METODE SPARSE GRUP LASSO UNTUK MEMODELKAN KECENDERUNGAN PERILAKU SEKSUAL REMAJA PUTRI DI PROVINSI BENGKULU

Hengki Muradi

Abstract


Kombinasi metode seleksi peubah lasso dan grup lasso menghasilkan metode seleksi peubah yang mampu mengatasi masalah dalam metode lasso maupun grup lasso. Kombinasi ini juga dapat diterapkan pada kasus grup-grup yang tidak ortogonal seperti yang disyaratkan dalam metode grup lasso. Di dalam tulisan ini dibahas metode sparse grup lasso dengan pendekatan coordinate descent seperti yang diusulkan oleh Friedman, et.al (2010). Kasus real yang diangkat dalam penelitian ini adalah kecenderungan perilaku seksual remaja putri di provinsi Bengkulu. Karena jumlah peubah penjelas X ada 15 maka diperlukan proses seleksi peubah untuk memperoleh model yang paling sederhana. Hasilnya terseleksi sebanyak 3 peubah penjelas sehingga tersisa 12 peubah penjelas yang selanjutnya dapat dimodelkan dalam regresi logistik. Substansi dari parameter regresi yang tidak terseleksi adalah remaja putri yang berpendidikan SMA lebih, tinggal di perdesaan, jarang membaca surat kabar/majalah, jarang mengakses internet > 1 kali dalam satu bulan, dan sangat setuju dengan keperawanan lebih berpeluang melakukan aktivitas seksual dibandingkan dengan karakteristik pendidikan, tempat tinggal, intensitas membaca surat kabar, akses internet, dan sikap keperawanan lainnya.


References


Bakin, S. 1999. Adaptive regression and model selection in data mining problems. PhD Thesis. Australian National University, Canberra.

Jerome Friedman, Trevor Hastie, & Robert Tibshirani. 2010. A note on the group lasso and a sparse group lasso. arXiv: 1001.0736v1.

McCullagh, P & J.A. 1983. Nelder FRS. Generalized Linear Models; Second edition. London: Chapman and Hall.

Noah Simon, Jerome Friedman, Trevor Hastie, and Rob Tibshirani. 2018. Package‘SGL’.CRAN Documentation.

Sarwono. 2007. Psikologi Remaja. Jakarta : Raja Grafindo Persada.

Tjiptaningrum, R. 2009. Psikologi Remaja dan Kesehatan Reproduksi. Jakarta: Grafindo Persada.

Valeria Fonti. 2017. Feature Selection using LASSO. Research Paper in Business Analytics VU Amsterdam.

Yuan, M. & Lin, Y. 2007. Model selection and estimation in regression with grouped variables. Journal of the Royal Statistical Society, Series B 68(1), 49–67.




DOI: http://dx.doi.org/10.33603/e.v7i1.2885

Refbacks

  • There are currently no refbacks.


EUCLID terindeks oleh DOAJ, Google Scholar, ResearchBib, IPI, IOS dan Sinta.

This work is licensed under a Creative Commons Attribution - Share Alike 4.0 International License
execute(); ?>