Descriptive Analytics dengan

Python Pandas

Tim Penyusun Materi Pengenalan Komputasi

Institut Teknologi Bandung © 2019
Objektif
• Mahasiswa dapat mempraktikkan teknik dalam Descriptive
Analytics dan EDA untuk melakukan analisis data sederhana
dengan menggunakan Python Pandas

12/21/2020 Pengenalan Komputasi 2

Klasifikasi Data Analytics

Sumber:
2017 Planning Guide for Data and Analytics
12/21/2020 Pengenalan Teknologi Informasi 3
Descriptive Analytics
• Jenis paling sederhana dari Data Analytics
• Analisis terhadap data history untuk mendapatkan profil umum dalam bentuk
summary dari data atau hubungan antar data untuk menjelaskan situasi yang
telah terjadi.
• Contoh hasil analisis:
• Banyaknya friend, mention, followers, page views
• Banyaknya page views
• Perbandingan banyaknya mahasiswa antar prodi di ITB
• Rata-rata nilai mahasiswa peserta PTIB
• Hubungan antara banyaknya jam belajar dengan prestasi akademik
• Ada kecenderungan bahwa orang beli roti tawar bersamaan dengan butter/mentega
• dll

12/21/2020 Pengenalan Komputasi 4

Contoh-contoh kegiatan Data Analysis
Descriptive Analytics dan Exploratory DA
• Retrieve Value (Selection)
• Filter
• Compute Derived Value
• Find Extremum
• Sort
• Determine Range
• Characterize Distribution
• Find Anomalies
https://en.wikipedia.org/wiki/Data_analysis
• Correlation
• Clustering
12/21/2020 Pengenalan Komputasi 5
Tipe Data
• Categorical-Nominal
• Nama negara, warna kulit, nama program studi, dll
• Categorical-Ordinal
• Likert scale (“sangat setuju” s.d. “sangat tidak setuju”)
• Indeks nilai A, B, C, D, E
• Categorical-Binary
• Jenis kelamin, status mahasiswa (aktif, tidak aktif), dll
• Quantitative-Discrete
• Banyaknya anak, banyaknya mahasiswa, banyaknya sks lulus
• Quantitative-Continues
• Usia, berat badan, tinggi, suhu

12/21/2020 Pengenalan Komputasi 6

Pandas
• Pandas = Python Data Analysis Library
• Dikembangkan We McKinney 2008
• Sebuah library open source yang menyediakan
model data terstruktur dan fungsi manipulasi dan
analisis data dalam lingkungan bahasa
pemrograman Python
• Instalasi Pandas: dalam paket Anaconda
(http://www.anaconda.com)
• Model data pada Pandas disebut DataFrame:
data dalam bentuk tabular (tabel dengan kolom
dan baris) https://pandas.pydata.org/

12/21/2020 Pengenalan Komputasi 7

Create DataFrame
import pandas as pd
dataMhs = {"NIM": ["16519001", "16519002", "16519003"],
"Nama" : ["Bin Bin", "Atung", "Kaka"],
"NilaiPTIB": [75, 80, 90]}
df1 = pd.DataFrame(data=dataMhs)
print(df)

d = {"one" : pd.Series([1.,2.,3.], index=["a","b","c"]),

"two" : pd.Series([1.,2.,3.,4.], index=["a","b","c","d"])}
df2 = pd.DataFrame(d)

12/21/2020 Pengenalan Komputasi 8

Baca dan Tampilkan Data
• Baca Data dari File CSV
import pandas as pd
df3 = pd.read_csv("D:/medali.csv")
print(df3)

• Baca Data dari File Spreadsheet (.xlsx)

import pandas as pd
sn = "Sheet1"
df4 = pd.read_excel("D:/medali.xlsx",sheet_name=sn)
print(df4)
Sumber data: https://www.bola.com/pages/perolehan-medali/
12/21/2020 Pengenalan Komputasi 9
Tulis Data
• Tulis Data ke File CSV
# Asumsi df3 sudah terdefinisi (lihat slide sebelumnya)
df3.to_csv("D:/medali_out.csv")

• Tulis Data ke File Spreadsheet (.xlsx)

# Asumsi df4 sudah terdefinisi (lihat slide sebelumnya)
writer = pd.ExcelWriter("D:/medali_out.xlsx")
df4.to_excel(writer, "Sheet1")
df4.to_excel(writer, "Sheet2") #tulis data yang sama di sheet lain
writer.save()

12/21/2020 Pengenalan Komputasi 10

Select Data (1): Subset, Filter

• DataFrame menggunakan indeks mulai dengan nilai 0

• Contoh-contoh:

#Dapatkan subset mulai dari baris ke-5

#(dari indeks ke-4)
df3[4:]

#dapatkan mulai baris ke-5 (idx=4),

#s.d. baris ke-8 (idx=7)
df3[4:8]

#dapatkan semua baris

#s.d. baris ke-8 (idx=7)
df3[:8]
12/21/2020 Pengenalan Komputasi 11
Select Data (2): Subset, Filter
DataFrame.loc: mengakses baris dan kolom berdasarkan label
atau array of boolean

#data baris ke-4, kolom country

df3.loc[3,"country"] #Indonesia
#data dari baris ke-4 (idx=3) s.d. ke-10 (idx=9);
#kolom country s.d. bronze
df3.loc[3:9,"country":"bronze"]
12/21/2020 Pengenalan Komputasi 12
Select Data (3): Berdasar kondisi
#Ambil semua data dengan jumlah medali perunggu = 0
df3.loc[df3["bronze"] == 0]

#Cetak semua data dengan total medali >= 50

print(df3.loc[df3["total"] >= 50])

#Cetak semua data negara yang hanya mendapat medali perunggu

print(df3.loc[(df3["gold"] == 0) & (df3["silver"] == 0) &
(df3["bronze"] > 0)])

#Ambil semua data negara yang tidak mendapatkan medali emas atau
#perak atau perunggu
df3.loc[(df3["gold"] == 0) | (df3["silver"] == 0) |
(df3["bronze"] == 0)]

12/21/2020 Pengenalan Komputasi 13

Select Data (3a)
Latihan-1
• Tuliskan perintah dan tuliskan hasilnya untuk beberapa perintah
berikut:
1. Tampilkan data 10 negara ranking pertama.
2. Tampilkan daftar negara rangking 11 s.d. 20 (nama negaranya saja yang
ditampilkan)
3. Tampilkan data negara yang mendapatkan 1 medali emas.
4. Tampilkan data negara dengan total perolehan medali > 20, tetapi
dengan jumlah perolehan medali emas < 5

12/21/2020 Pengenalan Komputasi 14

Select Data (3b)
Latihan-1
• Contoh perintah dan hasil:
3. Tampilkan data negara yang mendapatkan 1 medali emas.

12/21/2020 Pengenalan Komputasi 15

Find Extremum
#Temukan indeks dengan nilai maksimum
#pada kolom bronze
imax = df3["bronze"].idxmax()
df3[imax:imax+1]

#Temukan indeks dengan nilai minimum

#pada kolom bronze
#Jika nilai minimum ada lebih dari
#satu, maka baris yang ditemukan
#pertama kali
imin = df3["bronze"].idxmin()
df3[imin:imin+1]

12/21/2020 Pengenalan Komputasi 16

Determine Range
#dapatkan nilai minimum dan maximum
#untuk seluruh data
minimum,maximum=(df3.min(),df3.max())
print(minimum); print (maximum)

#nilai minimum untuk kolom country

minimum["country"]

#nilai maksimum untuk kolom gold

maximum["gold"]

12/21/2020 Pengenalan Komputasi 17

Latihan-2
• Tampilkan negara(-negara) • Tampilkan negara(-negara)
dengan perolehan perunggu dengan perolehan perunggu
terbanyak paling sedikit, tapi total
perolehan medali > 0

