Perbandingan Tingkat Efisiensi Penduga Parameter Analisis Jalur Dengan Resampling Bootstrap Dan Jackknife Delete-5 Pada Data Simulasi
| Main Author: | Prawita, Trias Octa |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/179639/ |
Daftar Isi:
- Pada praktiknya asumsi normalitas sisaan seringkali tidak terpenuhi, hal ini menyebabkan pendugaan parameter yang dihasilkan menjadi kurang efisien. Permasalahan asumsi normalitas yang tidak terpenuhi dapat diatasi dengan melakukan resampling. Penggunaan resampling memungkinkan berlakunya data terbebas dari asumsi distribusi. Pada penelitian ini dilakukan studi simulasi dengan menerapkan resampling bootstrap dan resampling jackknife delete-5 pada analisis jalur dengan asumsi normalitas sisaan tidak terpenuhi serta besaran resampling yang ditetapkan sebesar 1000 dengan tingkat keeratan hubungan antar variabel terdiri atas tingkat keeratan rendah, tingkat keeratan sedang, tingkat keeratan tinggi, dan tingkat keeratan yang mewakili tingkat keeratan rendah hingga tinggi. Berdasarkan hasil simulasi, besaran resampling 1000 mampu mengatasi permasalahan asumsi normalitas sisaan yang tidak terpenuhi. Selain itu, perbandingan antara resampling bootstrap dan jackknife untuk kondisi asumsi normalitas sisaan tidak terpenuhi dan keeratan hubungan antar variabel rendah, sedang, tinggi maupun tingkat keeratan yang mewakili tingkat keeratan rendah hingga tinggi, diperoleh hasil penduga parameter analisis jalur dengan resampling jackknife lebih efisien dibandingkan resampling bootstrap