<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="47402">
 <titleInfo>
  <title>PENANGANAN MISSING DATA DENGAN METODE IMPUTASI K-NEAREST NEIGHBOR DAN MUTUAL INFORMATION K-NEAREST NEIGHBOR</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Siregar, Sartika Yuliani</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Bandung</placeTerm>
   <publisher>Magister Statistika Terapan</publisher>
   <dateIssued>2015</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd"></form>
  <extent>xii, 52 hlm. ; il. ; 29 cm</extent>
 </physicalDescription>
 <note>Permasalahan Survei Produktivitas Tanaman Pangan khususnya komoditi &#13;
ubi kayu di Provinsi Lampung adalah terjadinya non-observational. Non­ &#13;
observational dapat berupa non coverage dan non response. Non coverage yang &#13;
terjadi sudah tidak dapat diatasi namun nonrespon unit yang terjadi dapat &#13;
dikurangi dengan tetap melakukan pencacahan untuk item pertanyaan yang &#13;
menggunakan metode wawancara. Sedangkan untuk item pertanyaan dengan &#13;
observasi langsung akan missing karena datanya tidak dapat diperoleh (item &#13;
nonresponse). Item nonresponse dapat diatasi dengan metode imputasi. Metode &#13;
imputasi yang digunakan adalah K-Nearest Neighbor Imputation (KNNI) dan Mutual &#13;
Information K-Nearest Neighbor Imputation (MI-KNNI). &#13;
&#13;
Data produktivitas ubi kayu merupakan data lengkap sehingga terlebih dahulu &#13;
dilakukan simulasi missing data sebanyak 1O,20,30,dan 40 persen dari total sampel &#13;
sehingga dapat dibandingkan performa kedua metode ini pada tiap simulasi data hilang. &#13;
Berdasarkan hasil pengolahan pada kedua metode bahwa semakin besar missing data &#13;
yang terjadi maka rata-rata nilai RMSE nya juga semakin besar. Artinya semakin banyak &#13;
data yang hilang maka tingkat akurasi kedua metode semakin berkurang. Rata-rata nilai &#13;
RMSE metode imputasi MI-KNN relatif lebih kecil daripada metode imputasi KNN, &#13;
artinya metode imputasi MI-KNN relatif lebih akurat dibandingkan dengan metode &#13;
imputasi KNN dengan k optimum dari masing-masing metode. Jika menggunakan k &#13;
optimum yang fixed dan sama antar kedua metode, diperoleh hasil bahwa metode &#13;
imputasi MI-KNN cenderung memiliki rata-rata nilai RMSE yang stabil dibandingkan &#13;
dengan metode imputasi KNN pada setiap perubahan nilai k optimum. &#13;
&#13;
</note>
 <note type="statement of responsibility">Siregar, Sartika Yuliani</note>
 <subject authority="">
  <topic>Penanganan Missing Data dengan Metode Imputasi K­ </topic>
 </subject>
 <classification>519P.5 Sir</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi</physicalLocation>
  <shelfLocator>519.5P.5 Sir /R.14.91</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">01001150700006</numerationAndChronology>
    <sublocation>Perpustakaan Pusat (REF.14.91)</sublocation>
    <shelfLocator>519.5 Sir P</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:image>20%252Fscan0001.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>47402</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2017-04-02 04:36:52</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2018-06-26 09:54:24</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>