Pemodelan Geographically Weighted LASSO Untuk Data Yang Mengandung Multikolinieritas

Model Geographically Weighted Regression biasanya mengandung multikolinieritas pada data yaitu terdapat hubungan antara variabel prediktor satu terhadap variabel prediktor lainnya. Masalah multikolinieritas dapat diatasi dengan model Geographically Weighted LASSO. Model tersebut kemudian akan diterapkan pada kasus Angka Kematian Bayi di Provinsi Sulawesi Selatan. Data Angka Kematian Bayi dapat mengalami heterogenitas spasial disebabkan adanya perbedaan fasilitas dan tenaga kerja kesehatan di berbagai wilayah. Penelitian ini bertujuan untuk menentukan estimasi parameter model Geographically Weighted LASSO kemudian diterapkan pada data Angka Kematian Bayi di Provinsi Sulawesi Selatan tahun 2019. Dengan menggunakan matriks pembobot Adaptive Gaussian Kernel kemudian dimasukkan ke algoritma LARS, diperoleh hasil bahwa terdapat beberapa variabel yang diseleksi oleh algoritma sehingga koefisien regresi menjadi stabil. Diperoleh variabel yang berpengaruh signifikan adalah X_1,X_2,X_3 dan X_5. Nilai R^2 model GWR sebesar 0.99519 lebih besar dari model GWR, artinya penggunaan metode LASSO pada GWR menjadikan model lebih baik dalam mengatasi masalah multikolinieritas.