AIC
AIC
Ringkasan Singkat
AIC adalah singkatan dari Akaike’s Information Criterion, yaitu statistik untuk membandingkan kualitas relatif dari model-model statistik.
AIC atau Akaike’s Information Criterion adalah sebuah metrik yang digunakan dalam pemilihan model statistik. Ditemukan oleh Hirotsugu Akaike, kriteria ini membantu peneliti menentukan model mana yang paling cocok dengan data yang ada tanpa mengalami overfitting. Prinsip dasarnya adalah memberikan skor penalti bagi model yang menggunakan terlalu banyak parameter tambahan yang tidak memberikan peningkatan signifikan pada akurasi prediksi.
Dalam penelitian psikologi yang menggunakan pemodelan persamaan struktural (SEM) atau analisis regresi kompleks, AIC menjadi alat yang sangat berharga. Model dengan nilai AIC terendah dianggap sebagai model yang paling efisien dan memberikan keseimbangan terbaik antara kecocokan data (fit) dan kesederhanaan model (parsimoni). Hal ini memungkinkan ilmuwan psikologi untuk memilih teori yang paling representatif dari data empiris yang kompleks.
Referensi Yang Bisa Anda Gunakan
- Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control.
- APA Dictionary of Psychology.
Peringatan Sitasi Akademik
Halaman ini disusun murni sebagai alat bantu pemahaman awal. Dilarang keras mengutip halaman ini sebagai sitasi utama dalam karya ilmiah atau tugas akhir. Silakan gunakan literatur primer yang tercantum pada daftar pustaka.