Data Science Engineer
Exploratory Data Analysis (EDA) dan Visualisasi Data
beginner
0,00
14 jam 0 menit
0 Siswa Terdaftar
Deskripsi
Exploratory Data Analysis (EDA) dan Visualisasi Data adalah course yang membahas teknik awal dalam memahami data melalui analisis statistik deskriptif dan visualisasi. Course ini membantu peserta mengidentifikasi pola, tren, anomali, serta hubungan antar variabel menggunakan berbagai grafik dan tools visual. Peserta juga akan belajar menyajikan insight data secara informatif dan komunikatif sebagai dasar pengambilan keputusan dan pengembangan model analitik selanjutnya.
Sasaran Siswa
- Memahami Konsep Exploratory Data Analysis (EDA)
- Memahami Konsep Visualisasi Data
Perangkat yang Dibutuhkan
Prosesor
Intel Core i3 (Rekomendasi Core i5 ke atas)
Sistem Operasi
Windows, Linux, MacOS
Biaya Investasi
Rp 350.000
Metode Ajar
- Self-paced learning
- Total Belajar : 14 jam 0 menit
Instructor
Dr. Ni Wayan Sumartini Saraswati, S.T.,M.T.
Apa yang akan Anda dapatkan
Sertifikat
Dapatkan sertifikat resmi sebagai bukti kompetensi Anda.
Modul
Akses modul pembelajaran lengkap yang mudah dipahami kapanpun.
Forum Diskusi
Diskusi interaktif bersama siswa lainnya.
Kuis
Kuis singkat untuk menguji dan memperkuat pemahaman materi.
Ujian
Ujian akhir untuk mengukur kemampuan dan kelulusan course.
Silabus
Materi yang Anda pelajari di kelas ini
Pengenalan Exploratory Data Analysis (EDA)
Exploratory Data Analysis (EDA) adalah tahap awal dalam analisis data yang bertujuan untuk memahami karakteristik dan kondisi dataset. Pada tahap ini, analis menggunakan statistik deskriptif dan visualisasi untuk melihat pola, distribusi, serta mendeteksi masalah pada data. EDA membantu memastikan analisis selanjutnya dilakukan berdasarkan pemahaman data yang baik.
90 Menit
Statistik Deskriptif
Statistik deskriptif merupakan teknik analisis data yang digunakan untuk merangkum dan menggambarkan karakteristik utama suatu dataset dalam bentuk angka-angka sederhana. Melalui statistik deskriptif, analis dapat mengetahui nilai pemusatan data seperti mean, median, dan mode, serta ukuran penyebaran seperti minimum, maksimum, dan standar deviasi. Analisis ini membantu memberikan gambaran awal kondisi data sehingga lebih mudah dipahami sebelum dilakukan analisis yang lebih mendalam.
120 Menit
Data Quality Checking
Data Quality Checking merupakan tahap analisis yang bertujuan untuk memastikan kualitas data sebelum digunakan lebih lanjut. Pada tahap ini dilakukan pemeriksaan terhadap missing value, data duplikat, serta nilai yang tidak wajar atau tidak konsisten. Proses ini penting untuk menjaga keakuratan hasil analisis, karena data dengan kualitas buruk dapat menyebabkan kesimpulan yang menyesatkan.
90 Menit
Analisis Univariate
Analisis univariate merupakan metode analisis data yang dilakukan terhadap satu variabel secara terpisah untuk memahami karakteristik dan pola distribusinya. Pada tahap ini, Anda dapat melihat sebaran data, nilai pemusatan, variasi, serta potensi outlier menggunakan statistik deskriptif dan visualisasi. Analisis univariate membantu memberikan gambaran awal tentang perilaku masing-masing variabel sebelum dianalisis lebih lanjut secara multivariat.
120 Menit
Analisis Bivariate
Analisis bivariate merupakan metode analisis data yang dilakukan untuk memahami hubungan antara dua variabel. Pada tahap ini, Anda dapat mengamati pola keterkaitan, perbedaan, atau kecenderungan antar variabel menggunakan statistik dan visualisasi seperti scatter plot, boxplot, atau diagram batang. Analisis bivariate membantu mengungkap hubungan awal yang penting sebagai dasar untuk analisis lanjutan atau pemodelan.
120 Menit
Deteksi Outlier
Deteksi outlier merupakan proses analisis untuk mengidentifikasi data yang memiliki nilai ekstrem atau menyimpang jauh dari sebagian besar data lainnya. Outlier dapat muncul akibat kesalahan pencatatan, anomali, atau memang mencerminkan kondisi khusus dalam data.
120 Menit
Submission
Submission merupakan tahap akhir di mana peserta diminta mengumpulkan rangkuman pemahaman dan implementasi dari seluruh materi yang telah dipelajari. Pada bagian ini, peserta akan menyelesaikan sebuah tugas akhir yang mencakup proses Exploratory Data Analysis (EDA), mulai dari pemeriksaan kualitas data, analisis statistik deskriptif, hingga analisis univariate, bivariate, dan interpretasi visualisasi data. Tujuan dari tahap submission adalah memastikan peserta mampu menerapkan EDA secara mandiri, menginterpretasikan hasil analisis dengan tepat, serta menyajikan temuan secara sistematis dan sesuai dengan standar analisis data.
180 Menit