HASLAN Pengarang ASTRI ATTI Dosen Pembimbing 1 MEKSIANIS ZADRAK NDII Dosen Pembimbing 2 Ariyanto Ketua Penguji Astri Atti Penguji 1 Meksianis Zadrak Ndii Penguji 2

Data merupakan sejumlah informasi baik berupa bilangan maupun berupa kategori. Data dikatakan baik apabila memenuhi kriteria data seperti objektif, relevan, dan reprsentatif. Salah satu penyebab data tidak memenuhi kriteria adalah adanya pencilan (outlier) dalam data. Pencilan merupakan data yang menyimpang secara signifikan dari objek data lainnya dalam suatu setdata. berdasarkan variabelnya dapat dibedakan atas dua yaitu pencilan pada pengamatan univariat maupun multivariat dan pencilan pada model linear univariat dan multivariat. Tujuan dari penulisan ini adalah untuk menjelaskan (1) metode-metode yang dapat digunakan untuk mendeteksi adanya pencilan dalam data baik pada pengamatan univariat maupun multivarit. (2) metode-metode yang dapat digunakan untuk mengatasi pencilan. Pencilan pada pengamatan univariat dapat dideteksi menggunakan beberapa alternatif, diantaranya dengan melakukan visualisasi data menggunakan boxplot dan histogram, menggunakan metode berbasis statistik (statistic based model) berupa uji IQR, uji pemusatan dan keragaman data, Uji Grubbs, dan Z-score. Sedangkan pada pengamatan multivariat dapat dideteksi menggunakan metode statistik yaitu jarak mahalanobis, dan matriks minimum variansi kovariansi (MVV), serta terdapat metode clustering yang dapat mendeteksi pencilan multivariat salah satunya yaitu algoritma DBSCAN, dan metode berbasis kedekatan (proximity based method) dengan menggunakan algoritma Local Outlier Factor (LOF). Kata kunci: Pencilan (outlier), mendeteksi pencilan, mengatasi pencilan