Kajian Metode Robust Least Trimmed Square (LTS) Dalam Mengestimasi Parameter Regresi Linear Berganda Untuk Data yang Mengandung Pencilan
41
Lampiran 1
Tabel 3.1 Data Sekunder Survival Time
No.
¼½
¼¾
1.
6.7
62
5.1
59
2.
7.4
57
3.
6.5
73
4.
7.8
65
5.
6.
6.0
85
5.8
38
7.
5.7
46
8.
3.7
68
9.
10.
6.0
67
3.7
76
11.
6.3
84
12.
6.7
51
13.
5.8
83
14.
15.
11.2
76
7.7
62
16.
7.4
74
17.
3.7
51
18.
7.3
68
19.
20.
5.6
57
5.2
52
21.
5.8
96
22.
3.4
83
23.
8.7
45
24.
25.
5.8
72
6.3
59
26.
5.8
72
27.
3.2
64
28.
29.
5.3
57
2.6
74
30.
Sumber : Soemartini. Deteksi Outlier
¼¿
81
66
83
41
115
28
72
63
81
92
94
83
43
88
90
67
68
41
74
87
76
114
53
23
93
100
93
65
99
86
¼À
2.59
1.70
2.16
2.01
4.30
2.98
1.42
1.91
2.57
2.50
2.40
4.13
1.89
3.95
5.59
3.40
2.40
1.55
3.56
3.02
2.86
3.95
1.12
2.52
3.30
2.95
3.30
0.74
2.60
2.05
»
200
101
204
101
509
87
80
80
127
202
203
329
65
330
574
168
217
34
215
172
109
830
136
58
295
276
104
71
184
118
Keterangan:
= blood clotting
= prognostic index
= enzyme function test
¹
= liver function test
= survival test
Universitas Sumatera Utara
42
Lampiran 2
Perhitungan Menentukan Parameter Regresi Linear Berganda
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
¼¾½
44,89
26,01
54,76
42,25
60,84
36,00
33,64
32,49
¼¾¾
3.844
3.481
3.249
5.329
4.225
7.225
1.444
2.116
¼¾¿
6.561
4.356
6.889
1.681
13.225
784
5.184
3.969
¼¾À
6,7081
2,89
4,6656
4,0401
18,49
8,8804
2,0164
3,6481
»¾
40.000
10.201
41.616
10.201
259.081
7.569
6.400
6.400
¼½ »
1.340
515,1
1.509,6
656,5
3.970,2
522
464
456
¼¾ »
12.400
5.959
11.628
7.373
33.085
7.395
3.040
3.680
¼¿ »
16.200
6.666
16.932
4.141
58.535
2.436
5.760
5.040
¼À »
518
171,7
440,64
203,01
2188,7
259,26
113,6
152,8
13,69
36,00
13,69
39,69
44,89
33,64
125,44
59,29
54,76
4.624
4.489
5.776
7.056
2.601
6.889
5.776
3.844
5.476
6.561
8.464
8.836
6.889
1.849
7.744
8.100
4.489
4.624
6,6049
6,25
5,76
17,0569
3,5721
15,6025
31,2481
11,56
5,76
16.129
40.804
41.209
108.241
4.225
108.900
329.476
28.224
47.089
469,9
1.212
751,1
2.072,7
435,5
1914
6.428,8
1.293,6
1.605,8
8.636
13.534
15.428
27.636
3.315
27.390
43.624
10.416
16.058
10.287
18.584
19.082
27.307
2.795
29.040
51.660
11.256
14.756
326,39
505
487,2
1358,77
122,85
1303,5
3208,66
571,2
520,8
13,69
53,29
31,36
27,04
33,64
11,56
75,69
33,64
39,69
33,64
2.601
4.624
3.249
2.704
9.216
6.889
2.025
5.184
3.481
5.184
1.681
5.476
7.569
5.776
12.996
2.809
529
8.649
10.000
8.649
2,4025
12,6736
9,1204
8,1796
15,6025
1,2544
6,3504
10,89
8,7025
10,89
1.156
46.225
29.584
11.881
688.900
18.496
3.364
87.025
76.176
10.816
125,8
1.569,5
963,2
566,8
4814
462,4
504,6
1.711
1.738,8
603,2
1.734
14.620
9.804
5.668
79.680
11.288
2.610
21.240
16.284
7.488
1.394
15.910
14.964
8.284
94.620
7.208
1.334
27.435
27.600
9.672
