mengidentifikasi pencilan
TRANSCRIPT
-
8/16/2019 Mengidentifikasi Pencilan
1/3
Mengidentifikasi Pencilan
Pencilan merupakan pengamtan
yang nilai mutlak sisaan-nya jauh lebih
besar daripada sisaan-sisaan lainnya.
Dibawah ini plot hubungan antara sisaan
dengan nilai harapannya
R e s i d u
a l
11000007500050000250000
80000
60000
40000
20000
0
-20000
-40000
Residuals Versus the Fitted Values
(response is Total Import (Y))
Gambar 1. Plot sisaan dengan nilai harapan
Berdasarkan plot sisaan dengan
nilai harapan diatas secara isual dapatdilihat bahwa adanya data pencilan atau
diduga terdapat data pencilan karena ada
satu nilai sisaan yang sangat besar. !elain
menggunakan plot sisaan dengan nilai
harapan untuk melihat adanya data
pencilan bisa menggunakan nilai Press.
"ilai P#$!! sangat besar dan #-s% nya
sangat kecil maka diduga ada data
pencilan.
Berdasarkan nilai hasil P#$!! yang
sangat besar dan #-s%&pred' nya sangat
kecil maka diduga ada pencilan.
!elanjutnya melakukan pendeteksian
pencilan menggunakan metode diagnostik
yang hasilnya dapat dilihat pada (abel 1
(abel 1. Perhitungan menggunakan dianostik
Urutan FITS1 RSI1
SRS1 (
ri ¿
1
-
14!!7
!8!!"#
" 1#"880"
2 50862
-
17!47#
6 -0#5!6"1
! 541!0
-
2!168#
! -0#71!18
4 58!1!
-
27024#
4 -0#827!"
5 62"57
-
!0406#
6 -0#"271"
6 68078
-
2155!#
7 -0#65585
7 74164
-
1646!#
4 -0#50128
8 80!80
-
1"!14#6 -0#5"056
" 87"44 -1!471 -0#41607
10 "5568 !!62" 1#05544
11
10171
8 -4861#" -0#155!
12
1102"
"
25!07#
6 0#8!504
1! 7"7"5 76!!5 2#!!274
Berdasarkan table diatas nilai |ri|=¿
pada pengamatan ke-1) yaitu
2.33274>2 maka data tersebut dapat
dikatakan sebagai pencilan
*matan Berpengaruh
-
8/16/2019 Mengidentifikasi Pencilan
2/3
+asil analisis regresi diatas dari
data PDB dengan (otal ,mport
menunjukkan bahwa terdapat dua amatan
yang aneh yaitu amatan ke-1 dan amatan
ke-1). *matan k-1) berpotensi sebagai
pencilan dan amatan pertama sebagai
amatan berpengauh. !elanjutnyamelakukan pendeteksian amatan
berpengaruh menggunakan metode
diagnostic yang hasilnya dapat dilihat pada
(abel .
Uruta
n SRS1 $I1
%&&'
1
1
1#"880
"
0#6822
51
4#24!
2"
2
-0#5!6"
1
0#1080
68
0#017
46
!
-
0#71!1
8
0#0"8!
!5
0#027
74
4
-
0#827!
"
0#0885
!
0#0!!
25
5
-
0#"271
"
0#0811
!4
0#0!7
"5
6
-
0#6558
5
0#0772
!4 0#018
7
-
0#5012
8
0#0784
06
0#010
6"
8
-
0#5"05
6
0#0861
12
0#016
4!
"
-
0#4160
7
0#104!
6!
0#010
0"10 1#0554 0#1!26 0#085
4 15 16
11 -0#155!
0#1626
15
0#002
!4
12
0#8!50
4
0#2152
!1
0#0"5
62
1!2#!!27
40#0851
060#25!
1
/arena pada pengamatan pertama yaitu
nilai D
1=4.24329> F (2,11,0.95)=3.98
maka amatan tersebut merupakan amatan
berpengaruh.
0ntuk melihat seberapa besar pengaruh yang diberikan oleh pengamatan
ke-1 dan ke-1) terhadap model regresi
dapat diketahui dengan cara
menghilangkannya dari data
Dugaan model untuk data tanpa
mengikutsertakan pengamata ke-1 dan ke-
adalah2 ̂yi=−142689+0.117 x
*dapun hasil yang diperoleh antara
sebelum dan setelah pengamatan ke-1 dan
pengamatan ke-1 dihilangkan dapat
dilihat pada (abel )
(abel ). +asil *nalisis /etika Pengamatan
Pencilan dan Berpengaruh Dihilangkan
Pembeda !ebelum
Dihilangkan
!etelah
Dihilangkan
3utlier 1 1
Pengamatan
Berpengaruh
1 -
,ntercept &
b0 ¿
-)44)) -15647
-
8/16/2019 Mengidentifikasi Pencilan
3/3
!lope
b
(¿¿ 1)¿
8.8659 8.116:
S )511.9 1)77
R2 5:.:; 44.);
R2( pred) 8.88; 41.46;
"ilai R2
setelah data amatan pencilan
dan amatan berpengaruh dihilangkan
meningkat sebesar )7.6; sehingga "ilai
R2
yaitu 44.);. !etelah amatan
pencilan dan berpengaruh dihilangkan
nilai R2( pred) yaitu 41.46; nilai ini
kategorikan besar tetapi ternyata tetap
terdapat data outlier yaitu amatan ke-7.