Cara paling umum untuk mengidentifikasi outlier dalam kumpulan data adalah dengan menggunakan rentang interkuartil.<\/span><\/p>\n Rentang interkuartil (IQR) adalah selisih antara persentil ke-75 (Q3) dan persentil ke-25 (Q1) dalam suatu kumpulan data. Ini mengukur distribusi rata-rata 50% nilai.<\/span><\/p>\n Umumnya kita mendefinisikan suatu observasi sebagai outlier jika observasi tersebut 1,5 kali rentang antarkuartil di atas kuartil ketiga (Q3) atau 1,5 kali rentang antarkuartil di bawah kuartil pertama (Q1).<\/span><\/p>\n Outlier = Pengamatan > Q3 + 1,5*IQR atau < Q1 \u2013 1,5*IQR<\/strong><\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan rumus ini untuk mengidentifikasi outlier dalam kumpulan data di SAS.<\/span><\/p>\n Anggaplah kita memiliki kumpulan data berikut di SAS:<\/span> <\/p>\n Cara termudah untuk mengidentifikasi outlier di SAS adalah dengan membuat plot kotak, yang secara otomatis menggunakan rumus yang disebutkan sebelumnya untuk mengidentifikasi dan menampilkan outlier dalam kumpulan data sebagai lingkaran kecil:<\/span> <\/p>\n Dari boxplot kita dapat melihat ada dua lingkaran kecil di dekat bagian atas plot. Hal ini menunjukkan bahwa terdapat dua outlier.<\/span><\/p>\n Pada tabel di bawah diagram kotak, kita dapat melihat nilai pasti dari kedua outlier: 221<\/strong> dan 223<\/strong> .<\/span><\/p>\n Kita dapat memeriksa secara manual bahwa kedua nilai ini adalah outlier menggunakan rumus sebelumnya:<\/span><\/p>\n Outlier = Pengamatan > Q3 + 1,5*IQR atau < Q1 \u2013 1,5*IQR<\/strong><\/span><\/p>\n Rentang antarkuartilnya adalah: Q3 \u2013 Q1 = 89,5 \u2013 36 = 53,5.<\/span><\/p>\n Batas atas outlier adalah: Q3 + 1.5*IQR = 89.5 + 1.5*53.5 = 169.75.<\/span><\/p>\n Karena 221<\/strong> dan 223<\/strong> lebih besar dari nilai ini, maka keduanya diklasifikasikan sebagai outlier.<\/span><\/p>\n Kita kemudian dapat menggunakan kode berikut untuk menghapus dua outlier ini dari kumpulan data jika kita mau:<\/span> <\/p>\n Perhatikan bahwa kedua outlier telah dihapus.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di SAS:<\/span><\/p>\n Cara menggunakan ringkasan prosedur di SAS<\/a> Outlier adalah observasi yang jaraknya sangat jauh dari nilai lain dalam kumpulan data. Pencilan dapat menjadi masalah karena dapat mempengaruhi hasil analisis. Cara paling umum untuk mengidentifikasi outlier dalam kumpulan data adalah dengan menggunakan rentang interkuartil. Rentang interkuartil (IQR) adalah selisih antara persentil ke-75 (Q3) dan persentil ke-25 (Q1) dalam suatu kumpulan data. Ini mengukur […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Contoh: Mengidentifikasi Outlier di SAS<\/strong><\/span><\/h3>\n
\/*create dataset*\/\ndata<\/span> original_data;\n input<\/span> team $points;\n datalines<\/span> ;\nAt 18\nB24\nC26\nD 34\nE 38\nF45\nG 48\nH 54\nI 60\nDay 73\nK 79\nL 85\nM 94\nNo. 98\nO 221\nP 223\n;\nrun<\/span> ;\n\n\/*view dataset*\/\n<\/span>proc print<\/span> data<\/span> = original_data;\n<\/span><\/span><\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/valeur-aberrante1-1.jpg\")
<\/p>\n \/*create boxplot to visualize distribution of points*\/\nods<\/span> output<\/span> sgplot=boxplot_data;\nproc sgplot<\/span> data<\/span> =original_data;\n vbox<\/span> points;\nrun<\/span> ;\n\n\/*view summary of boxplot descriptive statistics*\/\n<\/span>proc print<\/span> data<\/span> =boxplot_data;<\/span><\/span><\/strong> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/valeur-aberrante2-1.jpg\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/valeur-aberrante3.jpg\")
<\/p>\n \/*create new dataset with outliers removed*\/\ndata<\/span> new_data;\n set<\/span> original_data;\n if<\/span> points >= 221<\/span> then<\/span> delete;\nrun<\/span> ;\n\n\/*view new dataset*\/\n<\/span>proc print<\/span> data<\/span> =new_data;<\/span><\/span><\/strong> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/valeur-aberrante4.jpg\")
<\/p>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara menggunakan Proc Tabulate di SAS<\/a>
Cara menghitung korelasi di SAS<\/a>
Cara membuat tabel frekuensi di SAS<\/a>
Bagaimana cara mengganti nilai yang hilang dengan nol di SAS<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"