Identifikasi Data Outlier (Pencilan) dan Kenormalan Data Pada Data Univariat serta Alternatif Penyelesaiannya

Abstract

Penelitian ini bertujuan mengindentifikasi outlier (pencilan) dan kenormalan data pada univariat data. Adapun data yang digunakan berupa data persentase kemiskinan di Indonesia tahun 2022 yang berasal dari Badan Pusat Statistik.  Metode pengujian outlier dilakukan dengan menggunakan grafik box plot, histrogram dan uji Grubbs. Sedangkan pengujian kenormalan data menggunkan uji SK Test dan Shapiro Wilk.  Hasil penelitian menunjukkan terdapat data outlier yaitu pada observasi Provinsi Papua, dan data tidak berdistribusi normal. Selanjutnya dilakukan berbagai alternatif dalam menangani data outlier. Hasil menunjukkan menggunakan teknik tranformasi box cox, winsorizing dan trimming data, dapat menyelesaikan masalah outlier data. Metode box cox dan trimming sekaligus mampu mengatasi masalah kenormalan data, sedangkan metode winsorizing belum dapat mengatasi masalah kenormalan data.