| dc.description.abstract | Outlier atau pencilan merupakan titik sampel yang memiliki karakteristik unik
dan dapat diidentifikasi secara jelas karena berbeda dengan mayoritas titik sampel
lainnya. Namun ada beberapa Outlier yang sulit teridentifikasi dikarenakan letak dan
ukurannya pada suatu data. Outlier pada satu arah tertentu memungkinkan menjadi
pengaruh dalam pengujian ketaknormalan data. Dalam hal ini diperlukan kajian
sensitifitas pengaruh pencilan terhadap pengujian ketaknormalan.
Row Column Interaction Model (RCIM) yang merupakan perluasan dari
konsep Reduced-Rank Vector Generalized Models (RR-VGLM) dimana prediktor
linier yang pertama dimodelkan dengan penjumlahan dari pengaruh baris, pengaruh
kolom, dan pengaruh interaksi yang mana pada pengaruh interaksi ditunjukkan
seperti regresi reduced-rank. Data tabel dua arah berdistribusi normal yang
mengandung pencilan (outlier) dapat juga dianalisis dengan menggunakan robust
faktor melalui pendekatan robPCA untuk memeroleh hasil evaluasi penanganan
outlier pada data tabel dua arah. RobPCA (Robust PCA) didasarkan pada metode
PCA (Principal Component Analysis) yang mengatasi data dengan adanya pencilan
(outlier).
Penelitian ini bertujuan untuk menunjukkan seberapa tahan model RCIM dan
model Robust Faktor terhadap kehadiran outlier dalam data tabel dua arah. Ketahanan
kedua model diukur dari jenis outlier, banyaknya outlier serta komposisi outlier pada
data tabel dua arah. Dalam penelitian ini menggunakan data simulasi. Data simulasi
dibentuk dalam data tabel dua arah yang berdistribusi normal dengan mengikuti
model RCIM2 sehingga data awal yang terbentuk signifikan dengan Rank=2.
Selanjutnya, dibangkitkan data outlier dengan tiga jenis outlier yaitu : Pure Shift | en_US |
