Penerapan Group Least Absolute Shrinkage and Selection Operator sebagai Metode Alternatif dalam Menangani Data Berdimensi Tinggi.
View/ Open
Date
2015Author
Mardhotillah, Haifa
Sartono, Bagus
Anggraeni, Yenni
Metadata
Show full item recordAbstract
Pendugaan koefisien regresi dapat dilakukan dengan menggunakan Metode Kuadrat Terkecil (MKT). Namun, penggunaan MKT tidak dapat dilakukan pada data berdimensi tinggi yaitu data dengan jumlah peubah bebas lebih banyak dibandingkan dengan jumlah amatan. Hal ini disebabkan karena matriks X’X tidak memiliki matriks kebalikan dan bersifat singular sehingga solusi penduga MKT tidak dapat diperoleh. Salah satu metode yang dapat mengatasi hal tersebut adalah metode Group Least Absolute Shrinkage and Selection Operator (Group LASSO). Group LASSO merupakan metode penyeleksian kelompok peubah bebas dengan menyusutkan nilai koefisien menjadi nol atau mendekati nol sehingga didapatkan model yang lebih sederhana. Penelitian ini dilakukan untuk mengetahui persentase kandungan temulawak pada simplisia yang terdiri dari kunyit, bangle dan temulawak. Data yang digunakan merupakan frekuensi penyerapan infra merah pada berbagai komposisi Temulawak dalam suatu simplisia yang diukur menggunakan Fourier Transform Infrared (FTIR) pada bilangan gelombang 4000cm-1 sampai 650cm-1. Pengelompokan yang dilakukan berdasarkan informasi sifat-sifat kimia dan urutan bilangan gelombang. Pengelompokan yang memberikan model paling sederhana dengan nilai ketepatan tinggi adalah pengelompokan berdasarkan informasi sifat-sifat kimia yang terbagi menjadi 23 grup. Kelompok ini memberikan 166 peubah penjelas berpengaruh dengan nilai ketepatan model sebesar 0.98.