Outlier

   Outlier

Hawkins (1980) mendefinisikan outlier sebagai kes-kes yang menyimpangkan terlalu besar dari kes-kes yang lain. Tabachnick dan Fidell (2007) mengatakan outliers yang kurang daripada 5% adalah dapat diterima kerana ia tidak memberi kesan kepada keseluruhan keputusan. Terdapat teknik yang digunakan untuk mengesan outlier. Penggunaan skor z merupakan kaedah yang paling popular digunakan Tabachnick dan Fidel (2007). Walaubagaimanapun, terdapat pelbagai ambang yang ditetapkan untuk menentukan skor z yang diperlukan. Kline (2011) mengesyorkan skor z di atas 3 manakala Hair et al., (1998) mencadangkan skor z di atas 2.5. Bagi pemboleh ubah yang berterusan, outlier univariate boleh dianggap sebagai kes-kes yang bersistematik yang berada di luar nilai mutlak 3.29 tetapi di dalam kajian ini, bilangan outliers adalah kurang daripada 5%. Ianya bukan masalah besar kerana kajian ini menggunakan Smart PLS yang tidak memerlukan data bertaburan normal. Secara umumnya, outliers yang menyebabkan data tidak normal.