Barnet and Lewis(1984) mendefinisikan pencilan adalah data yang relatif tidak konsisten dari data-data yang lain. Dua metode identifikasi pencilan data multivariat (Herwindiati (2006), Rousseeuw and Katrien(1999)) dibandingkan untuk memperoleh estimasi yang baik diantara keduanya. Metode minimum vektor variance (MVV) dan fast minimum covariance determinan(FMCD) menggunakan dasar dari perhitungan jarak mahalanobis atau sering disebut Mahalanobis Distance. Perbedaan dua estimasi ini menggunakan pengukuran total variansi dan general covariansi. General covariansi lebih sering digunakan daripada total variansi sebab lebih akurat pengukurannya. Tetapi apabila nilai determinan covariansi = 0, maka perhitungan ini tidak dapat digunakan maka digunakanlah pengukuran total variansi untuk menyelesaikan masalah ini. Kebaikan dari vektor variansi terletak pada proses perhitungannya yang sangat mudah yaitu dengan menjumlahkan diagonal dari matriks kovariansinya.

Barnet and Lewis(1984) defined that outliers are inconsistent with the remainder of data set. Two methods for the identification of multivariate outliers (Herwindiati (2006), Rousseeuw and Katrien, (1999)) are compared.The methods of minimum vektor variance (MVV) and fast minimum covariance determinan (FMCD) based on Mahalanobis Distance. They are two famous measures of dispersions in the study of multivariate, the total variance and the general covariance . The general covariance has a much more general use than total variance, because more accurate measures, but when covariance determinan = 0, Its can’t use total variance are solutions this problem. The good properties of vektor variance are computation process is very efficient, because it is only the sum of square diagonal covariance matrix

Kata Kunci : Multivariat normal,Pencilan,Mahalanobis Distance,MVV dan FMCD,:Outlier detection, multivariate outlier, Mahalanobis Distance, minimum vektor variance ,minimum covariance determinant