Data Outlier: Pengertian, Cara Mendeteksi, dan Cara Menanganinya

Data outlier adalah data yang nilainya jauh berbeda dari sebagian besar data lainnya. Outlier bisa berasal dari salah input, dari responden yang memang berbeda, atau dari kejadian yang jarang terjadi. Yang perlu diingat sejak awal: outlier tidak otomatis harus dihapus.

Situasi ini sering terjadi. Boxplot SPSS menampilkan beberapa tanda bintang, lalu muncul godaan untuk menghapus semuanya agar data “rapi” dan normal. Masalahnya, penguji bisa bertanya: “Kenapa jumlah sampel berkurang? Atas dasar apa data itu dibuang?” Artikel ini membantu Anda menjawabnya.

Artikel ini bagian dari seri Materi Statistik IDTesis. Pemeriksaan outlier biasanya dilakukan bersama statistik deskriptif dan uji normalitas, sebelum analisis utama.

Tiga Jenis Outlier

Aguinis dkk. (2013) juga membedakan outlier berdasarkan sumbernya. Outlier karena kesalahan berasal dari salah input atau salah ukur. Outlier yang menarik adalah data asli yang memang berbeda dan bisa jadi temuan penting. Cara menanganinya berbeda, jadi sumbernya perlu diketahui dulu sebelum mengambil keputusan.

Mendeteksi Outlier Univariat

Contoh: tinggi badan 30 siswa SMA. Sebagian besar berada di antara 160 dan 179 cm, ditambah dua nilai ekstrem, yaitu 140 cm dan 184 cm.

1. Skor z

Skor z menunjukkan berapa simpangan baku sebuah nilai berada dari rata-rata:

Hair dkk. (2019) menyarankan batas |z| > 2,5 untuk sampel 80 atau kurang, dan batas yang lebih longgar (3 sampai 4) untuk sampel yang lebih besar. Tabachnick dan Fidell (2019) memakai batas |z| > 3,29, yang setara dengan p < 0,001 dua arah. Pilih satu batas, tuliskan di Bab 3, dan pakai secara konsisten.

Di SPSS, buka Analyze ? Descriptive Statistics ? Descriptives, lalu centang Save standardized values as variables. SPSS akan membuat kolom baru berisi skor z.

2. Boxplot (Aturan 1,5 × IQR)

Boxplot memakai kuartil, bukan rata-rata. Data dianggap outlier jika berada di bawah Q1 ? 1,5 × IQR atau di atas Q3 + 1,5 × IQR, dengan IQR = Q3 ? Q1 (Tukey, 1977). Di boxplot SPSS, data yang berjarak 1,5 sampai 3 kali panjang kotak ditandai lingkaran, sedangkan yang lebih jauh lagi ditandai bintang.

3. Median dan MAD

Cara ini memakai median dan median absolute deviation (MAD), yang tidak ikut tertarik oleh nilai ekstrem. Leys dkk. (2013) menyarankan batas median ± 2,5 × MAD sebagai pilihan bawaan.

Hasil pada Contoh

Kenapa skor z tidak menandai 184 cm? Nilai 140 cm membuat simpangan baku membengkak dari 4,90 menjadi 7,65. Akibatnya, nilai 184 cm terlihat “biasa” (z = 2,08). Gejala satu outlier menyembunyikan outlier lain ini disebut efek masking. Jika 140 cm dikeluarkan, skor z untuk 184 cm naik menjadi 2,66. Karena itu, jangan hanya mengandalkan skor z.

Langkah berikutnya adalah memeriksa sumbernya. Nilai 140 cm sangat mungkin salah input, jadi cocokkan dengan lembar data asli. Nilai 184 cm masuk akal untuk siswa SMA yang tinggi, sehingga sebaiknya dipertahankan.

Mendeteksi Outlier Multivariat: Mahalanobis Distance

Kadang setiap nilai tampak wajar jika dilihat sendiri-sendiri, tetapi kombinasinya tidak lazim. Mahalanobis distance (D²) mengukur jarak sebuah data dari pusat data dengan memperhitungkan hubungan antarvariabel.

