Basic Data Science
Ujang Fahmi
Agenda
- Data Sains
- Pengenalan Dasar R
- Mengenal Bahasa Pemrograman
-
Alur Kerja dalam R: Projects
-
Fungsi-fungsi Dasar
-
Jenis-jenis data yang umum digunakan
Data Sains
"The art of extracting insight from data"
Siapa data scientist?
Masalah umum yang dipecahkan:
1. Klustering
2. Klasifikasi
3. Prediksi
Clustering
Classification
Classification
Forcasting
Pembagian Data Scientist
Data Engineers
Data Analyst/ ML Engineer
Data Visualisation
Alat untuk DS
Pengenalan Dasar
R is a programming language and free software environment for statistical computing and graphics supported by the R Foundation for Statistical Computing. The R language is widely used among statisticians and data miners for developing statistical software and data analysis
R Studio
Sebuah tampilan antar muka untuk membuat, menjalankan dan menyimpan skrip, proyek, dan data yang diolah menggunan R
Alur Kerja di R
Data Mentah
Folder/Dir
Impor
Pre-Processing
Tidy Data
Analisis
Data Untuk Visualisasi
Visualisasi
Dasbor
Setiap kali mengerjakan sesuatu di R atau RStudio sebaiknya diawali dengan membuat project terlebih dahulu, yaitu membuat folder spesifik hanya untuk satu proyek/pekerjaan
Fungsi Umum
| Nama | Kegunaan | Contoh |
|---|---|---|
| paste(), paste0() | Digunakan untuk mem-paste object di r ke dalam objek lain | d1 <- "kata" d2 <- "presiden" d3 <- paste0(d1 + d2) |
| if dan else | Digunakan untuk memerintah skrip menjalankan sesuatu berdasarkan kondisi | Tim_A = 10 Tim_B = 6 if (Tim_A > Tim_B) { print("Tim A Menang") } |
| for loop | Digunakan untuk melakukan iterasi berdasarkan sebuah/lebih kondisi | - |
Jenis Data
| Jenis | Definisi | Contoh |
|---|---|---|
| Vector | a <- c(1,2,5.3,6,-2,4) # numeric vector | |
| Data Frame | Kumpulan vector dengan dimensi yang sama | mydata <- data.frame(id,name,score) |
| Lists | Tipe data bertingkat | w <- list(name="Fred", age=25, height=159.7) |
Tugas akhir
| No | Tugas | Hari ke- |
|---|---|---|
| 1 | Menentukan topik yang akan di analisis (e.g: Ekonomi, Pendidikan, Aplikasi, etc.) | 1 |
| 2 | Mencari sumber dan mendapatkan data yang sesuai dengan topik (sumber data: kaggle.com, worldbank, bps, etc.) | 2 |
| 3 | Mendesain langkah yang akan dilakukan dari Mulai pre-processing hingga visualisasi | 3 |
| 4 | Membuat dan melakukan Exploratory Data Analytics | 4 |
| 5 | Memilih dan membuat visualisasi temuan (Variabel yang penting/tidak semua variabel) | 5 |
| 6 | Membuat slide untuk mempresentasikan proses dan temuan hasil analisis | 5 |
Impor, Ekspor Data
next...
Sadasa Basic
By Eppofahmi