52,7
765,4
519,44
311,74
3278,5
152,32
146,16
973,5
814,2
343,2
10,24
28,09
6,76
4.096
3.249
5.476
4.225
9.801
7.396
0,5476
6,76
4,2025
5.041
33.856
13.924
227,2
975,2
306,8
4.544
10.488
8.732
4.615
18.216
10.148
52,54
478,4
241,9
S 1.150,3 135.422 185.761 252,292 2.132.209 40.185,3 444.777 541.877 20.582,08
Universitas Sumatera Utara
43
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
S
¼½ ¼¾
415,4
300,9
421,8
474,5
507,0
510,0
¼½ ¼¿
542,7
336,6
614,2
266,5
897,0
168,0
¼½ ¼À
17,353
8,67
15,984
13,065
33,54
17,88
¼¾ ¼¿
5.022
3.894
4.731
2.993
7.475
2.380
¼¾ ¼À
160,58
100,3
123,12
146,73
279,5
253,3
¼¿ ¼À
209,79
112,2
179,28
82,41
494,5
83,44
220,4
262,2
251,6
402,0
281,2
529,2
341,7
481,4
851,2
477,4
417,6
359,1
299,7
552,0
347,8
522,9
288,1
510,4
1008
515,9
8,236
10,887
9,509
15,00
8,88
26,019
12,663
22,91
62,608
26,18
2.736
2.898
5.508
6.164
7.144
6.972
2.193
7.304
6.840
4.154
53,96
87,86
174,76
167,5
182,4
346,92
96,39
327,85
424,84
210,8
102,24
120,33
208,17
230
225,6
342,79
81,27
347,6
503,1
227,8
547,6
188,7
496,4
319,2
270,4
556,8
282,2
391,5
417,6
371,7
503,2
151,7
540,2
487,2
395,2
661,2
180,2
200,1
539,4
630,0
17,76
5,735
25,988
16,912
14,872
22,91
3,808
21,924
19,14
18,585
5.032
2.091
5.032
4.959
3.952
10.944
4.399
1.035
6.696
5.900
177,6
79,05
242,08
172,14
148,72
379,2
92,96
113,4
237,6
174,05
163,2
63,55
263,44
262,74
217,36
450,3
59,36
57,96
306,9
295
417,6
204,8
302,1
192,4
539,4
208,0
524,7
223,6
19,14
2,368
13,78
5,33
6.696
4.160
5.643
6.364
237,6
47,36
148,2
151,7
306,9
48,1
257,4
176,3
11.686,9
13.430,6
517,636
151.311
5.538,47
6.479,03
Universitas Sumatera Utara
44
Lampiran 3
Menentukan nilai residual
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
S
»Ô
200
101
204
101
509
87
80
80
127
202
203
329
65
330
574
168
217
34
215
172
109
830
136
58
295
276
104
71
184
118
6.179
XÔ
»
233,800
93,320
236,528
129,058
435,025
134,692
25,819
35,606
154,657
275,855
245,878
359,303
23,776
352,701
537,434
224,932
273,845
-98,294
270,567
192,369
107,238
521,867
105,794
-4,810
306,347
277,960
306,347
37,586
223,085
160,714
XÔ
»Ô − »
-33,800
7,680
-32,528
-28,058
73,975
-47,692
54,181
44,394
-27,657
-73,855
-42,878
-30,303
41,224
-22,701
36,566
-56,932
-56,845
132,294
-55,567
-20,369
1,762
308,133
30,206
62,810
-11,347
-1,960
-202,347
33,414
-39,085
-42,714
X Ô :¾
8»Ô − »
1.142,465
58,984
1.058,098
787,269
5.472,339
2.274,547
2.935,563
1.970,855
764,888
5.454,626
1.838,531
918,296
1.699,456
515,320
1.337,042
3.241,207
3.231,395
17.501,724
3.087,731
414,898
3,103
94.945,833
912,376
3.945,112
128,744
3,840
40.944,126
1.116,506
1.527,633
1.824,525
6.179
0,000
201.057,033
Universitas Sumatera Utara
45
Lampiran 4
Deteksi pencilan dengan Leverage (ℎ )
No.
