ABSTRAKSI: Outlier merupakan data yang memiliki karakteristik berbeda dari data pada umumnya atau pada lingkungannya. Dalam outlier seringkali terdapat knowledge atau informasi yang sangat berguna. Salah satu masalah outlier yang muncul dari data mining adalah spatial outlier. Spatial outlier adalah objek yang tereferensi spasial dimana atribut non-spasial nya secara signifikan berbeda dari objek di sekitarnya. Terdapat banyak teknik untuk mendeteksi spatial outlier. seperti itterative approach, morran scatterplot, dll . Namun beberapa teknik tersebut tidak mempertimbangkan pengaruh dari hubungan spasial dalam sebuah lingkungan. Oleh karena itu, penulis mengajukan teknik Avgdiff (Average Difference) yang memadukan atribut non-spasial dan atribut spasial dari objek. Sehingga pengaruh hubungan spasial antar objek akan menjadi penting dan selalu dipertimbangkan. Avgdiff dapat digunakan untuk mendeteksi spatial outlier dengan baik dalam beberapa scenario pengujian berdasarkan parameter k, factor weight jarak, factor weight populasi dan parameter evaluasi detection rate dan false-positive rate.Kata Kunci : outlier, spatial outlier, avgdiff, weightABSTRACT: Outliers are data that have different characteristics from the data in general or to the environment. In this outlier there is knowledge or information is often very usefull. One outlier problem tha arise from data mining is the spatial outlier. Spatial outliers are the spatial object referenced where its non-spatial attributes are significanly different from the objects around it. There are many techniques for detecting spatial outliers. Like itterative approach, morran scatterplot, etc.. But, some of these techniques do not consider the affect of spatial relationship within the envvironment. Therefore, the author propose a avgdiff (Average Difference) techniques which combines the non-spatial attribute and spatial attributeof the object. Thus the affect of the spatial relationships between object and its neighboors would be important and must be considered. Avgdiff can be used for detecting spatial outliers well in several test scenarios based on the parameter k, the weight factor of distance, the weight factor of population and evaluation parameters detection rate and false-positive rate.Keyword: outlier, spatial outlier, avgdiff, weight