12/21/2020 Pengenalan Komputasi 18

Sort
#Sort terurut menurun (ascending=0) berdasarkan kolom country
print(df3.sort_values(["country"], ascending=[0]))

#Sort terurut menaik (ascending=1) berdasarkan kolom total

print(df3.sort_values(["total"], ascending=[1]))

#Sort terurut menaik berdasarkan kolom total dan menurun

#berdasarkan kolom country
print(df3.sort_values(["total","country"], ascending=[1,0]))

Latihan-3
Sort data perolehan medali terurut menurun berdasarkan kolom gold
dan terurut menaik berdasarkan kolom silver
12/21/2020 Pengenalan Komputasi 19
Counting Frequency
Menghitung banyaknya kemunculan
suatu data item pada suatu kolom 
distribusi kemunculan nilai

#Counting frequency kolom bronze

df3["bronze"].value_counts()

Latihan-4
Buatlah distribusi frekuensi untuk total
perolehan medali.
12/21/2020 Pengenalan Komputasi 20
Group By (1)

• Group by adalah perintah untuk membagi data dalam kelompok-kelompok berbeda

berdasarkan suatu variabel tertentu
• Contoh-1: mengelompokkan data berdasarkan atribut
df5 = pd.read_csv("D:/data.csv")
df5.groupby("gender")
• Fungsi sum(), max(), min(), mean(), first(), last(), size() dapat diberlakukan pada
objek yang di-groupby untuk mendapatkan statistik
• Contoh-2: mendapatkan total jumlah anak (num_children) per kelompok gender
df5.groupby("gender")["num_children"].sum()
• Contoh-3: mendapatkan rata-rata jumlah peliharaan (num_pets) per kelompok
gender per state
df5.groupby(["gender","state"])["num_pets"].mean()

12/21/2020 Pengenalan Komputasi 21

Group By (2)
df5.groupby("gender")["num_children"].sum()

df5.groupby(["gender","state"])["num_pets"].mean()

12/21/2020 Pengenalan Komputasi 22

Group By (3)
• Membuat tabel pivot
• Contoh: membuat tabel pivot berdasarkan atribut gender (sebagai
baris) dan state (sebagai kolom), sel berisi banyaknya data gender per
state
df5.groupby(["gender","state"])["name"].size().unstack()

12/21/2020 Pengenalan Komputasi 23

Statistics Summary, Characterize Distribution
Menampilkan beberapa statistik penting pada data

df3.describe()

12/21/2020 Pengenalan Komputasi 24

Rata-Rata dan Deviasi Standar
Menghitung rata-rata (mean) dan deviasi standar (std) pada
data

#rata-Rata data df3

df3.mean()
#deviasi standar data df3
df3.std()
#rata-rata total perolehan medali
df3.mean()["total"]
#deviasi standar perolehan medali emas
df3.std()["gold"]

12/21/2020 Pengenalan Komputasi 25

Correlation (1)

Correlation adalah indikasi

hubungan antara dua atau
lebih variable, yang dinyatakan
dalam correlation coefficient

Sumber:
https://www.mathsisfun.com/data/correlation.html

12/21/2020 Pengenalan Komputasi 26

Correlation (2)
#korelasi antara perolehan medali emas dengan total perolehan
#medali
df3["gold"].corr(df3["total"])

• Dengan nilai mendekati 1, korelasi antara “gold” dan “total” adalah

cenderung positif (high positive correlation)
• Artinya: semakin banyak perolehan medali emas, total perolehan medali juga
cenderung semakin banyak
12/21/2020 Pengenalan Komputasi 27
Correlation (2)
Latihan-5
• Hitung dan analisis-lah korelasi antara data-data berikut:
• Gold vs Silver
• Silver vs Bronze
• Gold vs Bronze   gold silver bronze total
• Silver vs Total gold 1     
• Bronze vs Total silver 0.96218… 1   
bronze 0.81740… 0.89955… 1 
total 0.96564… 0.98981… 0.93523… 1

12/21/2020 Pengenalan Komputasi 28

12/21/2020 Pengenalan Komputasi 29