Analisis Jalur Kuadratik Dengan Resampling Bootstrap Pada Data Simulasi

Alifa, Aisyah (2020) Analisis Jalur Kuadratik Dengan Resampling Bootstrap Pada Data Simulasi. Sarjana thesis, Universitas Brawijaya.

Abstract

Tujuan dari penelitian ini adalah untuk mengetahui apakah resampling bootstrap dapat digunakan dalam mengatasi pelanggaran asumsi normalitas residual analisis jalur kuadratik. Data dengan studi simulasi pada penelitian ini dibangkitkan dengan satu variabel eksogen, satu variabel endogen murni, dan satu variabel endogen mediasi. Sisaan dibangkitkan mengikuti distribusi weibull untuk mewakili kondisi normalitas tidak terpenuhi, kemudian setelah dilakukan pengujian normalitas sisaan dihasilkan nilai-p sebesar < 2.2e-16 dan nilai tersebut kurang dari 0,05 , sehingga dapat dibuktikan bahwa sisaan tidak berdistribusi normal. Pendugaan parameter pada analisis jalur kuadratik resampling bootstrap menghasilkan model kuadratik yang menunjukkan bahwa setiap kenaikan variabel 1X akan meningkatkan variabel 1Y , namun pada titik puncak sebesar (0,167; 0,151), variabel 1 Y dapat menurun dengan anggapan bahwa variabel yang lain tetap. Selain itu setiap kenaikan variabel 1 X akan meningkatkan variabel 2Y , namun pada titik puncak (0,667; 0,298) justru 2 Y akan menurun dengan anggapan bahwa variabel yang lain tetap. Hasil pengujian asumsi normalitas sisaan menggunakan Kolmogorov smirnov, nilai-p yang dihasilkan sebesar 0,2884 dan 0,116. Nilai-nilai tersebut lebih dari 0,05   , sehingga dapat disimpulkan bahwa sisaan mengikuti distribusi normal. Kesimpulan dari penelitian ini adalah resampling bootstrap dapat mengatasi pelanggaran asumsi normalitas sisaan pada analisis jalur kuadratik.

English Abstract

The purpose of this study is to determine whether bootstrap resampling can be used in overcoming violations of the assumption of normality residual quadratic path analysis. Data with simulation studies in this study were generated with one exogenous variable, one pure endogenous variable, and one endogenous mediating variable. The residuals are raised following the Weibull distribution to represent normality conditions not met, then after testing the normality of residuals, a p-value of <2.2e-16 is generated and the value is less than 0,05   , so it can be proven that the residuals are not normally distributed. Estimation of parameters in the quadratic bootstrap resampling path analysis produces a quadratic model which shows that each increase in the variable 1 X will increase the variable 1 Y , but at the peak point of (0.167; 0.151), the variable 1 Y can decrease with the assumption that the other variables are fixed. In addition, each increase in variables 1 X will increase the variable 2 Y , but at the peak point (0.667; 0.298) it will actually decrease with the assumption that the other variables are fixed. The results of testing the remaining normality assumption using Kolmogorov smirnov, the resulting p-value of 0.2884 and 0.116. These values are more than 0,05   , so it can be shown that the residual follows the normal distribution. The conclusion of the research is that bootstrap resampling can overcome the violation of the assumption of normality in the quadratic path analysis.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	0520090246
Uncontrolled Keywords:	Analisis Jalur Kuadratik, Simulasi, Resampling Bootstrap
Subjects:	500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.7 Programming
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	ismanto
Date Deposited:	18 Feb 2021 00:55
Last Modified:	07 Oct 2024 03:24
URI:	http://repository.ub.ac.id/id/eprint/183330

Text 0520090246 - Aisyah Alifa.pdf Download (3MB)

Actions (login required)

View Item