MENDETEKSI OUTLIER DENGAN METODE MINIMUM COVARIANCE DETERMINANT

Abstract

Keberadaan outlier pada data dapat mengganggu proses analisis data, sehingga pendeteksian outlier merupakan hal yang sangat penting untuk dilakukan. Ketika data yang digunakan adalah data multivariat, maka pendeteksian tersebut menjadi sulit untuk dilakukan.Pada umumnya, sebelum melakukan pendeteksian outlier pada data multivariat, terlebih dahulu perlu dilakukan peyederhanaan atau pereduksian dimensi data.Salah satu metode yang dapat digunakan adalah Analisis Komponen Utama (AKU).Dalam penelitian ini, outlier dideteksi menggunakan metode Minimum Covariance Determinant (MCD).Prinsip metode MCD adalah mendapatkan subhimpunan dari keseluruhan pengamatan yang matriks varians-kovariansnya memiliki determinan terkecil diantara semua kombinasi kemungkinan data.Pendeteksian outlier dengan metode MCD dilakukan berdasarkan jarak robust dan nilai cut-offnya.Suatu pengamatan terdeteksi sebagai outlier ketika jarak robust lebih besar dari nilai cut-off. Sedangkan untuk mengklasifikasikan outlier tersebut dilakukan dengan cara membuat plot jarak mahalanobis versus jarak robust yang disebut dengan diagnostic plot. Pada penelitian ini dilakukan deteksi outlier untuk data tahun 1994 tentang gaji pegawai pada perguruan tinggi di Amerika. Berdasarkan analisis yang dilakukan dengan bantuan software R versi 2.13.2, dapat disimpulkan bahwa sebanyak 309 pengamatan terdeteksi sebagai outlier, yang terdiri dari 48 pengamatan termasuk jenis bad leverage dan 261 pengamatan termasuk jenis outlier orthogonal. Bagi peneliti lain yang ingin meneliti tentang pendeteksian outlier pada kasus multivariat dapat menggunakan metode-metode lain seperti metode Minimum Volume Ellipsoid (MVE) dan metode Welsch untuk kemudian dibandingkan tingkat efisiensinya dengan metode MCD.

Kata Kunci : Analisis Komponen Utama, jarak robust, diagnostic plot, nilai cut-off, outlier multivariate.