<div>Untuk alasan mengapa tidak bisa ditransform inverse saya belum mengulik lebih jauh<br><br>namun saya membuatkan rumus matematikanya untuk melakukan inverse secara manual<br><br>*ada contoh script di bawah<br><br>kamu bisa gunakan :&nbsp;<br>value * (maksimum - minimum) + minimum<br><br>rumus tersebut didapatkan dari inverse rumus scaling max min nya yaitu :&nbsp;<br>(value - minimum) / (maksimum - minimum)<br><br>jadi strateginya adalah kamu simpan nilai max dan min dari dataset aslinya ke dalam variabel penampung (untuk nilai max dan min)<br><br>agak sedikit tricky untuk menampung nilai max dan min pada sebuah dataframe series (*karena akan terjadi error saat melakukan inverse nanti)<br><br>kemudian lakukan scaling min max seperti yang kamu lakukan..<br>agar dapat melakukan perkalian matrix (karena datasetnya berupa dataframe yang berubah menjadi numpy akibat min max scaling) maka harus ditransformasikan menjadi bentuk vektor dengan cara flatten (nanti akan ada contoh source code di bawah)<br><br>kemudian gunakan rumus inverse yang telah saya buat di atas<br><br>berikut script contoh :<br><br></div><pre>dataset = pd.DataFrame([12347, 12365, 12374, 12674, 9812])

array_dataset = np.array(dataset) maksimum = np.max(array_dataset) minimum = np.min(array_dataset)

scaler = MinMaxScaler(feature_range=(0,1)) dataset = scaler.fit_transform(dataset)

transform min max value

print(dataset)

dataset = dataset.flatten() dataset = (dataset * (maksimum - minimum) + minimum)

inverse transform min max value

print(dataset)</pre>