Perbandingan Teknik Imputasi Missing Data Menggunakan Metode Mean Substitution Dan Maximum Likelihood Estimated Mean Substitution Pada Person Trait Estimation

Penelitian ini bertujuan untuk mengetahui perbandingan teknik imputasi mean substitution dengan maximum likelihood estimated mean substitution untuk mengatasi missing data dalam mengestimasi person-trait. Penelitian ini menggunakan data yang bersumber dari harvard dataverse. Data yang digunakan merupakan hasil dari skala Self/Peer Inventory (S/PI) dengan missing data sebanyak .035% dan skala International Personality Item Pool (IPIP) dengan missing data sebanyak 32.35% dari Oreogon Research University yang memiliki respon polytomous, 40 item dan 1000 responden. Estimasi person-trait dilakukan dengan Expected A Posteriori (EAP) berdasarkan model Graded Response Model (GRM). Hasil estimasi person-trait dikorelasikan menggunakan pearson product moment. Hasil penelitian menunjukkan bahwa estimasi person-trait dari mean substitution lebih rendah hasilnya daripada MLE mean substitution ketika missing data sebanyak 30.22%