Penanganan Data Hilang Biner dengan Regression Imputation dan Stochastic Regression Imputation dalam Pemodelan Regresi Logistik (Studi Kasus pada Data Hasil Kehamilan Ibu di Propinsi Jawa Barat) Octavia, Vera Primary Author mixed material bibliography Bandung Magister Statistika Terapan 2012 id Indonesia

ix,;44 hlm,;29,5 cm Dalam analisis data, seringkali ditemukan unit-unit dalam data yang dianalisis mengandung data hilang. Adanya data hilang ini dapat menyebabkan penaksiran parameter menjadi bias dan tidak efisien. Berbagai metode telah dikembangkanuntuk menangani data hilang, salah satunya adalah metode imputasi, yaitu mengisi data hilang dengan sebuah nilai tertentu. Metode imputasi yang paling sering digunakan adalah imputasi rata-rata, imputasi regresi, hot-deck imputation dan multiple imputation. Semua metode tersebut merupakan metode yang biasanya digunakan untuk mengatasi data hilang pada variabel kontinu, untuk penanganan data hilang pada variabel biner tentunya berbeda. Meskipun demikian beberapa metode imputasi dapat diadaptasi untuk menangani data hilang pada variabel biner. Pada penelitian kali ini, akan dilakukan imputasi untuk data hilang pada variabel biner dengan menggunakan regression imputation dan stochastic regression imputation. Dalam penelitian ini, kedua metode tersebut dilakukan studi simulasi untuk melihat karakteristik dan kinerja keduanya. Selain itu kedua metode tersebut juga diterapkan pada data hasil survei RAND Labor and Population tahun 2007 mengenai hasil kehamilan ibu. Hasil simulasi menunjukkan bahwa penanganan data hilang dengan menggunakan metode stochastic regression imputation menunjukkan kinerja yang lebih baik dibandingkan metode regression imputation. Kedua metode imputasi tersebut juga diaplikasikan pada data hasil kehamilan ibu. Selanjutnya data hilang yang telah diimputasi dengan metode listwise deletion, stochastic regression imputation dan regression imputation, dianalisis menggunakan regresi logistik ordinal yang hasilnya menunjukkan bahwa metode listwise memberikan nilai standard error paling besar. Sedangkan stochastic regression imputation dan metode regression imputation memberikan hasil yang relatif hampir sama Octavia, Vera Data hilang, Variabel biner, Regression imputation 519.53 Ot p/.14.119 Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi 519.53 Ot p/.14.119 01001120700042 Perpustakaan Pusat (REF.14.119) 519.53 Ot p/.14.119 20%252Fscan0001.jpg.jpg 11707 2017-04-01 15:44:36 2018-06-29 10:34:44 machine generated