Cara Menemukan Outlier dalam Dataset Tanpa Menulis Kode (Panduan 2026)
Anda dapat menemukan pencilan (outliers) tanpa menulis kode menggunakan aturan IQR, z-score, atau box plot — ketiganya berfungsi di spreadsheet. Aturan IQR menandai nilai yang lebih dari 1.5 jangkauan antarkuartil di luar kuartil; z-score menandai nilai yang lebih dari tiga standar deviasi dari rata-rata. Keduanya sering kali tidak sejalan, dan memahami alasannya adalah keahlian yang sebenarnya.
Menemukan pencilan adalah bagian yang mudah. Memutuskan apa yang harus dilakukan dengannya adalah bagian yang menentukan apakah analisis Anda jujur, dan tidak ada metode yang dapat menjawab hal itu untuk Anda.
Panduan ini membahas mengapa kedua metode standar tersebut tidak sejalan dan tiga cara untuk mendeteksi pencilan tanpa kode. Panduan ini kemudian membahas cara memutuskan apakah pencilan tertentu harus dihapus, dipertahankan, atau dilaporkan secara terpisah.
Mengapa menangani pencilan lebih sulit daripada "hapus saja"
Kedua metode standar memang dirancang untuk tidak sejalan
Aturan IQR bekerja berdasarkan kuartil, yang bersifat posisional. Aturan ini tidak peduli seberapa ekstrem suatu nilai, melainkan hanya di mana nilai tersebut berada dalam urutan data. Hal ini membuatnya tahan terhadap distorsi dari pencilan yang justru sedang dicarinya.
Z-score bekerja berdasarkan rata-rata (mean) dan standar deviasi, dan keduanya dapat dipengaruhi oleh nilai ekstrem. Satu nilai yang sangat besar akan memperbesar standar deviasi, yang kemudian memperkecil setiap z-score — termasuk z-score miliknya sendiri. Pada dataset kecil, satu pencilan yang sangat ekstrem dapat menyembunyikan dirinya dengan cara ini.
Itulah mengapa kolom yang sama dapat menunjukkan empat pencilan dengan IQR dan hanya satu dengan z-score. Metode-metode ini bukannya tidak konsisten; mereka hanya mengukur hal yang berbeda.
Keputusan ini bukanlah keputusan statistik
Transaksi senilai $2 juta dalam file yang berisi pesanan rata-rata $200 akan ditandai oleh setiap metode. Apakah transaksi tersebut harus dihapus atau tidak, bergantung pada fakta-fakta yang tidak dapat diakses oleh metode apa pun.
Jika itu adalah kesalahan entri data dengan desimal yang salah tempat, hapus saja. Jika itu adalah kesepakatan korporat (enterprise) yang nyata, menghapusnya berarti menghapus pelanggan terpenting Anda dari analisis. Jika itu adalah transaksi uji coba yang lupa dihapus seseorang, hapus dan periksa transaksi lainnya. Tiga tindakan berbeda, satu tanda yang sama.
Bentuk distribusi merusak asumsi
Kedua metode standar mengasumsikan distribusi yang mendekati bentuk lonceng. Pendapatan, tayangan halaman, nilai pesanan, dan durasi sesi biasanya miring (skewed) dengan ekor kanan yang panjang, di mana nilai yang tinggi adalah hal yang normal, bukan pengecualian.
Menerapkan aturan z-score pada kolom jenis tersebut akan menandai sebagian besar data yang sebenarnya sangat biasa. Solusinya adalah memeriksa bentuk distribusinya terlebih dahulu, dan mempertimbangkan untuk melakukan transformasi log atau menggunakan batas berbasis persentil sebagai gantinya.
Kerugian yang Anda alami
Rata-rata yang tidak menggambarkan siapa pun. Satu nilai ekstrem dapat menggeser rata-rata hingga berada di luar rentang tempat sebagian besar data Anda sebenarnya berada. Keputusan pun diambil berdasarkan angka tersebut.
Grafik dengan sumbu yang tidak terbaca. Satu nilai yang sepuluh kali lebih besar dari yang lain akan memampatkan semua data lainnya menjadi garis datar di dekat bagian bawah. Grafik tersebut secara teknis benar, tetapi tidak menyampaikan informasi apa pun.
Penghapusan diam-diam. Hasil terburuk adalah ketika seseorang diam-diam menghapus baris yang tidak diinginkan sebelum membagikan file tersebut. Tidak ada orang di tahap berikutnya yang tahu bahwa basis data telah berubah, dan hasilnya tidak dapat direproduksi.
