Perbandingan Kinerja Metode Hybrid KNNI-GA dan MissForest Dalam Menangani Missing Values

Abstract

Suatu proses bisnis survei yang baik dan benar adalah memilih sampel yang representatif agar dapat memperoleh data yang berkualitas. Akan tetapi salah satu masalah yang relevan dalam kualitas data adalah adanya missing values. Missing value hampir ditemukan di semua pengumpulan data berskala besar. Missing values dapat menyebabkan berbagai macam masalah. Oleh karena itu, hal tersebut harus ditangani. Salah satu cara mengatasi missing values adalah dengan metode imputasi. Hybrid KNNI-GA dan missForest merupakan metode imputasi yang dapat digunakan untuk menangani missing values. Hybrid KNNI-GA menggunakan algoritma genetika untuk pemilihan nilai k optimum dan memerlukan variabel prediktor untuk melakukan imputasi. Sedangkan missForest membentuk model untuk melakukan proses imputasi. Penelitian ini membandingkan hybrid KNNI-GA dan missForest dalam menangani missing values dari segi ketepatan estimator dan performa komputasi. Hasil simulasi yang didapatkan, hybrid KNNI-GA lebih baik daripada missForest dari segi ketepatan estimator. Sedangkan performa komputasi missForest lebih stabil dibandingkan hybrid KNNI-GA.