PERBANDINGAN PERFORMA METODE MULTIVARIATE IMPUTATION BY CHAINED EQUATIONS (MICE) DAN K-NEAREST NEIGHBOURS IMPUTATION (K-NNI) DALAM MENDUGA DATA HILANG PADA DATA UMKM

MONICA, VERSI and Winalia, Agwil and Firdaus, Firdaus (2025) PERBANDINGAN PERFORMA METODE MULTIVARIATE IMPUTATION BY CHAINED EQUATIONS (MICE) DAN K-NEAREST NEIGHBOURS IMPUTATION (K-NNI) DALAM MENDUGA DATA HILANG PADA DATA UMKM. Other thesis, Universitas Bengkulu.

[thumbnail of Thesis] Archive (Thesis)
Skripsi Versi Monica_F1F019013 - Versi Monica.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (2MB)

Abstract

Data hilang merupakan masalah umum dalam analisis data, khususnya pada
konteks Usaha Mikro, Kecil, dan Menengah (UMKM), di mana kelengkapan
respons sering kali menjadi kendala dalam pengambilan keputusan. Penelitian ini
bertujuan untuk membandingkan performa metode Multivariate Imputation by
Chained Equations (MICE) dan K-Nearest Neighbours Imputation (K-NNI) dalam
mengimputasi nilai data hilang berdasarkan tiga mekanisme: Missing Completely
at Random (MCAR), Missing at Random (MAR), dan Missing Not at Random
(MNAR). Simulasi data dilakukan dengan berbagai persentase kehilangan data
yaitu 5%, 10%, 15%, 20%, dan 25% menggunakan dataset UMKM yang mencakup
variabel omzet, aset, modal, dan jumlah tenaga kerja. Hasil evaluasi menggunakan
metrik seperti Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan
Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa
metode MICE unggul pada persentase kehilangan data yang lebih tinggi yaitu 15%,
20%, dan 25% untuk mekanisme MCAR, sedangkan K-NNI lebih baik pada
kehilangan data rendah yaitu 5% dan 10%. Pada mekanisme MAR, metode MICE
semakin menunjukkan keunggulan pada persentase kehilangan data yang lebih
tinggi, terutama pada 25% kehilangan data. Sedangkan pada mekanisme MNAR,
MICE menunjukkan performa yang lebih stabil dibandingkan K-NNI pada
persentase kehilangan data tinggi. Nilai Mean Absolute Percentage Error (MAPE)
untuk kedua metode tetap di bawah 10% di semua kondisi simulasi, menunjukkan
tingkat akurasi estimasi yang baik. Secara keseluruhan, metode MICE lebih
direkomendasikan untuk mengatasi data hilang dengan persentase data hilang yang
tinggi karena menghasilkan kesalahan yang lebih kecil secara keseluruhan.
Kata Kunci: Data Hilang, Imputasi, MICE, K-NNI, MCAR, MAR, MNAR

Item Type: Thesis (Other)
Subjects: Q Science > QA Mathematics
Divisions: Faculty of Math & Natural Science > Department of Statistics
Depositing User: Oka Ariani S.IPust
Date Deposited: 23 Sep 2025 08:45
Last Modified: 23 Sep 2025 08:45
URI: https://repository.unib.ac.id/id/eprint/25924

Actions (login required)

View Item
View Item

slot gacor terbaik

slot gacor terpercaya

Situs Resmi Bisawd

slot gacor 4d

Slot Terpercaya

Slot Gacor bet 200