Studi Simulasi: Metode Zero Imputation Untuk Mengatasi Missing Data Untuk Respons Polytomous Pada Person-Trait Estimation

Penelitian ini bertujuan untuk mengetahui keefektifan metode zero imputation untuk mengatasi missing data dalam mengestimasi person-trait. Penelitian ini merupakan penelitian studi simulasi dengan menggunakan pendekatan Items Response Theory (IRT) dengan model penskoran Graded Response Model (GRM) serta ilustrasi pada real data. Studi simulasi dilakukan dengan dua kondisi jumlah butir yang berbeda yaitu 20 butir dan 40 butir dengan format respons polytomous. Setiap kondisi butir yang berbeda tersebut akan dikondisikan dengan presentase missing data sebesar 10%, 20% dan 50% dengan jumlah responden sebanyak 1000 responden. Kemudian estimasi person-trait dilakukan dengan expected a posteriori (EAP) berdasarkan model GRM dan analisis RMSE. Hasil estimasi person-trait akan dikorelasikan menggunakan pearson product moment. Hasil penelitian menunjukan bahwa metode zero imputation lebih efektif digunakan bila presentase missing data 50%. Selain itu, semakin banyak butir yang digunakan dalam sebuah tes, akan memberikan informasi lebih banyak mengenai trait yang diukur