Prawita, Trias Octa (2019) Perbandingan Tingkat Efisiensi Penduga Parameter Analisis Jalur Dengan Resampling Bootstrap Dan Jackknife Delete-5 Pada Data Simulasi. Sarjana thesis, Universitas Brawijaya.
Abstract
Pada praktiknya asumsi normalitas sisaan seringkali tidak terpenuhi, hal ini menyebabkan pendugaan parameter yang dihasilkan menjadi kurang efisien. Permasalahan asumsi normalitas yang tidak terpenuhi dapat diatasi dengan melakukan resampling. Penggunaan resampling memungkinkan berlakunya data terbebas dari asumsi distribusi. Pada penelitian ini dilakukan studi simulasi dengan menerapkan resampling bootstrap dan resampling jackknife delete-5 pada analisis jalur dengan asumsi normalitas sisaan tidak terpenuhi serta besaran resampling yang ditetapkan sebesar 1000 dengan tingkat keeratan hubungan antar variabel terdiri atas tingkat keeratan rendah, tingkat keeratan sedang, tingkat keeratan tinggi, dan tingkat keeratan yang mewakili tingkat keeratan rendah hingga tinggi. Berdasarkan hasil simulasi, besaran resampling 1000 mampu mengatasi permasalahan asumsi normalitas sisaan yang tidak terpenuhi. Selain itu, perbandingan antara resampling bootstrap dan jackknife untuk kondisi asumsi normalitas sisaan tidak terpenuhi dan keeratan hubungan antar variabel rendah, sedang, tinggi maupun tingkat keeratan yang mewakili tingkat keeratan rendah hingga tinggi, diperoleh hasil penduga parameter analisis jalur dengan resampling jackknife lebih efisien dibandingkan resampling bootstrap
English Abstract
In practice, the assumptions of normality are often not met, this causes the estimation of the resulting parameters to be less efficient. Problems with the assumption that normality is not met can be overcome by resampling. The use of resampling allows data to be applied free from distribution assumptions. In this study, a simulation study was carried out by applying bootstrap resampling and jackknife resampling delete-5 on path analysis assuming that the normality of the alignment was not met and the resampling amount set at 1000 with the degree of closeness between variables consisting of low closeness, medium closeness, high closeness and closeness level representing the level low to high closeness. Based on the simulation results, the resampling 1000 magnitude is able to overcome the problem of the assumptions of unmet normality. In addition, a comparison between bootstrap and jackknife resampling for conditions of side normality assumptions is not fulfilled and the closeness of the relationship between low, medium, high and closeness variables representing low to high closeness levels, the estimation results of path analysis parameters obtained by resampling jackknife are more efficient than resampling bootstrap.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2019/265/051911045 |
| Uncontrolled Keywords: | Resampling bootstrap, Resampling Jackknife, efisiensi, Resampling bootstrap, Resampling jackknife, and Efficiency |
| Subjects: | 500 Natural sciences and mathematics > 511 General principles of mathematics > 511.8 Mathematical models (Mathematical simulation) |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 21 Jul 2020 12:52 |
| Last Modified: | 15 Mar 2023 07:50 |
| URI: | http://repository.ub.ac.id/id/eprint/179639 |
![[thumbnail of Trias Octa Prawita .pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Trias Octa Prawita .pdf Download (2MB) |
Actions (login required)
 |
View Item |