Model Regresi dengan Metode LASSO untuk Mengatasi Multikolinieritas Studi Kasus Banyaknya Gizi Buruk di Kabupaten Banyumas
Abstract
Uji asumsi klasik pada analisis regresi salah satunya yaitu multikolinearitas. Terjadinya multikolinearitas berarti antar variabel prediktor saling berkorelasi. Jika data penelitian mengandung multikolinearitas akan mengakibatkan koefisien regresi yang dihasilkan tidak efisien. Salah satu solusi untuk mengatasi masalah tersebut dapat menggunakan metode LASSO (least absolute shrinkage and selection operator). Metode ini menyusutkan koefisien regresi dari variabel prediktor yang memiliki korelasi tinggi menjadi tepat pada nol atau mendekati nol. Data penelitian yang digunakan adalah banyaknya kasus gizi buruk pada pada balita di 40 puskesmas di Kabupaten Banyumas. Berdasarkan uji VIF terdapat dua variabel prediktor yang mengalami masalah multikolinearitas, yaitu variabel jumlah bayi yang mendapat Imunisasi Polio (X4) dan jumlah bayi yang mendapat Imunisasi DPT-HB3 (X6). Sehingga masalah tersebut akan diatasi menggunakan metode LASSO. Berdasarkan hasil pengujian metode LASSO, diperoleh bahwa koefisien yang signifikan terdapat pada variabel pemberian ASI ekslusif pada bayi (X1) dan variabel pemberian munisasi DPT-HB3 (X6).
References
[2] RI, D. K. (2005). Rencana Aksi Nasional Pencegahan dan Penanggulangan Gizi Buruk 2005-2006. Jakarta: Departemen Kesehatan RI.
[3] Sudjana. (2013). Metode Statistika Edisi 7. Bandung: Tarsito.
[4] Dewanti, D. (2023). Metode Statistika Populer untuk Penelitian. Bogor: Exsight.
[5] Gujarati, D. N., & Porter, D. C. (2009). Basics Econometrics Fifth Edition. New York: McGraw-Hill/Irwin.
[6] Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression Analysis. USA: John Wiley & Sons.
[7] Janah, M., & Kartini, A. Y. (2022). Penerapan Metode Regresi Linier Berganda Pada Kasus Balita Gizi Buruk Di Kabupaten Bojonegoro. Jurnal Statistika Dan Komputasi (STATKOM), 1(2), 2963-0398. doi:https://doi.org/10.32665/statkom.v1i2.1170
[8] Hananti, H., Jaya, I. G., & Ginanjar, I. (2023). Pemodelan Kasus Gizi Buruk Balita di Indonesia Menggunakan Panel Quantile Regression Model. Statistika, 23(2), 116-122. doi:Https://doi.org/10.29313/statistika.v23i2.2025
[9] UNICEF. (1998). The States on teh World's Children. New York: Oxford University Press.
[10] Draper, N. R., & Smith, H. (1998). Applied Regression Analysis. New York: John Wiley & Sons.
[11] Montgomery, D. C., & Runger, G. C. (2011). Applied Statistics and Probability for Engineers Fifth Edition. New York: John Wiley & Sons.
[12] James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning with Application in R. New York : Springer.
[13] Tibshirani, R. (2011). Regression Shrinkage and Selection via the Lassoo: A Retrospective. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 58(1), 273-282.

