Deteksi outlier, dalam pengertian paling mendasar, adalah proses mengidentifikasi titik data, peristiwa, atau observasi yang menyimpang secara signifikan dari kumpulan data lainnya. Ini biasanya digunakan dalam ilmu komputer dan bidang terkait lainnya sebagai metode untuk membantu mengidentifikasi pola atau perilaku tidak biasa yang mungkin tidak terdeteksi. Deteksi outlier merupakan bagian integral dari penambangan data dan pembelajaran mesin karena kemampuannya membantu mengidentifikasi anomali, kesalahan, atau titik data yang tidak diketahui.
Deteksi outlier menggunakan berbagai metode, termasuk metode statistik, seperti metode clustering dan berbasis jarak, serta metode berbasis jarak. Metode statistik berupaya mengidentifikasi titik data yang jauh dari titik rata-rata dalam kumpulan data. Metode pengelompokan berupaya mengelompokkan titik-titik serupa, sedangkan metode berbasis jarak mengidentifikasi titik-titik yang terlalu jauh dari sebagian besar titik lain dalam kumpulan data.
Pencilan dapat bernilai positif atau negatif, yang berarti nilainya dapat ditaksir terlalu tinggi atau diremehkan. Nilai yang terlalu tinggi dianggap sebagai positif palsu, sedangkan nilai yang terlalu rendah disebut negatif palsu. Pencilan dapat disebabkan oleh berbagai masalah, seperti kesalahan input data, kerusakan data, kesalahan manusia, atau kesalahan pengambilan sampel acak.
Penting untuk mengidentifikasi outlier dengan benar dalam kumpulan data, karena outlier berpotensi memiliki dampak besar pada hasil jika tidak ditemukan dan diperhitungkan. Memiliki hasil positif palsu atau negatif palsu dapat menghasilkan hasil yang salah atau pola yang tidak teratur, yang dapat menyebabkan keputusan yang salah. Dengan demikian, metode deteksi outlier memungkinkan untuk mengidentifikasi dan menangani outlier dalam kumpulan data. Deteksi outlier adalah langkah yang efektif dan penting dalam tahap prapemrosesan data, karena membantu mengidentifikasi kemungkinan masalah pada kumpulan data dengan tepat.
