ESTIMASI PARAMETER PADA REGRESI LOGISTIK DENGAN NILAI KOVARIAT HILANG MENGGUNAKAN ESTIMATOR INVERS PROBABILITAS TERBOBOT DAN IMPUTASI BERGANDA

RENINTA DEWI .N., Prof. Dr. Sri Haryatmi, M.Sc

2014 | Skripsi | S1 STATISTIKA

Data merupakan salah satu poin penting dalam setiap analisis data, karena tidak akan mungkin analisis dilakukan tanpa data. Data yang digunakan diharapkan merupakan data yang baik. Namun pada kenyataannya, seringkali data tidak sesuai dengan yang kita harapkan. Data yang tidak lengkap menyebabkan proses penarikan kesimpulan menjadi lebih sulit. Jika data yang hilang diabaikan, maka menyebabkan kesimpulan yang bias atau tidak valid. Oleh karena itu, muncullah berbagai metode untuk mengestimasi nilai yang hilang tersebut. Metode-metode tersebut adalah Inverse Probability Weighted, Multiple Imputation dan kita dapat mengkombinasikan keduanya, metode itu adalah Inverse Probability Weighted combining Multiple Imputation.

Data is one of the important points in every data analysis as it is impossible to conduct data analysis without data. The data used is expected to be a good data. In fact, it is commonly found that the data doesn’t meet the expectation. Incomplete data causes the difficulty in drawing the conclusion. If missing data are ignored, it causes the conclusion are bias or invalid. Therefore, there are various methods for estimating the missing value. The methods are Inverse Probability Weighted, Multiple Imputation and we can combine both of them as Inverse Probability Weighted combining Multiple Imputation.

Kata Kunci : Missing Covariate, Inverse Probability Weighted, Multiple Imputation, Logistic Regression Inverse Probability Weighted combining Multiple Imputation