Scribd
Unggah
10 tayangan25 halaman

Metode Preprocessing Data untuk Analisis

Dokumen ini membahas tentang pentingnya preprocessing data dalam analisis data, termasuk langkah-langkah seperti cleaning data untuk mengatasi format yang tidak konsisten, typo, duplikat, dan nilai yang hilang. Metode preprocessing lainnya juga disebutkan, seperti encoding, feature scaling, dan dimension reduction. Penulis dokumen adalah Akmal Luthfi dan Ricko Haikal.

Diunggah oleh

sautama.filesonly
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
10 tayangan25 halaman

Metode Preprocessing Data untuk Analisis

Dokumen ini membahas tentang pentingnya preprocessing data dalam analisis data, termasuk langkah-langkah seperti cleaning data untuk mengatasi format yang tidak konsisten, typo, duplikat, dan nilai yang hilang. Metode preprocessing lainnya juga disebutkan, seperti encoding, feature scaling, dan dimension reduction. Penulis dokumen adalah Akmal Luthfi dan Ricko Haikal.

Diunggah oleh

sautama.filesonly
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd

PRE-PROCESSING

DATA
Pertemuan ke-2
PROSES
INPUT OUTPUT
MODEL/RUMUS

CARA KERJA
PROSES
INPUT OUTPUT
MODEL/RUMUS

CARA KERJA
INPUT PREPROSES PROSES
Kenapa sih
perlu adanya
Preprocessing ???
CLEANING DATA
[Link]
INPUT: DATA
01. KOTOR
INPUT: DATA
02. BERSIH
[Link]
METODE CLEANING DATA

Inconsistent format
Typo
Handling duplicate
Handling missing values
Handling outlier
IDENTIFIKASI

DATA DENGAN FORMAT TIDAK SERAGAM


INCONSISTENT
FORMAT
`isdigit()`
HANDLING

IDENTIFIKASI

`apply()`
IDENTIFIKASI

TERDAPAT PENULISAN DATA YANG SALAH


TYPO
IDENTIFIKASI

HANDLING
IDENTIFIKASI

DATA YANG TERCATAT LEBIH DARI SATU KALI DUPLICATE


IDENTIFIKASI

`duplicated().sum()` `drop_duplicates()`

HANDLING
IDENTIFIKASI

Imputate Remove

TERDAPAT DATA YANG HILANG


MISSING VALUES
`isnull().sum()`

IDENTIFIKASI
HANDLING (NUMERIK)
HANDLING (KATEGORIK)
IDENTIFIKASI / ANALYSIS Ke
ep
or
De
let
e

DATA YANG JAUH DARI KEBANYAKAN DATA


OUTLIER
METODE
PREPROCESSING
METODE PREPROCESSING
LAINNYA
Encoding
Feature Scaling
(Normalisasi / Standarisasi)
Feature Selection
Feature Engineering
Imbalance Dataset
Dimension Reduction
Binning
dll
THANK YOU
Do you have any question?

Disusun oleh :
Akmal Luthfi & Ricko Haikal

Anda mungkin juga menyukai