Outlier: Dibuang atau Disimpan?
Hampir setiap dataset punya satu atau dua angka yang membuat kita berhenti dan bertanya, "ini benar?" Angka seperti itu disebut outlier: nilai yang letaknya jauh dari kebanyakan data lain.
Reaksi pertama biasanya ingin menghapusnya supaya grafiknya rapi. Tahan dulu.
Cara mengenali outlier
Cara paling sederhana adalah melihat titik-titiknya. Cara yang sedikit lebih rapi adalah aturan yang dipakai di box plot:
- Urutkan data, lalu ambil separuh data yang di tengah. Itu kotaknya.
- Ukur lebar kotak itu, lalu tarik batas sejauh satu setengah kali lebar kotak dari tepinya.
- Titik yang ada di luar batas itu patut dicurigai.
Aturan ini hanya alat bantu untuk menandai, bukan hakim. Ia tidak tahu apakah titik itu salah atau benar.
Tiga pertanyaan sebelum menghapus
1. Salah catat?
Salah ketik, salah satuan, atau data ganda. Kalau iya, perbaiki atau buang, dan catat alasannya.
2. Kejadian nyata?
Paket memang nyasar, pelanggan memang borong. Kalau iya, jangan dibuang. Sering kali justru di sini ceritanya.
3. Relevan untuk pertanyaannya?
Kalau pertanyaannya "pengiriman normal biasanya berapa lama", pakai median. Kalau pertanyaannya "seberapa parah kasus terburuk", outlier itulah jawabannya.
Apa pun keputusannya, tulis di laporan: berapa titik yang dikeluarkan dan kenapa. Menghapus data diam-diam supaya hasilnya bagus bukan membersihkan data. Itu mengubah cerita.
Outlier bukan gangguan yang harus dibersihkan. Ia pertanyaan yang harus dijawab.← Kembali ke daftar