Konsistensi Resampling Bootstrap Pada Model Analisis Jalur Dengan Berbagai Besaran Resampling
Main Author: | Billah, Usfi Al Imama |
---|---|
Format: | Thesis NonPeerReviewed Book |
Bahasa: | eng |
Terbitan: |
, 2018
|
Subjects: | |
Online Access: |
http://repository.ub.ac.id/168735/1/Usfi%20Al%20Imama%20Billah%20%282%29.pdf http://repository.ub.ac.id/168735/ |
Daftar Isi:
- Data dapat didefinisikan sebagai kumpulan hasil pengamatan atau pengukuran terhadap suatu variabel. Salah satu tipe data yang banyak ditemukan dalam berbagai bidang adalah data cross-section. Data cross-section dengan hubungan yang kompleks dapat dianalisis dengan analisis jalur. Terdapat tiga asumsi dalam analisis jalur, yaitu asumsi linieritas, homoskedastisitas ragam residual, dan asumsi normalitas residual. Asumsi normalitas residual diperlukan guna menjamin penduga koefisien jalur bersifat tak bias, memiliki ragam minimum, konsisten, dan mengikuti sebaran normal. Jika asumsi normalitas tidak terpenuhi, maka salah satu cara yang dapat digunakan adalah dengan melakukan resampling. Studi simulasi dilakukan untuk menerapkan resampling dengan metode bootstrap pada data yang asumsi normalitas residualnya terpenuhi maupun terlanggar. Studi simulasi ini mempertimbangkan besaran resampling serta kondisi keeratan hubungan antar variabel agar pendugaan koefisien jalur mencapai konsistensi. Berdasarkan hasil simulasi, penduga koefisien jalur semakin konsisten seiring dengan bertambahnya besaran resampling. Untuk mencapai penduga koefisien jalur yang konsisten pada kondisi asumsi normalitas residual terpenuhi, baik pada keeratan hubungan antar variabel rendah, sedang, maupun tinggi, diperlukan besaran resampling 750. Sementara itu, untuk kondisi asumsi normalitas terlanggar dan keeratan hubungan antar variabel rendah, sedang, maupun tinggi, penduga koefisien jalur konsisten pada besaran resampling 1400. Untuk kondisi asumsi normalitas terlanggar dan keeratan hubungan antar variabel sedang maupun tinggi, penduga keofisien jalur konsisten pada besaran resampling 1400.