Tabel 2.1 Kemungkinan Hasil Pengujian Hipotesis
Dalam menguji suatu hipotesis, probabilitas maksimum bersedia menerima resiko terjadinya eror tipe I disebut sebagai tingkat signifikan dari pengujian tersebut,
yang disimbolkan dengan . Dalam prakteknya, tingkat signifikan 0.05 dan 0.01
adalah tingkat signifikan yang umum, meskipun nilai yang lain dapat digunakan.
2.7 Asumsi-asumsi pada data Multivariat Analisis Varians
2.7.1 Adanya Independensi
Hal yang sangat penting adalah ketika terjadi suatu pelanggaran, yaitu tidak adanya kebebasan antar pengamatan. Dalam kebanyakan pengamatan atau perlakuan,
mempunyai akibat yang akan mempengaruhi hasil observasi.
2.7.2 Uji Data Outlier
Data outlier adalah data yang secara nyata berbeda dengan data yang lain. Outlier adalah kasus dengan nilai ekstrem pada kombinasi variabel yang koefisien korelasinya
terlalu berpengaruh, nilai rata-rata dari kelompok. Outlier dapat ditemukan antara situasi univariat dan multivariat, diantara dikotomus dan variabel kontinue, antara
variabel dependen dan variabel independen, dan antara input dan output dari analisis. Keputusan
Terima H tolak H
1
Tolak H terima H
1
Terima H tolak H
1
Taraf Keyakinan keliru tipe II
Tolak H terima H
1
keliru tipe I kekuatan Pengujian
Universitas Sumatera Utara
Multivariat analisis cukup sensitif terhadap keberadaan data yang bernilai sangat ekstrem outlier. Oleh karena itu, data terlebih dahulu perlu dideteksi pakah
mengandung outluer atau tidak. Memasukkan outlier pada kasus multivariat analisis akan membuat uji statistik menjadi lebih sulit ditafsirkan. Terutama adalah suatu
outlier dapat memperlihatkan kesalahan tipe I atau kesalahan tipe II.
Data outlier bisa terjadi karena beberapa faktor : 1.
Kesalahan dalam pemasukan data. 2.
Kesalahan pada pengambilan sampel. 3.
Terdapat data-data ekstrem yang tidak bisa dihindarkan keberadaannya.
Langkah-langkah menemukan outlier : 1.
Membuat titik pencar untuk setiap variabel 2.
Membuat diagram pencar untuk setiap pasangan variabel 3.
Hitung nilai standar untuk
j
= 1,2,...,
n
dan setiap kolom
k
= 1,2,...,
p
. Periksa standarisasi ini untuk nilai besar atau nilai kecil. Sebuah data dikatakan outlier, jika nilai z lebih besar dari +2.5 atau lebih kecil sama
dengan -2.5
Menangani Data Outlier 1.
Memeriksa ketepatan data Kasus yang menyebabkan adanya outlier adalah karena data yang
dimasukkan tidak tepat. Periksa nilai untuk suatu penelitian agar nilai yang dimasukkan tepat.
2. Menghapus kasus outlier
Alternative kedua adalah dengan mengeluarkan kasus yang dikenal sebagai outlier dari analisis. Kekurangan cara ini adalah sampel ditukar dengan
mengeluarkannya dari kasus.
Universitas Sumatera Utara
2.7.3 Uji Multivariat Normal
