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

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...