ABSTRAKSI: Missing value merupakan permasalahan yang paling sering dijumpai dalam analisis statistik. Missing value dalam jumlah yang banyak dapat menghilangkan sejumlah informasi yang seharusnya dibutuhkan untuk diolah. Salah satu metode penanganan missing value adalah dengan mengisikan suatu nilai yang masuk akal atau plausible kepada data-data yang missing. Nilai prediksi untuk mengisi missing value diperoleh dari informasi yang masih tersedia pada data. Metode ini disebut dengan metode imputasi. Salah satu metode imputasi yang dianalisis dalam Tugas Akhir ini adalah Local Least Squares Imputation (LLSI). LLSI merupakan algoritma imputasi berbasis ketetanggaan, dimana missing value akan diisi dengan nilai tertentu yang diestimasi dari informasi nilai tetangga terdekatnya. Pada tugas akhir ini LLSI diimplementasikan dan diujicoba untuk melakukan imputasi terhadap missing value. Performansi sistem imputasi diuji melalui parameter Normalized Root Mean Squared Error (NRMSE).
Pada tugas akhir ini juga dianalisis pengaruh imputasi data terhadap proses klasifikasi. Parameter performansi untuk pengujian meliputi, Precision, Recall dan F-Measure. Berdasarkan hasil pengujian, LLSI terbukti sebagai salah satu algoritma imputasi yang handal karena dapat memprediksi nilai missing value mendekati nilai data yang sebenarnya.
Kata Kunci : metode imputasi, Local Least Squares Imputation (LLSI), missing valueABSTRACT: Missing value is a common problem in statistical analysis. The existence of missing value could diminish some necessary and usefull data information. One of the ways in handling missing value is filling the missing data with the plausible value predicted from the available information in data. This method is called imputation method. One of the imputation methods that being analysed in this final paper is Local Least Squares Imputation method (LLSI). LLSI is a neighbour-based imputation method which imputes the missing data through the information gotten from its nearest neighbour. In this final paper, LLSI is implemented and tested to impute several percentage of missing value. The performance of imputation method is measured by Normalized Root Mean Squared Error parameter (NRMSE).
The impact of data imputation to Classification process is also analysed. The performance parameter for this process are Precision, Recall and F-Measure. Refers to the result of the experiment, LLSI is proved as a robust imputation method for handling missing value.Keyword: imputation method, Local Least Squares Imputation (LLSI), missing value