Studi Simulasi: Missing Data Treatment Technique Zero Imputation Dan Non-Imputation Pada Ability Estimation Dengan Model Satu Parameter Logisti
| Main Author: | Maitsa, Nabila |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/171330/ |
| ctrlnum |
171330 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/171330/</relation><title>Studi Simulasi: Missing Data Treatment Technique Zero
Imputation Dan Non-Imputation Pada Ability Estimation
Dengan Model Satu Parameter Logisti</title><creator>Maitsa, Nabila</creator><subject>511.8 Mathematical models (Mathematical simulation)</subject><description>Penelitian ini bertujuan untuk melihat estimasi ability ketika menggunakan zero
imputation dan non-imputation menggunakan model Satu Parameter Logistik
(1PL). Pendekatan yang digunakan pada penelitian ini adalah kuantitatif psikometri
serta studi simulasi dengan dua kondisi imputasi zero imputation dan non
imputation, dua jumlah butir (20, 40) dan tiga persentase missing data (10%, 20%,
dan 50%). Format respons yang digunakan adalah tes dikotomus dimana jika benar
diberi skor 1 dan salah diberi skor 0. Teknik analisis yang digunakan adalah Item
Response Theory (IRT) model 1PL dengan metode Expected A Posteriori (EAP)
untuk mengestimasi ability. Hasilnya, penanganan missing data zero imputation
memberikan perubahan pada akurasi estimasi ability meskipun perubahan tersebut
tidak terlalu berarti, sehingga estimasi ability akan sedikit lebih baik dan akurat jika
data dengan missing data ditangani oleh zero imputation pada kondisi missing data
yang besar serta pada jumlah butir yang lebih sedikit. Selain itu hasil dari studi
simulasi dan real data menunjukkan kesamaan dimana pada keduanya, estimasi
ability akan lebih baik jika missing data ditangani dengan zero imputation.</description><date>2019-06-26</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><identifier> Maitsa, Nabila (2019) Studi Simulasi: Missing Data Treatment Technique Zero Imputation Dan Non-Imputation Pada Ability Estimation Dengan Model Satu Parameter Logisti. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FISIP/2019/493/051905324</relation><recordID>171330</recordID></dc>
|
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview |
| author |
Maitsa, Nabila |
| title |
Studi Simulasi: Missing Data Treatment Technique Zero
Imputation Dan Non-Imputation Pada Ability Estimation
Dengan Model Satu Parameter Logisti |
| publishDate |
2019 |
| topic |
511.8 Mathematical models (Mathematical simulation) |
| url |
http://repository.ub.ac.id/171330/ |
| contents |
Penelitian ini bertujuan untuk melihat estimasi ability ketika menggunakan zero
imputation dan non-imputation menggunakan model Satu Parameter Logistik
(1PL). Pendekatan yang digunakan pada penelitian ini adalah kuantitatif psikometri
serta studi simulasi dengan dua kondisi imputasi zero imputation dan non
imputation, dua jumlah butir (20, 40) dan tiga persentase missing data (10%, 20%,
dan 50%). Format respons yang digunakan adalah tes dikotomus dimana jika benar
diberi skor 1 dan salah diberi skor 0. Teknik analisis yang digunakan adalah Item
Response Theory (IRT) model 1PL dengan metode Expected A Posteriori (EAP)
untuk mengestimasi ability. Hasilnya, penanganan missing data zero imputation
memberikan perubahan pada akurasi estimasi ability meskipun perubahan tersebut
tidak terlalu berarti, sehingga estimasi ability akan sedikit lebih baik dan akurat jika
data dengan missing data ditangani oleh zero imputation pada kondisi missing data
yang besar serta pada jumlah butir yang lebih sedikit. Selain itu hasil dari studi
simulasi dan real data menunjukkan kesamaan dimana pada keduanya, estimasi
ability akan lebih baik jika missing data ditangani dengan zero imputation. |
| id |
IOS4666.171330 |
| institution |
Universitas Brawijaya |
| affiliation |
mill.onesearch.id fkp2tn.onesearch.id |
| institution_id |
30 |
| institution_type |
library:university library |
| library |
Perpustakaan Universitas Brawijaya |
| library_id |
480 |
| collection |
Repository Universitas Brawijaya |
| repository_id |
4666 |
| subject_area |
Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia* |
| city |
MALANG |
| province |
JAWA TIMUR |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS4666 |
| first_indexed |
2021-10-28T06:55:22Z |
| last_indexed |
2021-10-28T06:55:22Z |
| recordtype |
dc |
| _version_ |
1751454119669792768 |
| score |
17.538404 |