Nilai D² dibandingkan dengan nilai kritis chi-square, dengan df = jumlah variabel dan p < 0,001 (Tabachnick & Fidell, 2019). Nilai kritisnya 13,82 untuk 2 variabel, 16,27 untuk 3 variabel, 18,47 untuk 4 variabel, dan 20,52 untuk 5 variabel.

Contoh: data jam belajar dan nilai ujian 30 mahasiswa dari artikel regresi vs korelasi, ditambah satu mahasiswa yang belajar 15 jam per minggu tetapi nilainya 48. Skor z-nya masing-masing 2,81 untuk jam belajar dan ?2,38 untuk nilai, jadi tidak ada yang melewati batas 3. Namun D²-nya 17,59, melebihi 13,82 (p < 0,001). Kombinasi “belajar paling lama tetapi nilai paling rendah” itulah yang tidak lazim.

Di SPSS, Mahalanobis distance bisa diperoleh lewat Analyze ? Regression ? Linear ? Save ? Mahalanobis. Perhitungannya memakai variabel yang dimasukkan ke kotak Independent(s), jadi masukkan semua variabel yang ingin diperiksa ke kotak itu.

Outlier Berpengaruh dalam Regresi: Cook’s Distance

Outlier yang paling penting dalam regresi adalah yang mengubah hasil analisis. Ukurannya Cook’s distance, yang menggabungkan seberapa jauh data dari garis regresi dan seberapa ekstrem nilai X-nya (leverage). Nilai Cook’s distance di atas 1 menandakan data yang sangat berpengaruh (Cook & Weisberg, 1982). Sebagian peneliti memakai batas 4/n untuk penyaringan awal.

Pada contoh yang sama, data ke-31 memiliki Cook’s distance 2,78. Pengaruhnya terlihat jelas:

• Tanpa data ke-31: r = 0,603 (p < 0,001), koefisien regresi b = 2,06.
• Dengan data ke-31: r = 0,232 (p = 0,210), koefisien regresi b = 0,75.

Satu data saja mengubah kesimpulan dari “berhubungan signifikan” menjadi “tidak signifikan”.

Di SPSS, buka Analyze ? Regression ? Linear ? Save, lalu centang Cook’s, Leverage values, dan Studentized (residual). Pemeriksaan ini sebaiknya dilakukan bersama uji asumsi klasik.

Memutuskan apakah sebuah data dipertahankan atau dikeluarkan, lalu mempertanggungjawabkannya di depan penguji, sering membingungkan. Jika Anda butuh teman diskusi untuk memeriksa data Anda sendiri, tim IDTesis bisa membantu.

Setelah Outlier Ditemukan, Lalu Apa?

1. Periksa salah input dan salah kode. Cocokkan dengan kuesioner atau lembar data asli. Jika ternyata salah input, perbaiki sesuai data asli, bukan dihapus.
2. Pastikan responden termasuk populasi penelitian. Jika ternyata tidak (misalnya bukan siswa SMA), data boleh dikeluarkan dengan alasan yang jelas.
3. Pertahankan data asli yang memang berbeda. Outlier seperti ini adalah bagian dari kenyataan, dan bisa dibahas sebagai temuan.
4. Untuk outlier berpengaruh, jalankan analisis dua kali, dengan dan tanpa data tersebut. Jika kesimpulannya berubah, laporkan keduanya secara terbuka (Aguinis dkk., 2013).
5. Pertimbangkan cara lain bila perlu, misalnya transformasi data atau uji nonparametrik yang tidak terlalu terpengaruh nilai ekstrem.

Yang tidak boleh dilakukan adalah menghapus outlier berulang kali sampai data normal atau hasilnya signifikan. Setiap kali data ekstrem dihapus, batas baru terbentuk dan outlier “baru” muncul. Praktik ini juga bisa dianggap memanipulasi data.

