Memahami Outliers dalam Analisis Data

Outlier ialah titik data yang jauh daripada titik data lain dalam set data. Ia biasanya dianggap sebagai kes luar biasa atau luar biasa, dan boleh memberi kesan yang ketara pada analisis data. Outlier boleh sama ada positif atau negatif, dan ia boleh dikenal pasti menggunakan pelbagai kaedah seperti teknik statistik, visualisasi atau pengetahuan domain.

Berikut ialah beberapa jenis outlier biasa:

1. Point outliers: Ini adalah titik data yang jauh daripada titik data lain dalam satu dimensi. Contohnya, titik data yang jauh lebih tinggi atau lebih rendah daripada titik data lain dalam set data.
2. Outlier kontekstual: Ini adalah titik data yang bukan perkara luar biasa dalam diri mereka sendiri, tetapi luar biasa berdasarkan konteks di mana ia berlaku. Contohnya, titik data yang lebih tinggi atau lebih rendah daripada titik data lain dalam set data, tetapi hanya untuk kumpulan tertentu atau subset data.
3. Pencilan sementara: Ini adalah titik data yang luar biasa memandangkan tempoh masa ia berlaku. Contohnya, titik data yang jauh lebih tinggi atau lebih rendah daripada titik data lain pada masa tertentu dalam tahun atau musim.
4. Outlier spatial: Ini adalah titik data yang luar biasa berdasarkan lokasinya. Contohnya, titik data yang jauh lebih tinggi atau lebih rendah daripada titik data lain dalam wilayah geografi tertentu.
5. Outlier multivariate: Ini adalah titik data yang luar biasa memandangkan berbilang pembolehubah atau dimensi. Contohnya, titik data yang tinggi pada satu pembolehubah tetapi rendah pada pembolehubah lain.

Perlu ambil perhatian bahawa tidak semua pencilan adalah ralat atau anomali, sesetengahnya boleh menjadi titik data yang sah yang memberikan cerapan berharga ke dalam data. Oleh itu, adalah penting untuk menilai dengan teliti dan menyiasat mana-mana perkara luar sebelum membuat kesimpulan atau keputusan berdasarkan data.