Afifah, Khusna (2018) Efektifitas Algoritma Ekspektasi Maksimisasi untuk Menduga Data Hilang pada Percobaan Rancangan Acak Kelompok. Sarjana thesis, Universitas Brawijaya.
Abstract
Perancangan percobaan terdiri dari tiga unsur rancangan, yakni rancangan perlakuan, lingkungan dan pengukuran. Salah satu contoh rancangan lingkungan adalah Rancangan Acak Kelompok (RAK) yang bersifat ortogonal, sehingga keberadaan data hilang akan menghasilkan informasi tidak lengkap. Metode pendugaan data hilang adalah Algoritma Ekspektasi Maksimisasi (EM). Algoritma EM merupakan suatu pendekatan iteratif untuk mendapatkan penduga kemungkinan maksimum jika pada gugus persamaan linier model RAK terdapat respon hilang. Ada dua tahap Algoritma EM, yakni E (Ekspektasi) dan M (Maksimisasi). Tujuan penelitian ini adalah untuk mengetahui efektifitas Algoritma EM dalam menduga data hilang yang berasal dari percobaan RAK melalui indikator nilaip, MAPE dan KTG. Algoritma EM tidak efektif menduga data hilang 25%, karena kesimpulan analisis ragam data setelah dihilangkan berlawanan dengan data lengkap. Data hilang 25% menunjukkan rata-rata MAPE sebesar 14.75% (data asli) dan 16.91%(simulasi). KTG data hilang 25% meningkat sebesar 5.0277 (data asli) dan 5.6108 (simulasi). Peningkatan rata-rata MAPE dan KTG mengindikasikan bahwa galat percobaan semakin besar dan model semakin tidak tepat.
English Abstract
Experimental design consised of three elements, namely treatment design, environment and measurement. One of the environmental design is the Randomized Block Design, that should be orthogonal where missing data in an experiment produced incomplete information. The missing data estimation method is Expectation Maximization (EM) Algorithm. This method applied iterative approach to obtain the maximum probability approximation if the linear equation RBD model contained a missing response. There are two steps of EM Algorithm, Expectation (E) and Maximization (M). The aim of this research is to study effectivity of EM Algorithm to estimate missing data on the data response RBD experiment through p-value, MAPE and MSE indicator. The analysis of variance in complete data and missing data are different by 25% missing data. The conclusion is that the EM Algorithm is not effective to estimate 25% missing data, as treatment is not influenced the response. On 25% missing data, MAPE is 14.75% (original data) and 16.91% (simulation). MSE on 25% missing data increased by 5.0277 (original data) and 5.6108 (simulation). The increasing of MAPE and MSE showed that error increased and the model accuracy become low.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2018/49/051800874 |
| Uncontrolled Keywords: | Data Hilang, Algoritma Ekspektasi Maksimisasi, Rancangan Acak Kelompok-Missing Data, Expectation Maximization Algorithm, Randomized Block Design |
| Subjects: | 500 Natural sciences and mathematics > 518 Numerical analysis > 518.1 Algorithms |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 03 Jun 2020 23:02 |
| Last Modified: | 03 Jun 2020 23:02 |
| URI: | http://repository.ub.ac.id/id/eprint/168528 |
Actions (login required)
 |
View Item |