MENGATASI MULTIKOLINIERITAS DENGAN METODE LEAST ABSOLUTE SHRINKAGE SELECTION OPERATOR (LASSO) PADA REGRESI LOGISTIK BINER DI PROVINSI JAWA TIMUR DAN JAWA TENGAH TAHUN 2021

Kemiskinan merupakan masalah mendasar yang kerap muncul di negara�negara yang sedang berkembang termasuk Indonesia. Badan Pusat Statistik (BPS)
mencatat persentase penduduk miskin di Indonesia bertambah setiap tahun, maka
dari itu tujuan dari penelitian ini yakni mengatasi permasalahan kemiskinan serta
mengetahui faktor-faktor penyebabnya dengan menggunakan metode regresi
logistik biner. Apabila variabel yang digunakan terdapat multikolinieritas maka
salah satu metode yang dapat digunakan dalam mengatasi masalah ini adalah
Least Absolute Shrinkage Selection Operator (LASSO). Data yang digunakan
dalam penelitian ini adalah data persentase penduduk miskin dan faktor-faktor
yang diduga mempengaruhinya, data tersebut diperoleh dari data Badan Pusat
Statistik (BPS) per-kabupaten/kota di Provinsi Jawa Timur dan Provinsi Jawa
Tengah tahun 2021. Identifikasi awal menyatakan bahwa data memiliki
multikolinieritas, oleh karena itu penelitian ini tepat jika menggunakan LASSO
dimana metode ini dapat menyusutkan penduga parameter yang berkorelsi
menjadi mendekati nol atau menjadi nol. Dari hasil analisis dapat disimpulkan
bahwa metode LASSO memiliki persentase ketepatan klasifikasi sebesar
68.4103% untuk Provinsi Jawa Timur dan memiliki persentase ketepatan
klasifikasi sebesar 82.8572% untuk Provinsi Jawa Tengah. Faktor-faktor yang
signifikan mempengaruhi persentase tingkat kemiskinan kabupaten/kota di Jawa
Timur adalah rata-rata lama sekolah dan tingkat pengangguran terbuka
sedangkan faktor-faktor yang signifikan mempengaruhi persentase tingkat
kemiskinan kabupaten/kota Jawa Tengah pada tahun 2021 adalah angka harapan
hidup dan tingkat pengangguran terbuka .
Kata kunci: Kemiskinan, Multikolinieritas, Least Absolute Shrinkage
Selection Operator (LASSO), Regresi Logistik Biner.