PROBABILITAS DAN STATITISKA TE C

2020 CATATAN PERTEMUAN KEENAM

KELOMPOK 4

DATA PENCILAN

Oleh :

Nurin Firzannah Siregar(1910951022)

Taufiq Reza (1910951024)

Muhammad Fiqra Fuaddy (1910951027)

Dosen Pengampu : Mumuh Muharram, M.T

JURUSAN TEKNIK

ELEKTRO

FAKULTAS

TEKNIK

UNIVERSITAS

ANDALAS
 BAB I

CATATAN MATERI PERTEMUAN 6 (DATA

PENCILAN)

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.

Apa yang harus dilakukan?

• Apakah pencilan ini harus dibuang dari distribusi data?
• Pencilan ada kemungkinan berasal dari kesalahan metode pengukuran
ataupun asumsi yang diambil dalam mendefinisikan permasalahan.
• Apabila pencilan berasal dari kedua hal tersebut, maka harus dilakukan
pengamatan ulang   Pencilan dapat dibuang
• Apabila setelah dilakukan verifikasi ternyata selalu diperoleh data pencilan
tersebut, maka data pencilan tersebut tidak dapat dibuang 
karakteristik alami permasalahan yang ditinjau

B. CARA DETEKSI PENCILAN

1. METODE DIAGRAM TITIK

• 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.

2. METODE KUARTIL DAN BOXPLOT

• Boxplot merupakan bentuk penyajian data menggunakan gambar yang

memperlihatkan lima ukuran berdasarkan nilai-nilai minimum, maksimum,
kuartil pertama, kuartil kedua (median), dan kuartil ketiga.
• BBP  Batas Bawah Pencilan
• BAP  Batas Atas Pencilan
• JQ = Jangkauan Kuartil =
BBP = Q1 - 1,5JQ
•
BAP = Q3 + 1,5JQ
•
Data pencilan apabila: xi < BBP atau xi > BAP
•

• Contoh 1, tinjau data untuk contoh 1 diagram titik:

3, 9, 10, 11, 11, 11, 11, 14, 15
Terlihat bahwa data bernilai 3 lebih kecil dari pada batas bawah nilai pencilan,
sehingga 3 merupakan nilai pencilan, sedangakan data terbesar 15 lebih kecil dari
pada batas atas nilai pencilan sehingga tidak ada nilai pencilan besar.

• Contoh 2, tinjau data berikut: 20, 60, 60, 60, 70, 70, 70, 70, 70, 80, 80,
80, 120,

Batas bawah nilai pencilan = BBP = Q1 – 1,5JQ = 60 – 1,5x20 = 30

Batas atas nilai pencilan = BAP = Q3 + 1,5JQ = 80 + 1,5x20 = 110
Sehingga diperoleh 20 dan 120 merupakan pencilan.

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.

2. Data no. 1, tentukan data pencilan menggunakan metoda Boxplot.

Jawab:
23+27
Q 1= =25
2
32+38
Q 2= =35
2
46 +52
Q 3= =49
2
JQ=49−25=24

BBP=25−( 1,5 ×24 )=−11

BAP=49+ ( 1,5 ×24 )=85

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

1. Materi power point kelompok 4 (membahas tentang data pencilan)

 BAB III
KESIMPULAN

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

Muharam, Mumuh. 2021.”PROBABILITAS DAN STATISTIKA. DATA OUTLIER

(PENCILAN)”. Jurusan Teknik Elektro. Fakultas Teknik. Universitas Andalas.

“Mengenal data pencilan (outlier)” diakses melalui https://medium.com/machine-learning-

kelompok-2/yuk-mengenal-data-pencilan-outlier-a977bf83e38d, pada tanggal 25 Februari 2021.

“Pencilan”, diakses melalui http://www.stat.ipb.ac.id/en/uploads/Regresi

%20Minor/6%20Identifikasi%20Pencilan%20dan%20Pengamatan%20berpengaruh.pdf,
pada tanggal 5 Maret 2021.