¼½
¼¾
¼¿
¼À
»
cutoff
Leverage
Jenis
Data
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
6,7
5,1
7,4
6,5
7,8
6,0
5,8
5,7
3,7
6,0
3,7
6,3
6,7
5,8
11,2
7,7
7,4
3,7
7,3
5,6
5,2
5,8
3,4
8,7
5,8
6,3
5,8
3,2
5,3
2,6
62
59
57
73
65
85
38
46
68
67
76
84
51
83
76
62
74
51
68
57
52
96
83
45
72
59
72
64
57
74
81
66
83
41
115
28
72
63
81
92
94
83
43
88
90
67
68
41
74
87
76
114
53
23
93
100
93
65
99
86
2,59
1,70
2,16
2,01
4,30
2,98
1,42
1,91
2,57
2,50
2,40
4,13
1,89
3,95
5,59
3,40
2,40
1,55
3,56
3,02
2,86
3,95
1,12
2,52
3,30
2,95
3,30
0,74
2,60
2,05
200
101
204
101
509
87
80
80
127
202
203
329
65
330
574
168
217
34
215
172
109
830
136
58
295
276
104
71
184
118
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,03472
0,03551
0,18105
0,15265
0,15115
0,32778
0,17659
0,07813
0,09974
0,06150
0,08541
0,11939
0,09326
0,10327
0,35130
0,04859
0,18148
0,22296
0,03354
0,06791
0,14114
0,22163
0,25068
0,29325
0,02580
0,06609
0,02580
0,15462
0,07592
0,13915
Bukan
Bukan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Universitas Sumatera Utara
46
Lampiran 5
Deteksi pencilan dengan Discrepancy
No.
¼½
¼¾
¼¿
¼À
»
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
6.7
5.1
7.4
6.5
7.8
6.0
5.8
5.7
3.7
6.0
3.7
6.3
6.7
5.8
11.2
7.7
7.4
3.7
7.3
5.6
5.2
5.8
3.4
8.7
5.8
6.3
5.8
3.2
5.3
2.6
62
59
57
73
65
85
38
46
68
67
76
84
51
83
76
62
74
51
68
57
52
96
83
45
72
59
72
64
57
74
81
66
83
41
115
28
72
63
81
92
94
83
43
88
90
67
68
41
74
87
76
114
53
23
93
100
93
65
99
86
2.59
1.70
2.16
2.01
4.30
2.98
1.42
1.91
2.57
2.50
2.40
4.13
1.89
3.95
5.59
3.40
2.40
1.55
3.56
3.02
2.86
3.95
1.12
2.52
3.30
2.95
3.30
0.74
2.60
2.05
200
101
204
101
509
87
80
80
127
202
203
329
65
330
574
168
217
34
215
172
109
830
136
58
295
276
104
71
184
118
ÕÕÖ×ØÙ
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
TRES1
Jenis
Data
-0,38371
0,08697
-0,40231
-0,34059
0,91030
-0,65775
0,67221
0,51742
-0,32524
-0,86114
-0,50164
-0,36066
0,48429
-0,26732
0,51205
-0,65495
-0,70818
1,78368
-0,63372
-0,23501
0,02118
6,44554
0,39126
0,84870
-0,12785
-0,02256
-2,57479
0,40651
-0,45440
-0,51585
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Universitas Sumatera Utara
47
Lampiran 6
Deteksi pencilan dengan menggunakan metode DfFITS (Difference in fit
Standardized)
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
,
2u
!
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
DfFITS
|DfFITS|
-0,10369
0,02365
-0,21016
-0,16280
0,43295
-0,49450
0,34650
0,18326
-0,12743
-0,27874
-0,18414
-0,15312
0,18437
-0,10633
0,40483
-0,19565
-0,37042
1,04708
-0,16966
-0,07888
0,00974
3,77060
0,24642
0,59103
-0,03205
-0,00750
-0,64547
0,19557
-0,15914
-0,23551
0,10369
0,02365
0,21016
0,16280
0,43295
0,49450
0,34650
0,18326
0,12743
0,27874
0,18414
0,15312
0,18437
0,10633
0,40483
0,19565
0,37042
1,04708
0,16966
0,07888
0,00974
3,77060
0,24642
0,59103
0,03205
0,00750
0,64547
0,19557
0,15914
0,23551
Jenis
Data
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Universitas Sumatera Utara
48
Lampiran 7
Mengestimasi menggunakan metode LTS: Iterasi 1
¼½
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
6,7
5,1
7,4
6,5
7,8
6,0
5,8
5,7
3,7
6,0
3,7
6,3
6,7
5,8
11,2
7,7
7,4
3,7
7,3
5,6
5,2
5,8
3,4
8,7
5,8
6,3
5,8
3,2
5,3
2,6
S
¼¾
62
59
57
73
65
