Kalkulator Deviasi Absolut Median

Tentang Kalkulator Deviasi Absolut Median

Selamat datang di Kalkulator Deviasi Absolut Median, alat statistik kokoh yang menghitung MAD dengan rumus langkah demi langkah, visualisasi data interaktif, dan wawasan deteksi outlier. MAD adalah alternatif yang kuat untuk standar deviasi ketika data Anda mengandung outlier atau mengikuti distribusi tidak normal.

Sekilas

Kalkulator Deviasi Absolut Median mencari MAD dataset, yaitu median jarak setiap nilai dari median. Alat ini membandingkan MAD dengan simpangan baku dan menampilkan wawasan pencilan, kuartil, serta langkah pengerjaan.

Kalkulator Deviasi Absolut Median: fitur sekilas

Fitur	Yang didapat	Cocok untuk
Rumus MAD	Menghitung MAD = median of |x - median(X)| dan menampilkan median serta tiap langkah perhitungan.	Mengukur sebaran saat ada pencilan
Faktor skala	Pilih tanpa skala, k = 1.4826 untuk memperkirakan simpangan baku pada data normal, atau masukkan faktor khusus.	Menggunakan MAD sebagai perkiraan sigma yang robust
MAD dan simpangan baku	Menampilkan mean dan simpangan baku sampel di samping MAD, dengan penilaian robustness yang membandingkannya.	Memeriksa apakah pencilan mendistorsi sebaran
Wawasan pencilan	Menggunakan rasio MAD terhadap simpangan baku untuk menunjukkan pengaruh nilai ekstrem pada data.	Menyaring observasi yang tidak biasa
Statistik kuartil	Juga melaporkan IQR, Q1, Q3, dan rentang sebagai ukuran sebaran tambahan.	Membandingkan MAD dengan ukuran robust lain
Masukan dan presisi	Masukkan angka dipisahkan koma, spasi, atau baris baru, dengan 2 hingga 15 tempat desimal. Termasuk grafik dan tombol contoh.	Menempelkan data dan mencoba kumpulan sampel

Apa itu Median Absolute Deviation (MAD)?

Median Absolute Deviation (MAD) adalah ukuran penyebaran statistik yang kokoh yang menjelaskan seberapa tersebar nilai-nilai dalam kumpulan data. Berbeda dengan standar deviasi, yang menggunakan rata-rata dan perbedaan kuadrat, MAD menggunakan median dan perbedaan absolut, menjadikannya sangat tahan terhadap outlier dan nilai ekstrem.

Dalam istilah sederhana: MAD adalah median dari seberapa jauh setiap titik data dari median keseluruhan data.

Mengapa MAD adalah Ukuran yang "Kokoh"

Sebuah statistik dianggap kokoh jika tidak dipengaruhi secara besar oleh outlier atau pelanggaran asumsi. MAD memiliki titik rincian 50%, yang berarti hingga setengah dari data dapat rusak sebelum MAD memberikan hasil yang salah secara sewenang-wenang. Sebaliknya, rata-rata dan standar deviasi memiliki titik rincian 0% - bahkan satu outlier pun dapat mempengaruhinya secara dramatis.

MAD vs Standar Deviasi: Kapan Menggunakan Masing-masing

Kapan Menggunakan MAD

• Data Anda mungkin mengandung outlier atau nilai ekstrem
• Data miring atau tidak berdistribusi normal
• Anda membutuhkan garis dasar yang kokoh untuk deteksi outlier
• Anda menginginkan ukuran yang tidak terpengaruh oleh beberapa pengamatan yang tidak biasa
• Bekerja di bidang seperti keuangan, kontrol kualitas, atau deteksi anomali

Kapan Menggunakan Standar Deviasi

• Data Anda dipastikan berdistribusi normal
• Anda membutuhkan efisiensi statistik maksimum
• Data bersih tanpa outlier
• Anda perlu menggunakan hasil dalam tes parametrik

Faktor Skala (k = 1.4826)

Saat membandingkan MAD dengan standar deviasi, atau menggunakan MAD sebagai estimasi standar deviasi populasi yang kokoh untuk data yang berdistribusi normal, konstanta k = 1.4826 diterapkan:

Konstanta ini berasal dari hubungan:

$$k = \frac{1}{\Phi^{-1}(3/4)} \approx 1.4826$$

Di mana $\Phi^{-1}$ adalah kebalikan dari fungsi distribusi kumulatif dari distribusi normal standar. Untuk data yang berdistribusi normal, MAD berskala akan kira-kira sama dengan standar deviasi.

