Penerapan metode lasso dalam penentuan pengaruh utama dan interaksi yang signifikan pada hasil percobaan faktorial pecahan

Abstract

Analisis regresi dapat diterapkan pada berbagai macam data termasuk pada data hasil percobaan. Rancangan Faktorial Pecahan (RFP) banyak digunakan untuk mengatasi masalah biaya pada percobaan yang melibatkan banyak faktor. Penentuan pengaruh utama maupun interaksi yang signifikan adalah salah satu tujuan dari suatu percobaan faktorial. Namun, penentuan pengaruh utama maupun interaksi yang signifikan pada RFP cukup rumit, karena jumlah observasi lebih sedikit daripada pengaruh utama maupun interaksi yang akan diduga pengaruhnya. Adanya pembauran juga menjadi masalah pada RFP. Pada penelitian ini digunakan Metode Least Absolute Shrinkage and Selection Operator (LASSO) dengan mempertimbangkan prinsip heredity, hierarchy, dan sparsity untuk menyelesaikan masalah pada RFP. Hasil penelitian menunjukkan bahwa hasil dari metode LASSO pada data simulasi hampir sama dengan pengaruh utama maupun interaksi yang sengaja ditentukan berpengaruh signifikan. Untuk data percobaan real juga menghasilkan hasil yang hampir sama dengan metode lain untuk data yang sama

Regression analysis can be applied to a wide variety of data, including the experimental data. Fractional Factorial Design (FFD) is widely used to address cost issues in the experiment involving many factors. Effect determination of the main effect as well as a significant interaction was one of the goals of a factorial experiment. However, it is quite complicated, because the number of observations less than the main effect and the interaction that will supposedly influence. The existence of confounding is also an issue in the FFD. The method used in this study are Least Absolute Shrinkage and Selection Operator (LASSO) by considering the principle of heredity, hierarchy, and sparsity to solve problems in the FFD. The results showed that simulated data is almost the same in LASSO method as the main effect as well as the interaction that deliberately determined to have a significant effect. Real experimental data also yield almost the same results with other methods for the same data. Keywords: Determination of significant effect, FFD, LAR Algorithm, LASSO.