PENERAPAN METODE BAYESIAN LASSO DALAM MEMODELKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI INDONESIA

Annisa, Ramadhani (2025) PENERAPAN METODE BAYESIAN LASSO DALAM MEMODELKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI INDONESIA. S1 thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
Cover dan Abstrak.pdf - Published Version

Download (1MB)
[img] Text (BAB I Pendahuluan)
BAB I Pendahuluan.pdf - Published Version

Download (409kB)
[img] Text (BAB V Penutup)
BAB V Penutup.pdf - Published Version

Download (424kB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf - Published Version

Download (25MB)
[img] Text (Skripsi Full Text)
Skripsi Full Text.pdf - Published Version
Restricted to Repository staff only

Download (29MB) | Request a copy

Abstract

Kemiskinan merupakan salah satu permasalahan utama yang masih dihadapi oleh Indonesia hingga saat ini. Untuk menanggulangi masalah ini secara tepat sasaran, diperlukan pemodelan yang mampu mengidentifikasi faktor-faktor utama yang memengaruhi tingkat kemiskinan di Indonesia. Penelitian ini bertujuan untuk memodelkan faktor-faktor yang memengaruhi tingkat kemiskinan di Indonesia tahun 2023 menggunakan metode Least Absolute Shrinkage and Selection Operator (LASSO) dan Bayesian LASSO. Metode LASSO digunakan untuk melakukan seleksi variabel dan regularisasi terhadap data dengan potensi multikolinearitas, sedangkan Bayesian LASSO digunakan untuk memberikan pendekatan probabilistik terhadap estimasi parameter melalui pendekatan Bayesian. Data yang digunakan mencakup data tingkat kemiskinan di Indonesia dan faktor-faktor yang mempengaruhinya, yaitu Produk Domestik Regional Bruto (PDRB), pengeluaran per kapita, Indeks Pembangunan Manusia (IPM), rata-rata lama sekolah, angka harapan hidup, dan angka melek huruf tahun 2023. Hasil analisis menunjukkan bahwa Bayesian LASSO memberikan informasi tambahan berupa distribusi posterior parameter yang memungkinkan interpretasi yang lebih mendalam terhadap ketidakpastian estimasi. Dibandingkan dengan LASSO, Bayesian LASSO cenderung lebih stabil dalam memilih variabel relevan ketika terdapat multikolinearitas antar variabel bebas.

Item Type: Thesis (S1)
Supervisors: Prof. Dr. Ferra Yanuar
Uncontrolled Keywords: Kemiskinan, Multikolinearitas, LASSO, Bayesian
Subjects: Q Science > QA Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > S1 Matematika
Depositing User: s1 matematika matematika
Date Deposited: 03 Jun 2025 01:52
Last Modified: 03 Jun 2025 01:52
URI: http://scholar.unand.ac.id/id/eprint/495582

Actions (login required)

View Item View Item