<?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="47406">
 <titleInfo>
  <title>Imputasi Missing Values Dengan Expectation Maximization With Bootsrapping (EMB) Data Time Series-Cross Section (TSCS) Produksi Tandan Buah Segar (TBS)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>LASMIYATI</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,; 54 hlm,;29 cm</extent>
 </physicalDescription>
 <note>Pengumpulan data Tandan Buah Segar (TBS) sangat penting mengingat &#13;
manfaat Crude Palm Oil (CPO) dan Palm Kernel Oil (PKO) yang dihasilkannya &#13;
cukup besar sebagai bahan baku dalam berbagai industri. Akan tetapi, dalam &#13;
pelaksanaannya terjadi kendala non respon unit pengamatan yang tidak dapat &#13;
ditanggulangi yang berdampak pada terjadinya missing values. Untuk menangani &#13;
missing values, salah satu metode yang dapat digunakan adalah imputasi melalui &#13;
Expectation Maximization with Bootsrapping (EMB). Metode ini dapat diterapkan &#13;
pada data yang merniliki struktur gabungan time series dan cross section (TSCS) &#13;
sebagaimana data TBS yang dikumpulkan perbulan untuk setiap perusahaan &#13;
perkebunan. Dari hasil pengolahan menggunakan metode EMB dengan package &#13;
Amelia IT melalui software R, diperoleh prediksi nilai imputasi missing values &#13;
yang cukup baik dan layak. Hal tersebut terlihat dari perbandingan densitas antara &#13;
rata-rata prediksi nilai imputasi dan nilai observasi asli yang rnirip serta diperkuat &#13;
dengan uji statistik yang hasilnya menunjukkan bahwa rata-rata prediksi nilai &#13;
imputasi sama dengan rata-rata nilai observasi asli. Selain itu, dari overimpute &#13;
yaitu plot antara distribusi rata-rata prediksi nilai imputasi dengan distribusi nilai &#13;
observasi asli, berada di sekitar garis diagonal yang menunjukkan bahwa rata-rata &#13;
prediksi nilai imputasi tidak jauh berbeda dengan nilai observasi asli. &#13;
&#13;
</note>
 <note type="statement of responsibility">Lasmiyati</note>
 <subject authority="">
  <topic>EM   2. Bootstrap   3.EMB   4. Missing Values</topic>
 </subject>
 <classification>519.5 Las i</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi</physicalLocation>
  <shelfLocator>519.5 Las i R.14.47</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">01001150700047</numerationAndChronology>
    <sublocation>Perpustakaan Pusat (REF.14.47)</sublocation>
    <shelfLocator>519.5 Las i</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:image>20%252Fscan0001.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>47406</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2017-04-02 04:36:52</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2018-05-23 10:22:51</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>