Wantoro, Destian Demana (2017) Pendugaan Parameter Regresi Logistik Biner Dengan Metode Least Absolute Shrinkage And Selection Operator (Lasso) (Studi Pada Persentase Tingkat Kemiskinan Kota/Kabupaten Di Jawa Timur Tahun 2014). Sarjana thesis, Universitas Brawijaya.
Abstract
Regresi logistik biner merupakan analisis yang digunakan untuk mengetahui hubungan antara variabel prediktor dengan variabel respon yang memiliki dua kategori. Proses pendugaan parameter dapat dilakukan dengan metode Maximum Likelihood Estimation (MLE), namun mempunyai kendala jika terdapat kasus multikolinieritas. Hasil pendugaan tidak akan akurat karena banyaknya variabel prediktor yang tidak signifikan mempengaruhi variabel respon karena nilai standard error yang tinggi. Karena permasalahan tersebut maka digunakan metode Least Absolute Shrinkage and Selection Operator (LASSO) yang dapat diterapkan ketika terjadi kasus multikolinieritas, dimana metode ini dapat menyusutkan penduga parameter yang berkorelasi menjadi nol. Data yang digunakan adalah data tingkat kemiskinan Kota/Kabupaten di Jawa Timur tahun 2014. Dari hasil analisis disimpulkan bahwa metode LASSO memiliki persentase ketepatan klasifikasi sebesar 81.56%. Sedangkan faktor-faktor yang memengaruhi tingkat kemiskinan Kota/Kabupaten di Jawa Timur adalah jumlah penduduk miskin, rata-rata lama sekolah, tingkat pengangguran terbuka dan PDRB.
English Abstract
Binary logistic regression is the analysis used for estimating the relationship between predictor and response variable containing two categories. Parameter estimation process could be done using Maximum Likelihood Estimation (MLE), but could have problem if it contains the case of multicollinearity. The estimation result can’t be accurate because the number of insignificant predictor variable affecting the response variable caused by high standard error. Because of that problem, Least Absolute Shrinkage and Selection Operator (LASSO) method could be used in multicollinearity case, in which this method can shrink correlated variables into zero. Data used in this research was the poverty rate in cities / regencies of East Java in 2014. From the result of the analysis, it was concluded that LASSO method had 81.56 % classification accuracy, while the factors affecting poverty levels were the number of poor civilians, school time average, open unemployment rate and gross regional domestic product.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FMIPA/2017/258/051705757 |
Uncontrolled Keywords: | Ketepatan Klasifikasi, LASSO, Multikolinieritas |
Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.53 Descriptive statistics, multivariate analysis, analysis of variance and covariance > 519.536 Regression analysis |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
Depositing User: | Nur Cholis |
Date Deposited: | 23 Oct 2017 07:19 |
Last Modified: | 24 Nov 2021 03:14 |
URI: | http://repository.ub.ac.id/id/eprint/4212 |
Preview |
Text
135090501111016 Destian Demana W (full skripsi).pdf Download (1MB) | Preview |
Actions (login required)
![]() |
View Item |