Scribd
Unggah
13 tayangan3 halaman

Pentingnya Normalisasi Data dalam Analisis

Dokumen ini menjelaskan pentingnya normalisasi data untuk memastikan semua variabel berada pada skala yang sebanding, mempercepat perhitungan, dan membuat pola data lebih mudah dibaca. Terdapat beberapa metode normalisasi umum seperti Min-Max, Z-Score, dan Vector Normalization, serta situasi di mana normalisasi diperlukan, seperti dalam PCA, clustering, dan visualisasi multivariat. Normalisasi juga membantu mengurangi pengaruh satuan pengukuran yang berbeda.

Diunggah oleh

hranisa7043
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd
13 tayangan3 halaman

Pentingnya Normalisasi Data dalam Analisis

Dokumen ini menjelaskan pentingnya normalisasi data untuk memastikan semua variabel berada pada skala yang sebanding, mempercepat perhitungan, dan membuat pola data lebih mudah dibaca. Terdapat beberapa metode normalisasi umum seperti Min-Max, Z-Score, dan Vector Normalization, serta situasi di mana normalisasi diperlukan, seperti dalam PCA, clustering, dan visualisasi multivariat. Normalisasi juga membantu mengurangi pengaruh satuan pengukuran yang berbeda.

Diunggah oleh

hranisa7043
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai DOCX, PDF, TXT atau baca online di Scribd

1.

Normalisasi data (Opsional)


Fungsi :
a. Normalisasi membuat semua variabel berada pada rentang skala yang sebanding.
Contoh :

 Variabel A: 0–1000
 Variabel B: 0–1

Tanpa normalisasi → A mendominasi analisis (Menghindari dominasi satu variable,


semua variabel punya kontribusi adil)

b. Mempercepat dan menstabilkan perhitungan

Dalam algoritma numerik:

 nilai besar → iterasi tidak stabil


 nilai kecil → informasi tenggelam

Normalisasi:
✔ meningkatkan stabilitas
✔ mempercepat konvergensi

c. Membuat pola data lebih mudah dibaca

Normalisasi menonjolkan:

 pola
 tren
 hubungan relatif

Bukan nilai absolut.

d. Mengurangi pengaruh satuan pengukuran

Variabel dengan satuan berbeda:


 cm
 gram
 absorbansi
 konsentrasi
➡️Tidak bisa dibandingkan langsung
Normalisasi = menyamakan “bahasa” data
2. METODE NORMALISASI UMUM

A . Min–Max Normalization

Rentang 0–1:

✔ visualisasi
✔ machine learning

B . Z-Score (Standardization)

Mean = 0, SD = 1:

✔ statistik
✔ PCA
✔ clustering

C . Vector Normalization

Total vektor = 1:

✔ data spektrum
✔ sinyal
KAPAN NORMALISASI DIPERLUKAN?
Kondisi Perlu Normalisasi
PCA / clustering ✔
Banyak variabel beda skala ✔
Visualisasi multivariat ✔
Analisis satu variabel ❌

Anda mungkin juga menyukai