042111233143
Missing data merupakan gangguan bagi peneliti dan terutama disebabkan oleh kesalahan
dalam pengumpulan data atau entri data atau dari kelalaian jawaban oleh responden.
Mengklasifikasikan data yang hilang dan alasan yang mendasari keberadaannya ditangani
melalui serangkaian langkah yang tidak hanya mengidentifikasi dampak dari data yang hilang,
tetapi juga memberikan solusi untuk menghadapinya dalam analisis. Outlier, atau respons
ekstrem, dapat terlalu memengaruhi hasil analisis multivariat. Untuk alasan ini, metode untuk
menilai dampaknya dibahas. Akhirnya, asumsi statistik yang mendasari sebagian besar analisis
multivariat ditinjau. Sebelum menerapkan teknik multivariat, peneliti harus menilai kesesuaian
data sampel dengan asumsi statistik yang mendasari teknik multivariat tersebut.
Multivariate Profiles
Sampai saat ini metode grafis telah dibatasi pada penggambaran univariat atau bivariat.
Namun, dalam banyak kasus, peneliti mungkin ingin membandingkan pengamatan yang
dicirikan pada profil multivariat, apakah itu untuk tujuan deskriptif atau sebagai pelengkap
prosedur analitis. Untuk mengatasi kebutuhan ini, sejumlah tampilan grafis multivariat
berpusat di sekitar salah satu dari tiga jenis grafik.
MISSING DATA
Data yang hilang, di mana nilai yang valid pada satu atau lebih variabel tidak tersedia untuk
analisis, adalah fakta kehidupan dalam analisis multivariat. Bahkan, jarang peneliti
menghindari beberapa bentuk masalah data yang hilang. Tantangan peneliti adalah untuk
mengatasi masalah yang diangkat oleh data yang hilang yang mempengaruhi generalisasi hasil
Dari sudut pandang praktis, data yang hilang dalam contoh ini dapat menjadi sangat bermasalah
dalam hal mengurangi ukuran sampel. Misalnya, jika analisis multivariat dilakukan yang
membutuhkan data lengkap pada kelima variabel, sampel akan dikurangi menjadi hanya lima
kasus tanpa data yang hilang (kasus 1, 7, 8, 12, dan 20). Ukuran sampel ini terlalu sedikit untuk
semua jenis analisis.
A Four-Step Process for Identifying Missing Data and Applying Remedies
Step 1: Determine the Type of Missing Data
Langkah pertama dalam setiap pemeriksaan data yang hilang adalah menentukan jenis data
yang hilang yang terlibat.
OUTLIERS
Outlier adalah pengamatan dengan kombinasi karakteristik unik yang dapat diidentifikasi
sebagai sangat berbeda dari pengamatan lainnya. Dalam menilai dampak outlier, kita harus
mempertimbangkan pertimbangan praktis dan substantif
Bivariate Detection
Selain penilaian univariat, pasangan variabel dapat dinilai bersama melalui scatterplot.
Multivariate Detection
Karena sebagian besar analisis multivariat melibatkan lebih dari dua variabel, metode bivariat
dengan cepat menjadi tidak memadai karena beberapa alasan.