Skip to main content

P2 - Data Preparation dan Data Visualization

 Data Preparation

Data preparation adalah langkah penting dalam proses pembersihan dan transformasi data mentah sebelum diproses dan dianalisis. Data preparation sering kali melibatkan pemformatan ulang data, melakukan koreksi terhadap data, dan menggabungkan kumpulan data untuk memperkaya data. Tujuan data preparation adalah sebagai berikut.
  1. Membantu memperbaiki kesalahan sebelum diproses
  2. Meningkatkan kualitas data
  3. Melalui data yang berkualitas akan menghasilkan keputusan yang efisien dan tepat waktu
cara memanggil data adalah pertama dengan mengimpor pustaka yang diperlukan seperti Pandas. selanjutnya memanggil data yang akan digunakan, disini saya mengambil dari folder drive pribadi yang mana dapat dilihat pada gambar di bawah ini.

Dari gambar tersebut data CSV dipanggil menggunakan variabel 'df' dan ditampilkan sebanyak lima data pertama dalam bentuk seperti tabel yang terdiri kolom dan baris.

Data Visualization

Data visualization atau visualisasi data adalah menampilkan data berupa grafis atau visual. Beberapa fungsi menggunakan visualisasi data yaitu:
  1. Mempermudah komunikasi
  2. Mempercepat pengambilan keputusan
  3. Memperkaya perspektif tim
berikut contoh visualisasi data dengan menggunakan pie chart menggunakan library matplotlib.



Dari gambar di atas adalah code untuk menampilkan menggunakan pie chart menampilkan PH berdasarkan label yang mana label '0' itu menunjukan PH yang rendah ditandai dengan warna biru, dan label '1' itu menunjukan PH tinggi yang ditandai dengan warna orange.





Comments

Post a Comment

Popular posts from this blog

P9 - Supervise Learning (Klasifikasi) dan Contoh Algoritma Yang Ada Didalamnya

Supervised learning adalah salah satu jenis pembelajaran mesin (machine learning) di mana model dilatih menggunakan data yang telah diberi label. Dalam supervised learning, terdapat dua kategori utama: klasifikasi dan regresi. Fokus kita kali ini adalah pada klasifikasi. Supervised Learning (Klasifikasi) Klasifikasi adalah salah satu tugas utama dalam supervised learning, di mana model bertujuan untuk memetakan input ke dalam salah satu dari beberapa kategori atau kelas yang sudah ditentukan sebelumnya. Misalnya, dalam klasifikasi email, model dilatih untuk mengkategorikan email sebagai "spam" atau "not spam." Dalam klasifikasi gambar, model dilatih untuk mengenali objek dalam gambar seperti "kucing," "anjing," atau "mobil." Dalam konteks pembelajaran mesin, supervised learning (pembelajaran terawasi) adalah metode di mana model dilatih menggunakan data yang telah diberi label. Artinya, setiap contoh data dalam set pelatihan memiliki in...
Post a Comment
Read more

P3 - Pre-processing menggunakan Google Colab

 Pre-processing merupakan hal penting sebelum melatih model. Pre-processing diperlukan untuk mengubah data mentah menjadi data bersih yang cocok untuk dianalisis. Pre-processing penting dilakukan karena berbagai alasan diantaranya untuk meningkatkan kualitas data, meningkatkan kinerja model dan meningkatkan efisiensi. Pada pembahasan kali ini akan menjelaskan  data collection,  data cleaning data transform dan data reduction . Data Collection Data collection adalah proses pengumpulan, pengukuran, dan analisis berbagai tipe informasi menggunakan teknik berstandar. Tujuan dari data collection adalah untuk mengumpulkan informasi dan data terpercaya sebanyak-banyaknya, yang kemudian dianalisis untuk membuat sebuah keputusan bisnis yang krusial. Ketika sudah berhasil dikumpulkan, data ini kemudian melalui sejumlah proses meliputi pembersihan dan pemrosesan data agar dapat digunakan oleh perusahaan. Dalam melakukan data collection harus diketahui dahulu beberapa poin yaitu seb...
Post a Comment
Read more

MENENTUKAN KARDINALITAS DAN OPSIOANLITAS

Prodi diketuai oleh dosen (one to one) 2. Dosen ploting program studi (one to one) 3.   Mahasiswa dibimbing dosen (many to one) 4.  Dosen memiliki prodi(one to one) 5.  Dosen mengampu matakuliah (one to one) 6.   Prodi memiliki kelas (many to many) 7.  Mahasiswa memilih matakuliah (many to many) 8.  mahasiswa ploting kelas (many to many) 9.  Fakultas memiliki Prodi (one to many) 10.  Mahasiswa dibimbing dosen (many to one)
Post a Comment
Read more