INFORMATIK
A
ANALISA DATA
ANALISA DATA
GOOGLE PHYTON
COLABORAAT
Disusun Oleh :
Friskha L. Manurung, S.Kom.
A Identitas Penulis Modul
Saat ini, data dijadikan sebagai suatu keterangan hingga bahkan acuan untuk memudahkan
seseorang dalam mencari maupun mengamati suatu hal. Keterangan dari data ini sendiri
dapat berupa kata-kata, kalimat, simbol, angka, dan lain sebagainya. Namun, apabila ingin
mengetahui lebih lanjut mengenai data tersebut maka ada baiknya Anda mencari tahu
terlebih dahulu apa pengertian data.
Data sendiri saat ini sudah menjadi bagian dari aktivitas keseharian manusia. Dari data
tersebut, seseorang dapat mengetahui beberapa informasi berdasarkan apa yang diinginkan.
Terlebih data sendiri juga memiliki fungsinya yang sangat memudahkan manusia dalam
memperoleh dan merangkum hasil penelitian.
Tentu ada banyak fungsi data lainnya yang sangat memudahkan manusia dalam melakukan
aktivitas maupun pekerjaannya. Data juga banyak menjadi dasar dalam memutuskan sesuatu
bahkan menargetkan pasaran. Apabila Anda masih bingung mengenai istilah data tersebut,
ada baiknya simak pengertian data, definisi, fungsi, dan juga jenis-jenisnya pada ulasan di
bawah ini.
2. Dimana kumpulan keterangan tersebut didapatkan dari hasil pengamatan yang kemudian
diolah menjadi bentuk lainnya yang lebih kompleks. Baik itu berupa database, informasi,
dan lain sebagainya. Jika ditinjau secara bahasa, istilah data berasal dari bahasa Latin
yakni “Datum” yang memiliki arti suatu yang diberikan. Dari istilah tersebut maka
dijumpai arti data yang merupakan hasil dari pengamatan/pengukuran sebuah variable
tertentu dalam bentuk warna, kata-kata, simbol, anga, atau keterangan lainnya.
3. Data ini sendiri masih bersifat mentah yang karena untuk itu, agar Anda memperoleh data
yang baik, sangat penting untuk bersandar pada data yang memang sudah dipercaya
kebenarannya, keakuratannya, ketepatan waktunya, hingga ruang lingkupnya yang luas.
Selain itu, karena sifat data yang masih mentah seseorang yang membaca dan melihatnya
belum dapat memperoleh suatu informasi yang utuh. Tak heran apabila dari data tersebut
masih perlu dilakukan pengolahan terhadap data yang sudah diperoleh sampai data
tersebut benar-benar mampu menghasilkan informasi yang bisa dipahami dengan mudah.
2. DATA PREPARATION
Jika data sudah terkumpul, siklus selanjutnya adalah persiapan data. Persiapan data
adalah tahap di mana data mentah dibersihkan dan diatur untuk tahap pemrosesan data
berikutnya. Selama persiapan, data mentah diperiksa dengan teliti untuk menemukan
kesalahan. Tujuan dari langkah ini adalah untuk menghilangkan data yang buruk (data
yang berlebihan, tidak lengkap, atau salah) dan mulai membuat data berkualitas tinggi
sehingga bisa digunakan untuk berbagai keperluan yang tepercaya dan bisa
dipertanggungjawabkan.
3. DATA INPUT
Data yang sudah diseleksi kemudian akan dimasukkan ke tujuannya (mungkin CRM
seperti Salesforce atau gudang data seperti Redshift) untuk selanjutnya diterjemahkan
ke dalam bahasa yang dapat dipahami. Data input merupakan tahap pertama di mana
data mentah mulai dibentuk menjadi informasi yang dapat digunakan.
4. DATA PROCESSING
Selama tahap ini, data yang pada tahap sebelumnya sudah dimasukkan ke komputer
akan secara menyeluruh diproses untuk interpretasi. Pemrosesan dilakukan
menggunakan algoritma machine learning (pembelajaran mesin) meskipun prosesnya
sendiri mungkin sedikit berbeda, bergantung pada sumber data yang diproses (data
lake, jejaring sosial, perangkat yang terhubung, dan sebagainya) dan tujuan
penggunaannya (memeriksa pola iklan, diagnosis medis dari perangkat yang terhubung,
menentukan kebutuhan pelanggan, dan lain-lain).
