Pemodelan Regresi Ridge dengan Tetapan Bias Lawless dan Wang pada Kasus Gizi Buruk Balita di Jawa Barat Tahun 2020
DOI:
https://doi.org/10.29313/bcss.v6i1.23665Keywords:
Multikolinearitas, Regresi Ridge, Lawless dan WangAbstract
Abstract. Ridge regression was an extension of the Ordinary Least Squares (OLS) method that was applied to overcome multicollinearity problems in regression analysis. The difference between OLS and ridge regression lay in the inclusion of a ridge parameter or bias constant. One approach to determining the optimal ridge parameter was the Lawless–Wang bias constant, which was introduced by Lawless and Wang in 1976. This study aimed to apply ridge regression with the Lawless and Wang bias constant to analyze the problem of child malnutrition in West Java in 2020. The data used were secondary data obtained from the West Java Open Data platform, consisting of the number of malnourished children under five (Y), per capita expenditure (X1), access to healthy sanitation (X2), children receiving breast milk (X3), complete child immunization (X4), and the number of poor residents (X5). The results indicated the presence of multicollinearity, with the highest Variance Inflation Factor (VIF) found in variable X4 (complete child immunization) with a VIF value of 14. This issue was addressed using ridge regression with the Lawless and Wang bias constant, resulting in an optimal bias value of 0.0082. The estimated ridge regression model was Y= -11074.7 + 1.028X1 + 0.0057X2 + 0.3869X3 - 0.1350X4 + 30.2162X5.
Abstrak. Regresi ridge merupakan pengembangan dari metode Ordinary Least Squares (OLS) yang digunakan untuk mengatasi permasalahan multikolinearitas dalam analisis regresi. Perbedaan antara OLS dan regresi ridge terletak pada penambahan parameter ridge atau tetapan bias. Salah satu pendekatan untuk menentukan nilai optimal parameter ridge adalah tetapan bias Lawless–Wang yang diperkenalkan oleh Lawless dan Wang pada tahun 1976. Penelitian ini bertujuan untuk menerapkan regresi ridge dengan tetapan bias Lawless–Wang dalam menganalisis permasalahan gizi buruk pada balita di Jawa Barat tahun 2020. Data yang digunakan merupakan data sekunder yang diperoleh dari Open Data Jawa Barat, yang mencakup jumlah balita gizi buruk (Y), pengeluaran per kapita (X1), jamban sehat (X2), balita yang mendapatkan air susu ibu (X3), imunisasi balita lengkap (X4), dan jumlah penduduk miskin (X5). Hasil penelitian menunjukkan adanya multikolinearitas, dengan nilai Variance Inflation Factor (VIF) tertinggi terdapat pada variabel X4 (imunisasi balita lengkap) sebesar 14. Permasalahan tersebut diatasi menggunakan regresi ridge dengan tetapan bias Lawless–Wang sehingga diperoleh nilai tetapan bias optimal sebesar 0,0082. Model regresi ridge yang dihasilkan adalah Y= -11074.7 + 1.028X1 + 0.0057X2 + 0.3869X3 - 0.1350X4 + 30.2162X5.
References
Agustina, S. A., & Rahmadhena, M. P. (2020). Analisis Determinan Masalah Gizi Buruk. Jurnal Kesehatan, 11.
Aini, Z. U. N., & Margareta, J. (2023). Analisis Hubungan Penduduk Miskin, Sanitasi dan Imunisasi Dasar dengan Kejadian Gizi Buruk Pada Balita . 11.
Aisha Kusuma Putri, & Suliadi. (2023). Rekomendasi Destinasi Wisata di Indonesia Menggunakan Metode Item2Vec. Jurnal Riset Statistika, 11–18. https://doi.org/10.29313/jrs.v3i1.1770
Ali, R. G., & Nugraha, J. (2019). Penerapan Metode Regresi Ridge Dalam Mengatasi Masalah Multikolinearitas pada Kasus Indeks Pembangunan Manusia di Indonesia Tahun 2017. 5.
Alwi, W., Sauddin, A., & Islamiah, N. (2023). Faktor-Faktor yang Mempengaruhi Angka Harapan Hidup di Sulawesi Selatan Menggunakan Analisis Regresi . Matematika Dan Statistika Serta Apliksasinya , 11.
Anggraeni, W. R., Debataraja, N. N., & Rizki, S. W. (2018). Estimasi Parameter Regresi Ridge untuk Mengatasi Multikolinearitas. 07.
Azzahra, G., Herrhyanto, N., & Agustina, F. (2020). Regresi Ridge Parsial untuk Data yang Mengandung Masalah Multikolinearitas. 8.
Cule, E., Vineis, P., & Lorio, M. De. (2011). Significance Testing in Ridge Regression or Genetic Data. 12.
Dyar Al Falah Hilman, & Aceng Komarudin Mutaqin. (2023). Penerapan Regresi Double Poisson untuk Memprediksi Pertandingan dan Klasemen Liga 1 Indonesia. Jurnal Riset Statistika, 97–106. https://doi.org/10.29313/jrs.v3i2.2784
Jean, S. S., Lee, P. I., & Hsueh, P. R. (2020). Treatment options for COVID-19:Thereality and Challenges. Microbiology, Immunology and Infection.
Lestari, T. S., & Sirodj, D. A. N. (2022). Klasifikasi Penipuan Transaksi Kartu Kredit Menggunakan Metode Random Forest. Jurnal Riset Statistika, 1(2), 160–167. https://doi.org/10.29313/jrs.v1i2.525
Novitasari, F., Suliadi, & Iswani, A. (2017). Kombinasi Regresi Tak Bias Ridge dengan Regresi Komponen Utama untuk Mengatasi Masalah Multikolinieritas . Statistika, 17.
Oktoriandi, D. (2022). Penerapan uji Q Cochran terhadap Atribut Produk Laptop Menggunakan Multiple Response Analysis (MRA). Jurnal Riset Statistika, 1(2), 127–134. https://doi.org/10.29313/jrs.v1i2.521
Panthi, B., Khanal, P., Dahal, M., Maharjan, S., & Nepal, S. (2020). An Urgent Call to Address the Nutritional Status of Women and Children in Nepal During COVID-19 Crises. Equity in Health.
Younker, J. (2012). Ridge Estimation and its Modifications for Linear Regression with Deterministic or Stochastic Predictors.