85
38
46
68
67
76
84
51
83
76
62
74
51
68
57
52
96
83
45
72
59
72
64
57
74
¼¿
81
66
83
41
115
28
72
63
81
92
94
83
43
88
90
67
68
41
74
87
76
114
53
23
93
100
93
65
99
86
¼À
2,59
1,70
2,16
2,01
4,30
2,98
1,42
1,91
2,57
2,50
2,40
4,13
1,89
3,95
5,59
3,40
2,40
1,55
3,56
3,02
2,86
3,95
1,12
2,52
3,30
2,95
3,30
0,74
2,60
2,05
»
200
101
204
101
509
87
80
80
127
202
203
329
65
330
574
168
217
34
215
172
109
830
136
58
295
276
104
71
184
118
178.2 1.976 2.259 81,42 6.179
XÔ
»
233,800
93,320
236,528
129,058
435,025
134,692
25,819
35,606
154,657
275,855
245,878
359,303
23,776
352,701
537,434
224,932
273,845
-98,294
270,567
192,369
107,238
521,867
105,794
-4,810
306,347
277,960
306,347
37,586
223,085
160,714
XÔ:
8»Ô − »
1.142,465
58,984
1.058,098
787,269
5.472,339
2.274,547
2.935,563
1.970,855
764,888
5.454,626
1.838,531
918,296
1.699,456
515,320
1.337,042
3.241,207
3.231,395
17.501,724
3.087,731
414,898
3,103
94.945,833
912,376
3.945,112
128,744
3,840
40.944,126
1.116,506
1.527,633
1.824,525
6.179
201.057,033
¾
Dimana untuk memperoleh jumlah data pada iterasi kedua dengan:
ℎ=‡ ˆ
‡
(¹I )
ˆ = 17,5 ≈ 18 data. Sedangkan nilai ∑dN
= 201.057,033.
Dan model regresi linear berganda pada iterasi 1 adalah:
h = −682 + 37,2
5,42
3,80
8,8
¹
Universitas Sumatera Utara
49
Hasil Output Iterasi ke-1 Metode LTS Menggunakan SPSS 21
Universitas Sumatera Utara
50
Lampiran 8
Iterasi 2
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
S
5,2
6,3
5,1
5,8
5,6
5,8
3,7
6,5
3,4
6,3
7,4
3,2
6,7
11,2
5,3
6,7
2,6
3,7
52
59
59
72
57
83
68
73
83
84
57
64
62
76
57
51
74
76
100,5
1.207
76
100
66
93
87
88
81
41
53
83
83
65
81
90
99
43
86
94
2,86
2,95
1,70
3,30
3,02
3,95
2,57
2,01
1,12
4,13
2,16
0,74
2,59
5,59
2,60
1,89
2,05
2,40
1.409
47,63
8 − h:
h
¹
No.
102,489
254,389
92,83551
283,9873
178,3381
332,5531
135,6398
151,0395
103,0099
345,0836
230,3445
28,70136
226,3314
537,434
197,0933
50,82487
131,2249
213,1429
3.595 3.595,000
42,394
467,034
66,659
121,279
40,172
6,518
74,647
2.503,954
1.088,344
258,682
694,034
1.789,175
693,341
1.337,042
171,435
200,934
174,899
102,878
9.794,411
109
276
101
295
172
330
127
101
136
329
204
71
200
574
184
65
118
203
Dimana untuk memperoleh jumlah data pada iterasi ketiga dengan:
Ç
ℎ=‡ ˆ
‡
(¹I )
ˆ = 11,5 ≈ 12 data. Sedangkan nilai ∑dN
= 9.794,411.
Dan model regresi linear bergandanya adalah:
h = −682 + 40,4
5,13
2,94
10,5
¹
Universitas Sumatera Utara
51
Hasil Output Iterasi ke-2 Metode LTS Menggunakan SPSS 21
Universitas Sumatera Utara
52
Lampiran 9
Iterasi 3
¼½
¼¾
¼¿
¼À
»
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
5,8
5,6
5,2
5,1
3,7
3,7
5,8
5,3
2,6
6,7
6,3
6,3
83
57
52
59
68
76
72
57
74
51
84
59
88
87
76
66
81
94
93
99
86
43
83
100
3,95
3,02
2,86
1,70
2,57
2,40
3,30
2,60
2,05
1,89
4,13
2,95
330
172
109
101
127
203
295
184
118
65
329
276
S
62,1
33,42
2.309
792
996
¾
X Ô:
8»Ô − »
XÔ
»
No.
325,491
179,986
101,532
99,877
124,910
204,874
284,235
201,603
116,704
66,597
339,649
263,541
20,331
63,783
55,771
1,260
4,366
3,512
115,895
309,869
1,680
2,549
113,406
155,219
2.309,000
847,642
Model regresi linear bergandanya adalah:
h = -649 + 48,3
Dimana nilai residual: ∑dN
5,06
= 847,642
3,06
1,42
¹
Universitas Sumatera Utara
Lampiran 1
Tabel 3.1 Data Sekunder Survival Time
No.
