Tool statistik
Simulator Regresi
Lihat bagaimana satu data ekstrem dapat mengubah slope, r, dan R-square pada model regresi.
Data dasar
Slope
1,9857
r
0,9992
R-square
0,9983
Dengan outlier
Slope
1,9857
r
0,9992
R-square
0,9983
| Observasi | X | Y | Catatan |
|---|---|---|---|
| 1 | 1,00 | 2,10 | Data dasar |
| 2 | 2,00 | 3,90 | Data dasar |
| 3 | 3,00 | 6,20 | Data dasar |
| 4 | 4,00 | 7,80 | Data dasar |
| 5 | 5,00 | 10,10 | Data dasar |
| 6 | 6,00 | 12,20 | Data dasar |
| 7 | 7,00 | 13,80 | Data dasar |
Jangan menghapus outlier hanya untuk memaksa hasil signifikan. Cari alasan data, metodologi, dan teori terlebih dahulu.
Hasil dari kalkulator ini bersifat bantuan perhitungan awal. Interpretasi akhir tetap perlu mempertimbangkan desain penelitian, kualitas data, asumsi statistik, dan konteks riset.
Cara menggunakan
- Lihat metrik data dasar tanpa outlier.
- Aktifkan outlier simulasi.
- Ubah nilai outlier untuk melihat dampaknya.
- Bandingkan slope, r, dan R-square sebelum dan sesudah.
Cara membaca hasil
Perubahan besar pada slope atau R-square setelah outlier ditambahkan menunjukkan model sensitif terhadap observasi ekstrem.
Kesalahan umum
- Menghapus outlier hanya agar hasil signifikan.
- Tidak mencari alasan substantif munculnya outlier.
- Mengabaikan uji diagnostik dan dokumentasi keputusan.
Contoh interpretasi
Contoh: R-square naik drastis setelah satu outlier ditambahkan. Itu bukan otomatis bukti model lebih baik; bisa jadi model hanya tertarik oleh satu observasi ekstrem.
Apa tujuan simulator regresi ini?+
Simulator ini membantu melihat sensitivitas regresi sederhana terhadap satu observasi ekstrem.
Bolehkah outlier dihapus?+
Boleh hanya jika ada alasan metodologis atau kesalahan data yang jelas, dan keputusan harus didokumentasikan.
Apakah outlier selalu buruk?+
Tidak. Outlier bisa informasi penting, kesalahan input, atau kasus khusus yang perlu dianalisis.