LAPORAN

“FUNDAMENTAL DATA ANALYSIS WITH PYTHON “

Di Susun Oleh :

Muhammad Aqza Angga Nugraha 2213027

FAKULTAS ILMU KOMPUTER

PROGRAM STUDI SISTEM INFORMASI – S1

UNIVERSITAS MULIA

MEI 2024
 KATA PENGANTAR

Puji dan syukur dipanjatkan kehadirat Tuhan Yang Maha Esa, yang telah melimpahkan
Rahmat dan Hidayah-Nya kepada kami, sehingga kami dapat menyelesaikan laporan praktikum
Model Komunikasi Data dapat diselesaikan dengan baik dan tepat waktu.

Pada kesempatan ini kami ingin menyampaikan Laporan Praktikum dengan judul "
FUNDAMENTAL DATA ANALYSIS WITH PYTHON " sebagai syarat mengikuti praktikum
selanjutnya dan bahan penilaian terhadap aktivitas perkuliahan khususnya Praktikum Jaringan
Komputer di Laboratorium Fakultas Ilmu Komputer Universitas Mulia.

Kami memohon maaf apabila dalam penyusunan laporan ini ada kekurangan dan kesalahan
penyusunan, semoga dapat memberikan manfaat khususnya saya selaku penyusun laporan ini.
Akhir kata kami ucapkan terima kasih.
 BAB 1

PENDAHULUAN

1.1 Latar Belakang

Analisis data dasar dengan Python merujuk pada proses menggunakan bahasa

pemrograman Python untuk melakukan analisis dasar pada dataset. Ini umumnya

melibatkan tugas seperti pembersihan data, manipulasi, visualisasi, dan analisis statistik

untuk mendapatkan wawasan dan membuat keputusan yang berbasis data. Library pada

Python merupakan kumpulan code yang bersifat open-source yang dapat dipanggil ke

dalam Python dan digunakan untuk membantu komputasi. Library dasar pada Python yang

digunakan untuk analisis data antara lain NumPy, SciPy, Pandas, dan Matplotlib dengan

fungsional yang berbeda — beda. Modul ini akan menjabarkan kegunaan masing —

masing library beserta contoh kasus penggunaan library tersebut dalam menyelesaikan real

— case di dunia kerja.

1.2 Tujuan Dan Manfaat (ganti)

1. Memahami Data.
2. Mengidentifikasi Pola dan Hubungan.
3. Mengoptimalkan Pengambilan Keputusan.
4. Menemukan Wawasan Baru.
5. Mendukung Pengembangan Model Prediktif.
6. Meningkatkan Efisiensi Operasional.
7. Mengukur Kinerja.
 BAB 2

PEMBAHASAN

2.1 Langkah Kerja Tugas 1

Ketik diprint (order_df.shape), tampilan akan menjelaskan bahwa dataframe tersebut

memiliki 12 kolom & 49999 baris.

2.2 Langkah Kerja Tugas 2

1. Struktur data dan jenis data setiap kolomnya dengan fungsi .dtypes

2. Ketik Print(order_df.dtypes) Tampilan data dari dataframe tersebut dengan fungsi head

dan tail dengan limit masing-masing 10 baris untuk kolom order_id, price dan

product_weight_gram
2.3 Langkah Kerja Tugas 3

Ketik print(order_df.describe()) untuk membuat quick summary dari segi kuantitas, harga,

freight value, dan product_weight_gram pada dataframe order_df

Untuk mencari mean, median dan modus dari kolom price ketik

print(order_df.loc[:,"price"].mean())

print(order_df.loc[:,"price"].median())

print(order_df.loc[:,"price"].mod.

2.5 Langkah Kerja Tugas 5

Untuk mencari standar deviasi dan varians dari kolom product_weight_gram pada

dataframe order_df tadi untuk menganalisis lebar persebaran distribusi tersebut.

print(order_df.loc[:,"product_weight_gram"].std())

print(order_df.loc[:,"product_weight_gram"].var())
2.6 Langkah Kerja Tugas 6

Untuk mengubah kolom freight_value menjadi shipping_cost dalam data frame order_df,

dengan menggunakan fungsi rename(). Ketika di-run, maka kolom freight_value berganti

nama menjadi kolom shipping_cost. Berikut syntaxnya :

order_df.rename(columns={"freight_value":"shipping_cost"}, inplace=True)

print(order_df.dtypes)

2.7 Langkah Kerja Tugas 7

Mencari rata-rata dari price per payment_type dari dataset order_df! Pada output akan

terlihat rata-rata transaksi dari setiap tipe pembayaran. Ketik rata_rata =

order_df["price"].groupby(order_df["payment_type"]).mean()

print(rata-rata)
2.8 Langkah Kerja Tugas 8

Mencari median dari price per payment_type dari dataset order_df! Pada output akan

terlihat rata-rata transaksi dari setiap tipe pembayaran. Ketik median_nilai =

order_df["price"].groupby(order_df["payment_type"]).median()

print(median_nilai)

2.9 Langkah Kerja Tugas 9

Mengurutkan harga termahal sampai harga termurah dari produk di dataset. Ketik

order_df. Ketik sort_harga = order_df.sort_values(by="price", ascending=False)

print(sort_harga)
2.10 Langkah Kerja Tugas 9

Ubah nama kolom freight_value menjadi shipping_cost dan cari shipping_cost termahal

dari data penjualan tersebut menggunakan sort. Ketik sort_shipping =

order_df.sort_values(by="shipping_cost", ascending=False)

print(sort_shipping)