Course: Data Analytics di Asia Tenggara: Difference between revisions

@@ Line 322: / Line 322: @@
 Untuk melakukan ini, kamu perlu mempunyai indikator statistik, seperti mean (rata-rata) dan standar deviasi.
+[[File:Course RevoU Data Analytics 190647.png|center|thumb]]
+Alasan di balik pembersihan data sangatlah simple, kamu perlu memberikan ''insight'' yang baik, sehingga kamu memerlukan data yang dapat membantu membawamu ke sana.
+Mari kita lihat di bawah apa yang bisa dilakukan ''outlier'' terhadap kesimpulanmu.
+Bayangkan kamu mempunyai kumpulan data: 50,15,12,13,15,15.
+Seperti yang mungkin kamu bisa lihat dengan mudah, 50 benar-benar berbeda dari angka lainnya, jadi ini adalah ''outlier''.
+Lihat tabel di bawah ini:
+{| class="wikitable"
+|+
+!Statistical Indicator
+!Without the outlier
+!With the outlier
+!Effect of Outlier
+|-
+|Mean
+|14
+|20
+|Caused to increase
+|-
+|Median
+|15
+|15
+|No effect
+|-
+|Mode
+|15
+|15
+|No effect
+|-
+|Range
+|3
+|38
+|Caused it to increase
+|}
+Seperti yang kamu lihat, rata-rata dan ''range'' (rentang) meningkat secara signifikan saat kamu memasukkan dan menghitung 50 (''outlier'').
+Namun, dalam kasus lain, ''outlier'' dapat menunjukkan kepada kita indikasi sesuatu yang lain atau tren yang menarik.
+Paradigma ''garbage in'', ''garbage out'' adalah hal besar dalam analisis data.
+Kamu tidak dapat menghasilkan hasil yang baik kalau datanya '''garbage'' (sampah)'.