Perpustakaan Universitas Padjajaran
Pencarian Spesifik

Detail Cantuman

Image of EFEK UKURAN SAMPEL DAN MISSING DATA DALAM ESTIMASI PARAMETER MODEL SEM DENGAN MAXIMUM LIKELIHOOD, PLS DAN GSCA

 

EFEK UKURAN SAMPEL DAN MISSING DATA DALAM ESTIMASI PARAMETER MODEL SEM DENGAN MAXIMUM LIKELIHOOD, PLS DAN GSCA

Efek Ukuran Sampel dan Missing Data dalam
Estimasi Parameter Model SEM dengan Maximum
Likelihood, PLS dan GSCA

2. ...

  • CodeCallNoLokasiKetersediaan
    010030007466519.5 Hen e/R.14.35Perpustakaan PusatTersedia
  • Perpustakaan
    Perpustakaan Pusat
    Judul Seri
    -
    No. Panggil
    519.5 Hen e/R.14.35
    Penerbit Magister Statistika Terapan, : Bandung.,
    Deskripsi Fisik
    xv ;97 hlm,;29 cm
    Bahasa
    Indonesia
    ISBN/ISSN
    -
    Klasifikasi
    519.5
    Tipe Isi
    -
    Tipe Media
    -
    Tipe Pembawa
    -
    Edisi
    2016
    Subyek
    Structural Equation Modeling 2. Maximum Likeliho
    Info Detil Spesifik
    Tesis
    Pernyataan Tanggungjawab
  • Efek Ukuran Sampel dan Missing Data dalam
    Estimasi Parameter Model SEM dengan Maximum
    Likelihood, PLS dan GSCA

    2. Subject

    1. Structural Equation Modeling

    2. Maximum Likelihood

    3. Partial Least Squares

    4. Generalized Structured Component Analysis

    5. Missing Data

    3. Abstrak

    Penelitian di bidang sosial dengan menggunakan structural equation
    modeling (SEM) sebagai alat analisis telah banyak dilakukan. Namun demikian,
    ada permasalahan yang sering dihadapi dalam penelitian di bidang sosial, yaitu data
    yang tidak lengkap. Padahal analisis menggunakan SEM memerlukan data yang
    lengkap. Data yang tidak lengkap karena missing data dapat mempengaruhi
    estimasi parameter model dalam SEM. Beberapa dekade terakhir telah berkembang
    dua metode estimasi yang sering digunakan dalam SEM, yaitu maximum likelihood
    (ML) dan partial least squares (PLS). Kedua metode ini telah banyak digunakan
    dalam penelitian, khususnya dalam membahas permasalahan sosial. Kemudian
    belakangan ini muncul metode estimasi yang ketiga, dikenal dengan generalized
    structured component analysis (GSCA). Dalam penelitian ini akan dibahas
    pengaruh ukuran sampel dan missing data terhadap estimasi parameter model SEM
    dengan metode estimasi ML, PLS dan GSCA.

    Simulasi monte carlo digunakan untuk membandingkan performa ketiga
    metode estimasi dengan kondisi missing data, ukuran sampel dan distribusi data
    yang berbeda. Selain menggunakan simulasi, akan dilakukan studi kasus
    menggunakan data riil untuk memodelkan derajat kesehatan balita di Indonesia
    pada tahun 2013. Berdasarkan hasil simulasi didapatkan bahwa, dalam recovery
    parameter, ML memiliki akurasi yang lebih baik dibandingkan PLS dan GSCA
    pada data lengkap dan persentase missing data kecil, sedangkan PLS dan GSCA
    memiliki akurasi yang lebih baik dibandingkan ML pada ukuran sampel kecil
    dengan persentase missing data besar. Terhadap data lengkap, akurasi estimasi
    parameter data tidak lengkap PLS dan GSCA lebih baik dibandingkan ML.
    Berdasarkan studi kasus pemodelan derajat kesehatan balita di Indonesia pada
    tahun 2013, PLS memiliki performa yang paling baik. Dalam penelitian ini
    ditunjukkan bahwa missing data berpengaruh besar terhadap estimasi model
    struktural dan relatif kecil terhadap estimasi parameter model pengukuran.

  • Tidak tersedia versi lain

  • Silakan login dahulu untuk melihat atau memberi komentar.


Informasi