Yordani, Ricky Primary Author mixed material bibliography Bandung Magister Statistika Terapan 2012 id Indonesia

xiv, 116 hlm. ; il. ; 29 cm. Analisis komponen utama (AKU) adalah teknik analisis data multivariat yang dapat mereduksi data berdimensi tinggi dengan mempertahankan keragaman data asal. Metode AKU dihadapkan dengan adanya berbagai masalah yang muncul. Salah satu masalah dalam prosedur AKU yang standar adalah tidak jelas dalam mengatasi adanya gugusan data yang tidak lengkap. Prosedur standar AKU pada data tidak lengkap adalah dengan menghilangkan observasi yang memiliki nilai variabel yang tidak tersedia (prosedur listwise deletion), dapat mengakibatkan hilangnya inforrnasi dari observasi tersebut. Metode lain yang digunakan adalah dengan mengintegrasikan Expectation Maximization (EM) ke dalam metode Probabilistic Principal Component Analysis (PPCA). Metode PPCA pada gugus data berdimensi tinggi dan banyak terdapat nilai yang tidak tersedianya dapat menghasilkan prediksi respon yang overfilling. Dalam penelitian ini dibahas ten tang Variational Bayesian Principal Component Analysis (VBPCA) yang merupakan metode pengembangan dari metode PPCA dengan memasukkan inforrnasi prior dari distribusi parameter model komponen utama. Dari studi simulasi dengan menghilangkan data melalui konsep missing at random (MAR), diperoleh hasil bahwa nilai korelasi skor komponen utama data lengkap dengan skor komponen utama hasil prediksi metode PPCA lebih unggul jika dibandingkan dengan VBPCA, begitu juga untuk nilai skor korelasi secara umum untuk berbagai presentase data tidak lengkap. Namun, dilihat dari ukuran kecocokan antara nilai respon dengan prediksinya dengan melalui ukuran NRMSEP menghasilkan metode VBPCA lebih baik dibandingkan PPCA. Yordani, Ricky ANALISIS KOMPONEN UT AMA DATA TlDAK LENGKAP DENGA 519.5 Yor a Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi 519.5 Yor a/R.14.112 01001120700067 Perpustakaan Pusat (REF.14.112) 519.5 Yor a 20%252Fscan0001.jpg.jpg 32036 2017-04-02 00:52:59 2018-06-29 08:31:17 machine generated