MODUL

BIG DATA ANALYTIC

Disusun oleh :

Sri Redjeki, S.Si, M.Kom.

Maria Mediatrix S., S.Kom., M.Eng.

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

AKAKOM

YOGYAKARTA

2020

i
KATA PENGANTAR

ii
 DAFTAR ISI

KATA PENGANTAR...................................................................................................... ii
DAFTAR ISI ................................................................................................................... iii
MODUL 3 EKSPLORASI DATA......................................................................................1

iii
 MODUL 3
EKSPLORASI DATA

CAPAIAN PEMBELAJARAN

1. Mampu menampilkan data menggunakan beberapa library di Python

KEBUTUHAN ALAT/BAHAN/SOFTWARE

1. Python (Anaconda / Miniconda)

DASAR TEORI

Sama seperti Bahasa pemrograman lain, Python juga memiliki banyak library yang
dapat digunakan untuk membantu kita dalam membangun sebuah aplikasi. Dalam
praktikum ini, fungsi yang akan digunakan adalah Matplotlib, Pandas, Numpy.

Matplotlib
Merupakan library yang paling sering digunakan oleh data science karena dapat
digunakan untuk memvisualisasikan data (misalnya dalam bentuk grafis). Matplotlib
memiliki Plot untuk menampilkan data secara 2D atau 3D. Plot sendiri dapat berupa garis,
sebaran, histogram.

Pandas
Pandas (Python Data Analysis) merupakan Library yang dapat digunakan untuk
manipulasi dan analisis data yang memiliki struktur data yang diperlukan untuk
membersihkan data mentah ke dalam sebuah bentuk yang cocok untuk analisis (yaitu
tabel). Pandas dapat menyelaraskan data untuk perbandingan dan penggabungan
dataset, penanganan data yang hilang, dll. Struktur data dasar pandas dinamakan
DataFrame, yaitu sebuah koleksi kolom berurutan dengan nama dan jenis, dengan

1
demikian merupakan sebuah tabel yang tampak seperti database dimana sebuah baris
tunggal mewakili sebuah contoh tunggal dan kolom mewakili atribut tertentu. Dengan
adanya fitur DataFrame memudahkan untuk membaca sebuah file dan menjadikannya
tabel, kita juga dapat mengolah suatu data dengan menggunakan operasi seperti join,
distinct, group by, agregasi, dan teknik lainnya yang terdapat pada SQL. Banyak format file
yang dapat dibaca menggunakan Pandas, seperti file .txt, .csv, .tsv dan lainnya.
Untuk membuka file csv dengan perintah read_excel(nama_file_excel) maka data
akan masuk ke dataFrame pandas. Hasil dataFrame dapat ditampilkan dengan print.
Beberapa fungsi lain dari pandas:
 df.head()  pengambilan 5 data pertama
 df.head(10)  pengambilan 10 data pertama
 df.tail(8)  pengambilan 8 data terakhir
 df.columns  menampilkan nama kolom
 df[[„nama', „alamat']]  pilih kolom tertentu
 df[“field”].min()  data terkecil
 df[“field”].max)  data terbesar
 df[“field”].mean()  rata-rata
 df[“field”].sum()  jumlah
 df[“field”].count()  cacah
 df[df['field'] operator_perbandingan value]  filter data, misal
df[df[„nilai‟] > 50]

Numpy
Numeric Python (NumPy) package Python yang digunakan sebagai alternative List
Python, yaitu Numpy array (mirip dengan List). NumPy biasanya digunakan bersamaan
dengan package lain seperti Matplotlib dan SciPy. Library ini memungkinkan kita bekerja
dengan matriks dan array multidimensi yang besar. Selain itu, NumPy juga menyediakan
fungsi tingkat tinggi untuk melakukan operasi matematika.

PRAKTIK

1. Menggunakan fungsi Membuat Ploting data pada sumbu ordinat

2
b. Menampilkan data ordinat untuk data {(2,4), (2.5,11), (6,14), (7,17), (9,24)} gunakan
coding dibawah ini

c. Membuat garis pada titik-titik ordinat diatas dengan menghilangkan “gs” dan
tampilan dibawah ini

d. Membuat ploting data dengan memberi nama variabel sumbu x dan sumbu y, seperti
dibawah ini

3
2. Manajemen data file csv
a. Menampilkan data  Buatlah data seperti dibawah ini dan simpan dengan nama
data3.csv
Nilai Nilai
UTS UAS
80 87
78 81
72 70
68 65
78 90
74 78
90 87
76 78
73 81
66 88
89 94
75 86

Mendefiniskan library yang akan kita gunakan. Data disimpan dengan nama file
data3.csv dalam satu folder dengan file python yang sedang running. Kita tampilkan
menggunakan pandas dengan variabel dataset.

4
 Untuk memastikan data tersimpan dan dapat dibaca oleh python gunakan script
dibawah ini

Input [22] digunakan untuk menampilkan nama variabel pada data3.csv

b. Scatter Plot Data

Apakah semua data bisa ditampilkan? Jelaskan!

Fungsi untuk membuat scatter plot

Untuk membuat plotting regresi dengan variabel x = bmi dan y = charges

5
Menampilkan plot data kategori dari salah satu variabel smoker

Menampilkan prediksi data tentang smoker melalui garis regresi

6
 LATIHAN

1. Jelaskan perbedaan scatterplot, regplot, lmplot

TUGAS

1. Seaborn merupakan library yang dibangun diatas matplotlib dimana memiliki fungsi
yang sama yaitu visualisasi data. Buatlah penjelasan tentang apa itu seaborn?
Mengapa perlu menggunakan seaborn? Berikan contoh penggunaan seaborn selain yg
ada di modul (minimal 2 fungsi).

REFERENSI