Dokumen ini memperkenalkan konsep dasar data science, menjelaskan pentingnya data dalam era modern, dan menyebutkan langkah-langkah dalam menyelesaikan masalah menggunakan data science. Mencakup definisi, siapa itu data scientist, komponen utama, serta proses seperti discovery, data preparation, model planning, dan operationalize. Selain itu, dokumen ini juga menggambarkan bagaimana data dapat dianalisis untuk menemukan wawasan yang berguna dalam berbagai konteks.

1. PENGANTAR
DATA SCIENCE
PERTEMUAN 01

2. AGENDA HARI INI
 Mengapa Data Science?
 Apa itu Data Science?
 Siapa itu Data Scientist?
 Bagaimana Masalah diselesaiakan Dengan Data Science?
 Komponen Data Science

3. WHY DATA SCIENCE?

4. WHY DATA SCIENCE?
hal yang paling melimpah hari ini, adalah data, kami memiliki data tentang segala sesuatu yang meningkat
berlipat ganda setiap hari!
Then
Increasing Data

5. WHAT IS DATA SCIENCE?

6. WHAT IS DATA SCIENCE?
 disebut data-driven science, merupakan bidang interdisipliner tentang metode,
proses, dan sistem ilmiah untuk mengekstraksi pengetahuan atau wawasan dari
data dalam berbagai bentuk, baik terstruktur maupun tidak terstruktur
 pertanyaan yang biasanya ditanyakan kepada
data scientist adalah:
Beritahu kami sesuatu, yang kami tidak tahu?
Data Science termasuk didalamya:
Programming + Statistik+Business

7. WHO IS DATA SCIENTIST?

8. WHO IS DATA SCIENTIST?
MATHS
Statistic
Discrete Maths
Information Theory
Combinatories
Decision Theory
Machine Learning
BUSINESS
Economic
Finance
Marketing
Operations
Management
INFORMATION
SYSTEMS
Computer Science
Software Engineering
System Development
Data
Scientist
Econometrics
Management Science
Atuaries
Data Viz. Builder
Statistical Programing
BI Developer
Data Analysis

12. BAGAIMANA MASALAH DISELESAIKAN DENGAN DATA
SCIENCE?

13. PENYELESAIAN MASALAH DALAM DATA SCIENCE

14. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Discovery termasuk akuisisi data dari semua sumber internal dan
eksternal yang teridentifikasi yang dapat membantu menjawab
permasalahan bisnis.
 Data dapat berupa:
 Logs dari webserver
 Data social media
 Dataset sensus
 Data streamed dari sumber online via API’s
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

15. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

16. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Data dapat memiliki banyak inkonsistensi seperti nilai yang hilang, kolom
kosong, nilai yang tiba-tiba dan format data yang salah yang perlu dibersihkan.
 Perlu untuk mengeksplorasi, preprocess dan mengkondisikan data sebelum
pemodelan.
 Hal ini akan membantu untuk menemukan outlier dan membangun hubungan
antar variabel.
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

17. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

18. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

19. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Disini, perlu menentukan metode dan teknis untuk menggambarkan relasi antar
variable.
 Mengaplikasikan Explarotary Data Analytics (EDA) menggunakan berbagai
formula statistic dan alat visualisasi data.
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

20. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

21. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Mengembangkan dataset untuk tujuan training dan testing.
 Mempertimbangkan apakah tools yang ada saat ini mampu untuk menjalankan
model.
 Analisis berbagai teknik seperti klasifikasi, asosiasi dan klustering untuk
membanguan model.
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

22. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Ini adalah pohon keputusan berdasarkan atribut yang berbeda.
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

23. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Menyampaikan laporan akhir, briefing, kode dan dokumen teknis
 Mengimplementasikan proyek percontohan dalam lingkungan produksi waktu
nyata
 Cari kendala kinerja jika ada
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

24. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Mengidentifikasi semua temuan utama dan berkomunikasi dengan pemangku
kepentingan
 Menjelaskan model dan hasilnya kepada otoritas medis
 Tentukan apakah hasil proyek berhasil atau gagal berdasarkan kriteria yang
dikembangkan
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

25. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Discovery
 Data Preparation
 Model Planning
 Model Building
 Operationalize
 Communicate
Result

26. BAGAIMANA MEMILIH ALGORITMA DATA SCIENCE

27. PENYELESAIAN MASALAH DALAM DATA SCIENCE
 Terdapat 5 pertanyaan yang dapat dijawab dalam data science:

29. SCOPE OF VISUAL ANALYTICS

30. DATA VISUALIZATION

31. DEMO
Dataset ini memberikan data keselamatan jalan yang rinci tentang terjadinya cedera kecelakaan di
jalan dari tahun 1979 - 2013. Tujuannya adalah untuk menemukan hal-hal berikut:
Tujuannya untuk mengetahui jumlah kecelakaan yang terjadi:
• dalam berbagai kondisi cuaca
• dalam berbagai kondisi cahaya
• dalam berbagai kondisi permukaan jalan
• dengan membuat informasi kendaraan kecelakaan
• selama berbagai hari dalam seminggu
• di berbagai jenis jalan
• jumlah korban per kecelakaan per tahun
Kita harus menemukan hasil queri di Hadoop

32. DEMO

33. THANK YOU ...