Metode Imputasi Untuk Mengatasi Data Hilang Pada Analisis Komponen Utama Nonlinier Data Ordi
| Main Author: | Istiqomah, Nur |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/153639/1/SKRIPSI_NUR_ISTIQOMAH_0910953007_STATISTIKA.pdf http://repository.ub.ac.id/153639/ |
Daftar Isi:
- Analisis Komponen Utama Merupakan Analisis Peubah Ganda Untuk Mentransformasi P Peubah Asal Menjadi K Peubah Baru, Di Mana Antar Vektor Dari Peubah Baru Tersebut Adalah Saling Bebas. Jenis Data Yang Digunakan Dalam Penelitian Bisa Nominal, Ordinal, Interval, Rasio, Atau Campuran. Jika Jenis Data Yang Digunakan Adalah Nominal Atau Ordinal, Maka Analisis Yang Digunakan Merupakan Pengembangan Analisis Komponen Utama Yang Disebut Analisis Komponen Utama Nonlinier. Salah Satu Permasalahan Yang Sering Dihadapi Dalam Survei Dengan Cara Memberikan Kuesioner Adalah Terdapat Data Hilang Atau Data Tidak Lengkap. Apabila Persentase Data Hilang Cukup Besar Dan Pola Data Hilang Adalah Acak Atau Mcar ( Missing Completely At Random ), Pendugaan Terhadap Nilai Data Hilang (Metode Imputasi) Menjadi Alternatif Pilihan Yang Layak Untuk Dilakukan Agar Data Tersebut Menjadi Data Lengkap Dan Dapat Diproses Lebih Lanjut. Dalam Penelitian Ini, Dibandingkan Tiga Jenis Metode Imputasi Untuk Mengatasi Data Hilang Pada Data Ordinal. Metode Tersebut Adalah Median Imputation (Mei), Mode Imputation (Moi), Forward Imputation (Foi). Untuk Mengetahui Metode Terbaik, Maka Ketiganya Dibandingkan Menggunakan Nilai Kosinus (Korelasi) Dan Rmse ( Root Mean Square Error) . Metode Foi Lebih Baik Dari Mei Dan Moi Dalam Mengatasi Data Hilang Pada Data Ordinal Karena Menghasilkan Nilai Kosinus Paling Besar, Dan Menghasilkan Nilai Rmse Paling Kecil. Pada Penelitian Ini, Belum Dapat Dibuktikan Bahwa Semakin Besar Persentase Data Hilang Maka Nilai Bobot Peubah Dan Skor Komponen Objek Yang Dihasilkan Dari Metode Imputasi Juga Semakin Berbeda Dari Nilai Bobot Peubah Dan Skor Komponen Objek Pada Data Lengkap