• Bagikan:
• 
• 
• 
• 
• 
• 
• 

 

: 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)

---

• Ketersediaan
• Informasi Detil
• Deskripsi
• Versi lain/terkait
• Komentar

• Code	CallNo	Lokasi	Ketersediaan
  01001120700042	519.53 Ot p/.14.119	Perpustakaan Pusat (REF.14.119)	Tersedia

• Perpustakaan
  Judul Seri	-
  No. Panggil	519.53 Ot p/.14.119
  Penerbit	Magister Statistika Terapan : Bandung., 2012
  Deskripsi Fisik	ix,;44 hlm,;29,5 cm
  Bahasa	Indonesia
  ISBN/ISSN	-
  Klasifikasi	519.53 Ot p/.14.119
  Tipe Isi	-
  Tipe Media	-
  Tipe Pembawa	-
  Edisi	-
  Subyek	Data hilang, Variabel biner, Regression imputation
  Info Detil Spesifik	-
  Pernyataan Tanggungjawab	Octavia, Vera

• 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

• Tidak tersedia versi lain

• Silakan login dahulu untuk melihat atau memberi komentar.