a) Penentuan Derajat Missing Data


Setelah baris yang memiliki outlier dihilangkan, dilakukan

pendeteksian missing data menggunakan Microsoft Excel.
Diperoleh 23 responden yang memiliki missing data yaitu:
1. Responden 9: 2 missing data dan presentase missing data
7,69%

2. Responden 11: 1 missing data dan presentase missing data

3.84% 


3. Responden 18: 1 missing data dan presentase missing data

3,84% 


4. Responden 41: 2 missing data dan presentase missing data

7,69%

5. Responden 47: 1 missing data dan presentase missing data

3,84% 


6. Responden 82: 1 missing data dan presentase missing data

3,84% 


7. Responden 90: 1 missing data dan presentase missing data

3,84% 


8. Responden 99: 1 missing data dan presentase missing data

3,84% 


9. Responden 121: 1 missing data dan presentase missing data

3,84% 


10. Responden 125: 1 missing data dan presentase missing data

3,84% 


11. Responden 131: 3 missing data dan presentase missing data

 11,54% 


12. Responden 134: 1 missing data dan presentase missing data

3,84% 


13. Responden 146: 1 missing data dan presentase missing data

11,54% 


14. Responden 147: 3 missing data dan presentase missing data

3,84% 


15. Responden 166: 1 missing data dan presentase missing data

3,84% 


16. Responden 177: 1 missing data dan presentase missing data

3,84%

17. Responden 180: 1 missing data dan presentase missing data

3,84%

18. Responden 181: 1 missing data dan presentase missing data

3,84%

19. Responden 184: 1 missing data dan presentase missing data

3,84%

20. Responden 188: 1 missing data dan presentase missing data

3,84%

21. Responden 191: 1 missing data dan presentase missing data

3,84%

22. Responden 192: 1 missing data dan presentase missing data

3,84%

23. Responden 197: 1 missing data dan presentase missing data

 3,84%

Sedangkan apabila dilihat berdasarkan variabel, diperoleh 17

variabel yang memiliki missing data yaitu:
1. Variabel X4: 1 missing data dan presentase missing data
0,48% 


2. Variabel X7: 1 missing data dan presentase missing data

0,48% 


3. Variabel X8: 1 missing data dan presentase missing data

0,48% 


4. Variabel X11: 1 missing data dan presentase missing data

0,48% 


5. Variabel X13: 2 missing data dan presentase missing data

0,96% 


6. Variabel X14: 4 missing data dan presentase missing data

1,92% 


7. Variabel X15: 2 missing data dan presentase missing data

0,96% 


8. Variabel X16: 2 missing data dan presentase missing data

0,96% 


9. Variabel X17: 3 missing data dan presentase missing data

1,44% 


10. Variabel X18: 2 missing data dan presentase missing data

0,96% 


11. Variabel X19: 2 missing data dan presentase missing data

0,96% 

12. Variabel X20: 3 missing data dan presentase missing data
1,44% 


13. Variabel X22: 1 missing data dan presentase missing data

0,48% 


14. Variabel X23: 2 missing data dan presentase missing data

0,96% 


15. Variabel X24: 1 missing data dan presentase missing data

0,48% 


16. Variabel X25: 1 missing data dan presentase missing data

0,48% 


17. Variabel X26: 1 missing data dan presentase missing data

0,48% 


b) Diagnosis Tingkat Randomness dari Missing Data Process


Setelah itu, dilakukan identifikasi terhadap derajat missing data.
Ditentukan identifikasi terhadap p-value. Bila p-value > 0.05 maka
tergolong MCAR, maka dilakukan imputasi dengan mean
substitution. Namun bila p-value < 0,05, maka tergolong MAR dan
dilakukan imputasi dengan menggunakan Amelia pada aplikasi
RStudio. Kemudian ditemukan nilai p-value sebesar 0,022 ,
sehingga data tergolong MAR.
Gambar Uji Little
c) Pemilihan Metode Imputasi

Karena data bersifat MAR, maka untuk melakukan imputasi
digunakan Amelia pada aplikasi RStudio