¼½
¼¾
1.
6.7
62
5.1
59
2.
7.4
57
3.
6.5
73
4.
7.8
65
5.
6.
6.0
85
5.8
38
7.
5.7
46
8.
3.7
68
9.
10.
6.0
67
3.7
76
11.
6.3
84
12.
6.7
51
13.
5.8
83
14.
15.
11.2
76
7.7
62
16.
7.4
74
17.
3.7
51
18.
7.3
68
19.
20.
5.6
57
5.2
52
21.
5.8
96
22.
3.4
83
23.
8.7
45
24.
25.
5.8
72
6.3
59
26.
5.8
72
27.
3.2
64
28.
29.
5.3
57
2.6
74
30.
Sumber : Soemartini. Deteksi Outlier
¼¿
81
66
83
41
115
28
72
63
81
92
94
83
43
88
90
67
68
41
74
87
76
114
53
23
93
100
93
65
99
86
¼À
2.59
1.70
2.16
2.01
4.30
2.98
1.42
1.91
2.57
2.50
2.40
4.13
1.89
3.95
5.59
3.40
2.40
1.55
3.56
3.02
2.86
3.95
1.12
2.52
3.30
2.95
3.30
0.74
2.60
2.05
»
200
101
204
101
509
87
80
80
127
202
203
329
65
330
574
168
217
34
215
172
109
830
136
58
295
276
104
71
184
118
Keterangan:
= blood clotting
= prognostic index
= enzyme function test
¹
= liver function test
= survival test
Universitas Sumatera Utara
42
Lampiran 2
Perhitungan Menentukan Parameter Regresi Linear Berganda
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
¼¾½
44,89
26,01
54,76
42,25
60,84
36,00
33,64
32,49
¼¾¾
3.844
3.481
3.249
5.329
4.225
7.225
1.444
2.116
¼¾¿
6.561
4.356
6.889
1.681
13.225
784
5.184
3.969
¼¾À
6,7081
2,89
4,6656
4,0401
18,49
8,8804
2,0164
3,6481
»¾
40.000
10.201
41.616
10.201
259.081
7.569
6.400
6.400
¼½ »
1.340
515,1
1.509,6
656,5
3.970,2
522
464
456
¼¾ »
12.400
5.959
11.628
7.373
33.085
7.395
3.040
3.680
¼¿ »
16.200
6.666
16.932
4.141
58.535
2.436
5.760
5.040
¼À »
518
171,7
440,64
203,01
2188,7
259,26
113,6
152,8
13,69
36,00
13,69
39,69
44,89
33,64
125,44
59,29
54,76
4.624
4.489
5.776
7.056
2.601
6.889
5.776
3.844
5.476
6.561
8.464
8.836
6.889
1.849
7.744
8.100
4.489
4.624
6,6049
6,25
5,76
17,0569
3,5721
15,6025
31,2481
11,56
5,76
16.129
40.804
41.209
108.241
4.225
108.900
329.476
28.224
47.089
469,9
1.212
751,1
2.072,7
435,5
1914
6.428,8
1.293,6
1.605,8
8.636
13.534
15.428
27.636
3.315
27.390
43.624
10.416
16.058
10.287
18.584
19.082
27.307
2.795
29.040
51.660
11.256
14.756
326,39
505
487,2
1358,77
122,85
1303,5
3208,66
571,2
520,8
13,69
53,29
31,36
27,04
33,64
11,56
75,69
33,64
39,69
33,64
2.601
4.624
3.249
2.704
9.216
6.889
2.025
5.184
3.481
5.184
1.681
5.476
7.569
5.776
12.996
2.809
529
8.649
10.000
8.649
2,4025
12,6736
9,1204
8,1796
15,6025
1,2544
6,3504
10,89
8,7025
10,89
1.156
46.225
29.584
11.881
688.900
18.496
3.364
87.025
76.176
10.816
125,8
1.569,5
963,2
566,8
4814
462,4
504,6
1.711
1.738,8
603,2
1.734
14.620
9.804
5.668
79.680
11.288
2.610
21.240
16.284
7.488
1.394
15.910
14.964
8.284
94.620
7.208
1.334
27.435
27.600
9.672
52,7
765,4
519,44
311,74
3278,5
152,32
146,16
973,5
814,2
343,2
10,24
28,09
6,76
4.096
3.249