Tiga cara menemukan pencilan tanpa kode
Opsi 1: Aturan IQR
Gunakan QUARTILE untuk mendapatkan kuartil pertama dan ketiga, lalu kurangi untuk mendapatkan jangkauan antarkuartil. Tandai apa pun yang berada di bawah Q1 dikurangi 1.5 × IQR atau di atas Q3 ditambah 1.5 × IQR.
Ini menjadi pilihan utama karena suatu alasan: metode ini tahan terhadap nilai ekstrem dan tidak memerlukan asumsi distribusi. Pada data yang sangat miring, metode ini masih sering menandai ekor kanan secara berlebihan, jadi periksalah bentuk distribusinya sebelum memercayai hasil perhitungan.
Opsi 2: Z-score
Hitung rata-rata dan standar deviasi dengan STDEV.P, lalu hitung berapa banyak standar deviasi jarak setiap nilai dari rata-rata. Batas yang biasa digunakan adalah di atas tiga.
Metode ini bekerja dengan baik pada data yang mendekati simetris dan memberi Anda besaran (magnitude) alih-alih sekadar tanda ya-atau-tidak, yang berguna untuk pemeringkatan. Metode ini tidak dapat diandalkan pada sampel kecil dan kolom yang miring.
Opsi 3: Box plot
Gambarkan kolom sebagai box plot dan baca titik-titik di luar whisker. Box plot di Excel menggunakan konvensi 1.5 × IQR yang sama, sehingga hasilnya cocok dengan Opsi 1. Perbedaannya adalah Anda dapat melihat bentuk distribusi pada saat yang sama.
Ini adalah cara tercepat untuk memeriksa apakah kedua metode lainnya memang tepat untuk digunakan. Jika kotak menempel erat di salah satu ujung dengan ekor yang panjang, Anda patut mencurigai aturan batas apa pun yang digunakan.
Di mana ketiganya menemui batasan yang sama
Setiap metode menghasilkan daftar baris yang ditandai. Tidak ada satu pun yang memberi tahu Anda tanda mana yang merupakan kesalahan, mana yang merupakan nilai ekstrem yang nyata, dan mana yang menunjukkan bahwa kolom tersebut miring, bukan kotor.
Untuk menjawab hal itu, Anda perlu melihat baris yang ditandai dalam konteksnya. Apa lagi yang ada di baris tersebut. Apakah baris-baris itu mengelompok dalam satu periode waktu atau satu sistem sumber. Apakah pelanggan yang sama muncul berulang kali. Itu adalah investigasi, bukan kalkulasi, dan di situlah waktu Anda sebenarnya dihabiskan.
Cara menemukan pencilan dengan Powerdrill Bloom
Langkah 1: Unggah data Anda
Unggah file Excel atau CSV. Powerdrill Bloom membuat profil setiap kolom saat masuk, sehingga bentuk distribusi dan nilai ekstrem dapat terlihat sebelum Anda memilih metode deteksi.
Langkah 2: Deskripsikan pemeriksaan dalam bahasa sehari-hari
Tanyakan langsung: tandai nilai di luar 1.5 jangkauan antarkuartil di kolom ini, lalu tunjukkan baris lengkapnya agar saya dapat melihat konteksnya. Lanjutkan dengan pertanyaan yang benar-benar dapat menyelesaikan keputusan tersebut. Apakah baris yang ditandai mengelompok berdasarkan tanggal atau sumber, apakah pengidentifikasi yang sama berulang, dan bagaimana statistik ringkasan berubah jika data tersebut dikecualikan.
Langkah 3: Ekspor grafik, laporan, atau slide presentasi
Ekspor box plot, tabel baris yang ditandai beserta konteksnya, atau catatan tertulis yang mendokumentasikan baris mana saja yang dikecualikan dan alasannya.
Mengapa cara ini lebih baik daripada deteksi manual
| Cara Spreadsheet | Powerdrill Bloom | |
|---|---|---|
| Membandingkan hasil IQR dan z-score | Dua set rumus, rekonsiliasi manual | Minta keduanya |
| Melihat konteks di sekitar nilai yang ditandai | Filter dan gulir | Disajikan bersama baris data |
| Memeriksa bentuk distribusi terlebih dahulu | Buat histogram | Profil dibuat saat unggah |
| Menguji dampak pengecualian | Duplikat lembar kerja (sheet) | Minta kedua versi |
Baris terakhir adalah yang paling penting. Cara jujur untuk menangani pencilan yang ambigu adalah dengan melaporkan hasil dengan dan tanpa pencilan tersebut. Biarkan pembaca melihat apakah kesimpulan yang diambil bergantung pada satu baris saja. Perbandingan seperti itu memerlukan pembuatan ulang di spreadsheet, itulah sebabnya hal ini biasanya tidak dilakukan.
