Metode LASSO (LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR) REGRESSION UNTUK MEMPREDIKSI DATA DEPOSIT VALUTA ASING INDONESIA

TRISHA MAGDALENA ADELHEID JANUAVIANI

Metode LASSO (LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR) REGRESSION UNTUK MEMPREDIKSI DATA DEPOSIT VALUTA ASING INDONESIA

dc.contributor.advisor	Khafsah Joebaedi
dc.contributor.advisor	Nurul Gusriani
dc.contributor.author	TRISHA MAGDALENA ADELHEID JANUAVIANI
dc.date.accessioned	2024-05-21T08:29:24Z
dc.date.available	2024-05-21T08:29:24Z
dc.date.issued	2017-07-19
dc.description.abstract	Dalam analisis regresi, terkadang dijumpai multikolinearitas yaitu kondisi terdapatnya korelasi antar variabel bebas yang merupakan sebuah masalah. Pada skripsi ini membahas metode LASSO (Least Absolute Shrinkage and Selection Operator) regression untuk mengatasi multikolinearitas. Metode LASSO regression mampu membantu untuk menyusutkan multikolinearitas dan meningkatkan akurasi model regresi linear. Penaksir parameter LASSO regression dapat diselesaikan dengan algoritma LARS yang menghitung vektor korelasi, nilai korelasi absolut terbesar, equiangular vector, vektor inner product, dan menentukan pembatas algoritma LARS untuk LASSO. Metode LASSO (Least Absolute Shrinkage and Selection Operator) regression pada skripsi ini akan dibahas dengan prosedur yang lebih rinci dan memilih model terbaik menggunakan statistik Cp Mallows. Metode ini kemudian akan diaplikasikan pada data sekunder mengenai data deposit valuta asing Indonesia yang dipengaruhi oleh aktiva luar negeri bersih, aktiva dalam negeri bersih, tagihan bersih kepada pemerintah pusat dan tagihan kepada sektor lainnya.
dc.identifier.uri	https://repository.unpad.ac.id/handle/kandaga/140110130036
dc.subject	LASSO
dc.subject	LARS
dc.subject	Cp Mallows
dc.title	Metode LASSO (LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR) REGRESSION UNTUK MEMPREDIKSI DATA DEPOSIT VALUTA ASING INDONESIA