Bambang Ruswandi Primary Author mixed material bibliography Bandung Magister Statistika Terapan 2010 id Indonesia

xiv, 68 hlm. ; il. ; 29 cm. 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. Bambang Ruswandi Dampak Imputasi Terhadap Error Klasifikasi Pada An 519.5 Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi 519.5 Rus d/R.14.83 01001100700263 Perpustakaan Pusat (REF.14.83) 519.5 Rus d/R.14.83 20%252Fscan0001.jpg.jpg 9908 2017-04-01 15:42:28 2018-06-25 11:42:35 machine generated