Metode Kemungkinan Maksimum untuk Koreksi Sebaran Bersyarat pada Analisis Korelasi
| dc.contributor.author | Arisanti, Restu | |
| dc.date.accessioned | 2015-04-25T06:38:28Z | |
| dc.date.available | 2015-04-25T06:38:28Z | |
| dc.date.issued | 2014-03-07 | |
| dc.identifier.citation | [1] Dempster, A.P., Laird, N. M. & Rubin, D.B. 1997. Maximum Likelihood from Incomplete Data Via the EM Algorithm. Journal of the Royal Statistical Society, Series B(39), 138. [2] Deylon, B., Lavielle, M., and Moulines, E. 1999. Convergenceof a Stochastic Approximation Version of the EM Algorithm. Annals of Statistics, 27, 94-128. [3] Gustafsson, J.E.,& Reuterberg,S.E. 2000. Methodological Problems Associated with the Study of the Predictive Validity of the SweSAT. 273-283. [4] Makowski, D., and Lavielle, M. 2006. Using SAEM to Estimate Parameters of Models of Response to Applied Fertilizer. Journal of Agricultural, Biological, and Environmental Statistics. 11: 45-60. [5] Little,J.A. 1992. Regression with Missing $X$’s: a review. Journal of American Statistical Association, 87, 1227-1237. [6] Little, J.A. & Rubin, D.B. 2002. Statistical Analysis with Missing Data. Edisi 2. Hoboken, NY: Jhon Wiley and Sons. [7] Raju, N.S.,& Brand, P.A. 2003. Determining the Significance of Correlations Corrected for Unreability and Range Restriction. Applied Psychological Measurement, 85, 112118. [8] Sarndal, C.E., Swensson,B., &Wretman,J. 1992. Model Assisted Survey Sampling. New York: Springer-Verlag. [9] Sackett, P.R.,& Yang, H. 2000. Correction for Range Restriction: an Expanded Typology. Journal of Applied Psychology, 85, 112-118. [10]Scheffer, J. 2002. Dealing with Missing Data. Res Lett Inf Math Sci,3, 153-160. [11]Samson, A.,M. LAvielle, & F. Mentre. 2000. The SAEM Algorithm for Group Comparison Tests in Longitudinal Data Analysis Based on Linear Mixed-Effects Model Statistics. 1-6 | in_ID |
| dc.identifier.issn | 978.602.361.002.0 | |
| dc.identifier.uri | http://hdl.handle.net/11617/5815 | |
| dc.description.abstract | asalah umum pada pendugaan validitas di bidang pendidikan adalah sebaran bersyarat pada peubah bebas. Penggunaan metode yang tepat untuk penentuan sebaran bersyarat sangat diperlukan untuk menentukan validitas instrumen yang digunakan pada penelitian. Tujuan dari penulisan ini adalah mengetahui kegunaan pendugaan kemungkinan maksimum (ML) yang diperoleh dari algoritma nilai harapan maksimum (EM) dengan membandingkan korelasi dari sampel bersyarat dan sampel tidak bersyarat dengan melibatkan metode imputasi. Sampel bersyarat pada penelitian ini adalah kondisi dimana siswa yang mengambil ujian praktek harus lulus terlebih dahulu pada ujian tertulisnya. Hasil dari penelitian ini menunjukkan metode kemungkinan maksimum yang berasal dari algoritma EM dapat digunakan dalam pendugaan korelasi suatu populasi | in_ID |
| dc.language.iso | id | in_ID |
| dc.publisher | Universitas Muhammadiyah Surakarta | in_ID |
| dc.subject | Metode kemungkinan maksimum (ML) | in_ID |
| dc.subject | algoritma EM | in_ID |
| dc.subject | Korelasi | in_ID |
| dc.title | Metode Kemungkinan Maksimum untuk Koreksi Sebaran Bersyarat pada Analisis Korelasi | in_ID |
| dc.type | Article | in_ID |
Files in this item
This item appears in the following Collection(s)
-
Seminar Nasional Matematika dan Pendidikan Matematika 2015
Peran Matematika dan Pendidikan Matematika dalam Menghadapi Isu-isu Global