Penerapan bootstrap untuk data peubah ganda
Abstract
Data pengamatan pada beberapa kasus tidak mudah diperoleh dan membutuhkan biaya yang sangat tinggi, sehingga ukuran contoh (n) yang diperoleh seringkali tidak sesuai atau dianggap kurang. Ukuran contoh yang kecil mengakibatkan beberapa asumsi terkait dengan teori peluang dan statistika inferensia tidak terpenuhi. Ukuran contoh yang kecil juga menjadi pennasalahan klasik dalam suatu pendugaan parameter. Semakin kecil ukuran contoh yang digunakan akan semakin mengurangi tingkat keakuratan dan ketelitian pendugaan. Metode resanpling Bootstrap dapat mengatasi permasalahan tersebut, namun memerlukan waktu komputasi yang lama akibat proses pengulangan.