KELOMPOK 4
DATA PENCILAN
Oleh :
JURUSAN TEKNIK
ELEKTRO
FAKULTAS
TEKNIK
UNIVERSITAS
ANDALAS
BAB I
Hal yang dipelajari dan didapat dari materi pertemuan keempat (27 Februari
2021):
A. PENGERTIAN PENCILAN
• Pada distribusi data kadang-kadang terdapat data yang sangat besar atau
sangat kecil dibandingkan dengan nilai data lainnya.
• Data yang sangat besar atau yang sangat kecil ini disebut
data pencilan atau outlier.
• Sangat mempengaruhi nilai ukuran statistik terutama nilai rata-rata dan standar
deviasi serta jangkauan sehingga akan menggangu analisa terhadap
distribusi data tersebut.
• Diagram titik adalah salah satu bentuk penyajian data dimana diagram
digambarkan dalam bentuk titik-titik yang menyatakan frekuensi dari nilai
data.
• Contoh 1, Tinjau data berikut: 3, 9, 10, 11, 11, 11, 11, 14, 15,
Terlihat bahwa nilai data 3, 14, dan 15 terisolasi dari data lainnya. Hal ini dapat dapat
digunakan untuk memperkirakan bahwa nilai data 3, 14, dan 15 merupakan pencilan.
• Contoh 2, tinjau data berikut: 20, 60, 60, 60, 70, 70, 70, 70, 70, 80, 80,
80, 120,
terlihat bahwa data yang bernilai 60, 70, dan 80 terletak berkelompok, sedangkan
ddata yang bernilai 20 dan 120 terpisah jauh. Ini berarti bahwa pada distribusi data
tersebut terdapat pencilan, yaitu 20 dan 120.
• Contoh 2, tinjau data berikut: 20, 60, 60, 60, 70, 70, 70, 70, 70, 80, 80,
80, 120,
LATIHAN
1. DATA : 23 17 32 60 22 52 29 38 42 92 27 46
Tentukan data pencilan menggunakan diagram titik.
Jawab:
DIAGRAM TITIK
10 20 30 40 50 60 70 80 90 100
Terlihat bahwa nilai data 92 terisolasi dari data lainnya. Hal ini dapat dapat
digunakan untuk memperkirakan bahwa nilai data 92 merupakan pencilan.
Terlihat bahwa data bernilai 92 lebih besar dari pada batas atas nilai pencilan,
sehingga 92 merupakan nilai pencilan, sedangakan data terkecil yaitu 17 lebih besar
dari pada batas bawah nilai pencilan sehingga tidak ada nilai pencilan kecil.
BAB II
LAMPIRAN
Outlier atau pencilan adalah data yang menyimpang terlalu jauh dari data
lainnya dalam suatu rangkaian data. Adanya data pencilan ini sangat mempengaruhi
nilai ukuran statistik terutama nilai rata-rata dan standar deviasi serta jangkauan
sehingga akan mengganggu analisa terhadap distribusi data tersebut.
Pencilan memiliki kemungkinan berasal dari kesalahan metode pengukuran
ataupun asumsi yang diambil dalam mendefenisikan permasalahan. Apabila data
pencilan berasal dari kedua hal tersebut, maka harus dilakukan pengamatan ulang.
Namun apabila setelah dilakukan verifikasi dan ternyata selalu data pencilan tersebut,
maka data pencilan tersebut tidak dapat dibuang atau dapat dikatakan ini merupakan
karakteristik alami permasalahan yang ditinjau. Terdapat beberapa cara untuk
medeteksi pencilan seperti metode grafik (dengan diagram titik), dan metode kuartil
danboxplot.
Daftar Pustaka