Logo UNTAN Universitas
Tanjungpura
Pontianak

Metode Least Absolute Shrinkage And Selection Operator (Lasso) untuk Pendugaan Parameter Regresi Logistik Biner (Studi Kasus: Faktor-Faktor Tingkat Kemiskinan di Indonesia Tahun 2021)

Diva, Rahma Kamila (2025) Metode Least Absolute Shrinkage And Selection Operator (Lasso) untuk Pendugaan Parameter Regresi Logistik Biner (Studi Kasus: Faktor-Faktor Tingkat Kemiskinan di Indonesia Tahun 2021). Skripsi thesis, Universitas Tanjungpura.

[img] PDF (Cover-Bab1)
Cover-Bab1_H1091211022.pdf - Published Version

Download (1MB)
[img] PDF (H1091211022_DIVA_RAHMA_KAMILA)
H1091211022_DIVA_RAHMA_KAMILA.pdf - Accepted Version
Restricted to Repository staff only

Download (2MB)

Abstract

Metode Least Absolute Shrinkage and Selection Operator (LASSO) merupakan pendekatan regresi yang efektif dalam mengatasi multikolinieritas dengan meminimalkan jumlah kuadrat galat dan menerapkan batasan penalti. Batasan ini memungkinkan LASSO mengecilkan beberapa koefisien hingga nol, sekaligus melakukan seleksi variabel. Salah satu isu strategis yang dapat dianalisis dengan metode LASSO adalah kemiskinan. Kemiskinan berkaitan erat dengan kesejahteraan masyarakat dan menjadi tantangan utama di negara berkembang seperti Indonesia, yang dipengaruhi oleh berbagai faktor. Penelitian ini menerapkan metode LASSO untuk mengatasi multikolinieritas dalam regresi logistik biner terkait faktor-faktor yang mempengaruhi persentase tingkat kemiskinan di Indonesia pada 2021. Tahapan penelitian mencakup pengumpulan data, penerapan metode, seleksi variabel yang signifikan, dan analisis hasil. Hasil menunjukkan bahwa metode LASSO efektif dalam menangani multikolinearitas melalui seleksi variabel, dengan variabel yang masuk dalam model adalah jumlah penduduk miskin, umur harapan hidup, pengeluaran per kapita, dan PDRB serta pengeluaran per kapita dan PDRB sebagai faktor signifikan. Nilai kesalahan klasifikasi model atau Apparent Error Rate (APER) yang diperoleh adalah sebesar 20,5882% dan ketepatan klasifikasi sebesar 79,4118%. Artinya, secara keseluruhan terdapat sebanyak 27 dari 34 provinsi dapat diprediksi secara tepat dengan model yang diperoleh. Sehingga dapat disimpulkan bahwa pengklasifikasian persentase tingkat kemiskinan berdasarkan yang berada di atas rata-rata dan di bawah rata-rata persentase tingkat kemiskinan dalam model regresi logistik biner LASSO memiliki kriteria cukup baik.

Item Type: Thesis (Skripsi)
Creators:
CreatorsNomor Induk Mahasiswa (NIM)Email
Diva, Rahma KamilaNIMH1091211022UNSPECIFIED
Subjects: 500 – Ilmu Pengetahuan > 510 Matematika > 519 Probabilitas dan matematika terapan
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistik S1
SWORD Depositor: Robiatul Adawiyah
Depositing User: Robiatul Adawiyah
Date Deposited: 13 Aug 2026 08:04
Last Modified: 13 Aug 2026 08:04
URI: https://repository.untan.ac.id/id/eprint/7456

Actions (login required)

View Item View Item