Abstrak RSS

Perbandingan Inner Weight Scheme Dalam Metode Partial Least Square (PLS) Melalui Simulasi Monte Carlo

Perbandingan Inner Weight Scheme Dalam Metode Partial Least Square (PLS) Melalui Simulasi Monte Carlo
Titip Gustia Ayu
Unpad
Indonesia
Unpad
, ,
Dalam metode Partial Least Square (PLS) terdapat tiga jenis inner approximation weight scheme yang digunakan untuk mengkombinasikan beberapa variabel laten yang berdekatan (neighbouring LV’s) guna mendapatkan estimasi variabel laten tertentu yaitu 1Centroid Scheme 2Factorial Scheme 3Path Weighting Scheme. Ketiga jenis scheme ini dibuat dengan mengikuti logika tertentu, seperti contoh jika ketiga scheme ini digunakan untuk satu kasus yang sama, akan memberikan hasil yang berbeda-beda. Untuk mengetahui perbedaan ketiganya dilakukan penelitian dengan menggunakan simulasi Monte Carlo dengan beberapa skenario yang mewakili suatu karakteristik data tertentu yaitu variasi jumlah sampel, pola distribusi ( skewness dan kurtosis), dan pencilan. Dari hasil simulasi tersebut diperoleh kesimpulan bahwa, secara umum scheme factor memberikan hasil lebih cocok untuk data dengan ukuran sampel yang relative kecil (n=20). Sedangkan untuk data dengan ukuran sampel relatif besar ( n= 50, 100, 250 dan 500) dan non-normal scheme Path memberikan hasil lebih cocok, terkait ukuran Gof dan R-square dan bias. Scheme Centroid lebih cocok  untuk tipe data dengan distribusi normal untuk semua jenis ukuran sampel.

Dalam metode Partial Least Square (PLS) terdapat tiga jenis inner approximation weight scheme yang digunakan untuk mengkombinasikan beberapa variabel laten yang berdekatan (neighbouring LV’s) guna mendapatkan estimasi variabel laten tertentu yaitu 1Centroid Scheme 2Factorial Scheme 3Path Weighting Scheme. Ketiga jenis scheme ini dibuat dengan mengikuti logika tertentu, seperti contoh jika ketiga scheme ini digunakan untuk satu kasus yang sama, akan memberikan hasil yang berbeda-beda. Untuk mengetahui perbedaan ketiganya dilakukan penelitian dengan menggunakan simulasi Monte Carlo dengan beberapa skenario yang mewakili suatu karakteristik data tertentu yaitu variasi jumlah sampel, pola distribusi ( skewness dan kurtosis), dan pencilan. Dari hasil simulasi tersebut diperoleh kesimpulan bahwa, secara umum scheme factor memberikan hasil lebih cocok untuk data dengan ukuran sampel yang relative kecil (n=20). Sedangkan untuk data dengan ukuran sampel relatif besar ( n= 50, 100, 250 dan 500) dan non-normal scheme Path memberikan hasil lebih cocok, terkait ukuran Gof dan R-square dan bias. Scheme Centroid lebih cocok  untuk tipe data dengan distribusi normal untuk semua jenis ukuran sampel.

Download: .pdf