Identifikasi dan Uji Outlier
(Data Pencilan)

Kegiatan Literasi Statistik pada periode ini memasuki penyelenggaraan Literasi Statistik Series 7 dengan mengangkat tema "Identifikasi dan Uji Outlier (Data Pencilan)". Kegiatan ini dilaksanakan pada Kamis, 2 April 2026, bertempat di Perpustakaan Lantai 3 Universitas Pamulang Kampus Kota Serang. Kegiatan tersebut diselenggarakan sebagai salah satu upaya untuk meningkatkan pemahaman mahasiswa mengenai konsep dasar hingga penerapan identifikasi outlier dalam analisis statistik. Melalui kegiatan ini, peserta diharapkan mampu memahami pentingnya mendeteksi data pencilan sebagai bagian dari proses pengolahan data yang dapat memengaruhi hasil analisis dan pengambilan keputusan.

Pada kegiatan ini, Ibu Euis Aprianti, S.Mat., M.Mat., dosen Program Studi S-1 Matematika Universitas Pamulang Kampus Kota Serang, hadir sebagai narasumber. Beliau menyampaikan materi secara sistematis dan komprehensif, dimulai dari pengertian outlier, faktor-faktor yang menyebabkan munculnya data pencilan, jenis-jenis outlier, hingga berbagai metode yang dapat digunakan untuk mengidentifikasi dan menguji keberadaan outlier dalam suatu kumpulan data. Selain menjelaskan teori, narasumber juga memberikan berbagai contoh kasus yang sering ditemui dalam penelitian maupun analisis data sehingga peserta dapat memahami penerapan konsep tersebut dalam situasi nyata.

Informasi mengenai penyelenggaraan kegiatan ini dipublikasikan melalui akun Instagram @titik_statistik dalam bentuk flyer sebagai media penyebaran informasi kepada mahasiswa dan calon peserta. Publikasi tersebut bertujuan untuk memperluas jangkauan informasi sekaligus meningkatkan partisipasi mahasiswa dalam mengikuti kegiatan Literasi Statistik. Melalui media sosial, informasi mengenai tema kegiatan, waktu pelaksanaan, lokasi, serta narasumber dapat tersampaikan dengan lebih cepat dan mudah diakses oleh sivitas akademika.

Kegiatan Literasi Statistik Series 7 diikuti oleh 7 orang peserta yang berasal dari berbagai program studi di Universitas Pamulang Kampus Kota Serang, yaitu Program Studi S-1 Matematika, S-1 Ilmu Pemerintahan, dan S-1 Sistem Komputer. Keberagaman latar belakang akademik peserta menunjukkan bahwa materi mengenai identifikasi dan uji outlier tidak hanya relevan bagi mahasiswa yang mempelajari statistika, tetapi juga bermanfaat bagi mahasiswa dari berbagai disiplin ilmu yang memanfaatkan analisis data dalam kegiatan akademik maupun penelitian. Antusiasme peserta terlihat dari keaktifan mereka selama mengikuti seluruh rangkaian kegiatan, baik ketika mendengarkan penjelasan materi maupun saat sesi diskusi berlangsung.

Selama kegiatan berlangsung, penyampaian materi tidak hanya berfokus pada penjelasan teori, tetapi juga dipadukan dengan sesi praktik dan diskusi interaktif yang menciptakan suasana pembelajaran lebih aktif dan komunikatif. Peserta diajak memahami konsep outlier secara lebih mendalam, mulai dari definisi, karakteristik, penyebab munculnya data pencilan, hingga dampaknya terhadap hasil analisis statistik. Narasumber juga menjelaskan berbagai metode identifikasi outlier, seperti penggunaan boxplot dan Z-score, serta memberikan penjelasan mengenai kelebihan dan keterbatasan masing-masing metode dalam berbagai kondisi data.

Untuk memperkuat pemahaman peserta, kegiatan dilanjutkan dengan praktik langsung menggunakan IBM SPSS Statistics. Pada sesi ini, peserta mempelajari tahapan pengolahan data mulai dari proses memasukkan (input) data, melakukan analisis untuk mendeteksi outlier, hingga menginterpretasikan hasil yang diperoleh. Narasumber memberikan pendampingan secara langsung sehingga peserta dapat mengikuti setiap tahapan dengan baik dan memahami cara mengatasi berbagai kendala yang mungkin muncul selama proses analisis. Melalui praktik tersebut, peserta memperoleh pengalaman nyata dalam menerapkan konsep yang telah dipelajari sebelumnya.

Secara keseluruhan, kegiatan Literasi Statistik Series 7 memberikan pengalaman belajar yang bermanfaat bagi seluruh peserta. Selain meningkatkan pemahaman mengenai konsep dan teknik identifikasi serta uji outlier, kegiatan ini juga menumbuhkan kesadaran bahwa kualitas data merupakan salah satu faktor penting dalam menghasilkan analisis statistik yang akurat, valid, dan dapat dipercaya. Dengan bekal pengetahuan dan keterampilan yang diperoleh, diharapkan peserta mampu menerapkan proses identifikasi outlier secara tepat dalam penelitian maupun pengolahan data di bidang akademik maupun profesional.

#LiterasiStatistik #Outlier #DataPencilan