Peta Matematika untuk Ilmu Data
Modul 3GeneralEksplorasi DataBebas diakses tanpa akun
Identifikasi dan Imputasi Outlier (Pencilan)
MulaiLangkah 1 dari 14
Pemancing berpikir
Berhenti sebentar sebelum menghitung.
Penggunaan Z-Score, Interquartile Range (IQR), dan jarak Mahalanobis untuk membersihkan anomali data.
Sebelum menghitung, prediksi: bagian mana dari identifikasi dan imputasi outlier (pencilan) yang tetap dan bagian mana yang berubah? Jelaskan alasanmu dengan satu representasi visual.
Bekal sebelum mulai
Kalau salah satu terasa samar, buka dulu modulnya:
Pertanyaan esensial
Bagaimana identifikasi dan imputasi outlier (pencilan) dapat dipahami, direpresentasikan, dan diperiksa tanpa hanya menghafal langkah?