5.476
4.225
9.801
7.396
0,5476
6,76
4,2025
5.041
33.856
13.924
227,2
975,2
306,8
4.544
10.488
8.732
4.615
18.216
10.148
52,54
478,4
241,9
S 1.150,3 135.422 185.761 252,292 2.132.209 40.185,3 444.777 541.877 20.582,08
Universitas Sumatera Utara
43
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
S
¼½ ¼¾
415,4
300,9
421,8
474,5
507,0
510,0
¼½ ¼¿
542,7
336,6
614,2
266,5
897,0
168,0
¼½ ¼À
17,353
8,67
15,984
13,065
33,54
17,88
¼¾ ¼¿
5.022
3.894
4.731
2.993
7.475
2.380
¼¾ ¼À
160,58
100,3
123,12
146,73
279,5
253,3
¼¿ ¼À
209,79
112,2
179,28
82,41
494,5
83,44
220,4
262,2
251,6
402,0
281,2
529,2
341,7
481,4
851,2
477,4
417,6
359,1
299,7
552,0
347,8
522,9
288,1
510,4
1008
515,9
8,236
10,887
9,509
15,00
8,88
26,019
12,663
22,91
62,608
26,18
2.736
2.898
5.508
6.164
7.144
6.972
2.193
7.304
6.840
4.154
53,96
87,86
174,76
167,5
182,4
346,92
96,39
327,85
424,84
210,8
102,24
120,33
208,17
230
225,6
342,79
81,27
347,6
503,1
227,8
547,6
188,7
496,4
319,2
270,4
556,8
282,2
391,5
417,6
371,7
503,2
151,7
540,2
487,2
395,2
661,2
180,2
200,1
539,4
630,0
17,76
5,735
25,988
16,912
14,872
22,91
3,808
21,924
19,14
18,585
5.032
2.091
5.032
4.959
3.952
10.944
4.399
1.035
6.696
5.900
177,6
79,05
242,08
172,14
148,72
379,2
92,96
113,4
237,6
174,05
163,2
63,55
263,44
262,74
217,36
450,3
59,36
57,96
306,9
295
417,6
204,8
302,1
192,4
539,4
208,0
524,7
223,6
19,14
2,368
13,78
5,33
6.696
4.160
5.643
6.364
237,6
47,36
148,2
151,7
306,9
48,1
257,4
176,3
11.686,9
13.430,6
517,636
151.311
5.538,47
6.479,03
Universitas Sumatera Utara
44
Lampiran 3
Menentukan nilai residual
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
S
»Ô
200
101
204
101
509
87
80
80
127
202
203
329
65
330
574
168
217
34
215
172
109
830
136
58
295
276
104
71
184
118
6.179
XÔ
»
233,800
93,320
236,528
129,058
435,025
134,692
25,819
35,606
154,657
275,855
245,878
359,303
23,776
352,701
537,434
224,932
273,845
-98,294
270,567
192,369
107,238
521,867
105,794
-4,810
306,347
277,960
306,347
37,586
223,085
160,714
XÔ
»Ô − »
-33,800
7,680
-32,528
-28,058
73,975
-47,692
54,181
44,394
-27,657
-73,855
-42,878
-30,303
41,224
-22,701
36,566
-56,932
-56,845
132,294
-55,567
-20,369
1,762
308,133
30,206
62,810
-11,347
-1,960
-202,347
33,414
-39,085
-42,714
X Ô :¾
8»Ô − »
1.142,465
58,984
1.058,098
787,269
5.472,339
2.274,547
2.935,563
1.970,855
764,888
5.454,626
1.838,531
918,296
1.699,456
515,320
1.337,042
3.241,207
3.231,395
17.501,724
3.087,731
414,898
3,103
94.945,833
912,376
3.945,112
128,744
3,840
40.944,126
1.116,506
1.527,633
1.824,525
6.179
0,000
201.057,033
Universitas Sumatera Utara
45
Lampiran 4
Deteksi pencilan dengan Leverage (ℎ )
No.
