Data mentah hampir selalu berantakan sebelum siap dianalisis. Section ini membahas siklus pengolahan data di MATLAB: membuat dan mengelola dataset numerik, mengurutkan, menyaring, mencari, lalu merangkumnya secara statistik. Table dan categorical data dibahas sebagai jembatan menuju dataset dunia nyata, ditutup dengan teknik pembersihan data yang menerapkan semuanya sekaligus.

# Membuat dan Mengelola Data

Bangun dataset numerik dari nol dan kelola isi, ukuran, serta organisasinya sebagai fondasi pengolahan data.

Buka → # Sorting Data

Urutkan data dengan sort dan sortrows beserta opsi arah, indeks asli, dan pengurutan stabil.

Buka → # Filtering Data

Saring data dengan kombinasi kondisi logis dan pelajari pola mask boolean untuk subset yang presisi.

Buka → # Searching Data

Cari posisi dan kecocokan data dengan find, ismember, dan strcmp untuk data numerik maupun teks.

Buka → # Unique Values dan Counting

Temukan nilai unik dan hitung kemunculannya dengan unique, sum, accumarray, dan histogram counting.

Buka → # Missing Data

Deteksi dan tangani data hilang: NaN numerik, standar missing, serta strategi omit, hapus, dan isi ulang.

Buka → # Statistical Summary

Rangkum data dengan mean, median, mode, std, var, min, dan max beserta versi yang mengabaikan NaN.

Buka → # Grouping Data

Kelompokkan data dan hitung statistik per grup dengan accumarray dan discretize sebagai pola grouping inti.

Buka → # Table dan Timetable

Kenalkan table dan timetable: struktur data berkolom bernama untuk dataset terstruktur dan berstempel waktu.

Buka → # Categorical Data

Gunakan categorical array untuk data berkategori terbatas: pembuatan, level, urutan, dan operasinya.

Buka → # Data Cleaning

Rapikan data nyata: normalisasi teks, standarkan satuan, tangani duplikat, dan susun pipeline pembersihan.

Buka →