@phdthesis{digilib67391,
           month = {August},
           title = {OPTIMISASI ANALISIS REGRESI LASSO DENGAN ALGORITMA LARS MENGGUNAKAN BIC (Studi Kasus : Jumlah penduduk miskin di provinsi Jawa Timur tahun 2022)},
          school = {UIN SUNAN KALIJAGA YOGYAKARTA},
          author = {NIM.: 20106010018 Uswatun Khasanah},
            year = {2024},
            note = {Pembimbing: Sri Utami Zuliana, S.Si., M.Sc., Ph.D.},
        keywords = {Multicollinearity; LASSO; LARS; BIC; Regresi Linear},
             url = {https://digilib.uin-suka.ac.id/id/eprint/67391/},
        abstract = {Salah satu metode pemodelan yang umumnya digunakan adalah dengan regresi linear. Untuk membuat model linear harus memenuhi beberapa asumsi. Dalam pengujian asumsi tersebut terdapat masalah-masalah yang sering muncul, salah satunya adalah multikolinearitas, yang terjadi ketika antara variabel independen memiliki korelasi yang kuat. Salah satu cara untuk mengatasi masalah multikolinearitas yaitu dengan metode regresi Least Absolute Shrinkage And Selection Operator (LASSO). Metode ini dapat menyusutkan koefisien regresi pada variabel bebas yang memiliki korelasi dan error yang tinggi sampai mendekati nol atau sama dengan nol. Koefisien regresi LASSO dicari dengan menggunakan algoritma Least Angle Regression (LARS). Pemilihan lambda optimal pada regresi LASSO pada penelitian ini menggunakan kriteria Bayesian Information Criterion (BIC), model yang dipilih diidentifikasi dengan nilai minimum dari BIC. Penelitian ini akan membahas penerapan metode regresi LASSO pada data jumlah penduduk miskin di Jawa Timur tahun 2022. Dalam penyelesaiannya, regresi LASSO akan menghasilkan 79 nilai lambda, kemudian dipilih lambda yang optimal dengan nilai BIC sebesar 2715.977. Dengan dua dari lima variabel independen yang masuk ke dalam model yaitu rata-rata lama sekolah (RLS) dan tingkat pengangguran terbuka (TPT).}
}