Assignment Data Sciencec (STA1581) | Comparison of Lasso Models with Fused Lasso

LASSO (Least Absolute Shrinkage and Selection Operator) merupakan salah satu teknik regresi penalized yang populer digunakan dalam menangani masalah regresi dengan data berdimensi tinggi. Lasso tidak hanya melakukan pemilihan variabel, tetapi juga menghasilkan model yang lebih sederhana dan lebih mudah diinterpretasikan. Sehingga model lasso cocok untuk situasi di mana banyak variabel mungkin tidak relevan dan membantu pemilihan variabel yang paling penting. Namun model Lasso memiliki keterbatasan dalam situasi di mana ada struktur tertentu antar variabel, seperti ketika data bersifat spasial atau time series, di mana hubungan antar variabel tidak bisa dianggap independen. Maka dari itu, diperlukanlah pengembangan model yang diberi nama model Lasso untuk menangani kelemahan dari model Lasso yakni Fused Lasso Fused Lasso dikembangkan untuk menangani masalah tersebut dengan memperhitungkan korelasi antar variabel secara langsung, terutama dalam situasi di mana variabel saling berdekatan atau memiliki hubungan yang teratur. Teknik ini menggabungkan regularisasi LASSO dengan penalti tambahan untuk perbedaan antar koefisien variabel yang bertetangga.

Disusun Oleh Kelompok 5:
Andi Illa Erviani Nensi | M0501241035
Fadhilah Rizky Aulia | M0501241073
Wildatul Maulidiyah | M0501241091
Yeky Abil Nizar | M0501241043