NAMA

: MELINDA DWI ANGGRAENI

NIM

: 125090507111021

MATA KULIAH : ANALISIS DATA EKSPLORATORI

KELAS

:B
ANALISIS OUTLIER (PENCILAN)

Umumnya pengamatan yang dicurigai sebagai outlier, influential observations, dan

high leverage dikategorikan ke dalam pelanggaran asumsi. Maka lebih tepat jika digunakan
analisis residual. Berikut ini adalah beberapa definisi outlier :
1. Ferguson ( 1961), Outlier adalah suatu data yang menyimpang dari sekumpulan
data yang lain.
2. Barnett (1981), Outlier adalah pengamatan yang tidak mengikuti sebagian besar
pola dan terletak jauh dari pusat data.
3. R.K. Sembiring (1950), Outlier adalah pengamatan yang jauh dari pusat data yang
mungkin berpengaruh besar terhadap koefesien regresi.
4. Weissberg (1985), Jika terdapat masalah yang berkaitan dengan outlier , maka
diperlukan alat diagnosis yang dapat mengidentifikasi masalah outlier , salah
satunya dengan menyisihkan outlier dari kelompok data kemudian menganalisis
data tanpa outlier.
Metoda yang digunakan dalam hubungannya dengan outlier (pencilan), influential
observations (pengamatan berpengaruh), dan high leverage (pengaruh tinggi) adalah analisis
residual. Residual banyak memegang peranan penting dalam pengujian untuk model regresi
karena residual itu sendiri merupakan sisa pada suatu pengamatan .
Residual atau sisaan di definisikan sebagai berikut : , i = 1, 2, , n. Kendati
namanya mungkin meyesatkan, residual bukan berarti sampah yang tidak berguna. Residual
kaya akan berbagai informasi dan karena itu merupakan bagian yang penting dalam setiap
analisa data. Informasi dari data semula tidak terserap oleh model akan menjadi residual. Jika
semua pola yang ada pada data telah masuk kedalam model maka residual akan berbentuk
acak. Tetapi jika model yang digunakan tidak mampu mengambil semua pola yang ada pada
data maka residual akan mempunyai kecenderugan tertentu. Dalam hal itu, model belumlah
baik betul, dalam arti masih dapat disempurnakan. Ketidakcocokan model dengan data dilihat
dengan mengamati residual. Resudial secara kasar, member keterangan tentang dta yang tidak

mengikuti pola umum model yang digunakan, ditandai dengan residualnya yang relative
besar. Residual yang relative besar dapat merupakan petunjuk bahwa modelnya belum cocok
ataupun pengamatannya barangkali merupakan pencilan. Membuang data pencilan mungkin
tindakan yang keliru, data tersebut mungkin berasal dari bibit unggul.
Suatu data mungkin letaknya terpencil, tapi bila pengaruhnya terhadap koefisien
kecil maka kita tidak perlu member perhatian besar padanya. Makin besar ukuran sampel n
makin kecil pengaruh suatu titik data. Pengaruh suatu data mungkin merupakan pencilan bila
menggunakansuatu model, tapi tidak bila model lain yang digunakan. Dalam statistik ruang,
data pencilan harus dilihat terhadap posisi dan sebaran data yang lainnya sehingga akan
dievaluasi apakah data pencilan tersebut perlu dihilangkan atau tidak.
Banyak cara untuk mendeteksi adanya outlier dalam data. Seperti contoh berikut ini :
Data berikut diambil dari Skipsi mahasiswa Departemen Peternakan Fakultas Pertanian
Universitas Sumatera Utara atas nama Surya Amri Siregar (040306020) tahun 2009 dengan
judul ANALISIS PENDAPATAN PETERNAK SAPI POTONG DI KECAMATAN
STABAT KABUPATEN LANGKAT.
Data Populasi Ternak Sapi Potong Menurut Kecamatan di Kabupaten Langkat Tahun
2005 2007 adalah sebagai berikut :
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Kecamatan
Bahorok
Salapian
Sei Bengei
Kuala
Selesai
Binjai
Stabat
Wampu
Batang Serangan
Sawit Seberang
Padang Tualang
Hinai
Secanggang
Tanjung Pura
Gebang
Babalan
Sei.lapan
Brandan Barat
Besitang
Pangkalan Susu
Jumlah Total

