Dampak Imputasi terhadap error klasifikasi pada analisis diskriminan

---

atu penelitian yang menggunakan metode survei akan sangat jarang sekali
patkan data yang terbebas dari data hilang. Adanya data hilang akibat nonrespon
1 menimbulkan data hasil survei menjadi tidak lengkap sehingga menyebabkan
mgnya informasi dan penaksiran parameter menjadi tidak efisien. Untuk mengatasi
Ita hilang dapat dilakukan dengan menggunakan analisis statistika yaitu dengan
ienggunakan metode imputasi. Beberapa metode imputasi untuk mengatasi data
hilang antara lain Metode Imputasi Regresi dan Metode Predictive Mean Matching

(PMM) yang merupakan metode imputasi berganda, Pada penelitian ini kedua metode
tersebut diuji melalui simulasi dan diterapkan pada data klasifikasi jantung kemudian
basilnya diperbandingkan untuk mengetahui dampak dari pengisian data hilang.
Penaksiran data hilang dengan metode imputasi PPM secara umum menunjukkan
kinerja yang lebih baik dari pada metode imputasi regresi. Hal ini terlihat dengan Iebih
kecilnya nilai RMSE metode imputasi PMM dari pada metode imputasi regresi. Pada
analisis diskriminan, hasil penaksiran data hilang memberikan perubahan terhadap
error klasifikasi jika dibandingkan dengan data Iengkap sebenarnya. Penaksiran
dengan metode imputasi PMM memberikan dampak menurunkan error klasifikasi
lebih besar daripada metode imputasi regresi.

---

Availability @Perpustakaan Pusat

No copy data

Detail Information

Series Title

-

Call Number

519.5 Rus d/R.14.83

Publisher

Bandung : Magister Statistika Terapan., 2010

Collation

xiv, 68 hlm. ; il. ; 29 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

519.5

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

-

Specific Detail Info

-

Statement of Responsibility

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment