ALGORITMA DARA SCIENCE

Tugas ini dibuat untuk memenuhi nilai tugas projek Matakuliah

Algoritma Data Science

Tim Penyusun :

AULIA SEKAR OCTARIA DEWI(19232029)

FADILAH MARDOTILAH(19232045)

MEISYA REVALINA SORAYA (19230771)

MUHAMMAD AFAN R.K (19232566)

MUHAMMAD WAHYU A (19230140)

PROGRAM STUDI SISTEM INFORMASI KAMPUS KARAWANG

UNIVERSITAS BINA SARANA INFORMATIKA
 2024

KATA PENGANTAR

Syukur Allhamdulillah senantiasa kami panjakan kehadiran Allah SWT yang

telah melimpahkan rahmat dan karunia-Nya sehingga kami dapt menyelesaikan

MAKALAH ini guna memenuhi tugas kelompok untuk mata kuliah Algoritma Data

Science dengan judul “Analisis Data Statistik Kumpulan Mobil Dari Berbagai

Kriteria”.

Kami menyadari bahwa dalam penulisan makalah ini tidak terlepas dari bantuan

banyak pihak yang dengan tulus memberikan doa, saran dan kritik sehingga makalah

ini dapat terselesaikan.

Kami menyadari sepenuh nya bahwa makalah ini masih jauh dari sempurna

dikarenakan terbatasnya pengalaman dan pengetahuan yang kami miliki.Oleh karena

itukamimengharapkan segala bentuk saran serta masukan bahkan kritik yang

membangun dari berbagai pihak. Akhirnya kami berharap semoga makalah ini dapat

memberikan manfaat bagi perkembangan dunia pendidikan.

Karawang, Juni 2024

Kelompok VI

ii
iii
 DAFTAR ISI

KATA PENGANTAR...................................................................................................i

DAFTAR ISI.................................................................................................................ii

BAB I.............................................................................................................................1

INTERGRATED DEVELOPMENT ENVIRONTEM (IDE) & SUMBER DATA

PADA DATA SCIENCE..............................................................................................3

1.1.1 Python 3.12.1...................................................................................................3

1.1.2 Visual Studio Code Version 1.89.1 (user setup).............................................3

1.1.3 Google Colab...................................................................................................4

1.1.4 Kaggle.com......................................................................................................4

1.2.1 Pandas 2.0.3.....................................................................................................5

1.2.2 Numpy 1.25.2..................................................................................................5

1.2.3 Matplotlib 3.7.1...............................................................................................6

1.2.4 Seaborn 0.13.1.................................................................................................6

Sumber Data.............................................................................................................7

BAB II............................................................................................................................8

2.1.1 Latar Belakang Pemilihan Dataset..................................................................8

2.1.2 Menyimpan Data Menjadi DataFrame (Pandas).............................................8

2.1.3 Menampilkan 5 Data Teratas dan Terakhir.....................................................8

2.1.4 Memahami Tipe Data dan Informasi Tentang Data........................................8

2.2.1 Check Duplikasi Data (nunique).....................................................................9

2.2.2 Menghitung Nilai yang Hilang (isnull).........................................................10

2.2.3 Pengurangan Data..........................................................................................11

2.2.4 Pengecekan Nama Variabel yang Tidak Relevan dan Sulit Dipahami.........12

ii
BAB III........................................................................................................................14

ANALISIS DATA EKSPLORASI............................................................................14

3.1.1 Menampilkan Ringkasan Statistik dengan .describe()..................................14

3.1.2 Memisahkan Nilai Numeric dan Object........................................................15

3.2.1 Visualisasi Data Numerik..............................................................................16

3.2.2 Visualisasi Data Kategorikal.........................................................................19

BAB IV........................................................................................................................21

PENUTUP...................................................................................................................21

DAFTAR PUSTAKA.................................................................................................23

iii
 DAFTAR GAMBAR

Gambar 1 1 Python 3.12.1.....................................................................................................2

Gambar 1 2 Visual Studio Code 1.89.1 (user setup)...........................................................3

Gambar 1 3 Google Colab.....................................................................................................3

Gambar 1 4 Kaggle.com........................................................................................................4

Gambar 1 5 Pandas 2.0.3.......................................................................................................4

