Perbandingan Metode Pendugaan Data Hilang pada Data Iklim Balikpapan

Abstract

Data iklim memiliki peran penting dalam berbagai bidang kehidupan. Namun, sering kali ditemukan data hilang yang dapat mengganggu proses pengolahan data dan menurunkan kualitas analisis. Oleh karena itu, diperlukan metode penanganan yang tepat agar hasil analisis tetap valid. Penelitian ini bertujuan membandingkan performa beberapa metode imputasi untuk data hilang multivariat berdasarkan identifikasi pola hilang data aktual, serta menentukan metode yang paling sesuai dengan mekanisme data hilangnya. Metode yang digunakan meliputi mean per bulan, missRanger, k-Nearest Neighbor (k-NN), dan Iterative Robust-Model Imputation (IRMI). Informasi data hilang diperoleh dari Data Global Surface Summary of the Day (GSOD), dengan proporsi data hilang sebesar 11,4%, lalu pola data hilang tersebut diterapkan pada Data NasaPower yang relatif lengkap untuk evaluasi hasil imputasi. Hasil penelitian menunjukkan bahwa IRMI kurang mampu menangani kondisi data hilang ekstrem. Sebaliknya, k-NN, missRanger dan mean per bulan memberikan hasil yang lebih baik pada kondisi ekstrem maupun non-ekstrem. Dari keempat metode, mean per bulan terbukti paling unggul karena mampu mengatasi data hilang sekaligus mempertahankan struktur multivariat.