Tabel 3.3 Nilai Tolerance dan VIF
Model Collinearity Statistics
Tolerance VIF
constant ¼
½
.347 2.878
¼
¾
.591 1.692
¼
¿
.577 1.734
¼
À
.231 4.338
Intepretasi Data Dari tabel 3.3 terlihat bahwa variabel
nilai tolerance nya adalah .347 dan VIF nya adalah 2.878,
nilai tolerance nya adalah .591 dan VIFnya adalah 1.692,
nilai tolerance nya adalah .577dan nilai VIFnya 1.734 dan
¹
nilai tolerance nya .231 dan VIFnya 4.338.
Kesimpulan Dari tabel 3.3 terlihat bahwa semua variabel bebas mempunyai nilai
tolerance lebih dari 0,1 dan memiliki nilai VIF kurang dari 10 sehingga bisa diduga bahwa antar variabel bebas tidak terjadi persoalan
multikolinearitas. Untuk itu pada penelitian ini digunakan semua variabel prediktor untuk pemodelan. Karena antar variabel tidak mengandung
multikolinearitas maka langkah selanjutnya yaitu pendeteksian pencilan.
3.2.5. Deteksi Pencilan
Pada penelitian ini, untuk mendeteksinya digunakan scatter plot, metode leverage values, discrepancy externally studientized residual dan metode
DfFITS difference in fit residual.
1. Scatter Plot
Berdasarkan hasil output MINITAB diperoleh plot antara residual dengan nilai prediksi sebagai berikut:
Universitas Sumatera Utara
Gambar 3.1.1 Scatter Plot antara Residual
dan nilai prediksi
2. Leverage
Leverage value disebabkan adanya data pencilan pada variabel bebas independent. Deteksi yang digunakan adalah dengan melihat nilai
ℎ dan dengan membandingkan nilai cutoffnya. Data
ℎ yang lebih besar dari cutoff nya merupakan pencilan. Nilai centroid mean variabel
bebas dan nilai ℎ yang melebihi nilai cutoff
[I
dengan ,
merupakan banyaknya variabel bebas dan adalah banyaknya data.
Nilai centroid dari keempat variabel adalah 5,940; 65,867; 75,300 dan 2,714. Sedangkan nilai cutoffnya adalah 0,333. Data yang termasuk
mengandung pencilan adalah data pada pengamatan ke-6 dengan nilai ℎ nya 0,3611 dan pengamatan ke-15 dengan nilai ℎ nya 0,3846 lebih
besar dari cutoffnya. Untuk pemeriksaan data terlampir pada lampiran
4.
Universitas Sumatera Utara
0,40 0,35
0,30 0,25
0,20 0,15
0,10 0,05
300 200
100
-100 -200
HI1 R
E S
I1
Scatterplot of RES I1 vs HI1
Gambar 3.1.2 Scatter Plot antara Leverage
ℎ dan nilai prediksi
3. Discrepancy
Penentuan nilai pencilan berdasarkan nilai Externally studientized
residuals berdasarkan penentuan nilai cutoffnya yang mengikuti distribusi
p dengan o = - , - 1. Jika nilai p lebih besar dari nilai p
Tm}Vn
dengan derajat kepercayaan ~, maka data tersebut memiliki nilai
discrepancy yang besar dan dikategorikan sebagai pencilan. Untuk data pada tabel 3.1 nilai
p
Tm}Vn
dengan derajat kepercayaan ~ = 0.05
adalah ±1.7081. Nilai discrepancynya adalah data ke-18, 22 dan 27
dengan nilai Externally studientized residuals masing-masing adalah 1.7836, 6.4455 dan -2.5748 yang lebih besar dari nilai
p
Tm}Vn
.
600 500
400 300
200 100
-100 6
4 2
-2
tITS1 T
R E
S 2
Scatterplot of TRES2 vs tITS1
Gambar 3.1.3
Scatter Plot antara Externally Studientized Residual dan nilai Prediksi
Universitas Sumatera Utara
Dari plot pda gambar 3.1.2 dapat dilihat bahwa terdapat data pencilan yang berpengaruh pada variabel Y. Hasil pendeteksian data
diperoleh menggunakan software MINITAB dan pendeteksian terlampir pada lampiran 5.
4. Metode