Gambar 1 6 Numpy 1.25.2.....................................................................................................5

Gambar 1 7 Matplotlib 3.7.1.................................................................................................5

Gambar 1 8 Seaborn 0.13.1...................................................................................................5

Gambar 2 1 Menyimpan Data Menjadi DataFrame (pandas)...........................................7

Gambar 2 2 Menampilkan Data Dan Informasi Tentang Data.........................................8

Gambar 2 3 Check Duplikasi Data (nunique).....................................................................9

Gambar 2 4 Menghitung Nilai yang Hilang (isnull).........................................................10

Gambar 2 5 Pengurangan Data..........................................................................................11

Gambar 2 6 Mengecekan Nma Variabel yang Tidak Relevan dan Sulit Dipahami......12

Gambar 3 1 Menampilkan Ringkasan Statistik dengan describe ()................................13

Gambar 3 2 Memisahkan Nilai Numeic dan Object.........................................................14

Gambar 3 3 Memisahkan Nilai Numeic dan Object.........................................................14

Gambar 3 4 Visualisasi Data Numerik...............................................................................17

Gambar 3 5 Visualisasi Data Kategorial............................................................................18

1
 BAB I

INTERGRATED DEVELOPMENT ENVIRONTEM (IDE) & SUMBER

DATA PADA DATA SCIENCE

1.1 Penjelasan IDE

1.1.1 Python 3.12.1
Python adalah salah satu bahasa pemrograman yang baru di masa sekarang,
bahasa pemrograman ini diklaim sebagai bahasa yang menggabungkan kapabilitas,
kemampuan, dengan sintaksis kode yang sangat jelas, dan dilengkapi dengan
fungsionalitas pustaka standar yang besar serta komprehensif (AN Syahrudin & T
Kurniawan, 2018).

Gambar 1 1 Python 3.12.1

Untuk analisis ini, kami menggunakan bahasa pemrograman Python karena librarynya
yang luas, dan sintaksnya secara garis besar mudah untuk dipahami.

1.1.2 Visual Studio Code Version 1.89.1 (user setup)

Visual Studio Code adalah aplikasi editor coding yang gratis, open-source, dan
dapat digunakan di beberapa sistem operasi yang berbeda. Visual Studio Code
dikembangkan oleh Microsoft sebagai bagian dari keluarga Visual Studio (A Speight,
2021).

2
 Gambar 1 2 Visual Studio Code 1.89.1 (user setup)

Kami menggunakan IDE Visual Studio Code karena fiturnya yang dapat disesuaikan
dengan keinginan, dan mendukung kolaborasi real-time sehingga cocok untuk proyek
kelompok ini.

1.1.3 Google Colab

Jupyter Notebook adalah sebuah program pengembangan interaktif berbasis
web yang berjalan di browser default (R Hendri, 2022).

Gambar 1 3 Google Colab

Piranti ini dapat menampilkan dan menjalankan setiap blok kode secara independen,
yang mana merupakan alasan utama kami menggunakan extension ini dalam proyek
analisis.

1.1.4 Kaggle.com
Kaggle adalah salah satu situs yang terkenal di dunia Data Science dan Machine
Learning yang terdiri dari lebih dari 6000 dataset yang dapat diunduh dalam format CSV,
file excel, maupun gambar. (A Rahmat, M Syafiih, M Faid, 2023).

3
 Gambar 1 4 Kaggle.com

Kami menggunakan data sekunder dari Kaggle karena kami bisa mendapatkan akses ke
dataset yang luas dan akurat tanpa memakan waktu dan biaya. Berikut adalah link direct ke
dataset yang kami gunakan dalam analisis paper ini:Automobile Dataset (kaggle.com)

1.2 Library Bahasa Pemrograman

1.2.1 Pandas 2.0.3

Pandas (Python for Data Analysis) adalah library Python yang fokus pada
proses analisis data seperti manipulasi data, persiapan data, dan pembersihan data (S
Marcellinus, 2021).

Gambar 1 5 Pandas 2.0.3

Kami menggunakan Pandas karena library ini cocok untuk data berbentuk excel
spreadsheet/CSV.

1.2.2 Numpy 1.25.2

Numpy adalah NumPy (Numerical Python) adalah library Python yang
berfokus pada scientific computing dan berfokus kepada array, yang mirip dengan
list pada Python (S Marcellinus, 2021). Kami menggunakan library Numpy karena
terdapat entitas angka pada dataset yang kami pilih.

4
 Gambar 1 6 Numpy 1.25.2

1.2.3 Matplotlib 3.7.1

Matplotlib adalah library Python yang berfungsi untuk memproses plot
seperti menggambar, mengedit, dan menyimpan grafik representasi dari data
numerikal (H Setiawan, E Utami, H Al Fatta, 2020) yang mana dibutuhkan untuk
visualisasi numerik dataset ini.

Gambar 1 7 Matplotlib 3.7.1

1.2.4 Seaborn 0.13.1

Seaborn tidak jauh beda dari library Matplotlib, namun fokus visualisasi
Seaborn adalah data kategorikal yang mana merupakan mayoritas dari entitas dataset
ini.

Gambar 1 8 Seaborn 0.13.1

Seaborn dapat memodifikasi skema warna dan gaya plotting default dari matplotlib
untuk meningkatkan keterbacaan dan estetika (A Vegari & S Budi, 2020).

5
1.3 Sumber Data
Nama Dataset : Automobile dataset

Link Dataset : Automobile Dataset (kaggle.com)

Jenis Dataset: Primer/Sekunder

Sumber Dataset: Kaggle.com

6
 BAB II

2.1 Business Understanding

2.1.1 Latar Belakang Pemilihan Dataset

Tahap Business Understanding ini dilakukan untuk menentukan tujuan atau
capaian dari proyek data mining dan memahami situasi bisnis terkait dengan data
kendaraan. Pada tahap ini, definisi sistem yang akan dibangun dilakukan, serta
pengumpulan informasi dari showroom mobil dan marketplace. Dengan demikian,
Business Understanding ini membantu dalam mengidentifikasi kebutuhan dan tujuan
dari proyek data mining, serta memahami situasi bisnis terkait dengan data
kendaraan. Berikut beberapa artikel berita yang mengenai ‘Automobile Dataset’ :
 https://www.kaggle.com/datasets/toramky/automobile-dataset
 https://bisa.ai/portofolio/detail/NDM4
 http://e-journal.uajy.ac.id/20594/2/TF08537%201.pdf
 https://bisa.ai/portofolio/detail/MTI2NQ

2.1.2 Menyimpan Data Menjadi DataFrame (Pandas)

Hal pertama yang kelompok kami lakukan dalam tahap Business

Understanding adalah menyimpan dataset menjadi DataFrame menggunakan library
pandas, agar format CSVnya lebih mudah untuk dibaca dan terorganisir dengan
tampilan kolom baris.

Gambar 2 1 Menyimpan Data Menjadi DataFrame (pandas)

Menyimpan dataset menjadi DataFrame library pandas dapat dilakukan

dengan menuliskan code di atas.

2.1.3 Menampilkan 5 Data Teratas dan Terakhir

Kemudian, kami menuliskan code dengan fungsi head dan tail untuk
menampilkan 5 data teratas dan 5 data terakhir, sebgaimana terlampir pada gambar
berikut.
7
2.1.4 Memahami Tipe Data dan Informasi Tentang Data
Selanjutnya, kami menggunakan fungsi info untuk menampilkan tipe dan
informasi tentang data, sehingga data tersebut bisa lebih mudah untuk dipahami.

Gambar 2 2 Menampilkan Data Dan Informasi Tentang Data

 DataFrame ini memiliki 205 entri (baris) dan 26 kolom.

 Terdapat tiga tipe data utama : ‘int64’, ‘float64’, dan ‘object’
 Mengandung atribut mobil seperti spesifikasi teknis (horsepower, engine-size, dll.),
karakteristik fisik (width, height, dll.), dan lainnya (make, fuel-type, dll.).
 Tidak ada nilai yang hilang disetiap kolom (205 non-null entries).
8
  DataFrame menggunakan memori sebesar 41.8 KB.

2.2 Data Preparation

2.2.1 Check Duplikasi Data (nunique)
Langkah pertama yang kami lakukan dalam tahap Data Preparation adalah
memeriksa apakah ada sebuah array (list) mempunyai nilai berulang. Jika iya, maka
kami harus mencari nilai array (list) berulang tersebut dan memutuskan apa yang
harus diganti. Pemeriksaan ini dapat dijalankan dengan fungsi nunique.

Gambar 2 3 Check Duplikasi Data (nunique)

Tidak ada duplikasi langsung yang teridentifikasi hanya berdasarkan jumlah

nilai unik, tetapi kolom dengan nilai unik rendah dapat menunjukkan
pengelompokan yang kuat dalam kategori tertentu.

2.2.2 Menghitung Nilai yang Hilang (isnull)

Kemudian, kami menghitung nilai yang hilang dengan fungsi isnull.
Penambahan fungsi sum ke dalam code adalah untuk menampilkan total data yang
hilang secara ringkas. Record dataset kami tidak memiliki data hilang, sehingga
aman untuk langsung dilanjutkan ke langkah Data Preparation berikutnya.

9
 Gambar 2 4 Menghitung Nilai yang Hilang (isnull)

2.2.3 Pengurangan Data

Selanjutnya, kami memutuskan untuk mengurangi data yang tidak terlalu
berpengaruh pada analisis kumpulan dataset mobil dari berbagai karakteristik
mobil, yaitu record ‘symboling’ dan ‘aspiration’. Pengurangan data dapat
dilakukan dengan fungsi drop seperti kode di atas. Penambahan fungsi info
adalah untuk melihat struktur record yang tersisa setelah penghapusan.

10
 Gambar 2 5 Pengurangan Data

2.2.4 Pengecekan Nama Variabel yang Tidak Relevan dan Sulit Dipahami
Setelah itu, kami melakukan pengecekan sekali lagi untuk mencari duplikat
data atau yang isinya sulit ditelusuri. Langkah ini dilakukan dengan menggunakan
fungsi unique dan nunique. Setelah pengecekan, terlihat tidak ada variabel yang
salah pada setiap record, jadi kami tidak melakukan pembersihan data lagi pada
tahap ini.

11
12
13
 Gambar 2 6 Mengecekan Nma Variabel yang Tidak Relevan dan Sulit Dipahami

BAB III

ANALISIS DATA EKSPLORASI

3.1 Ringkasan Statistik

3.1.1 Menampilkan Ringkasan Statistik dengan .describe()

14
 Langkah pertama yang dilakukan pada tahap ADE adalah menghitung
ringkasan statistik. Ringkasan statistik sendiri dapat menampilkan deskripsi data
dalam 2 kategori, yaitu numerik dan object dengan memanfaatkan fungsi-fungsi
seperti describe (menghitung ringkasan), include=all (menampilkan numerik dan
object), dan T (menampilkan secara diagonal).

Gambar 3 1 Menampilkan Ringkasan Statistik dengan describe ()

3.1.2 Memisahkan Nilai Numeric dan Object

Penggunaan fungsi dtypes diperlukan untuk mengetahui tipe data setiap
variabel. Dataset yang kami analisis memiliki variabel numerikal, yaitu ‘normalized-
losses’, ‘wheel-base’, ‘length’, ‘width’, ‘height’, ‘crub-weight’, ‘bore’, ‘stroke’,

15
 ‘compression-ratio’, ‘horsepower’, ‘pake-rpm’, ‘city-mpg’, ‘highway-mpg’, ‘price’,
dan variabel kategorikal, yaitu ‘make’, ‘fuel-type’, ‘aspiraton’, ‘num-of-doors’,
‘drive-wheels’, ‘engine-type’, ‘num-of-cylinders’, ‘engine-size’, dan ‘fuel-system’.

Gambar 3 2 Memisahkan Nilai Numeic dan Object

Setelah mengetahui tipe data variabel, kami memisahkan data numerik dan
object untuk menjadi variabel yang mandiri dan bisa dipanggil sesuai kategorinya.
Pemisahan variabel ini dilakukan dengan mengimpor library numpy dan
menggunakan fungsi select_dtypes (memanggil kolom yang ada di DataFrame),
include (memasukkan nama variabel), columns (menjadikan variabel menjadi
kolom kategori), dan tolist (merapikan urutan).

Gambar 3 3 Memisahkan Nilai Numeic dan Object

3.2 Visualisasi Data

3.2.1 Visualisasi Data Numerik

16
 Kami memilih format histogram dan boxplot untuk data numerik karena
lebih mudah dibaca. Beberapa fungsi yang digunakan adalah for (pengulangan),
skew (kemiringan distribusi data), dan figure (mengubah ukuran).

17
18
 Gambar 3 4 Visualisasi Data Numerik

Di atas ada gambar yang menunjukkan distribusi dua variabel, wheel-base dan length,
menggunakan histogram dan boxplot.
Di sebelah kiri atas adalah histogram dari variabel wheel-base. Histogram ini menunjukkan
bahwa data tersebut dikeluarkan ke kanan, yang berarti ada lebih banyak mobil dengan
wheel base pendek daripada yang panjang.
Di sebelah kanan atas adalah boxplot dari variabel wheel-base. Boxplot ini menunjukkan
informasi yang sama dengan histogram, tetapi dengan cara yang berbeda. Kotak mewakili
rentang interquartil (IQR), yaitu 50% tengah data. Whiskers menggambarkan rentang antara
kotak dan data yang paling jauh. Titik bulat mewakili outlier, yaitu data yang jauh dari
kotak.
Di sebelah kiri bawah adalah histogram dari variabel length. Histogram ini menunjukkan

19
bahwa data sedikit dikeluarkan ke kiri.
Di sebelah kanan bawah adalah boxplot dari variabel length. Boxplot ini menunjukkan
informasi yang sama dengan histogram, tetapi dengan cara yang berbeda. Kotak mewakili
IQR, whiskers menggambarkan rentang antara kotak dan data yang paling jauh, dan titik
bulat mewakili outlier.
Gambar ini dapat digunakan untuk memahami distribusi data dan mengidentifikasi potensial
outlier. Outlier dapat disebabkan oleh kesalahan dalam proses pengumpulan data atau oleh
observasi yang tidak biasa. Menginvestigasi outlier adalah penting untuk menentukan
apakah mereka valid atau tidak.

3.2.2 Visualisasi Data Kategorikal

20
 Gambar 3 5 Visualisasi Data Kategorial

Konteks ini terdiri dari beberapa bagian yang berbeda:

1. Count: Bagian ini menunjukkan beberapa nilai yang terkait dengan "count" (jumlah). Nilai-
nilai ini adalah 80, 70, 60, 88, 50, 30, 20, 588, dan 10.
2. Wheel-base: Bagian ini menunjukkan beberapa nilai yang terkait dengan "wheel-base"
(jarak antara sumbu roda depan dan belakang). Nilai-nilai ini adalah 0, 140, 150, 160, 170,
180, 190, 200, dan 210.
3. Length: Bagian ini menunjukkan beberapa nilai yang terkait dengan "length" (panjang).
Nilai-nilai ini adalah 8, 20, 10, 4, 50, 40, dan beberapa nilai lainnya.
4. Skew: Bagian ini menunjukkan beberapa nilai yang terkait dengan "skew" (kemiringan).
Nilai-nilai ini adalah 1.05 dan 0.16.
Dalam konteks ini, tidak ada pertanyaan spesifik yang diajukan. Namun, berdasarkan data yang
diberikan, kita dapat melakukan beberapa analisis, seperti:
 Menganalisis distribusi nilai "count", "wheel-base", dan "length" untuk melihat pola atau
tren yang ada.
 Menghitung kemiringan (skew) dari nilai "wheel-base" dan "length" untuk melihat apakah
data tersebut memiliki distribusi yang simetris atau tidak.
 Membuat plot atau grafik untuk memvisualisasikan data dan membuatnya lebih mudah
dipahami.

