Studi Simulasi : Perbandingan Metode Imputasi Mean Substitution Dan Median Substitution Pada Person Trait Estimation

Missing data adalah istilah yang digunakan ketika terdapat informasi yang hilang dalam penelitian. Missing data dapat diatasi menggunakan teknik imputasi dengan cara menggantikan data yang hilang dengan nilai yang diperkirakan cukup layak. Penelitian ini bertujuan untuk mengetahui perbandingan metode mean substitution dan median substitution untuk mengatasi missing data dalam mengestimasi person-trait. Penelitian ini merupakan penelitian studi simulasi dengan menggunakan pendekatan Item Response Theory (IRT) dengan model penskoran Graded Response Model (GRM) serta ilustrasi pada real data. Studi simulasi dilakukan dengan dua kondisi jumlah item yang berbeda yaitu 20 item dan 40 item dengan format respons polytomous. Setiap kondisi item yang berbeda tersebut akan dikondisikan dengan persentase 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 secara keseluruhan menunjukan bahwa metode median substitution lebih efektif digunakan apabila persentase missing data 10% dan 20%. Sedangkan metode mean substitution efektif digunakan pada persentase missing data 50%. Selain itu, keefektifan penggunaan metode imputasi dipengaruhi oleh jumlah item yang digunakan dan persentase missing dat