Praktik terbaik: memutuskan apa yang harus dilakukan terhadap pencilan
Selidiki sebelum mengecualikan. Lihat seluruh baris. Desimal yang salah tempat, catatan uji coba, dan pelanggan besar yang nyata terlihat identik jika hanya dilihat dalam satu kolom.
Jangan pernah menghapus secara diam-diam. Jika Anda mengecualikan baris, sebutkan berapa banyak dan mengapa, dalam dokumen yang sama dengan hasil analisis. Analisis yang basis datanya berubah tanpa catatan tidak akan dapat direproduksi.
Laporkan kedua versi jika itu penting. Jika suatu kesimpulan berbalik hanya karena satu nilai, itulah temuan utamanya, bukan gangguan yang harus disingkirkan.
Periksa bentuk distribusi sebelum memilih batas. Kolom yang miring memerlukan batas berbasis persentil atau transformasi log, bukan aturan z-score.
Waspadai pengelompokan. Beberapa pencilan yang muncul pada tanggal yang sama atau dari sumber yang sama biasanya menunjukkan masalah pada pipeline data, bukan pelanggan yang benar-benar tidak biasa. Panduan kami tentang membersihkan dan menghapus duplikasi data membahas kasus tersebut.
Kesimpulan
Menemukan pencilan tanpa kode bermuara pada tiga alat. Aturan IQR adalah pilihan utama yang tahan terhadap distorsi, z-score cocok untuk data yang mendekati simetris saat Anda ingin melihat besaran, dan box plot memeriksa apakah salah satu asumsi tersebut terpenuhi. Bersiaplah jika hasilnya tidak sejalan, dan anggap ketidaksesuaian tersebut sebagai informasi.
Bagian yang tidak dicakup oleh metode apa pun adalah pengambilan keputusan. Jika pekerjaan pencilan Anda berhenti pada kolom yang ditandai karena menyelidiki setiap baris terlalu lambat, coba Powerdrill Bloom pada file tersebut. Lihat juga halaman pembersihan data AI kami, panduan untuk menjalankan statistik deskriptif, dan mengubah CSV menjadi grafik.
Pertanyaan yang sering diajukan
Apa yang dianggap sebagai pencilan dalam suatu dataset?
Secara konvensional, nilai yang berada di luar 1.5 jangkauan antarkuartil dari kuartil pertama atau ketiga, atau lebih dari tiga standar deviasi dari rata-rata. Keduanya merupakan konvensi, bukan hukum mutlak, dan mana yang cocok bergantung pada apakah data Anda mendekati simetris atau miring.
Bagaimana cara menemukan pencilan di Excel tanpa kode?
Gunakan QUARTILE untuk membuat batas IQR dan menandai nilai di luarnya, atau hitung z-score dengan rata-rata dan STDEV.P. Box plot memberikan hasil IQR yang sama secara visual sekaligus menunjukkan bentuk distribusinya.
Haruskah saya menghapus pencilan dari analisis saya?
Hanya setelah Anda memastikan apa penyebabnya. Kesalahan entri data dan catatan uji coba harus dihapus; nilai ekstrem yang nyata biasanya tidak boleh dihapus, karena menghapusnya berarti menghilangkan informasi yang sebenarnya. Jika ambigu, laporkan hasilnya dengan kedua cara tersebut.
Why do IQR and z-score flag different values?
IQR bekerja berdasarkan kuartil, yang tidak dapat didistorsi oleh nilai ekstrem. Z-score bekerja berdasarkan rata-rata dan standar deviasi, yang dapat didistorsi oleh nilai ekstrem. Nilai yang cukup besar akan memperbesar standar deviasi dan dapat menyembunyikan dirinya sendiri.
Bagaimana jika data saya miring, bukan berbentuk lonceng?
Batas standar akan menandai ekor panjang secara berlebihan pada kolom yang miring seperti pendapatan atau nilai pesanan. Gunakan batas berbasis persentil, atau lakukan transformasi log pada kolom terlebih dahulu, dan periksa bentuk distribusi sebelum memilih aturan apa pun.