Perbandingan Regresi LASSO, Regresi Komponen Utama, Dan Regresi Ridge dalam Penanganan Asumsi Non Multikolinieritas

Nailul, Hidayati and Achmad Efendi, S.Si., M.Sc., Ph.D (2022) Perbandingan Regresi LASSO, Regresi Komponen Utama, Dan Regresi Ridge dalam Penanganan Asumsi Non Multikolinieritas. Sarjana thesis, Universitas Brawijaya.

Abstract

Analisis regresi berganda bertujuan untuk mengetahui ada tidaknya pengaruh hubungan fungsional antara dua atau lebih variabel prediktor terhadap satu variabel respon. Adanya ketergantungan yang kuat antar variabel prediktor atau disebut multikolinieritas akan menyebabkan model menjadi tidak stabil. Terdapat beberapa alternatif metode yang dapat digunakan untuk menangani masalah multikolinieritas diantaranya metode Least Absolute Shrinkage and Selection Operator (LASSO), Regresi Komponen Utama (RKU), dan Regresi Ridge. Data yang digunakan dalam penelitian ini merupakan data simulasi yang dibangkitkan dari data sekunder mengenai Faktor yang mempengaruhi Angka Harapan Hidup Kabupaten/Kota di Jawa Timur tahun 2020. Tujuan penelitian ini adalah untuk menentukan hasil pendugaan parameter dan membandingkan performa terbaik diantara regresi LASSO, RKU, dan Regresi Ridge. Untuk membandingkan performa ketiga metode tersebut dapat dilihat dari nilai MSE dan R2 adjusted. Hasil penelitian ini yaitu dari ketiga metode, metode yang paling baik digunakan dalam memodelkan berbagai kondisi data adalah regresi LASSO.

English Abstract

Multiple regression analysis aims to determine whether there is a functional relationship between two or more prediktor variables on one response variable. The existence of a strong responce between prediktor variables or called multicollinearity will cause the model to become unstable. There are several alternative methods that can be used to deal with multicollinearity problems including the Least Absolute Shrinkage and Selection Operator (LASSO) method. Principal Component Regression (PCR), and Ridge Regression. The data used in this study is a simulation data generated from secondary data. The purpose of this study was to determine the results of parameter estimation and compare the best performance among LASSO regression, Principal Component Regression (PCR), and Ridge Regression. To compare the performance of the three methods, it can be seen from the MSE, and R2 adjusted values. The conclusion of this research is that of the three methods, the best method used in modeling the conditions is LASSO regression.

Item Type:	Thesis (Sarjana)
Identification Number:	052309
Uncontrolled Keywords:	Multikolinieritas, Regresi Komponen Utama, Regresi LASSO, dan Regresi Ridge - Multicolinierity, Principal Component Regression, LASSO regression, and Ridge Regression
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Unnamed user with email prayoga
Date Deposited:	12 Jan 2024 07:34
Last Modified:	12 Jan 2024 07:34
URI:	http://repository.ub.ac.id/id/eprint/209345

Text (DALAM MASA EMBARGO) Nailul Hidayati.pdf Restricted to Registered users only until 31 December 2024. Download (4MB)

Actions (login required)

View Item