Pengaruh Pendugaan Data Hilang terhadap Akurasi Pendugaan Koefisien Model SEM
Date
2022Author
Oktaviani, Christina
Suharjo, Budi
Purnaba, I Gusti Putu
Metadata
Show full item recordAbstract
Missing data dapat diatasi dengan menghapus responden yang memiliki
missing data dari dataset atau menggunakan imputasi. Namun menghapus data
yang tidak lengkap dan hanya menggunakan data yang lengkap saja, dapat
mengakibatkan berkurangnya jumlah data yang sudah ditetapkan. Maka jika
terdapat missing data cara yang terbaik dengan menggunakan imputasi. Dalam
penelitian ini missing data diatasi dengan menggunakan mean imputation. Setiap
metode imputasi memiliki karakteristiknya. Tujuan dari penelitian ini adalah untuk
mempelajari dampak missing data terhadap akurasi pendugaan koefisien model
SEM. Hasil penelitian menunjukkan bahwa semakin meningkatnya ukuran
persentase missing data, maka nilai yang dihasilkan akan semakin bias. Akurasi
menunjukkan bahwa metode mean imputation dalam mengatasi dampak missing
data dengan persentase missing 5% cukup layak dalam menduga koefisien
parameter model SEM. Sedangkan pada persentase missing data 10% dan 15%
tidak akurat dalam menduga parameter model. Secara keseluruhan metode mean
imputation layak digunakan jika persentasi missing data kurang dari 5%. Missing data can be overcome by removing respondents who have missing
data from the dataset or using imputation. However, deleting incomplete data and
only using complete data can result in a reduction in the amount of data that has
been set. So if there is missing data, the best way is to use imputation. In this study,
missing data was overcome by using mean imputation. Each imputation method has
its characteristics. The purpose of this study was to study the impact of missing data
on the accuracy of the estimation of the coefficients of the SEM model. The results
showed that the increasing the size of the percentage of missing data, the resulting
value will be more biased. Accuracy shows that the mean imputation method in
overcoming the impact of missing data with a missing percentage of 5% is quite
feasible in estimating the parameter coefficients of the SEM model. While the
percentage of missing data is 10% and 15% is not accurate in estimating the model
parameters. Overall, the mean imputation method is feasible if the percentage of
missing data is less than 5%.
Collections
- UT - Mathematics [1365]