Perbandingan Metode Hot-deck, Regression dan K-Nearest Neighbor Imputation dalam Pendugaan Data Hilang pada Dapodik Tahun 2020

Abstract

Data Pokok Pendidikan (Dapodik) adalah sistem pendataan nasional yang memuat data satuan pendidikan. Data hilang pada Dapodik menyebabkan hilangnya informasi penting, sehingga dapat diatasi dengan imputasi. Imputasi  merupakan prosedur untuk memprediksi nilai yang hilang dengan metode tertentu. Penelitian ini membandingkan tiga metode imputasi yaitu Hot-deck Imputation, Regression imputation dan K-Nearest Neighbor Imputation (KNNI).  Dilakukan simulasi pembangkitan data hilang dengan persentase 2%, 3%, 4% dan 5% lalu dilakukannya imputasi dengan ketiga metode tersebut.Model terbaik ditentukan berdasarkan RMSE dan MAPE terendah. Metode imputasi terbaik berdasarkan nilai RMSE dan MAPE terendah yaitu regression imputation.