5. DATA OUTPUT
Tahap output atau interpretasi adalah tahap di mana data akhirnya dapat digunakan oleh
pihak-pihak yang bukan data scientist. Data output biasanya diterjemahkan, dibaca, dan
dibuat dalam bentuk grafik, video, gambar, teks biasa, dan sebagainya. Jika data
output sudah keluar, maka anggota perusahaan atau institusi bisa mengakses sendiri
data tersebut untuk kemudian menjalankan proyek analitik data secara mandiri.
Tahap terakhir dari pengolahan data adalah penyimpanan. Setelah semua data diproses,
data kemudian akan disimpan untuk digunakan di masa mendatang. Beberapa informasi
dapat segera digunakan, sebagian informasi lainnya dapat disimpan untuk digunakan di
kemudian hari. Anda perlu memastikan data tersimpan dengan benar agar mematuhi
undang-undang perlindungan data. Data yang disimpan dengan benar juga dapat dengan
cepat dan mudah diakses oleh anggota organisasi saat dibutuhkan sehingga lebih
menguntungkan.
Ada beberapa metode berbeda yang bisa dilakukan untuk mengolah data, yaitu:
MULTIPLE PROGRAMMING
Metode pengolahan data satu ini menyediakan fasilitas untuk menyimpan dan
mengeksekusi lebih dari satu program di Central Processing Unit (CPU) secara
bersamaan. Penggunaan teknik Multiple Programming (Pemrograman Ganda) ini
meningkatkan efisiensi kerja keseluruhan komputer masing-masing.
REAL-TIME PROCESSING
Metode ini memungkinkan pengguna untuk berhubungan langsung dengan sistem
komputer sehingga memudahkan proses pengolahan data. Metode ini juga dikenal
sebagai mode langsung dan dikembangkan secara eksklusif untuk melakukan satu
tugas. Real-time processing mirip semacam pemrosesan online yang selalu menjalankan
eksekusi.
ONLINE PROCESSING
Metode ini memudahkan pemasukan dan eksekusi data secara langsung sehingga tidak
menyimpan atau menumpuk terlebih dahulu untuk kemudian diproses. Metode yang
banyak digunakan pada aplikasi online ini dikembangkan untuk mengurangi kesalahan
entri data karena memvalidasi data di berbagai titik dan memastikan hanya data yang
dikoreksi yang dimasukkan.
TIME-SHARING PROCESSING
Ini adalah bentuk lain dari pemrosesan data online yang memfasilitasi beberapa
pengguna untuk berbagi sumber daya dari sistem komputer online. Beberapa
keuntungan utama pemrosesan time-sharing adalah memungkinkan beberapa pengguna
dapat dilayani secara bersamaan, semua pengguna memiliki jumlah waktu pemrosesan
yang hampir sama, dan ada kemungkinan interaksi dengan program yang sedang
berjalan.
KESIMPULAN
Menyimak apa itu pengolahan data dan siklusnya di atas, tidak mengherankan jika
penting bagi organisasi untuk melakukan pengolahan data yang baik dan benar. Data
Pemodelan data adalah proses menciptakan representasi visual atau cetak biru yang
menentukan pengumpulan informasi dan sistem manajemen berbagai organisasi. Cetak
biru atau model data ini membantu berbagai pemangku kepentingan, seperti analis,
ilmuwan, dan perekayasa data untuk menciptakan pandangan terpadu mengenai data
organisasi. Model tersebut menguraikan data yang dikumpulkan oleh bisnis, hubungan
antara berbagai set data, dan metode yang akan digunakan untuk menyimpan serta
menganalisis data.
Saat ini, organisasi mengumpulkan data dalam jumlah besar dari banyak sumber daya
yang berbeda. Namun, data mentah saja tidak cukup. Anda perlu menganalisis data
untuk mendapatkan wawasan yang dapat ditindaklanjuti, yang dapat memandu Anda
untuk membuat keputusan bisnis yang menguntungkan. Analis data yang akurat
membutuhkan pengumpulan, penyimpanan, dan pemrosesan data yang efisien. Ada
beberapa teknologi basis data dan alat pemrosesan data, serta berbagai set data yang
memerlukan berbagai alat untuk mendapatkan analisis yang efisien.
Pemodelan data memberi Anda kesempatan untuk memahami data serta memilih
teknologi yang tepat untuk menyimpan dan mengelola data ini. Dengan cara yang sama
seperti saat arsitek mendesain cetak biru sebelum membangun sebuah rumah,
pemangku kepentingan bisnis mendesain model data sebelum mereka merekayasa
solusi basis data untuk organisasi mereka.
Pemodelan data biasanya dimulai dengan merepresentasikan data secara konseptual lalu
merepresentasikannya kembali dalam konteks teknologi yang dipilih. Analis dan
pemangku kepentingan membuat beberapa jenis model data yang berbeda selama tahap
desain data. Berikut ini adalah tiga jenis model data utama:
Model konseptual ini juga akan mencakup persyaratan bisnis, seperti berikut:
Setiap mobil harus dimiliki oleh showroom tertentu.
Setiap penjualan harus memiliki setidaknya satu tenaga penjualan dan satu pelanggan
yang terkait dengannya.
Setiap mobil harus memiliki nama merek dan nomor produk.
Setiap pelanggan harus memberikan nomor ponsel dan alamat email mereka.
Dengan demikian, model konseptual berperan sebagai jembatan antara aturan bisnis dan
sistem manajemen basis data fisik yang mendasarinya (DBMS). Model data konseptual
juga disebut sebagai model domain.
Arsitek data dan analis bekerja sama untuk membuat model logis. Mereka mengikuti
salah satu sistem pemodelan data formal untuk membuat representasi. Tim yang tangkas
kadang mungkin memilih untuk melewati langkah ini dan berpindah dari model
konseptual ke model fisik secara langsung. Namun, model ini sangat berguna untuk
mendesain basis data yang besar, yang disebut gudang data, dan untuk mendesain
sistem pelaporan otomatis.
Perekayasa data membuat model fisik sebelum implementasi desain final. Perekayasa
data juga mengikuti teknik pemodelan data formal untuk memastikan bahwa mereka
telah mencakup seluruh aspek desain.
Teknik pemodelan data merupakan metode berbeda yang dapat Anda gunakan untuk
membuat model data yang berbeda. Pendekatannya telah berevolusi dari waktu ke
waktu sebagai hasil dari inovasi konsep basis data dan tata kelola data. Berikut ini adalah
tiga jenis pemodelan data utama:
1 Jane
2 John
C1 XYZ
C2 ABC
ID Tenaga Penjualan dan ID Mobil merupakan kunci primer yang secara unik
mengidentifikasi entitas individu dunia nyata. Dalam tabel showroom, kunci primer ini
berperan sebagai kunci asing yang menghubungkan segmen data.
ID Tenaga
ID Showroom Nama showroom ID Mobil
Penjualan
S1 Showroom NY 1 C1
Pada basis data relasional, kunci primer dan asing bekerja sama untuk menunjukkan
hubungan data. Tabel sebelumnya menunjukkan bahwa showroom dapat memiliki
tenaga penjualan dan mobil.
Model data berorientasi objek mengatasi banyak batasan model data relasional dan
populer dalam basis data multimedia.
Analisis data merupakan proses pengolahan data yang dilakukan untuk menemukan
informasi berguna sebagai bahan dasar dalam pengambilan keputusan maupun solusi
suatu permasalahan. Proses analisis data meliputi pengelompokkan data berdasarkan
karakteristiknya, pembersihan data, transformasi hingga pembuatan model data untuk
menemukan informasi penting dari data tersebut. Data yang telah melewati proses-
proses tersebut harus disajikan atau divisualisasikan menjadi bentuk yang menarik
serta dipahami orang lain. Biasanya, data-data tersebut disajikan dalam bentuk grafik
atau plot. Di era digital seperti sekarang, penggunaan teknologi hampir menyentuh
segala aktivitas yang kita lakukan. Hal tersebut tentu mendorong pertumbuhan data
yang terus bertambah setiap waktu. Apabila data dibiarkan menumpuk, maka
informasi yang terdapat dalam data tersebut akan menjadi hal yang sia-sia. Data bisa
diolah dan dimanfaatkan menjadi informasi yang berguna. Oleh karena itu, analisis
data diperlukan dan menjadi langkah pengolahan data yang sangat penting.
