Perbandingan Metode Weighted Z Algorithm Dan Iterative R Algorithm Dalam Mendeteksi Outlier Pada Data Spasial

Spasial outlier adalah suatu objek yang tidak konsisten dengan tetangga spasialnya sekalipun nilai-nilai nonspasialnya adalah normal untuk sisa dari objek kelas yang sama. Pendeteksian spasial outlier sangat bermanfaat untuk berbagai bidang di sistem informasi geografis (SIG) seperti ekologi, transportasi, kesehatan masyarakat, klimatologi, pelayanan umum dan lain-lain (Lu, dkk., 2003 : 1). Pada penelitian ini akan dibandingkan metode weighted z algorithm dan metode iterative r algorithm untuk mengetahui mana dari kedua metode tersebut yang lebih sensitif dalam mendeteksi spasial outlier dan dapat mengatasi masking effect dan swamping effect. Data yang digunakan pada penelitian ini data sekunder kadar C-organik tanah di Kabupaten Sampang yang diperoleh dari hasil penelitian tanaman tembakau tahun 2008 kerjasama Universitas Brawijaya dengan Balai Penelitian Tanaman Tembakau dan Serat (BALITTAS) yang terdiri atas 56 objek pengamatan. Dari hasil penelitian ini didapatkan bahwa pendeteksian outlier secara tradisional mampu mendeteksi 9 outlier, metode weighted z algorithm mampu mendeteksi 5 spasial outlier lebih sedikit dari yang terdeteksi oleh tradisional outlier. Pada metode iterative r algorithm mampu mendeteksi 10 spasial outlier pada data, lebih banyak dari yang terdeteksi tradisional outlier. Dalam penentuan metode yang lebih baik dan lebih sensitif dapat diketahui dari cara suatu metode dalam mengatasi masking effect dan swamping effect. Dari hasil penelitian didapatkan bahwa pendeteksian outlier secara tradisional dan metode weighted z algorithm tidak cukup mampu dalam mengatasi masking effect sedangkan metode iterative r algorithm mampu mengatasi adanya masking effect dan swamping effect