PERFORMAWEIGHTED LEAST SQUARE(WLS) DALAM ESTIMASI PARAMETER DENGAN MASALAH JENIS DAN TINGKATMISSING DATA(KAJIAN SIMULASI)

APRI , PUSPITASARI (2026) PERFORMAWEIGHTED LEAST SQUARE(WLS) DALAM ESTIMASI PARAMETER DENGAN MASALAH JENIS DAN TINGKATMISSING DATA(KAJIAN SIMULASI). FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	Text ABSTRAK.pdf Download (74kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (1MB) | Preview

Abstract

Penggunaan tekniklistwise deletionpada data yang mengalamimissing datasering kali dianggap berisiko menimbulkan bias, terutama jika data tersebut juga memiliki masalah heteroskedastisitas. Penelitian ini bertujuan mengevaluasi apakah asumsi penghapusan data tetap valid saat ditangani menggunakan metodeWeighted Least Squares(WLS) di bawah mekanismeMissing Completely At Random(MCAR) dan Missing At Random(MAR) pada tingkatmissing0% hingga 30%. Hasil simulasi menunjukkan bahwa meskipun terdapat kehilangan informasi yang signifikan akibat penghapusan data, metode WLS tetap mampu menghasilkan estimasi parameter yang tepat dan tidak bias pada kedua mekanismemissingtersebut. Dengan demikian, performa WLS terbukti sangat tangguh dalam menjaga konsistensi estimasi pada kondisi heteroskedastisitas di berbagai tingkat dan mekanisme data hilang. Kata-kata kunci:WLS,Listwise Deletion, MCAR, MAR

Item Type:	Other
Subjects:	?? 510 ??
Divisions:	Fakultas MIPA > Prodi Matematika
Depositing User:	2605667633 Digilib
Date Deposited:	02 Jun 2026 07:33
Last Modified:	02 Jun 2026 07:33
URI:	http://digilib.unila.ac.id/id/eprint/99774

Actions (login required)

View Item