Metode Least Absolute Shrinkage And Selection Operator (Lasso) Untuk Penanganan Masalah Multikolinearitas (Studi Kasus: Jumlah Kejahatan Yang Dilaporkan (Crime Total) Di Provinsi Sulawesi Tanggara Tahun 2022)
DOI:
https://doi.org/10.57250/ajst.v4i1.2161Kata Kunci:
CV 5-fold, Kejahatan, LASSO, Multikolinearitas, Regresi, VIFAbstrak
Jumlah kejahatan yang dilaporkan di Provinsi Sulawesi Tenggara pada tahun 2022 mengalami peningkatan, sehingga perlu dianalisis faktor-faktor yang memengaruhinya. Namun, penerapan regresi linear berganda sering menghadapi masalah multikolinearitas antarvariabel independen yang dapat mengurangi keakuratan model. Penelitian ini bertujuan mengatasi multikolinearitas dengan menerapkan metode Least Absolute Shrinkage and Selection Operator (LASSO). Data yang digunakan berupa data sekunder dari Badan Pusat Statistik dengan delapan variabel independen. Metode LASSO diterapkan dengan algoritma LARS dan Cross Validation (CV) 5-fold untuk menentukan parameter shrinkage optimum. Lambda optimum adalah parameter regulasi yang fungsinya untuk mengontrol seberapa besar penalti yang diberikan terhadap koefisien regresi yang diperoleh dari nilai CV MSE yang paling minimum. Hasil analisis menunjukkan metode LASSO berhasil mengatasi multikolinearitas dengan nilai R² sebesar 86,66% dan Variation Inflation Factor (VIF) variabel Rata-rata Lama Sekolah, Tingkat Pengangguran Terbuka, Kepadatan Penduduk, Gini Rasio, Jumlah Penduduk, dan Rasio Jenis Kelamin, masing-masing sebesar 4,74; 2,43; 4,68; 1,58; 1,48; dan 1,63, dalam model akhir lebih kecil dari 5. Berdasarkan nilai R² dan nilai VIF menunjukkan metode LASSO dapat menjadi metode yang efektif untuk membangun model regresi yang stabil pada kasus dengan multikolinearitas tinggi.
Referensi
Arum, P. R., Haris, M. A. 2019. Analisis Faktor-Faktor yang Mempengaruhi Jumlah Penduduk di Kota Semarang Menggunakan Metode Regresi Data Panel. Jurnal Statistika, Vol 12(2): 36-41.
BPS. 2022. Rata-rata Upah/Gaji Bersih Sebulan Buruh/Karyawan/Pegawai Menurut Provinsi dan Jenis Pekerjaan Utama, 2022. Jakarta: Badan Pusat Statistik.
BPS. 2022. Statistik Kejahatan yang Dilaporkan (Crime Total) Provinsi Sulawesi Tenggara 2022. Kendari: Badan Pusat Statistik Provinsi Sulawesi Tenggara.
BPS. 2024. Rata-rata Lama Sekolah (RLS). Karanganyar: Badan Pusat Statistik Kabupaten Karanganyar.
Desinta. 2022. Faktor-faktor yang Memengaruhi Kejadian Kejahatan di Provinsi Jawa Barat Tahun 2018-2020. Jurnal Ilmiah Populer, 5.
Efron, B., Tishibrani, R. 1993. Book an Intoduction to The Boostrap. Chapman and Hall/CRC: New York.
Fatihah, A.I. 2022. Penerapan Metode Jackknife Ridge Regression dalam Penanganan Multikolinearitas (Studi Kasus: Tingkat Kemiskinan di Kabupaten Grobogan Tahun 2011-2021). Universitas Islam Negeri Walisongo
Firdaus & Zamal. 2009. Korelasi antara Pelatihan Teknis Perpajakan, Pengalaman dan Motivasi Pemeriksa Pajak dengan Kinerja Pemeriksa Pajak pada Kantor Pelayanan Pajak di Jakarta Barat. Fakultas Ekonomi dan Ilmu Sosial Universitas Islam Negeri Syarif Hidayatullah Jakarta
Hastie, T., Tibshirani, R., & Friedman, J. 2015. The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.).
James, G., Witten, D., Hastie, T., & Tibshirani, R. 2013. An Introduction to Statistical Learning with Applications in R (G. Casella, S. Fienberg, & I. Lestari, P.S., Martha, S., & Debataraja, N.N. 2022. Penerapan Metode Regresi Ridge Pada Kasus Angka Kematian Bayi di Provinsi Jawa Timur. Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster), Vol 11(4), 603-610.
Ningsih, D.R., Intan, P.K., & Yuliati, D. 2023. Pemodelan Tindak Pidana Kriminalitas di Kota Tangerang Menggunakan Metode Regresi LASSO. Journal of Statistics and Its Application, Vol 4(1).
Nurdin, I. Sugiman, & Sunarmi. 2018. Penerapan Kombinasi Metode Ridge Regression (RR) dan Metode Generalized Least Square (GLS) untuk Mengatasi Masalah Multikolinearitas dan Autokorelasi. Jurnal MIPA, Vol 41(2): 58-68.
Pendi. 2021. Analisis Regresi dengan Metode Komponen Utama dalam Mengatasi Masalah Multikolinearitas. Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster), Vol 10(1): 131-138.
Priatna. 2015. Analisis Pengaruh Sosial Ekonomi Terhadap Tingkat Kriminalitas Pencurian di Daerah Istimewa Yogyakarta Tahun 2010-2015. Skripsi Fakultas Ekonomi, Universitas Muhammadiayah Yogyakarta: Yogyakarta.
Robbani, M., Agustiani, F., & Herhhyanto, N. 2019. Regresi Least Absolute Shrinkage and Selection Operator (Lasso) Pada Kasus Inflasi di Indonesia Tahun 2014-2017. Jurnal Euramatika, Vol 7(2).
Sulantari, S., Hariadi, W., Putra, E.D., & Anas, A. 2022. Analisis Regresi Linier Berganda Untuk Memodelkan Faktor Yang Mempengaruhi Nilai Penambahan Utang Tahunan Negara Indonesia. Unisda Journal of Mathematics and Computer, 10(1), 36-46.
Supriyadi, E., Scolatika, M., & Sugiman. 2017. Perbandingan Metode Partial Least Square (PLS) dan Principal Component Regression (PCR) untuk Mengatasi Masalah Multikolinearitas pada Model Regresi Linear Berganda. UNNES Journal of Mathematics, Vol 6(2).
Wasailane, T.L., Talakua, M.W., & Lesnussa, Y.A. 2014. Model Regresi Ridge untuk Mengatasi Model Regresi Linear Berganda yang Mengandung Multikolinearitas (Studi Kasus: Data Pertumbuhan Bayi di Kelurahan Namaelo RT 001, Kota Masohi). Jurnal Barekeng, Vol 8(1): 31-37.