MAD untuk Deteksi Outlier

MAD sangat baik untuk mendeteksi outlier karena outlier tidak mempengaruhi ambang batas itu sendiri. Metode skor Z yang dimodifikasi menggunakan MAD:

Sebuah titik data biasanya ditandai sebagai outlier jika $|M_i| > 3.5$. Metode ini lebih andal daripada menggunakan standar deviasi karena:

• Outlier tidak mempengaruhi MAD atau median yang digunakan untuk menghitung ambang batas
• Ini bekerja dengan baik bahkan ketika ada banyak outlier (efek penyamaran dihindari)
• Ini efektif untuk distribusi tidak normal

Cara Menggunakan Kalkulator Ini

1. Masukkan data Anda: Masukkan nilai numerik yang dipisahkan oleh koma, spasi, atau ganti baris. Gunakan tombol contoh untuk pengujian cepat dengan jenis data yang berbeda.
2. Pilih faktor skala: Pilih "Tanpa penskalaan" untuk MAD mentah, atau k=1.4826 untuk mengestimasi standar deviasi. Anda juga dapat memasukkan faktor skala khusus.
3. Atur presisi desimal: Pilih dari 2 hingga 15 tempat desimal.
4. Hitung dan analisis: Klik "Hitung MAD" untuk melihat hasil komprehensif termasuk penilaian kekokohan.
5. Tinjau langkah demi langkah: Periksa rincian perhitungan detail yang menunjukkan setiap langkah perhitungan MAD.

Memahami Hasil Anda

Hasil Utama

• MAD: Median absolute deviation - hasil utama
• MAD Berskala: MAD dikalikan dengan faktor skala pilihan Anda
• Median: Nilai pusat dari kumpulan data Anda
• Peringkat Kekokohan: Penilaian yang membandingkan MAD dengan standar deviasi

Statistik Perbandingan

• Rata-rata: Rata-rata aritmatika untuk perbandingan
• Standar Deviasi: Standar deviasi sampel untuk perbandingan
• IQR: Rentang interkuartil (ukuran kokoh lainnya)
• Q1, Q3: Kuartil pertama dan ketiga

Pertanyaan yang Sering Diajukan

Apa itu Median Absolute Deviation (MAD)?

Median Absolute Deviation (MAD) adalah ukuran penyebaran statistik yang kokoh. Ini dihitung sebagai median dari deviasi absolut dari median data: MAD = median(|xᵢ - median(X)|). Berbeda dengan standar deviasi, MAD tahan terhadap outlier, menjadikannya ideal untuk kumpulan data dengan nilai ekstrem atau distribusi tidak normal.

Bagaimana perbedaan MAD dengan Standar Deviasi?

MAD menggunakan median dan nilai absolut, sedangkan standar deviasi menggunakan rata-rata dan perbedaan kuadrat. Hal ini membuat MAD jauh lebih kokoh terhadap outlier - satu nilai ekstrem hampir tidak mempengaruhi MAD. Untuk data yang berdistribusi normal, MAD yang dikalikan dengan 1.4826 mendekati standar deviasi.

Berapakah faktor skala k=1.4826 untuk MAD?

Konstanta 1.4826 digunakan untuk membuat MAD menjadi estimator standar deviasi yang konsisten untuk data yang berdistribusi normal. Secara matematis, k = 1/Φ⁻¹(3/4), di mana Φ⁻¹ adalah fungsi kuantil dari distribusi normal standar. Saat Anda mengalikan MAD dengan 1.4826, Anda mendapatkan estimasi σ yang kokoh.

Kapan saya harus menggunakan MAD daripada Standar Deviasi?

Gunakan MAD saat data Anda mungkin mengandung outlier, tidak berdistribusi normal, atau saat Anda membutuhkan ukuran kokoh yang tidak akan miring oleh pengamatan ekstrem. MAD sangat berguna dalam analisis data eksploratif, kontrol kualitas, keuangan, dan deteksi anomali.

