Cara menormalkan data antara 0 dan 100

Untuk menormalkan nilai dalam kumpulan data antara 0 dan 100, Anda dapat menggunakan rumus berikut:

z _saya = ( _xi – menit(x)) / (maks(x) – menit(x)) * 100

Emas:

• z _i : nilai normalisasi ^ke-i dalam kumpulan data
• x _i : nilai ^ke-i dari kumpulan data
• min(x) : Nilai minimum dalam kumpulan data
• max(x): Nilai maksimum dalam kumpulan data

Misalnya, kita memiliki kumpulan data berikut:

Nilai minimum pada dataset adalah 12 dan nilai maksimum adalah 68.

Untuk menormalkan nilai pertama 12 , kami akan menerapkan rumus yang dibagikan sebelumnya:

• z _i = ( _xi – menit(x)) / (maks(x) – menit(x)) * 100 = (12 – 12) / (68 – 12) * 100 = 0

Untuk menormalkan nilai kedua dari 19 , kita akan menggunakan rumus yang sama:

• z _i = ( _xi – menit(x)) / (maks(x) – menit(x)) * 100 = (19 – 12) / (68 – 12) * 100 = 12,5

Untuk menormalkan nilai ketiga dari 21 , kita akan menggunakan rumus yang sama:

• z _i = ( _xi – menit(x)) / (maks(x) – menit(x)) * 100 = (21 – 12) / (68 – 12) * 100 = 16,07

Kita dapat menggunakan rumus yang sama persis untuk menormalkan setiap nilai dalam kumpulan data asli antara 0 dan 100:

Cara menormalkan data antara rentang apa pun

Kita sebenarnya bisa menggunakan rumus ini untuk menormalkan kumpulan data antara 0 dan angka berapa pun:

z _i = ( _xi – min(x)) / (maks(x) – min(x)) * Q

di mana Q adalah angka maksimum yang diinginkan untuk nilai data yang dinormalisasi.

Pada contoh sebelumnya, kita memilih Q menjadi 100, namun kita dapat dengan mudah menormalkan rentang nilai data antara 0 dan 1000 dengan memilih Q menjadi 1000:

Untuk menormalkan nilai pertama 12 , kami akan menerapkan rumus:

• z _i = ( _xi – menit(x)) / (maks(x) – menit(x)) * 1000 = (12 – 12) / (68 – 12) * 100 = 0

Untuk menormalkan nilai kedua dari 19 , kita akan menggunakan rumus yang sama:

• z _i = ( _xi – menit(x)) / (maks(x) – menit(x)) * 1000 = (19 – 12) / (68 – 12) * 100 = 125

Untuk menormalkan nilai ketiga dari 21 , kita akan menggunakan rumus yang sama:

• z _i = ( _xi – min(x)) / (maks(x) – min(x)) * 1,000 = (21 – 12) / (68 – 12) * 100 = 160,7

Kita dapat menggunakan rumus yang sama persis untuk menormalkan setiap nilai dalam kumpulan data asli antara 0 dan 1000:

Kapan harus menormalkan data

Kadang-kadang kita membakukan variabel ketika kita melakukan jenis analisis tertentu di mana kita memiliki beberapa variabel yang diukur pada skala berbeda dan kita ingin setiap variabel memiliki rentang yang sama.

Hal ini mencegah satu variabel mempunyai pengaruh yang tidak semestinya, terutama jika variabel tersebut diukur dalam satuan yang berbeda (yaitu jika satu variabel diukur dalam inci dan variabel lainnya dalam yard).

Perlu juga dicatat bahwa kami menggunakan metode yang dikenal sebagai normalisasi min-max dalam tutorial ini untuk menormalkan nilai data.

Dua metode normalisasi yang paling umum adalah:

1. Normalisasi Min-Maks

• Tujuan: Mengonversi setiap nilai data menjadi nilai antara 0 dan 100.
• Rumus: Nilai baru = (nilai – min) / (maks – min) * 100

2. Normalisasi rata-rata

• Tujuan: Menskalakan nilai sedemikian rupa sehingga rata-rata semua nilai adalah 0 dan std. dev. adalah 1.
• Rumus: Nilai baru = (nilai – rata-rata) / (standar deviasi)

Sumber daya tambahan

Cara menormalkan data antara 0 dan 1
Cara normalisasi data di excel
Cara menormalkan data di R
Cara menormalkan kolom dengan Python