Estimasi parameter pada model logistik menggunakan weighted composite quantile regression (WCQR) pada kovariat dengan data hilang.

Nurul Fadilah, Kirana (2025) Estimasi parameter pada model logistik menggunakan weighted composite quantile regression (WCQR) pada kovariat dengan data hilang. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (158kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (386kB) | Preview
Preview	Text (SK bebas plagiarism) 3_sk bebas plagiarism.pdf Download (72kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftar isi.pdf Download (306kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (341kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (622kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (531kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (723kB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (375kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftar pustaka.pdf Restricted to Registered users only Download (242kB) | Request a copy
	Text (LAMPIRAN) 11_lampiran.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Permasalahan data hilang (Missing Data) merupakan tantangan yang sering dijumpai pada berbagai jenis data, termasuk data medis seperti pada studi kasus diabetes yang digunakan dalam penelitian ini. Data hilang dapat menimbulkan masalah signifikan karena menyebabkan bias dalam estimasi parameter, mengurangi efisiensi model prediksi, serta menurunkan validitas hasil analisis. Penelitian ini membahas penerapan metode Weighted Composite Quantile Regression (WCQR) untuk estimasi parameter pada data yang mengandung kovariat hilang. Kehilangan data yang bersifat Missing At Random (MAR) ditangani melalui pendekatan Invers Probability Weighting (IPW) berdasarkan estimasi propensity score, yang dalam penelitian ini dihitung menggunakan metode parametrik. Setelah pembobotan IPW, model logistik dipilih sebagai model yang akan diestimasi parameternya dan beberapa kuantil yang dipilih yaitu τ=0.2,0.4,0.6,0.8 dan hasilnya digabungkan dengan bobot optimal berbasis residual untuk memperoleh estimasi parameter akhir WCQR1 dan WCQR2. Metode diimplementasikan pada data sekunder dan hasil penelitian ini menunjukkan bahwa variabel Glucose dan BMI berperan besar dalam menentukan probabilitas diabetes, dan keberadaan data hilang berkaitan erat dengan variabel yang terobservasi seperti umur dan kehamilan. Hasil evaluasi performa menunjukkan bahwa metode WCQR, khususnya WCQR2 yang menghasilkan accuracy tertinggi sebesar 74.35% dan RMSE terendah sebesar 0.4939 dibandingkan metode pembanding seperti Weighted Least Squares (WLS) dan Composite Quantile Regression dengan Complete Case Analysis (CQR-CCA). Dengan demikian, WCQR terbukti efektif dalam mengestimasi parameter pada Kovariat dengan Data Hilang.

Actions (login required)

View Item