Data Outliers

Outliers adalah data yang menyimpang terlalu jauh dari data yang lainnya dalam suatu rangkaian data. Adanya data outliers ini akan membuat analisis terhadap serangkaian data menjadi bias, atau tidak mencerminkan fenomena yang sebenarnya. Istilah outliers juga sering dikaitkan dengan nilai esktrem, baik ekstrem besar maupun ekstrem kecil. Sebagai ilustrasi, jika ada empat mahasiswa, mahasiswa pertama mempunyai uang saku per bulan Rp. 500 ribu, mahasiswa kedua Rp. 600 ribu, mahasiswa ketiga Rp. 700 ribu, dan mahasiswa keempat karena merupakan anak orang kaya, mempunyai uang saku per bulan sampai dengan Rp. 5 juta. Secara sekilas tampak bahwa nilai 5 juta relatif jauh dibandingkan uang saku ketiga mahasiswa yang lain.
Kalau kita rata-ratakan uang saku keempat mahasiswa tersebut, maka rata-ratanya adalah sebesar (500 ribu + 600 ribu + 700 ribu + 5 juta)/4= 6,8 juta/4 = 1,7 juta. Tiga mahasiswa yang lain tentunya keberatan jika dinyatakan bahwa rata-rata uang saku mereka adalah Rp. 1,7 juta per bulan karena jauh sekali dari nilai yang sebenarnya. Contoh lain misalnya kita ingin merata-ratakan kekayaan seorang PNS usia 30 tahunan, dengan memasukkan seorang PNS yang kebetulan mempunyai kekayaan sekitar Rp. 25 Milliar…he he he he

Penangangan Data Outliers
Harus kita apakah data outliers? Apakah harus kita keluarkan? Atau ada treatment yang lain. Pengeluaran data outliers memang tidak disalahkan, akan tetapi harus dikaji dulu, apakah data tersebut merupakan bagian dari populasi atau bukan? Sebagai contoh, seorang PNS dengan kekayaan dalam contoh di atas, sebaiknya dikeluarkan dari model penelitian karena ‘tidak’ mewakili fenomena PNS yang sebenarnya (jangan-jangan memang begitu ya fenomenanya? He he). Dalam contoh keempat mahasiswa di atas, jika tujuannya adalah untuk melihat apakah perlu menaikkan SPP atau tidak, ya sebaiknya dikeluarkan karena tentunya 3 orang yang mempunyai uang saku di bawah 1 juga akan keberatan. Akan tetapi dalam kasus yang lain, data tersebut boleh saja dipergunakan jika memang mewakili kondisi subjek penelitian. Misalnya, penelitian perusahaan selama krisis di mana hampir semua perusahaan mengalami kerugian. Akan tetapi ada satu atau beberapa perusahaan yang dengan jitu melakukan strategi sehingga menghasilkan profit. Nah, hasil penelitian akan lebih menarik jika data outliers tidak dikeluarkan. Dalam hal ini, peneliti bahkan dapat mengkaji strategi apa yang digunakan sehingga dapat dijadikan rujukan bagi perusahaan yang lain.
Dalam statistik, data outliers sering menimbulkan hasil yang bias. Oleh karena itu, harus diberikan perlakuan khusus. Pengeluaran data outliers atau penggunaan data outliers tidak semata-mata merujuk kepada statistiknya, tetapi juga adjustment dari peneliti. Jika memang data outliers tersebut tidak dapat dikeluarkan karena masih merupakan fenomena subjek penelitian ya sebaiknya tetap dipergunakan. Agar efek outliers dapat direduksi, maka data dilakukan transformasi data, misalnya dengan logaritman natural, atau akar kuadrat. Atau juga bisa menggunakan alat statistik non parametrik, sehingga data outliers tidak akan nampak sebagai outliers karena data dianggap berskala ordinal. Sebagai contoh, keempat mahasiswa tadi diubah menjadi data ordinal, sehingga mahasiswa dengan uang saku Rp. 500 ribu menjadi 1, uang saku Rp. 600 ribu menjadi 2, uang saku Rp. 700 ribu menjadi 3, dan yang paling besar menjadi 4. Ini hanya contoh saja, dan sebagai informasi data dalam bentuk ordinal tidak dapat dirata-ratakan, akan tetapi dapat digunakan untuk mencari korelasi dengan variabel lain.


13 comments:

  1. mas ni aq rina lg hehee..pindah di outlier nih,,aq mau nanya kalo data udah normal, musti pake outlier lg g?makasih :)

    BalasHapus
    Balasan
    1. bantu pendapat: sepertinya langsung di uji aja.gak perlu lagi tes outlier.

      Hapus
  2. ok makasih mas,,nanti kalo g dong tanya2 lagi ya...=)

    BalasHapus
  3. siang, saya ingin bertanya apakah data sudah normal, dan outlier dipakai pada uji asumsi klasik lain misalnya hetero, dan untuk mendapatkan signifikansi simultan, apakah itu boleh?

    thanks

    BalasHapus
    Balasan
    1. Coba di cek dengan metode statistik yang ada. Terima kasih.

      Hapus
  4. saya mau bertanya, saya menguji normalitas utk 1 variabel dependen dan 2 variabel independen, tp data saya tidak normal, lalu saya trimming dan ada data outliernya, data tersebut mau saya keluarkan, tp data saya menggunakan 115 perusahaan dr tahun 2010-2015, jika yg outlier hanya di 1 perusahaan dan hanya ditahun 2014 saja, serta hanya di 1 variabel saja, apa perlu saya mengeluarkan semua data di perusahaan itu, atau ditahun 2014 saja?

    BalasHapus
    Balasan
    1. Jika regresi, maka yang digunakan adalah normalitas multivariate. Terima kasih.

      Hapus
  5. maaf saya mau bertanya, dari 124 data sampel ada 2 data yang di outlier...
    permaslahannya adalah jika data di outlier, bagaimana cara mengatasi pada bagian kriteria sampel sampel?
    karena sebelumnya saya menggunkan pusposive sampling dengan 5 kriteria, tetapi 2 data itu awalnya masuk sampel... ternyata seetelah di analisis, 2 data tersebut harus di outlier..
    saya mau bertanya, bagaimana cara mengatasi data outlier? apakah karakteristik sampel harus diganti ? atau bagaimana ?

    terimakasih

    BalasHapus
    Balasan
    1. Di artikel sudah ada uraiannya. Terima kasih.

      Hapus
  6. mau nanya mas atau mbak, adakah maksimal banyaknya data yg boleh dioutlier dari jumlah sampel yg digunakan? lalu, salah satu uji asumsi yaitu uji autokorelasi tidak lulus, baru bisa lulus setelah mengoutlier 55 dari 156 data sampel, bagaimana menurut anda?

    BalasHapus
    Balasan
    1. Tergantung justifikasi Anda sendiri. Nyaman gak menghilangkan sepertiga dari data yang ada? Terima kasih.

      Hapus
  7. maaf saya mau bertanya apakah outlier dapat dilakukan lebih dari satu kali ? maksudnya apabila saya melakukan regresi kemudian saya outlier menggunakan z score dan menghapus yang nilainya lebih dari 2,5 dan -2,5 tetapi data saya belum juga normal apakah setelah saya hapus data tersebut dan saya regresi ulang dapat saya outlier kembali ?

    BalasHapus

Cari Materi