Contoh Penulisan di Bab 4

Pemeriksaan outlier univariat dilakukan dengan boxplot dan skor z. Dua data tinggi badan berada di luar batas boxplot, yaitu 140 cm dan 184 cm. Setelah dicocokkan dengan lembar data asli, nilai 140 cm merupakan kesalahan input sehingga diperbaiki sesuai data asli. Nilai 184 cm merupakan data yang sah dan tetap dipertahankan. Dengan demikian, analisis dilakukan terhadap seluruh 30 responden.

Untuk regresi, tambahkan kalimat seperti: “Pemeriksaan Cook’s distance menemukan satu data berpengaruh (D = 2,78). Analisis dijalankan dengan dan tanpa data tersebut, dan kedua hasil dilaporkan.” Sesuaikan isinya dengan keputusan yang benar-benar Anda ambil.

Kesalahan yang Sering Terjadi

• Menghapus semua data yang ditandai boxplot tanpa memeriksa sumbernya.
• Menghapus outlier hanya agar data normal atau hasil signifikan.
• Hanya memakai skor z, sehingga outlier yang tertutup efek masking tidak terdeteksi.
• Tidak memeriksa outlier multivariat pada analisis dengan banyak variabel.
• Tidak melaporkan berapa data yang dikeluarkan dan alasannya.
• Menganggap jawaban kuesioner yang serba ekstrem sebagai outlier. Pada skala Likert, responden yang menjawab “sangat setuju” di semua butir belum tentu outlier. Yang perlu diperiksa adalah pola jawaban yang asal-asalan, misalnya jawaban yang sama persis di semua butir, termasuk butir negatif.

Pertanyaan yang Sering Diajukan

Apakah outlier harus dihapus agar data normal?

Tidak. Normalitas bukan alasan yang cukup untuk menghapus data. Periksa dulu sumber outlier. Jika data asli dan sah, pertimbangkan transformasi atau uji yang tidak memerlukan data normal.

Batas skor z mana yang sebaiknya dipakai?

Untuk sampel kecil (80 atau kurang), batas 2,5 cukup umum. Untuk sampel lebih besar, batas 3 atau 3,29 lebih sering dipakai. Yang penting, tentukan sebelum melihat data dan cantumkan rujukannya.

Apakah outlier juga perlu diperiksa sebelum SEM PLS?

Perlu. Pemeriksaan data, termasuk outlier dan data kosong, adalah tahap awal sebelum analisis apa pun, termasuk SEM PLS.

Berapa banyak outlier yang masih wajar?

Tidak ada angka pasti. Namun jika banyak data yang ditandai outlier, kemungkinan sebarannya memang miring, bukan karena banyak data yang salah. Pada kasus seperti ini, transformasi atau uji yang lebih tahan nilai ekstrem biasanya lebih tepat daripada menghapus data.

Butuh Teman Diskusi untuk Olah Data?

Masih ragu menangani outlier di data penelitian Anda? Tim IDTesis bisa menemani Anda memeriksa outlier univariat, multivariat, dan outlier berpengaruh, menentukan langkah yang bisa dipertanggungjawabkan, dan menuliskannya di Bab 4. Ceritakan dulu kebutuhan Anda lewat WhatsApp, atau lihat layanan olah data statistik.

Baca juga: Uji Normalitas · Transformasi Data · Analisis Regresi Linier

Referensi

• Aguinis, H., Gottfredson, R. K., & Joo, H. (2013). Best-practice recommendations for defining, identifying, and handling outliers. Organizational Research Methods, 16(2), 270–301.
• Cook, R. D., & Weisberg, S. (1982). Residuals and influence in regression. Chapman and Hall.
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
• Leys, C., Ley, C., Klein, O., Bernard, P., & Licata, L. (2013). Detecting outliers: Do not use standard deviation around the mean, use absolute deviation around the median. Journal of Experimental Social Psychology, 49(4), 764–766.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.