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	File PDF ABSTRAK.pdf Download (72Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (1694Kb) | Minta salinan
Preview	File PDF SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (1505Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

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

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika
Pengguna Deposit:	2605667633 Digilib
Date Deposited:	02 Jun 2026 07:33
Terakhir diubah:	02 Jun 2026 07:33
URI:	http://digilib.unila.ac.id/id/eprint/99774

Actions (login required)

Lihat Karya Akhir