Course Content
Pengenalan Data Mining
Dengan materi ini, peserta diharapkan dapat memahami konsep dasar data mining, proses yang terlibat, dan Sejarah singkat Data Mining.
0/5
Lingkungan Kerja dan Instalasi
Dengan materi ini, peserta diharapkan dapat mengatur lingkungan kerja mereka untuk data mining menggunakan Python dan memahami dasar-dasar penggunaan Jupyter Notebook serta pustaka yang diperlukan.
0/5
Pengumpulan dan Pembersihan Data
Dengan materi ini, peserta diharapkan dapat memahami dan menerapkan proses pengumpulan serta pembersihan data menggunakan Python.
0/4
Exploratory Data Analysis (EDA)
Dengan materi ini, peserta diharapkan dapat memahami dan menerapkan teknik eksplorasi data untuk memperoleh wawasan awal dari dataset mereka.
0/6
Teknik Data Mining Dasar
Dengan materi ini, peserta diharapkan dapat memahami teknik dasar data mining, termasuk klasifikasi, regresi, dan clustering, serta cara mengevaluasi model-model tersebut.
0/5
Penutup
peserta diharapkan dapat memahami capaian dari kursus dan mengenali keterampilan yang telah diperoleh untuk pengembangan keterampilan lebih lanjut.
0/1
Dasar Data Mining Menggunakan Python
About Lesson

Statistik Deskriptif

Apa itu Statistik Deskriptif? Statistik deskriptif adalah metode untuk merangkum dan menyajikan data secara numerik.

Contoh Statistik Deskriptif:

  • Rata-rata (Mean): mean_value = data[‘column_name’].mean()
  • Median: median_value = data[‘column_name’].median()
  • Modus: mode_value = data[‘column_name’].mode()
  • Varians dan Deviasi Standar: 

          variance = data[‘column_name’].var()
          std_deviation = data[‘column_name’].std()

Distribusi Data:

  • Frekuensi Kategori: frequency = data[‘category_column’].value_counts()
  • Ukuran Skewness dan Kurtosis: 

           from scipy.stats import skew, kurtosis
           skewness = skew(data[‘numeric_column’])
           kurt = kurtosis(data[‘numeric_column’])