Indonesia Analisis Regresi dengan Metode LASSO Menggunakan Algoritma LARS untuk Mengatasi Multikolinearitas

Indah Alvionita, Reny Rian MarlianaNon-Scopus5 Agustus 2025Afiliasi: ID

Abstrak

Abstract. Multicollinearity is a common problem in multiple linear regression, leading to unstable coefficient estimates, high variance, and reduced prediction accuracy. This study aims to develop a stable and efficient regression model using the Least Absolute Shrinkage and Selection Operator (LASSO) method with the Least Angle Regression (LARS) algorithm. The study focuses on socioeconomic factors affecting household expenditure in Indramayu Regency. The data were obtained from the 2024 National Socioeconomic Survey (SUSENAS) via the SILASTIK database. The dependent variable is Household Expenditure, with independent variables including Household Size (ART), daily per capita consumption of Calories, Carbohydrates, Fat, Protein, and Weekly Expenditure from Purchases. Analysis shows high multicollinearity among consumption variables in the OLS model. Using LASSO, only three significant variables remain: Household Size, Fat Consumption, and Protein Consumption. The model yields a pseudo R² of 0.3382682, nearly equal to the OLS R² of 0.3384315. The resulting regression equation is: Y^=-2015769 + 937669.5X1 + 46741.4X4 + 13706X5 LASSO successfully simplifies the model structure without compromising predictive power, making it an effective method for socioeconomic analysis involving highly correlated variables. Abstrak. Multikolinearitas merupakan masalah umum dalam regresi linier berganda yang menyebabkan estimasi koefisien tidak stabil, varians tinggi, dan akurasi prediksi rendah. Penelitian ini bertujuan membangun model regresi yang stabil dan efisien menggunakan metode Least Absolute Shrinkage and Selection Operator (LASSO) dengan algoritma Least Angle Regression (LARS). Fokus penelitian adalah faktor sosial ekonomi yang memengaruhi pengeluaran rumah tangga di Kabupaten Indramayu. Data diperoleh dari Survei Sosial Ekonomi Nasional (SUSENAS) 2024 melalui basis data SILASTIK. Variabel dependen adalah Pengeluaran Rumah Tangga, sedangkan variabel independen meliputi: Jumlah ART, Konsumsi Kalori, Karbohidrat, Lemak, Protein per kapita per hari, serta Pengeluaran Seminggu dari Pembelian. Hasil analisis menunjukkan adanya multikolinearitas tinggi antar variabel konsumsi pada model MKT. Dengan LASSO, model menyisakan tiga variabel signifikan: Jumlah ART, Konsumsi Lemak, dan Konsumsi Protein, dengan nilai pseudo R² sebesar 0.3382682, hampir setara dengan R² model MKT sebesar 0.3384315. Model regresi LASSO yang diperoleh adalah: Y^=-2015769 + 937669.5X1 + 46741.4X4 + 13706X5 LASSO terbukti menyederhanakan model tanpa kehilangan kekuatan prediksi, sehingga efektif untuk analisis sosial ekonomi dengan banyak variabel berkorelasi.

Identifier

Ekspor BibTeX
Scroll to Top