Analisis metode regresi untuk imputasi data pada survei sampel

INDONESIA:

Kasus data hilang pada survei mengakibatkan pendugaan parameter menjadi tidak efisien karena ukuran data berkurang, sehingga menyebabkan kesulitan dalam menganalisis data. Metode imputasi regresi adalah salah satu metode imputasi untuk memprediksi nilai data yang hilang (y_miss) menggunakan pendekatan regresi. Berbagai macam uji coba, metode regresi imputasi adalah salah satu metode alternatif dari metode imputasi yang lain. Hal ini karena antara y_miss dan y_imp mempunyai kesalahan yang relatif kecil dan lebih mendekatkan pada kevalidan data. Konsep proses imputasi adalah dengan mengambil sampel berukuran 50, 100, 200 dari populasi dengan 10 kali percobaan. Setiap 10 kali percobaan peubah y akan dihilangkan sebanyak 5%, 10%, dan 10%. Menggunakan model imputasi regresi akan dilakukan imputasi sebanyak y_miss tersebut. Percobaan metode regresi imputasi mempunyai hasil yang memuaskan. Antara y_miss dan y_imp mempunyai kesalahan yang relatif kecil. Hal ini bisa dilihat dari MSE setiap sampel dan setiap jumlah data yang hilang. Data yang diambil mempunyai jumlah yang sama tapi mempunyai persentase nilai hilang semakin besar diperoleh nilai MSE semakin besar dan jika data yang diambil mempunyai jumlah semakin besar tapi mempunyai persentase nilai hilang yang sama maka MSE semakin kecil. Nilai MSE semakin besar ketika data yang hilang juga semakin besar. Hal ini dikarenakan semakin banyak data yang hilang maka data yang akan diimputkan pun juga akan semakin banyak, sehingga akan banyak muncul nilai kesalahan dari hasil pengimputan data tadi dan demikian pula sebaliknya. Nilai MSE semakin kecil ketika data yang diambil mempunyai jumlah semakin besar dengan persentase nilai hilang yang sama. Hal ini dikarenakan jumlah sampel yang besar semakin menggambarkan populasi. Penelitian selanjutnya disarankan membandingkan metode regresi imputasi dan metode robust imputasi terhadap outlier.

ENGLISH:

The case of missing data while surveying results in the inefficiency of parameter prediction because the size of the data decreases and that causes difficulties in data analysis. Regression imputation method is one of the imputation method to predict data value lost (y_miss) by using regression approach. It is one alternative among other imputation methods. It is because between y_miss and y_imp have the lowest relative error, and is closer to data validity. The concept of imputation is the process by taking a sample size of 50, 100, 200 of the population with 10 attempts. Every 10 attempts variable y will be eliminated as much as 5%, 10%, and 10%. Using regression imputation models will do as much as y_miss the imputation. The experiment regression imputation methods have satisfactory results. Between y_miss and y_imp relative have small errors. It can be seen from the MSE of each sample and each amount of missing data The data collected has the same value but the missing percentage are different, MSE value is increasing and when data collected increases but has the same percentage of missing value so MSE is decreasing. MSE value increases when missing data increasing. This is because when missing data is bigger, the data imputed also increases, results in the increasing of error value of data imputation and vice versa. MSE value gets decreasing when the data collected has the increasing amount by the same percentage of missing values. This is because the larger number of samples will show the populations. It is suggested for the next studies that they compare imputation regression method to imputation robust method toward outlier.