<![CDATA[Outlier merupakan suatu pengamatan yang keberadaannya dapat mengganggu proses analisis data. Adanya outlier juga dapat mengganggu asumsi kenormalan. Oleh karena itu, mendeteksi outlier sangat diperlukan sebelum analisis data dilakukan. Penelitian ini membahas metode untuk mendeteksi outlier menggunakan metode coefficient of determination ratio (CDR) dan regresi diagnostik lainnya seperti: leverage values, studentized deleted residuals, Cook’s distance, difference in fits standardized (DFFITS) dan covariance ratio. Metode coefficient of determination ratio (CDR) menggunakan nilai koefisien determinasi sebagai dasar proses deteksi dan diterapkan pada data hasil simulasi. Hasil perbandingan menunjukkan bahwa metode regresi diagnostik berdasarkan nilai studentized deleted residuals atau R-Student lebih efektif dalam mendeteksi outlier dibandingkan dengan metode coefficient of determination ratio (CDR). Keefektifan dilihat berdasarkan ketepatan dalam mendeteksi data outlier dan nilai koefesien determinasi yang meningkat. Namun demikian hasil pendeteksian dengan metode coefficient of determination ratio (CDR) juga berhasil meningkatkan nilai koefisien determinasi. Oleh sebab itu metode coefficient of determination ratio (CDR) dapat digunakan sebagai metode alternatif untuk mendeteksi outlier. Kata kunci: Simulasi, Diagnostik, nilai cut-off]]>
Copyrights © 2015