Jumlah Populasi
2005
2006
2007
1569
4069
4383
4142
4142
4970
3752
3752
4502
5646
6649
6076
4003
5003
6004
2373
2373
2848
9662 11662
16995
1031
6031
7237
983
5054
5962
1114
1859
2231
9172
3754
4005
1834
2944
2533
5494
8983
10780
1211
1211
1453
2250
2250
1787
1475
1475
1200
477
2027
1832
477
477
572
1760
1760
2112
1775
1775
1356
60200 77250
88838

Dengan menggunakan Software Minitab17 dan menggunakan Outlier Grubbs Test diperoleh
hasil sebagai berikut :

P-Value

Dari hasil diatas, dapat disimpulkan bahwa data populasi ternak sapi potong menurut
kecamatan di Kabupaten Langkat pada tahun 2005 tidak terdapat pencilan. Hal itu dapat
dilihat dari tidak adanya titik yang berwarna merah pada plot dan nilai P-value lebih dari
0,05.

P-Value

Dari hasil diatas, dapat disimpulkan bahwa data populasi ternak sapi potong menurut
kecamatan di Kabupaten Langkat pada tahun 2006 terdapat pencilan. Hal itu dapat dilihat
dari adanya titik yang berwarna merah pada plot, dan pencilan itu terdapat pada kecamatan

ke-7 yaitu Kecamatan Stabat dengan jumlah populasi sapi potongny sebesar 11.662 dan nilai
P-value kurang dari 0,05.

P-Value

Dari hasil diatas, dapat disimpulkan bahwa data populasi ternak sapi potong menurut
kecamatan di Kabupaten Langkat pada tahun 2007 terdapat pencilan. Hal itu dapat dilihat
dari adanya titik yang berwarna merah pada plot, dan pencilan itu terdapat pada kecamatan
ke-7 yaitu Kecamatan Stabat dengan jumlah populasi sapi potongny sebesar 16.995 dan nilai
P-value kurang dari 0,05.
Selanjutnya untuk mendeteksi adanya pencilan dapat mengunakan box plot , diperoleh
hasil sebagai berikut :

Dari hasil diatas, dapat dilihat bahwa pada tahun 2005 terdapat 2 pencilan yaitu data ke7 dan ke-11. Sedangkan pada tahun 2006 dan 2007 hanya terdapat 1 pencilan yaitu terdapat
pada data ke-7.
Selanjutnya pencilan juga dapat di analisis menggunakan Histogram, diperoleh hasil
sebagai berikut :

Dari hasil tersebut, dapat dilihat bahwa pada tahun 2005 ada 2 pencilan yaitu pada
rentang 8500-9500 dan rentang 9500-10500.

Dilihat dari hasil diatas, terdapat pencilan pada data tahun 2006 dan pencilan tersebut
pada rentang 11000-13000.

Untuk tahun 2007, data yang diperoleh juga terdapat pencilan dengan rentang antara
15000-17000.
Dari semua anilisis pencilan ini, peneliti diharapkan dapat mengolah data tersebut
dengan tepat. Pencilan sebaiknya tidak langsung dihilangkan, bisa jadi pencilan tersebut
adalah bibit unggul dari data tersebut. Peneliti dapat lebih menganalisis pencilan tersebut atau
menambahkan lebih banyak pengamatan supaya pencilan tersebut dapat diatasi.
DAFTAR PUSTAKA

http://stein.ac.id/e-journal/pn_6/PN_6.pdf, diakses pada 13 Maret 2015.

http://repository.usu.ac.id/bitstream/handle/123456789/7633/09E01096.pdf;jsessionid=9E82
DD5477F3C42A342DA0F1B8AF443B?sequence=1, diakses pada 13 Maret 2015