mengidentifikasi pencilan

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


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


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.

mengidentifikasi pencilan

Documents