Posts by Cahyaael Azhar

Latar Belakang Masalah Sebuah perusahaan telekomunikasi memiliki dataset keluhan pelanggan dengan masalah : Kolom tidak konsisten (huruf besar/kecil campur). Missing values di kolom penting (tanggal, kategori keluhan). Duplikat entri pelanggan.…

Pendahuluan dplyr adalah salah satu library paling populer di R untuk manipulasi data, dan kini konsepnya dapat digunakan di Python melalui : Pandas (dengan gaya pipe %>% menggunakan df.pipe() atau library dfply) Siuba (library Python yang mengadopsi sintaks dplyr)…

Latar Belakang Masalah Sebuah e-commerce ingin menganalisis data penjualan 6 bulan terakhir, tetapi datanya memiliki masalah : Ada missing values (produk tanpa kategori, harga kosong). Format tidak konsisten (tanggal campuran,…

Pandas adalah library Python yang sangat powerful untuk manipulasi dan analisis data. Dalam proses data cleanup, Pandas menyediakan berbagai fungsi untuk : Menangani missing values. Menghapus duplikat. Mengubah tipe data. Filtering data.…

Latar Belakang Masalah Sebuah startup proptech ingin membangun model prediksi harga rumah berdasarkan fitur-fitur seperti : Luas tanah (m²) Jumlah kamar Lokasi (kategorik: Urban, Suburban, Rural) Tahun pembangunan Masalah :…

Data Transformation adalah proses mengubah data ke dalam bentuk yang lebih sesuai untuk analisis atau pemodelan. Tujuannya meliputi : Meningkatkan kualitas data. Memenuhi asumsi model statistik/machine learning. Membuat data lebih…

Latar Belakang  Sebuah perusahaan ingin menganalisis distribusi gaji karyawannya untuk : Memastikan tidak ada kesalahan input data. Mengidentifikasi anomali (misal: gaji terlalu tinggi/rendah). Membersihkan data sebelum analisis lebih lanjut. Dataset…

Konsep Dasar Outlier Outlier adalah observasi yang secara signifikan berbeda dari data lainnya dalam dataset. Outlier dapat : Mewakili variasi alami dalam data Menunjukkan kesalahan pengukuran atau input Mengindikasikan kejadian…

Latar Belakang Masalah Sebuah perusahaan e-commerce menemukan masalah dalam database pelanggan mereka: Rekaman pelanggan ganda karena sistem registrasi bermasalah Data pelanggan yang sama dengan ID berbeda dari berbagai channel (website,…

Konsep Dasar Duplikasi Data 1 Definisi dan Jenis Duplikat Duplikat data terjadi ketika terdapat record yang identik atau hampir sama dalam dataset. Terdapat dua jenis utama: Exact Duplicates: Record yang…