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