Studi Simulasi Efisiensi Dan Konsistensi Resampling Bootstrap Dan Jackknife Dalam Menduga Parameter Pada Analisis Jalur

Tyas, Maulida Fajrining (2019) Studi Simulasi Efisiensi Dan Konsistensi Resampling Bootstrap Dan Jackknife Dalam Menduga Parameter Pada Analisis Jalur. Sarjana thesis, Universitas Brawijaya.

Abstract

Simulasi data merupakan suatu proses pembentukan data imitasi yang dilakukan untuk memperoleh suatu data yang dapat merepresentasikan kondisi sesuai dengan kenyataan di lapang. Dalam praktiknya, kondisi data dapat menghasilkan galat yang tidak memenuhi asumsi normalitas sehingga diperlukan suatu metode untuk mengatasinya. Resampling dapat menanggulangi terlanggarnya asumsi normalitas pada galat. Penelitian ini menerapkan metode resampling Bootstrap dan Jackknife dalam menduga parameter pada analisis jalur untuk mengetahui metode resampling yang lebih efisien dengan menggunakan efisiensi relatif serta konsistensinya pada beberapa besaran resampling dalam menduga parameter. Berdasarkan studi simulasi, hasil efisiensi relatif menunjukkan bahwa metode resampling Jackknife tiga kali lebih efisien dibandingkan dengan Bootstrap. Selain itu, besaran resampling yang diperlukan pada proses resampling Jackknife dan Bootstrap agar dapat menghasilkan suatu penduga yang konsisten pada analisis jalur adalah masing-masing 750 dan 1000.

English Abstract

Data simulation is a process of imitating data to obtain data that can represent conditions under reality in the field. In practice, the condition of data can produce errors that violated the assumption of normality so that we need a method to resolve them. Resampling can overcome the violation of the normality assumption on error. This study applied Bootstrap and Jackknife resampling methods in estimating parameters in path analysis to find out which resampling method is more efficient using relative efficiency and consistency in various sizes of resampling in estimating parameters. Based on the simulation studies, the results of relative efficiency indicated that the Jackknife resampling method is three times more efficient than Bootstrap. Also, the resampling sizes needed in the Jackknife and Bootstrap resampling process to estimate a consistent estimator in the path analysis respectively is 750 and 1000.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/MIPA/2019/372/052001527
Uncontrolled Keywords:	Studi Simulasi, Resampling Bootstrap, Resampling Jackknife, Efisiensi, Konsistensi, Simulation Study, Bootstrap Resampling, Jackknife Resampling, Efficiency, Consistency
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:	05 Aug 2020 08:06
Last Modified:	20 Jan 2023 03:32
URI:	http://repository.ub.ac.id/id/eprint/179919

Text Maulida Fajrining Tyas.pdf Download (3MB)

Actions (login required)

View Item