MODEL REGRESI MENGGUNAKAN LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) PADA DATA BANYAKNYA GIZI BURUK KABUPATEN/KOTA DI JAWA TENGAH

Aulia Putri Andana, Diah Safitri, Agus Rusgiyono

Abstract


Gizi buruk adalah bentuk terparah dari proses terjadinya kekurangan gizi yang menahun. Gizi  buruk dipengaruhi oleh banyak faktor yang saling terkait. Dalam penelitian ini, dilakukan pemodelan dari faktor-faktor yang mempengaruhi gizi buruk menggunakan metode Least Absolute Shrinkage Selection and Operator (LASSO) dengan algoritma Least Angle Regression (LARS) karena pada faktor-faktor yang mempengaruhi gizi buruk terdeteksi multikolinearitas. LASSO menyusutkan koefisien regresi dari variabel bebas yang memiliki korelasi tinggi menjadi tepat pada nol atau mendekati nol. Koefisien LASSO dicari dengan menggunakan pemrograman kuadratik sehingga digunakan algoritma LARS yang lebih efisien dalam komputasi LASSO. Berdasarkan analisis yang telah dilakukan, model LASSO pada data gizi buruk Kabupaten/Kota di Jawa Tengah tahun 2014 diperoleh pada tahap kedua saat nilai s=0.02 dengan nilai MSE sebesar 0,82977. Disimpulkan bahwa variabel bayi (0-6 Bulan) yang diberi ASI Eksklusif, rumah tangga berperilaku hidup bersih dan sehat, bayi yang mendapat imunisasi Hepatitis B, bayi yang mendapat imunisasi DPT-HB3, rumah dengan sanitasi yang layak, dan rumah dengan air minum sesuai dengan syarat kesehatan berpengaruh terhadap bayi gizi buruk di Jawa Tengah tahun 2014.

 

Kata Kunci: gizi buruk, multikolinearitas, LASSO, LARS


Keywords


gizi buruk, multikolinearitas, LASSO, LARS

Full Text:

PDF

Refbacks

  • There are currently no refbacks.



Creative Commons License
Jurnal Gaussian by Departemen Statistika Undip is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Flag Counter