Text

Model Regresi Menggunakan Least Absolute Shrinkage And Selection Operator (Lasso) Pada Data Banyaknya Penderita Gizi Buruk Kabupaten/Kota Di Jawa Tengah 519.536 AND m

---

ABSTRAK

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 faktorfaktor 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

ABSTRACT

Malnutrition is the most severe form of the occurrence of chronic malnutrition.
Malnutrition is influenced by many interrelated factors. In this study, carried out
the modeling of the factors that influence malnutrition using Least Absolute
Shrinkage and Selection Operator (LASSO) method with Least Angle Regression
(LARS) algorithms due to the factors that influence malnutrition there is
multicollinearity detected. LASSO shrinks the regression coefficients of the
independent variables that have a high correlation to be right at zero or close to it.
LASSO coefficients calculated using quadratic programming so that LARS
algorithm is used due to efficiency on LASSO computing. Based on the analysis
performed, the model of LASSO in malnutrition data at Central Java
Regency/City in 2014 was obtained in the second stage when the value s = 0,02
with MSE value of 0,82977. Concluded that the infants variable (0-6 months)
which got exclusive breastfeeding, household that behave with clean and healthy
life, infants immunized against Hepatitis B, baby immunized against DPT-HB3,
house with proper sanitation, and house with drinking water which accordance
with health requirements affect the infant malnutrition in Central Java in 2014.
Keywords: malnutrition, multicollinearity, LASSO, LARS

---

Ketersediaan

533E17I

533 E 17

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

533 E 17

Penerbit

: ., 2016

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1468

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Aulia Putri Andana

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar