ANALISIS REGRESI LOGISTIK BINER DENGAN METODE LASSO DALAM MENGATASI MULTIKOLINIERITAS PADA DATA TINGKAT PENGANGGURAN TERBUKA DI PULAU SUMATERA TAHUN 2020

Asyari, Diana Putri (2022) ANALISIS REGRESI LOGISTIK BINER DENGAN METODE LASSO DALAM MENGATASI MULTIKOLINIERITAS PADA DATA TINGKAT PENGANGGURAN TERBUKA DI PULAU SUMATERA TAHUN 2020. Diploma thesis, MIPA.

[img]
Preview
Text (Abstrak)
diana.pdf - Published Version

Download (228kB) | Preview
[img]
Preview
Text (Pendahuluan)
diana1.pdf - Published Version

Download (140kB) | Preview
[img]
Preview
Text (Penutup)
diana2.pdf - Published Version

Download (144kB) | Preview
[img]
Preview
Text (Daftar Pustaka)
diana3.pdf - Published Version

Download (137kB) | Preview
[img] Text
diana full.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

Analisis regresi logistik biner merupakan analisis yang digunakan untuk menentukan hubungan antara variabel respon yang bersifat biner (dikotomus) dengan variabel prediktor. Pada regresi logistik terdapat beberapa asumsi, salah satunya yaitu asumsi non multikolinieritas. Multikolinieritas merupakan salah satu pelanggaran asumsi klasik pada analisis regresi linier berganda. Model yang baik adalah model yang bebas dari multikolinieritas. Oleh karena itu digunakan Metode LASSO untuk mengatasi masalah terse�but, dimana metode ini dapat menyusutkan koefisien regresi pada variabel prediktor menjadi mendekati nol atau bahkan sama dengan nol sehingga dapat melakukan seleksi variabel sekaligus mengatasi multikolinieritas. Data yang digunakan adalah data tingkat pengangguran terbuka empat provinsi di Pulau Sumatera tahun 2020. Dari hasil analisis didapatkan dua variabel yang berpengaruh signifikan terhadap tingkat pengangguran terbuka empat provinsi di Pulau Sumatera tahun 2020 yaitu variabel jumlah penduduk dan variabel pendidikan, dengan tingkat ketepatan klasifikasi sebesar 89%. Kata kunci : Multikolinieritas, LASSO, signifikan.

Item Type: Thesis (Diploma)
Primary Supervisor: Izzati Rahmi HG, M.Si
Subjects: Q Science > QA Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User: s1 matematika matematika
Date Deposited: 12 May 2022 06:54
Last Modified: 12 May 2022 06:54
URI: http://scholar.unand.ac.id/id/eprint/102765

Actions (login required)

View Item View Item