| dc.description.abstract | Analisis menerapkan serangkaian prosedur pemilihan peubah model regresi dengan peubah yang besar untuk mengidentifikasi peubah aktif yang lebih sedikit. LASSO menjadi metodologi yang banyak digunakan untuk seleksi peubah. Namun, seperti yang diungkapan beberapa penulis, LASSO sensitif terhadap keberadaan pencilan dalam dataset karena adanya pencilan dapat menyebabkan penduga parameter yang berbias dan menyimpang dari nilai yang sebenarnya. Salah satu alternatif yang dapat digunakan untuk mengatasi pencilan adalah metode robust.
Penelitian ini mengkaji metode robust-LASSO dengan menggunakan bobot Huber dan Tukey Bisquare. Pembaharuan pada penelitian ini yakni menambahkan metode robust LASSO dengan bobot Welsch. Tujuan dari penelitian ini adalah mengkaji metode robust LASSO dalam menyeleksi peubah pada data simulasi yang memuat berbagai karakteristik pencilan dan berbagai tingkat korelasi antar peubah penjelas, kemudian dari hasil kajian simulasi diketahui metode robust LASSO terbaik yang selanjutnya diterapkan pada data ekstak daun sembung. Data tersebut termasuk data dimensi tinggi karena memiliki sebanyak 2098 peubah penjelas dan 35 peubah respon. Lebih lanjut, penelitian ini juga mengidentifikasi peubah yang berpengaruh terhadap tingkat kandungan antioksidan daun sembung.
Penelitian ini terdiri atas kajian simulasi dan kajian terapan. Simulasi dilakukan dengan membangkitkan berbagai jenis kombinasi yang mencakup kombinasi beberapa struktur kovarians peubah, jenis pencilan, jumlah pencilan, dan jumlah peubah. Setiap kombinasi diulang sebanyak 1000 replikasi. Pada kajian terapan, data yang digunakan berasal dari hasil percobaan oleh Tim Pusat Studi Biofarmaka LPPM IPB yang bekerjasama dengan Departemen Statistika IPB pada Mei - Juni 2021. Pada penelitian ini peubah penjelas adalah data spektrometri massa dan peubah respon adalah tingkat kandungan antioksidan daun sembung.
Hasil dari kajian simulasi menunjukkan bahwa metode Tukey-LASSO mengungguli metode Huber-LASSO, Welsch-LASSO, dan LASSO dalam hal seleksi peubah dan akurasi prediksi. Hal ini ditunjukan nilai kriteria pemilihan model yang lebih baik dan error yang lebih kecil daripada metode lainnya. Selanjutnya, metode-metode tersebut diaplikasikan ke data riil. Hasil kajian dengan data riil menunjukan bahwa pada data eksrak daun sembung ditemukan pencilan. Jumlah peubah yang terseleksi dengan menggunakan metode Huber-LASSO dan Welsch-LASSO sebanyak 8 senyawa, metode Tukey-LASSO diketahui sebanyak 9 senyawa, dan metode LASSO sebanyak 13 senyawa dengan akurasi prediksi terbaik diperoleh oleh metode Tukey-LASSO. | id |