Dunia serba digital seperti sekarang mendorong peran analisis data yang sangat
penting dalam kesuksesan sebuah perusahaan maupun aspek berbagai industri.
Perusahaan harus menemukan cara yang tepat untuk mengikuti perkembangan zaman
dan perlu melakukan banyak hal dalam waktu yang sama. Seperti yang sudah
dijelaskan pada bagian perkenalan, analisis data sangat penting dalam pengumpulan
dan penarikan data yang bertujuan untuk mendapatkan informasi bagi pertumbuhan
maupun permasalahan yang terdapat pada perusahaan. Proses menganalisis akan
membuat perusahaan bekerja lebih cerdas dalam mencari informasi baru dan hal-hal
penting pada periode tertentu. Teknik analisis data memungkinkan
pemasar/perusahaan menjadi lebih efektif dalam memaksimalkan strategi pemasaran
dan efisien dalam mengeluarkan biaya pemasaran
a. Analisa Kualitatif
Kualitatif Adalah analisis data yang diperoleh dengan menggunakan proses yang
sistematis. Yaitu dengan menggunakan metode pencarian dan penyiapan berbagai
macam data yang bersumber dari observasi lapangan, studi dokumen, catatan
lapangan, wawancara, dokumentasi, dan lain-lain yang hasilnya dapat berupa
laporan temuan penelitian. Analisis data ini sendiri dapat dilakukan dengan cara
mengorganisasikan data dalam suatu kategori, mensintesiskannya, memecahnya
menjadi satuan-satuan, menyusunnya menjadi pola, memilih mana yang penting
dan mana yang akan dipelajari, kemudian membentuk kesimpulan yang mudah
dipahami oleh setiap orang. memahami .
b. Analisa Kuantitaif
Karena satu variabel menyimpan banyak nilai, kita dapat menyebutkan nilai-nilai
tersebut sebagai nilai-nilai pertama (atau elemen indeks pertama), elemen kedua,
elemen ketiga, dan seterusnya. Dalam bahasa pemrograman, mengakses nilai ke-n
dari suatu array dapat dilakukan dengan menggunakan kurung siku persis
setelah nama variabel array tersebut, misalnya pada baris kedua Gambar 6.8.
Latihan 5
1. Ketikkan baris perintah pertama dan kedua saja pada kode program Gambar
6.7 (tanpa kode baris ketiga dan seterusnya), kemudian jalankan programnya.
Apakah output-nya bilangan 9?
2. Padahal, kita ingin mencetak data ke-1 pada baris kedua tersebut.
Mengapa tidak muncul bilangan 10?
d. Penelusuran Data/Pengulangan (Loop: for)
Perhatikan bahwa dalam Gambar 6.8 baris pertama, kita hanya mencetak satu
elemen sebuah data array pada indeks pertama. Pada baris ketiga dan kelima, kita
mencetak banyak elemen, tetapi sebagai satu data utuh. Bagaimana jika kita ingin
mencetak array sebagai elemen-elemen terpisah? Misalnya, kita ingin mencetak
setiap elemen dengan memberikan keterangan indeksnya. Kita dapat menggunakan
konsep Perulangan atau Loop dengan menggunakan perintah for, seperti
ditunjukkan Gambar 6.9. Perintah for digunakan dengan menyertakan sebuah
variabel baru untuk menelusuri setiap elemen di dalam variabel yang diberikan
(setelah perintah in).
Karena for merupakan perintah blok (mengandung beberapa perintah lain), perlu
diakhiri dengan tanda titik dua. Perintah-perintah yang dimaksudkan untuk ikut
berulang mengikuti for ini dibuat menjorok ke kanan misalnya 1 tab.
Perhatikan penulisan baris keempat dan kelima Gambar 6.9.
Latihan 6
1. Perhatikan baris kelima Gambar 6.9. Mengapa nomor indeks yang dicetak di baris
sebelumnya, perlu ditambah 1 setiap perulangan?
