Oleh : Jul Fahmi Salim Selian
Assalamualaikum wr wb..
Selamat Pagi...
Berikut merupakan langkah-langkah dalam mendeteksi data outlier dengan menggunakan SPSS :
Demikianlah langka-langkah dalam mendeteksi outliers dalam data penelitian kita, mohon maaf atas segala kekurangan, semoga dapat membantu.
Assalamualaikum wr wb..
Selamat Pagi...
Sebelumnya saya sudah share beberapa pengolahan data menggunakan SPSS, kali ini mari kita sama-sama belajar bagaimana mendeteksi data outlier dalam sebuah penelitian. Salah satu kegunaan deteksi data outlier ini adalah akan mampu meningkatkan korelasi data, sehingga akan menaikan R Square dari data. Dan terbukti beberapa kali, sebelum data di deteksi dengan outlier, hasil regresi bisa dikatakan sangat-sangat parah, mulai dari R Square yang sangat kecil, tidak ada variabel yang signifikan, distribusi residual data tidak normal dan berabgai masalh klasik lainnya.
"Makasi Kk Mutia Handayani, uda di izinkan memakai datanya.. :-) "
Berikut merupakan langkah-langkah dalam mendeteksi data outlier dengan menggunakan SPSS :
- Siapkan data dalam file Excel, susunannya seperti dalam gambar di bawah ini
- Buka Program SPSS (jangan buka shazam atau eviews, soalnya saya belum nemu caranya, haahhaa)
- Kemudian copy dan pastekan data di excel ke dalam SPSS, seperti gamabr dibawah ini
- Ganti nama variabel sesuai dengan kebutuhan, disini saya membuat "Number","Y", "X1", "X2" "X3", "X4" dan "X5"
Sebelum
Sesudah
- Kemudian klik analyze ==> regression ==> linear
- Masukan variabel "number" ke dependen dan variabel lain yang ingin di uji ke dalam variabel independen Kemudian klik "Save"
- Terdapat berbagai pilihan yang harus di centang dalam tab tersebut, maka yang perlu kita centang ckup "unstandarized" "Standarized" "mahal's" "cook" dan "Lev" pada kolom "Predicted Value" dan pada kolom residual ckup klik "Standarized" dan klik ok
Sebelum
Sesudah
- abaikan hasil outputnya, selanjutnya lihat di "varibel view", maka di tab tersebut akan terdapat penambahan beberapa variabel dan berbapa dia antaranya adalah berupa mahl, cook dan lev
- Untuk melihat data yang abnormal, lihat nilai mahl nya, untuk N=30 batasnya adalah 11, jika N=100 maka batasnya adalah 15, artinya jika dalam hasl tersebut terdapat nilai mahl > 11 atau > 15 maka data tersebut harus di buang agar data yang digunaka untuk penelitian memberikakn hasil yang lebih baik.
- Untuk melihat satu persatu data tersebut yanga akn digunakan untuk regresi, maka copy dan pastekan data mahl,cooks dan levv tersebut ke Excel
Sebagai contoh, pada hasil uji tersebut, salah satu data yang harus di deleted adalah data yang berada di baris kedua, karena nilai Mahl (16,16) > 15, sehngga dapat disimpulkan salah satu data yang abnormal berada di baris kedua. selanjutnya periksa satu persatu datanya, dan hapuslah semua data yang tidak normal tersebut. Setelah dihapus maka data tersebut lah akan digunakan untuk melakukan regresi,biasanya hasil regresinya akan lebih bagus dari yang belum diuji degan outlier tadi.
Demikianlah langka-langkah dalam mendeteksi outliers dalam data penelitian kita, mohon maaf atas segala kekurangan, semoga dapat membantu.
Silahkan berikan masukannya untuk memperbaiki tulisan ini,,
Terima Kasih Sudah berkunjung.. :-)
Terima Kasih Sudah berkunjung.. :-)