¼½
¼¾
¼¿
¼À
»
cutoff
Leverage
Jenis
Data
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
6,7
5,1
7,4
6,5
7,8
6,0
5,8
5,7
3,7
6,0
3,7
6,3
6,7
5,8
11,2
7,7
7,4
3,7
7,3
5,6
5,2
5,8
3,4
8,7
5,8
6,3
5,8
3,2
5,3
2,6
62
59
57
73
65
85
38
46
68
67
76
84
51
83
76
62
74
51
68
57
52
96
83
45
72
59
72
64
57
74
81
66
83
41
115
28
72
63
81
92
94
83
43
88
90
67
68
41
74
87
76
114
53
23
93
100
93
65
99
86
2,59
1,70
2,16
2,01
4,30
2,98
1,42
1,91
2,57
2,50
2,40
4,13
1,89
3,95
5,59
3,40
2,40
1,55
3,56
3,02
2,86
3,95
1,12
2,52
3,30
2,95
3,30
0,74
2,60
2,05
200
101
204
101
509
87
80
80
127
202
203
329
65
330
574
168
217
34
215
172
109
830
136
58
295
276
104
71
184
118
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,3333
0,03472
0,03551
0,18105
0,15265
0,15115
0,32778
0,17659
0,07813
0,09974
0,06150
0,08541
0,11939
0,09326
0,10327
0,35130
0,04859
0,18148
0,22296
0,03354
0,06791
0,14114
0,22163
0,25068
0,29325
0,02580
0,06609
0,02580
0,15462
0,07592
0,13915
Bukan
Bukan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Universitas Sumatera Utara
46
Lampiran 5
Deteksi pencilan dengan Discrepancy
No.
¼½
¼¾
¼¿
¼À
»
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
6.7
5.1
7.4
6.5
7.8
6.0
5.8
5.7
3.7
6.0
3.7
6.3
6.7
5.8
11.2
7.7
7.4
3.7
7.3
5.6
5.2
5.8
3.4
8.7
5.8
6.3
5.8
3.2
5.3
2.6
62
59
57
73
65
85
38
46
68
67
76
84
51
83
76
62
74
51
68
57
52
96
83
45
72
59
72
64
57
74
81
66
83
41
115
28
72
63
81
92
94
83
43
88
90
67
68
41
74
87
76
114
53
23
93
100
93
65
99
86
2.59
1.70
2.16
2.01
4.30
2.98
1.42
1.91
2.57
2.50
2.40
4.13
1.89
3.95
5.59
3.40
2.40
1.55
3.56
3.02
2.86
3.95
1.12
2.52
3.30
2.95
3.30
0.74
2.60
2.05
200
101
204
101
509
87
80
80
127
202
203
329
65
330
574
168
217
34
215
172
109
830
136
58
295
276
104
71
184
118
ÕÕÖ×ØÙ
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
±1,7081
TRES1
Jenis
Data
-0,38371
0,08697
-0,40231
-0,34059
0,91030
-0,65775
0,67221
0,51742
-0,32524
-0,86114
-0,50164
-0,36066
0,48429
-0,26732
0,51205
-0,65495
-0,70818
1,78368
-0,63372
-0,23501
0,02118
6,44554
0,39126
0,84870
-0,12785
-0,02256
-2,57479
0,40651
-0,45440
-0,51585
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Universitas Sumatera Utara
47
Lampiran 6
Deteksi pencilan dengan menggunakan metode DfFITS (Difference in fit
Standardized)
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
,
2u
!
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
0,7303
DfFITS
|DfFITS|
-0,10369
0,02365
-0,21016
-0,16280
0,43295
-0,49450
0,34650
0,18326
-0,12743
-0,27874
-0,18414
-0,15312
0,18437
-0,10633
0,40483
-0,19565
-0,37042
1,04708
-0,16966
-0,07888
0,00974
3,77060
0,24642
0,59103
-0,03205
-0,00750
-0,64547
0,19557
-0,15914
-0,23551
0,10369
0,02365
0,21016
0,16280
0,43295
0,49450
0,34650
0,18326
0,12743
0,27874
0,18414
0,15312
0,18437
0,10633
0,40483
0,19565
0,37042
1,04708
0,16966
0,07888
0,00974
3,77060
0,24642
0,59103
0,03205
0,00750
0,64547
0,19557
0,15914
0,23551
Jenis
Data
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Pencilan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Bukan
Universitas Sumatera Utara
48
Lampiran 7
Mengestimasi menggunakan metode LTS: Iterasi 1
¼½
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
6,7
5,1
7,4
6,5
7,8
6,0
5,8
5,7
3,7
6,0
3,7
6,3
6,7
5,8
11,2
7,7
7,4
