Noise is an error which occurs rand

Noise is an error which occurs randomly in a measured variable. There are several methods to handle noisy data such as binning, clustering and regression. In binning approach, the neighboring data is used to smooth the sorted data values which are arranged into a number of bins [3]. The value in each bin is smooth out by substituting it with the mean or median value of this bin. Bin boundaries, the minimum and maximum value in each bin, are also used to smooth out the bin value. Each bin value is substituted by closest boundary value. Clustering is used to detect the outlier. Clustering technique organizes the similar data points into one group. The data point that lies outside the boundary of this group is an outlier having unusual pattern. Another approach for handling noisy data is regression approach in which data can be smoothed out by fitting into a regression function. Various regression techniques such as linear, multiple or logistic regression are used to determine regression function.

Results (Indonesian) 1:

Kebisingan adalah kesalahan yang terjadi secara acak dalam variabel diukur. Ada beberapa metode untuk menangani data yang bising seperti binning, pengelompokan, dan regresi. Di binning pendekatan, tetangga data digunakan untuk kelancaran nilai diurutkan data yang disusun menjadi beberapa sampah [3]. Nilai dalam setiap bin kelancaran keluar dengan mengganti dengan rata-rata atau nilai rata-rata bin ini. Batas-batas bin, nilai minimum dan maksimum dalam setiap bin, juga digunakan untuk kelancaran keluar nilai bin. Setiap nilai bin digantikan oleh terdekat nilai batas. Pengelompokan ini digunakan untuk mendeteksi outlier. Pengelompokan teknik menyelenggarakan titik data yang serupa dalam satu group. Titik data yang terletak di luar batas kelompok ini merupakan outlier memiliki pola yang tidak biasa. Pendekatan lain untuk penanganan data berisik adalah regresi pendekatan di mana data dapat merapikan keluar oleh pas ke fungsi regresi. Berbagai teknik regresi seperti linear, beberapa atau regresi logistik yang digunakan untuk menentukan fungsi regresi.

Results (Indonesian) 2:

Kebisingan adalah kesalahan yang terjadi secara acak dalam variabel yang diukur. Ada beberapa metode untuk menangani data yang bising seperti Binning, clustering dan regresi. Dalam pendekatan Binning, data tetangga digunakan untuk kelancaran nilai data diurutkan yang dibagi menjadi sejumlah sampah [3]. Nilai di setiap bin adalah kelancaran keluar dengan menggantikan dengan nilai rata-rata atau median bin ini. Bin batas, nilai minimum dan maksimum dalam setiap bin, juga digunakan untuk kelancaran keluar nilai bin. Setiap nilai bin diganti dengan nilai batas terdekat. Clustering digunakan untuk mendeteksi outlier tersebut. Teknik Clustering mengatur titik-titik data yang sama dalam satu kelompok. Titik data yang terletak di luar batas dari kelompok ini adalah outlier memiliki pola yang tidak biasa. Pendekatan lain untuk menangani data yang bising adalah pendekatan regresi dimana data dapat merapikan oleh pas ke fungsi regresi. Berbagai teknik regresi linear seperti, regresi berganda atau logistik yang digunakan untuk menentukan fungsi regresi.