PENERAPAN REGRESI LOGISTIK BINER MENGGUNAKAN PENALTI LASSO DENGAN ESTIMATOR SPLINE TRUNCATED (Studi Kasus: Data Status Gizi Balita di Kabupaten Gowa Tahun 2023) = Application of Binary Logistic Regression Using Lasso Penalty with Truncated Spline Estimator (Case Study: Data on Nutritional Status of Toddlers in Gowa Regency in 2023)

Latar Belakang. Regresi logistik biner merupakan metode statistik yang digunakan untuk menganalisis hubungan antara variabel dependen bersifat biner dengan variabel independen. Metode tersebut terbatas dalam memenuhi asumsi hubungan parametrik sehingga digunakan pendekatan nonparametrik. Regresi logistik biner dengan spline truncated merupakan pengembangan metode regresi nonparametrik yang memanfaatkan fungsi polinomial tersegmen agar model fleksibel dengan variabel dependen yang bersifat biner. Namun, dalam pemodelan regresi, biasa ditemukan permasalahan multikolinieritas yang menyebabkan koefisien regresi menjadi tidak stabil. Untuk mengatasi hal tersebut, digunakan Least Absolute Shrinkage and Selection Operator (LASSO) yang menyusutkan koefisien variabel independen berkorelasi tinggi menjadi nol, sehingga pemilihan variabel menjadi lebih baik. Oleh karena itu, regresi logistik biner menggunakan LASSO dengan spline truncated menjadi pengembangan model regresi untuk memodelkan data kategorik dengan variabel independen bersifat biner, memiliki pola non-linier, serta mengalami multikolinieritas. Tujuan. Penelitian ini melakukan estimasi parameter model regresi logistik biner LASSO dengan spline truncated dan memodelkan hubungan antara status gizi balita dengan faktor yang memengaruhinya di Kabupaten Gowa tahun 2023. Metode. Penelitian ini dibagi menjadi dua tahap, yakni 1) estimasi parameter model menggunakan Maximum Likelihood Estimation; 2) memodelkan hubungan antara status gizi balita dengan faktor yang memengaruhinya. Hasil. Model regresi logistik biner LASSO spline truncated dengan tiga titik knot berdasarkan perolehan nilai Generalized Cross-Validation sebesar 0,035793 menghasilkan nilai R, RMSE dan AIC masing-masing yakni sebesar 76,76%, 0,1881 dan 494,2016. Adapun nilai akurasi prediksi model sebesar 94,79%. Kesimpulan. Model Regresi Logistik Biner LASSO Spline Truncated dengan tiga titik knot memberikan hasil yang baik berdasarkan metrik evaluasi model serta nilai akurasi prediksi.