Subjek

1. ANALISIS REGRESI - REGRESI LASSO
2. MULTIKOLINERITAS
3. REGRESSION ANALYSIS - LASSO REGRESSION

Pembimbing

1. Trianingsih Eni Lestari

Lampiran Berkas