3,7
7,3
5,6
5,2
5,8
3,4
8,7
5,8
6,3
5,8
3,2
5,3
2,6
S
¼¾
62
59
57
73
65
85
38
46
68
67
76
84
51
83
76
62
74
51
68
57
52
96
83
45
72
59
72
64
57
74
¼¿
81
66
83
41
115
28
72
63
81
92
94
83
43
88
90
67
68
41
74
87
76
114
53
23
93
100
93
65
99
86
¼À
2,59
1,70
2,16
2,01
4,30
2,98
1,42
1,91
2,57
2,50
2,40
4,13
1,89
3,95
5,59
3,40
2,40
1,55
3,56
3,02
2,86
3,95
1,12
2,52
3,30
2,95
3,30
0,74
2,60
2,05
»
200
101
204
101
509
87
80
80
127
202
203
329
65
330
574
168
217
34
215
172
109
830
136
58
295
276
104
71
184
118
178.2 1.976 2.259 81,42 6.179
XÔ
»
233,800
93,320
236,528
129,058
435,025
134,692
25,819
35,606
154,657
275,855
245,878
359,303
23,776
352,701
537,434
224,932
273,845
-98,294
270,567
192,369
107,238
521,867
105,794
-4,810
306,347
277,960
306,347
37,586
223,085
160,714
XÔ:
8»Ô − »
1.142,465
58,984
1.058,098
787,269
5.472,339
2.274,547
2.935,563
1.970,855
764,888
5.454,626
1.838,531
918,296
1.699,456
515,320
1.337,042
3.241,207
3.231,395
17.501,724
3.087,731
414,898
3,103
94.945,833
912,376
3.945,112
128,744
3,840
40.944,126
1.116,506
1.527,633
1.824,525
6.179
201.057,033
¾
Dimana untuk memperoleh jumlah data pada iterasi kedua dengan:
ℎ=‡ ˆ
‡
(¹I )
ˆ = 17,5 ≈ 18 data. Sedangkan nilai ∑dN
= 201.057,033.
Dan model regresi linear berganda pada iterasi 1 adalah:
h = −682 + 37,2
5,42
3,80
8,8
¹
Universitas Sumatera Utara
49
Hasil Output Iterasi ke-1 Metode LTS Menggunakan SPSS 21
Universitas Sumatera Utara
50
Lampiran 8
Iterasi 2
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
S
5,2
6,3
5,1
5,8
5,6
5,8
3,7
6,5
3,4
6,3
7,4
3,2
6,7
11,2
5,3
6,7
2,6
3,7
52
59
59
72
57
83
68
73
83
84
57
64
62
76
57
51
74
76
100,5
1.207
76
100
66
93
87
88
81
41
53
83
83
65
81
90
99
43
86
94
2,86
2,95
1,70
3,30
3,02
3,95
2,57
2,01
1,12
4,13
2,16
0,74
2,59
5,59
2,60
1,89
2,05
2,40
1.409
47,63
8 − h:
h
¹
No.
102,489
254,389
92,83551
283,9873
178,3381
332,5531
135,6398
151,0395
103,0099
345,0836
230,3445
28,70136
226,3314
537,434
197,0933
50,82487
131,2249
213,1429
3.595 3.595,000
42,394
467,034
66,659
121,279
40,172
6,518
74,647
2.503,954
1.088,344
258,682
694,034
1.789,175
693,341
1.337,042
171,435
200,934
174,899
102,878
9.794,411
109
276
101
295
172
330
127
101
136
329
204
71
200
574
184
65
118
203
Dimana untuk memperoleh jumlah data pada iterasi ketiga dengan:
Ç
ℎ=‡ ˆ
‡
(¹I )
ˆ = 11,5 ≈ 12 data. Sedangkan nilai ∑dN
= 9.794,411.
Dan model regresi linear bergandanya adalah:
h = −682 + 40,4
5,13
2,94
10,5
¹
Universitas Sumatera Utara
51
Hasil Output Iterasi ke-2 Metode LTS Menggunakan SPSS 21
Universitas Sumatera Utara
52
Lampiran 9
Iterasi 3
¼½
¼¾
¼¿
¼À
»
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
5,8
5,6
5,2
5,1
3,7
3,7
5,8
5,3
2,6
6,7
6,3
6,3
83
57
52
59
68
76
72
57
74
51
84
59
88
87
76
66
81
94
93
99
86
43
83
100
3,95
3,02
2,86
1,70
2,57
2,40
3,30
2,60
2,05
1,89
4,13
2,95
330
172
109
101
127
203
295
184
118
65
329
276
S
62,1
33,42
2.309
792
996
¾
X Ô:
8»Ô − »
XÔ
»
No.
325,491
179,986
101,532
99,877
124,910
204,874
284,235
201,603
116,704
66,597
339,649
263,541
20,331
63,783
55,771
1,260
4,366
3,512
115,895
309,869
1,680
2,549
113,406
155,219
2.309,000
847,642
Model regresi linear bergandanya adalah:
h = -649 + 48,3
Dimana nilai residual: ∑dN
5,06
= 847,642
3,06
1,42
¹
Universitas Sumatera Utara