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/ |
Daftar Isi:
- 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.