3.3 Source Code

Berikut adalah link direct ke source code dalam google drive yang sudah
kami kerjakan: Auotomobile kel6

21
 BAB IV

PENUTUP

4.1 Kesimpulan

Dalam makalah ini, kami telah menganalisis dataset otomotif menggunakan berbagai
teknik dalam ilmu data dan pemrograman Python. Beberapa poin utama dari analisis kami
adalah sebagai berikut:

1. Penggunaan Python dan IDE:

o Python dipilih karena memiliki banyak library yang mendukung analisis data
seperti Pandas, Numpy, Matplotlib, dan Seaborn.
o IDE yang digunakan seperti Visual Studio Code dan Google Colab
membantu dalam kolaborasi dan eksekusi kode secara efisien.
2. Data Preparation:
o Kami melakukan pembersihan data dengan menghapus duplikasi,
mengurangi data yang tidak relevan, dan memastikan tidak ada nilai yang
hilang.
o Data disimpan dalam bentuk DataFrame menggunakan Pandas untuk
memudahkan manipulasi dan analisis.
3. Analisis Data Eksplorasi (ADE):
o Statistik deskriptif dilakukan untuk memahami distribusi dan karakteristik
data.
o Data numerik dan kategorikal divisualisasikan menggunakan histogram,
boxplot, dan grafik lainnya untuk mengidentifikasi pola dan outlier.
4. Visualisasi Data:
o Visualisasi data numerik menunjukkan distribusi variabel seperti wheel-base
dan length.
o Visualisasi data kategorikal membantu dalam memahami distribusi kategori
seperti make, fuel-type, dan lainnya.

22
4.2 Saran

Berdasarkan analisis yang telah kami lakukan, beberapa saran yang dapat kami berikan
adalah sebagai berikut:

1. Peningkatan Kualitas Data:

o Melakukan pembersihan data secara berkala untuk memastikan tidak ada
nilai yang hilang atau duplikasi.
o Mencari sumber data tambahan untuk memperkaya dataset yang ada.
2. Penggunaan Teknologi yang Lebih Lanjut:
o Memanfaatkan teknik machine learning untuk melakukan prediksi atau
klasifikasi berdasarkan data yang ada.
o Menggunakan teknik visualisasi data yang lebih canggih seperti interactive
dashboards untuk presentasi data yang lebih informatif.
3. Kolaborasi dan Pengembangan Berkelanjutan:
o Terus memperbarui dan mengembangkan analisis data dengan kolaborasi
antar anggota tim dan para ahli di bidang ilmu data.
o Melakukan evaluasi dan perbaikan secara berkelanjutan terhadap metode dan
teknik yang digunakan dalam analisis.
4. Aplikasi Praktis:
o Menerapkan hasil analisis dalam konteks bisnis nyata seperti optimalisasi
inventaris di showroom mobil atau analisis tren pasar otomotif.
o Mengembangkan sistem rekomendasi berdasarkan data otomotif untuk
membantu konsumen dalam memilih kendaraan.

Dengan demikian, kami berharap bahwa analisis dan rekomendasi yang kami berikan dapat
memberikan manfaat bagi perkembangan ilmu data dan aplikasinya dalam industri otomotif.
Semoga makalah ini juga dapat menjadi referensi yang berguna bagi para mahasiswa dan
praktisi di bidang ilmu data.

23
 DAFTAR PUSTAKA

Syahrudin, A. N., & Kurniawan, T. (2018). Input dan output pada bahasa pemrograman
python. Jurnal Dasar Pemograman Python STMIK, 20, 1-7.

Speight, A. (2021). Visual Studio Code for Python Programmers. John Wiley & Sons.

Hendri, R. (2022). Pembuatan Kode Program Dan Simulasi Skema Masakan ACD
Menggunakan Jupyter Notebook Pada Pemrograman Python Anaconda (Doctoral
dissertation, Politeknik LPP Yogyakarta).

Rahmat, A., Syafiih, M., & Faid, M. (2023). Implementasi Klasifikasi Potensi Penyakit
Jantung Dengan Menggunakan Metode C4. 5 Berbasis Website (Studi Kasus Kaggle. Com).
INFOTECH journal, 9(2), 393-400.

Marcellinus, S. (2021). Ekstraksi Fitur Peneliti Menggunakan Numpy dan Pandas

Setiawan, H., Utami, E., & Al Fatta, H. (2020). Penerapan Arima Dan Artificial Neural
Network Untuk Prediksi Penderita DBD Di Kabupaten Sragen. Majalah Ilmiah Bahari
Jogja, 18(2), 64-78.

Vegari, A., & Budi, S. (2020). Implementasi Exploratory Data Analysis Pada Dataset Video
Trending Harian YouTube. Jurnal STRATEGI-Jurnal Maranatha, 2(2), 397-411.

24
25
26
27