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

P. Sihombing, Suryadiningrat Suryadiningrat, Deden Achmad Sunarjo, Yoshep Paulus Apri Caraka Yuda
{"title":"Identifikasi Data Outlier (Pencilan) dan Kenormalan Data Pada Data Univariat serta Alternatif Penyelesaiannya","authors":"P. Sihombing, Suryadiningrat Suryadiningrat, Deden Achmad Sunarjo, Yoshep Paulus Apri Caraka Yuda","doi":"10.11594/jesi.02.03.07","DOIUrl":null,"url":null,"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.","PeriodicalId":136508,"journal":{"name":"Jurnal Ekonomi Dan Statistik Indonesia","volume":"11 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-01-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ekonomi Dan Statistik Indonesia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.11594/jesi.02.03.07","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

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.
本研究的目标是识别外部值和数据univariat的数据正常。至于2022年印尼贫困人口比例的数据,则来自中央统计机构。采用箱形图、组图和格拉布测试进行异常测试。而数据正常测试使用SK测试和Wilk Shapiro。研究结果显示,在巴布亚省的观察中存在外值数据,以及未正常分配的数据。随后在处理外部数据时采用了多种替代方案。结果表明,使用考克斯的箱型转换技术、优化和三角数据,可以解决异常数据问题。box和trimming方法共同解决了数据的正常问题,而winsorizing方法仍然不能解决数据的正常问题。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信