.png)
Data Analysis Concepts
1. Data
Data adalah sekumpulan fakta atau informasi yang biasanya disimpan dalam bentuk digital, seperti angka, teks, gambar, atau suara. Data dapat diolah dan dianalisis untuk mendapatkan informasi yang lebih bermakna. Dalam konteks teknologi dan bisnis, data sering digunakan untuk membuat keputusan yang lebih baik dan lebih cepat.
2. Data Analyst
Data Analyst adalah seorang profesional yang bertugas untuk mengumpulkan, memproses, dan melakukan analisis statistik terhadap data. Tujuan utama seorang Data Analyst adalah untuk mendapatkan wawasan dan informasi yang dapat digunakan oleh perusahaan untuk membuat keputusan yang tepat. Tugasnya meliputi pembersihan data, visualisasi data, dan interpretasi hasil analisis.
3. Big Data
Big Data adalah istilah yang menggambarkan volume data yang sangat besar dan kompleks sehingga memerlukan teknologi dan metode analisis khusus untuk mengolahnya. Big Data memiliki karakteristik 4V: Volume (jumlah data yang sangat besar), Velocity (kecepatan pengumpulan data), Variety (beragam jenis data), dan Veracity (kebenaran atau akurasi data). Big Data digunakan dalam berbagai bidang untuk menemukan pola, tren, dan hubungan yang mungkin tersembunyi dalam jumlah data yang besar.
4. Pandas DataFrame
Pandas DataFrame adalah struktur data dua dimensi di pustaka Pandas Python yang digunakan untuk menyimpan data tabular, mirip dengan tabel dalam basis data atau lembar kerja di Excel. DataFrame memiliki baris dan kolom, di mana setiap kolom bisa memiliki tipe data yang berbeda (misalnya, angka, string, tanggal). Pandas DataFrame menyediakan berbagai fungsi untuk manipulasi, analisis, dan pembersihan data secara efisien.
5. Library Visualisasi Data Pada Bahasa Python
Berikut adalah lima library visualisasi data dalam bahasa Python beserta penjelasannya:
- Matplotlib: Library visualisasi data paling dasar dan serbaguna di Python. Ini memungkinkan pembuatan plot statis, animasi, dan interaktif dalam berbagai format grafik.
- Seaborn: Dibangun di atas Matplotlib, Seaborn menyediakan antarmuka tingkat tinggi untuk membuat grafik statistik yang lebih menarik dan informatif. Seaborn juga memudahkan pembuatan grafik kompleks seperti heatmaps dan time series.
- Plotly: Library untuk membuat visualisasi data interaktif yang dapat dengan mudah diintegrasikan ke dalam aplikasi web. Plotly mendukung berbagai jenis grafik termasuk scatter plots, line charts, bar charts, dan 3D charts.
- Bokeh: Library yang berfokus pada pembuatan grafik interaktif dan visualisasi web. Bokeh memungkinkan pengguna membuat dashboard interaktif dan grafik yang dapat disesuaikan secara real-time.
- Altair: Library deklaratif untuk membuat visualisasi data statistik yang kompleks dan interaktif. Altair menggunakan sintaks yang sederhana dan intuitif, serta mendukung berbagai jenis grafik dan transformasi data.
6. Machine Learning
Machine Learning adalah cabang dari kecerdasan buatan (AI) yang melibatkan algoritma dan model statistik yang memungkinkan komputer untuk belajar dari data dan membuat prediksi atau keputusan tanpa diprogram secara eksplisit. Machine Learning digunakan dalam berbagai aplikasi, seperti pengenalan gambar, pengolahan bahasa alami, dan rekomendasi produk.
7. Outlier pada Data Analytic
Outlier adalah titik data yang berbeda secara signifikan dari sebagian besar data lainnya dalam dataset. Outlier dapat disebabkan oleh variasi normal, kesalahan pengukuran, atau anomali sistematik. Dalam analisis data, outlier penting karena mereka dapat mempengaruhi hasil analisis dan model prediktif secara signifikan.
8. Model Supervised Learning
Model Supervised Learning adalah tipe machine learning di mana model dilatih menggunakan dataset yang telah diberi label. Artinya, setiap input dalam dataset memiliki output yang diinginkan atau target. Tujuan model ini adalah untuk mempelajari hubungan antara input dan output sehingga dapat membuat prediksi pada data baru yang tidak diberi label. Contoh algoritma supervised learning termasuk regresi linier, regresi logistik, decision tree, dan support vector machine (SVM).
9. Cross Validation Sampling
Cross Validation Sampling adalah teknik untuk mengevaluasi kinerja model machine learning dengan membagi dataset menjadi beberapa subset. Model dilatih pada sebagian subset (train set) dan diuji pada subset lainnya (test set). Proses ini diulang beberapa kali dengan pembagian yang berbeda, dan hasil evaluasi rata-rata digunakan untuk mendapatkan estimasi kinerja model yang lebih akurat dan mengurangi overfitting.
10. Hyperparameter Tuning
Hyperparameter Tuning adalah proses untuk mengoptimalkan hyperparameter (parameter yang tidak diestimasi dari data) dari model machine learning guna meningkatkan kinerjanya. Hyperparameter tuning melibatkan pencarian kombinasi terbaik dari hyperparameter yang memberikan performa terbaik pada dataset validasi atau melalui cross-validation. Teknik umum yang digunakan termasuk grid search dan random search.
11. Google Colab
Google Colab (Colaboratory) adalah platform cloud gratis dari Google yang memungkinkan pengguna untuk menulis dan menjalankan kode Python di notebook berbasis Jupyter. Google Colab mendukung eksekusi kode di GPU dan TPU, sehingga cocok untuk proyek machine learning dan deep learning. Fitur-fitur seperti kolaborasi real-time, penyimpanan di Google Drive, dan integrasi dengan berbagai library machine learning menjadikannya alat yang populer di kalangan data scientist dan peneliti.
.png)