Aproksimasi Algoritma Data Augmentation Markov Chain Monte Carlo dalam Pendugaan Data Hilang.

Abstract

mengontrol kualitas dan keamanan obat. Data hasil pengukuran spektrofotometri merupakan absorbansi dari sampel yang diamati. Penelitian ini menggunakan data spektrofotometri yang mempunyai nilai absorbansi bernilai negatif dan dianggap sebagai data hilang. Perlu penanganan terhadap data hilang tersebut agar menghasilkan kendali mutu yang lebih akurat. Pendugaan data hilang pada data ini menggunakan pendekatan Markov Chain Monte Carlo dengan algoritma Data Augmentation. Data Augmentation menganggap bahwa mekanisme hilangnya data adalah Missing at Random (MAR), yaitu peluang data yang hilang tidak tergantung pada nilai data yang hilang, tetapi tergantung pada nilai data yang teramati. Pengelompokkan daun jati belanda berdasarkan umur panennya dapat dilakukan dengan menggunakan analisis komponen utama. Total keragaman dari plot komponen utama satu dan komponen utama dua sebelum imputasi sebesar 82.25% sedangkan setelah imputasi sebesar 79.69%.