Registration Update

ada praktikum ini dilakukan analisis bootstrap pada regresi linear dengan data yang memiliki missing value. Data simulasi dibangkitkan sebanyak 120 observasi dengan hubungan linear antara variabel x dan y, kemudian ditambahkan missing value secara acak pada variabel x. Analisis dilakukan menggunakan tiga pendekatan yaitu data lengkap, mean imputation + bootstrap, dan multiple imputation menggunakan metode MICE. Hasil menunjukkan bahwa estimasi slope dari ketiga metode relatif mirip, namun metode MICE memberikan hasil yang lebih baik karena mampu mempertahankan variasi data dibandingkan mean imputation yang cenderung menghasilkan bias.

BST434

Pada kegiatan ini dilakukan simulasi pembangkitan data time series menggunakan model ARIMA(1,1,1) dengan parameter yang berbeda dari contoh, yaitu nilai AR = 0,4 dan MA = 0,6. Data simulasi dibangkitkan sebanyak 200 observasi menggunakan software R. Selanjutnya dilakukan tahapan pemodelan time series secara lengkap, dimulai dari identifikasi awal melalui plot ACF dan PACF, pengujian kestasioneran menggunakan Augmented Dickey-Fuller (ADF) test, proses differencing untuk membuat data menjadi stasioner, kemudian identifikasi ulang melalui ACF, PACF, dan EACF untuk menentukan kandidat model. Setelah itu dilakukan estimasi beberapa kandidat model ARIMA dan pemilihan model terbaik berdasarkan nilai AIC terkecil. Hasil model terbaik kemudian dibandingkan dengan model awal hasil pembangkitan untuk mengetahui apakah keduanya sama atau berbeda. Dari analisis diperoleh bahwa model terbaik tidak selalu sama dengan model pembangkitan awal karena dipengaruhi oleh unsur random pada simulasi, ukuran sampel, serta proses estimasi model.

Testing