Model Regresi dengan Metode LASSO untuk Mengatasi Multikolinieritas Studi Kasus Banyaknya Gizi Buruk di Kabupaten Banyumas

  • Melda Juliza UNSOED
  • Novita Eka Chandra Universitas Jenderal Soedirman

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).

Published
2024-10-11
How to Cite
JULIZA, Melda; CHANDRA, Novita Eka. Model Regresi dengan Metode LASSO untuk Mengatasi Multikolinieritas Studi Kasus Banyaknya Gizi Buruk di Kabupaten Banyumas. Jurnal Statistika SKEWNESS, [S.l.], v. 1, n. 2, p. 75-84, oct. 2024. ISSN 3047-3284. Available at: <https://jos.unsoed.ac.id/index.php/skewness/article/view/13147>. Date accessed: 13 feb. 2025.