<didl:DIDL xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:didl="urn:mpeg:mpeg21:2002:02-DIDL-NS" xmlns:dii="urn:mpeg:mpeg21:2002:01-DII-NS" xmlns:dip="urn:mpeg:mpeg21:2002:01-DIP-NS" xmlns:dcterms="http://purl.org/dc/terms/" DIDLDocumentId="http://digilib.uin-suka.ac.id/id/eprint/77456" xsi:schemaLocation="urn:mpeg:mpeg21:2002:02-DIDL-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/did/didl.xsd urn:mpeg:mpeg21:2002:01-DII-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/dii/dii.xsd urn:mpeg:mpeg21:2005:01-DIP-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/dip/dip.xsd">
  <didl:Item>
    <didl:Descriptor>
      <didl:Statement mimeType="application/xml">
        <dii:Identifier>http://digilib.uin-suka.ac.id/id/eprint/77456</dii:Identifier>
      </didl:Statement>
    </didl:Descriptor>
    <didl:Descriptor>
      <didl:Statement mimeType="application/xml">
        <dcterms:modified>2026-07-06T04:48:31Z</dcterms:modified>
      </didl:Statement>
    </didl:Descriptor>
    <didl:Component>
      <didl:Resource mimeType="application/xml" ref="https://digilib.uin-suka.ac.id/cgi/export/eprint/77456/DIDL/digilib-eprint-77456.xml"/>
    </didl:Component>
    <didl:Item>
      <didl:Descriptor>
        <didl:Statement mimeType="application/xml">
          <dip:ObjectType>info:eu-repo/semantics/descriptiveMetadata</dip:ObjectType>
        </didl:Statement>
      </didl:Descriptor>
      <didl:Component>
        <didl:Resource mimeType="application/xml">
          <oai_dc:dc xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dc="http://purl.org/dc/elements/1.1/" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
        <dc:relation>https://digilib.uin-suka.ac.id/id/eprint/77456/</dc:relation>
        <dc:title>OPTIMASI REGRESI LOGISTIK LASSO DENGAN KRITERIA BAYESIAN INFORMATION CRITERION (BIC) (STUDI KASUS : KLASIFIKASI KEMISKINAN DI INDONESIA TAHUN 2024)</dc:title>
        <dc:creator>Fira Azzah Wijayakanthi, NIM.: 22106010018</dc:creator>
        <dc:subject>510 Mathematics (Matematika)</dc:subject>
        <dc:description>Regresi Logistik LASSO adalah metode regresi yang efektif untuk mengatasi multikolinearitas dan melakukan seleksi variabel secara simultan melalui penerapan penalti L1 pada fungsi log-likelihood. Metode ini digunakan untuk menganalisis klasifikasi kemiskinan, yang pembentukannya melibatkan faktor sosial, ekonomi, kesehatan, pendidikan, dan pekerjaan secara bersamaan. Penelitian ini bertujuan menerapkan Regresi Logistik LASSO dengan optimisasi Bayesian Information Criterion (BIC) untuk mengidentifikasi faktor penentu klasifikasi kemiskinan provinsi di Indonesia tahun 2024. Data yang digunakan bersumber dari Badan Pusat Statistik (BPS), mencakup 38 provinsi dengan sembilan variabel independen dan satu variabel dependen berupa klasifikasi tingkat kemiskinan berbasis rata-rata nasional. Tahapan analisis meliputi uji multikolinearitas dengan VIF, standarisasi data, pemodelan LASSO, lalu pemilihan nilai penalti optimal berdasarkan BIC. Dari hasil analisis, Regresi logistik tidak ada variabel yang signifikan dan ditemukan multikolinearitas pada data awal. Pada LASSO didapatkan penalti optimal λ = 0,017373 dengan nilai BIC minimum 41,695. Model akhir memuat tiga variabel, ada Umur Harapan Hidup (UHH), Tingkat Partisipasi Angkatan Kerja (TPAK), dan Produk Domestik Regional Bruto (PDRB). Regresi Logistik LASSO berbasis BIC terbukti mampu mengatasi multikolinearitas sekaligus menghasilkan model yang lebih ringkas dan stabil untuk mengidentifikasi faktor-faktor yang memengaruhi klasifikasi kemiskinan di Indonesia pada tahun 2024.</dc:description>
        <dc:date>2026-05-18</dc:date>
        <dc:type>Thesis</dc:type>
        <dc:type>NonPeerReviewed</dc:type>
        <dc:format>text</dc:format>
        <dc:language>id</dc:language>
        <dc:identifier>https://digilib.uin-suka.ac.id/id/eprint/77456/1/22106010018_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf</dc:identifier>
        <dc:format>text</dc:format>
        <dc:language>id</dc:language>
        <dc:identifier>https://digilib.uin-suka.ac.id/id/eprint/77456/2/22106010018_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf</dc:identifier>
        <dc:identifier>  Fira Azzah Wijayakanthi, NIM.: 22106010018  (2026) OPTIMASI REGRESI LOGISTIK LASSO DENGAN KRITERIA BAYESIAN INFORMATION CRITERION (BIC) (STUDI KASUS : KLASIFIKASI KEMISKINAN DI INDONESIA TAHUN 2024).  Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.   </dc:identifier></oai_dc:dc>
        </didl:Resource>
      </didl:Component>
    </didl:Item>
    <didl:Item>
      <didl:Descriptor>
        <didl:Statement mimeType="application/xml">
          <dip:ObjectType>info:eu-repo/semantics/objectFile</dip:ObjectType>
        </didl:Statement>
      </didl:Descriptor>
      <didl:Component>
        <didl:Resource mimeType="text" ref="https://digilib.uin-suka.ac.id/id/eprint/77456/1/22106010018_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf"/>
      </didl:Component>
    </didl:Item>
    <didl:Item>
      <didl:Descriptor>
        <didl:Statement mimeType="application/xml">
          <dip:ObjectType>info:eu-repo/semantics/objectFile</dip:ObjectType>
        </didl:Statement>
      </didl:Descriptor>
      <didl:Component>
        <didl:Resource mimeType="text" ref="https://digilib.uin-suka.ac.id/id/eprint/77456/2/22106010018_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf"/>
      </didl:Component>
    </didl:Item>
    <didl:Item>
      <didl:Descriptor>
        <didl:Statement mimeType="application/xml">
          <dip:ObjectType>info:eu-repo/semantics/humanStartPage</dip:ObjectType>
        </didl:Statement>
      </didl:Descriptor>
      <didl:Component>
        <didl:Resource mimeType="application/html" ref="https://digilib.uin-suka.ac.id/id/eprint/77456/"/>
      </didl:Component>
    </didl:Item>
  </didl:Item>
</didl:DIDL>