Bagaimana MAD dapat digunakan untuk deteksi outlier?

MAD sangat baik untuk deteksi outlier menggunakan skor Z yang dimodifikasi: M = 0.6745 × (xᵢ - median) / MAD. Nilai dengan |M| > 3.5 biasanya dianggap sebagai outlier. Metode ini lebih andal karena outlier tidak mempengaruhi ambang deteksi itu sendiri.

Berapa banyak angka yang didukung oleh Kalkulator MAD ini?

Kalkulator ini dapat menangani kumpulan data dengan ukuran apa pun. Kami telah menguji dengan lebih dari 100.000 angka dan alat ini memberikan hasil instan. Baik Anda memiliki 3 titik data atau 100.000, kalkulator akan menghitung MAD secara efisien.

Sumber Daya Tambahan

• Median Absolute Deviation - Wikipedia (Inggris)

Statistik dan analisis data:

• Kalkulator Ukuran Sampel Tes A/B Baru
• Kalkulator Signifikansi Uji A/B Baru
• Kalkulator ANOVA
• Kalkulator Rata-rata Aritmatika
• Kalkulator Rata-Rata - Presisi Tinggi
• Kalkulator Deviasi Rata-rata
• 📊 Pembuat Grafik Batang Baru
• Kalkulator Teorema Bayes Baru
• Kalkulator Distribusi Beta Baru
• Pembuat Diagram Kotak dan Garis
• Kalkulator Uji Chi-Square
• Kalkulator Koefisien Variasi
• Kalkulator Cohen's d
• Kalkulator Tingkat Pertumbuhan Majemuk
• Kalkulator Interval Keyakinan
• Kalkulator Interval Kepercayaan untuk Proporsi
• Kalkulator Tabel Kontingensi Baru
• Kalkulator Tingkat Konversi Baru
• Kalkulator Koefisien Korelasi
• Kalkulator Ukuran Efek Baru
• Kalkulator Distribusi Eksponensial Baru
• Kalkulator Uji F dan Distribusi F Baru
• Kalkulator Uji Pasti Fisher Baru
• Kalkulator Ringkasan Lima Angka Baru
• Kalkulator Distribusi Geometrik Baru
• Kalkulator Rata-Rata Geometris
• Kalkulator Koefisien Gini
• Kalkulator Harmonic Mean
• Pembuat Histogram
• Kalkulator Distribusi Hipergeometrik Baru
• Kalkulator Jangkauan Interkuartil
• Kalkulator Uji Kruskal-Wallis
• 📈 Pembuat Grafik Garis Baru
• Kalkulator Regresi Linier
• Kalkulator Pertumbuhan Logaritmik
• Kalkulator Uji Mann-Whitney U
• Kalkulator Deviasi Absolut Rata-rata (MAD)
• Kalkulator Rata-rata
• Kalkulator Mean, Median dan Modus
• Kalkulator Deviasi Absolut Median
• Kalkulator Median
• Kalkulator Midrange
• Kalkulator Modus
• Kalkulator Distribusi Normal Baru
• Kalkulator Odds Ratio Baru
• Kalkulator Outlier
• Kalkulator Nilai P Baru
• Pembuat Diagram Pareto Baru
• Kalkulator Persentil Baru
• 🥧 Pembuat Diagram Lingkaran Baru
• Kalkulator Deviasi Standar Populasi-Presisi Tinggi
• Kalkulator Kuartil
• Kalkulator Simpangan Kuartil
• Kalkulator Jangkauan
• Kalkulator Deviasi Standar Relatif Populer
• Kalkulator RMS
• Kalkulator Rata-rata Sampel
• Kalkulator Ukuran Sampel
• Kalkulator Simpangan Baku Sampel
• Pembuat Diagram Sebaran
• Kalkulator Kapabilitas Proses Six Sigma Baru
• Kalkulator Korelasi Peringkat Spearman Baru
• Kalkulator Standar Deviasi - Presisi Tinggi
• Kalkulator Kesalahan Standar
• Kalkulator Statistik
• Kalkulator Uji t
• Kalkulator Varians Presisi Tinggi
• Kalkulator Distribusi Weibull Baru
• Kalkulator Z-Score