Dr. Masarina Flukeria, M.S.E., M.P.P.

Video ini membahas deteksi outlier menggunakan boxplot dalam analisis deskriptif. Outlier dapat mempengaruhi interpretasi data dan membuat rata-rata menjadi misleading. Dengan boxplot, kita dapat mendeteksi outlier dengan menghitung Interquartile Range (IKR) dan mengalikannya dengan konstanta K. Penentuan K bersifat subjektif tergantung pada peneliti, namun umumnya digunakan K=1,5. Melalui perhitungan matematika, kita dapat menentukan apakah suatu data merupakan outlier atau tidak. Dengan memahami konsep ini, kita dapat hati-hati dalam menginterpretasikan data dan menghindari kesalahan dalam perhitungan rata-rata. Semoga informasi tentang deteksi outlier ini bermanfaat bagi semua. Terima kasih.

Baik, sekarang kita akan belajar tentang deteksi outlier.

Pada waktu kamu belajar tentang rata-rata biasa,

kamu ingat kan saya mengatakan ke kamu bahwa

kalau kamu ngitung rata-rata lalu di dalamnya ada data outlier,

maka rata-rata yang kamu peroleh itu bisa menjadi rata-rata yang misleading.

Yang sebenarnya hanya ada satu orang berpendapatan 10 juta,

tapi yang lainnya pendapatannya 100 ribu, 200 ribu,

tapi karena 10 juta ini, maka rata-ratanya itu akan ketarik ke atas.

Itu karena ada faktor outlier di dalamnya.

Sekarang kita tahu bahwa outlier itu bisa membuat interpretasi data menjadi salah.

Lalu bagaimana cara kita bisa mendeteksi outlier?

Bagaimana kita bisa tahu, oh ini outlier, oh ini bukan?

Secara kasut mata, kalau misalkan saya bikin table atau bikin grafik seperti ini,

Misalkan semuanya bergerak seperti ini, lalu ada yang di sini.

Ini kita bisa bilang bahwa pergerakan dia tidak sama dengan pergerakan yang lain.

Kita bisa mengatakannya secara kasut mata,

tapi bayangkan kalau kamu bekerja dengan data yang sangat banyak,

Bagaimana kamu bisa tahu, oh ini outlier, oh ini bukan?

Artinya di sini untuk bisa menentukan apakah dia outlier atau bukan,

Di sini saya akan memberitahukan ke kamu,

bahwa untuk bisa mengetahui atau untuk bisa mendeteksi outlier,

kamu bisa memanfaatkan teknik ataupun menggunakan alat yang namanya boxplot.

Boxplot itu bentuknya adalah seperti ini.

Oke, lalu di sini ada Q2, Q1, lalu ada Q3.

Nah, di sini misalkan ini adalah nilai ada minimum,

Kira-kira informasi yang dibutuhkan ketika kamu membuat boxplot,

itu adalah kita butuh informasi Q1, kita butuh informasi Q2, kita butuh informasi Q3.

Q1, Q2, Q3 itu adalah kuartil 1, kuartil 2, kuartil 3.

Lalu kita juga butuh informasi minimum, kita butuh informasi maksimum.

Nah, di sini anggap saja kita asumsikan bahwa kita sudah menghitung Q1,

Kalau kita lihat data growth, coba kita fokus dulu ke data ini.

Nah, ini nanti saja, mungkin nanti bisa kamu jadikan PR di rumah

ketika kamu sudah paham cara menghitung untuk aspek growth,

kamu bisa menghitung di rumah untuk aspek value-nya.

Nah, sekarang coba kamu fokus data yang di sebelah sini.

Nah, kalau di sini kamu lihat mana minimumnya?

Yang minimum itu outlayer, yang maksimum itu outlayer.

Kamu belum bisa ngomong kalau yang minimum itu outlayer

Cara mendetect-nya adalah kamu perlu menghitung yang namanya IKR.

Dimana Interquartile Range atau IKR itu kamu peroleh dari,

Q3 dikurang Q1, kalau ini adalah Q1, ini Q3.

Nah, di sini kita tahu Q3-nya adalah 20,76, Q1-nya adalah 22,81.

Kemudian untuk bisa mendeteksi outlayer, setelah kamu tahu IKR,

tahap selanjutnya adalah kamu perlu menghitung IKR

Artinya kalau saya menganggap konstantanya itu adalah K,

Nah, K di sini, konstanta di sini itu sifatnya tergantung kepada penelitinya.

Ada yang membutuhkan konstantanya 1, 2, 3, 1,5, dan seterusnya.

Umumnya konstanta atau K yang digunakan itu adalah K sama dengan 1,5.

Tapi sebenarnya penentuan K itu sangat bergantung kepada peneliti.

Seberapa akurat dia ingin mengetahui bagaimana suatu data itu menyimpang.

Sebenarnya K dikali 17,9 itu dia ingin membangun interval.

Artinya penentuan K di sini sangat subjektif tergantung si peneliti.

Nah, di sini kita pilih K sama dengan 1,5 untuk penyeragaman.

Ketika kita menghitung K dikalikan dengan IKR maka hasilnya adalah 26,93.

Nah, sekarang kita sudah punya tahu rings kita itu adalah 26,93.

Selanjutnya adalah kita perlu mengetahui bagaimana titik minimum itu dibandingkan dengan K1nya

dan juga bagaimana titik maksimum itu dibandingkan dengan K3nya.

Karena kita ingin tahu sebenarnya itu yang minimum itu outlier atau bukan.

Kita kan tidak bisa seperti itu, kita harus bisa mendeteksinya secara matematika.

Nah, sekarang kita lihat tahap ketiga itu adalah kamu perlu menghitung K1 dikurangi dengan minimum.

K1 dikurangi minimum berarti adalah 2,81 dikurangi dengan minus 38,32.

Nah, sekarang apakah K1 dikurangi minimum itu lebih dari rings yang kita tentukan?

Di sini kita tahu persis bahwa 41,13 lebih besar daripada rings yang kita tentukan.

Berarti ini adalah K1 dikurangi minimum lebih dari K dikali dengan IQR.

Ketika dia lebih dari artinya adalah angka minimum tersebut itu merupakan outlier.

Artinya titik minimum itu adalah outlier.