Pertemuan 4-5
D. Koleksi Data Dengan Web Scraping
Teknik-teknik Web Scraping
Berikut ini adalah teknik-teknik yang bisa Anda aplikasikan untuk melakukan web
scraping.
1. Parsing HTML
Teknik ini bisa Anda gunakan untuk “mengikis” halaman web statis maupun
dinamis. Anda bisa menggunakan metode ini untuk mengekstraksi teks, link, screen
scraping, dll.
Prinsipnya adalah dengan mengirim HTTP Request ke server web.
Metode ini cukup andal untuk mengekstraksi data dalam jumlah besar dengan waktu
relatif singkat.
2. DOM Parsing
DOM atau Document Object Model mendefinisikan style, struktur, dan konten suatu
file XML.
Scraper bisa menguraikan DOM dan mendapatkan gambaran mendalam tentang
struktur suatu web. Scraper akan mencari node yang menampung informasi
kemudian mengekstrak semua datanya menggunakan XPath.
3. XPath
XML Path Language atau XPath merupakan suatu bahasa kueri yang bekerja di
dokumen XML.
Sejak XML menggunakan struktur seperti pohon, XPath bisa menavigasi ke seluruh
pohon. XPath akan memilih tiap-tiap node berdasarkan parameter tertentu.
XPath bisa Anda kolaborasikan dengan metode DOM Parsing.
4. Regular Expression
Metode ini beroperasi mencocokkan file tertentu melibatkan bahasa pemrograman
seperti Perl atau Phyton.
Cara scraping web dengan Python cukup kompleks untuk pemula. Pasalnya Anda
harus menguasai Phyton terlebih dahulu.
5. Google Sheets
Aplikasi Google Sheets ternyata juga bisa Anda manfaatkan untuk melakukan
ekstraksi data.
Daripada metode lain di atas, cara ini relatif lebih mudah bagi pemula.
Caranya relatif mudah. Anda hanya perlu membuka panel Inspect (click kanan ->
Inspect) dari suatu halaman web. Kemudian, cari XPath Expression dari elemen yang
ingin Anda salin.
Setelah itu, rumus fungsi =IMPORTXML(“URL”, ‘XPATH expression’)
Semua data bisa terekstraksi di aplikasi Google Sheet milik Anda.
6. Menggunakan Web Scraping Tools
Metode-metode di atas membutuhkan pengetahuan teknis tertentu untuk bisa
menjalankannya.
MODUL AJAR – INFORMATIKA ANALISA DATA
Para pemula biasanya lebih memilih jalan pintas yaitu dengan
menggunakan software atau tools scraping online.
Anda bisa dengan mudah menemukan tools semacam ini. Beberapa tools yang cukup
andal yaitu: Import.io, Octoparse, ParseHub, dll.
Anda juga bisa menggunakan browser Chrome untuk melakukan scraping. Cara
menggunakan web scraper Chrome sangat mudah. Anda hanya perlu menginstal Add
On seperti Web Scraper oleh Webscraper.io, Data Scraper oleh Data-Miner.io,
Scraper oleh DVHTN, dll.
Teknik-teknik di atas memang bisa Anda gunakan untuk melakukan scraping. Tapi
sayangnya, tidak semua teknik bisa bekerja 100% secara efektif.
Terkadang Anda akan mendapati sejumlah tantangan. Beberapa web akan sulit Anda
ekstraksi. Beberapa lainnya mungkin akan memblokir IP Anda.
Meski berhasil melakukan ekstraksi data, Anda juga harus siap dengan data yang
berantakan.
E. VISUALISASI DATA
1. Prapemrosesan Data
2. Visualisasi Data
Meski demikian, penerapan metode data visualization ini juga harus diikuti dengan
pemahaman yang jelas tentang manfaat dan tools yang digunakannya. Dengan begitu,
hasil analisis yang ingin disampaikan lebih informatif dan mendalam.
Import Library
Kode program berikut ini digunakan untuk melakukan import library yang akan
digunakan.
Mengambil data
Data yang digunakan kali ini adalah data dari monster Pokemon. Setelah data
diambil maka ditambahkan 1 kolom yang bernama Count. Kolom ini berisi angka
1 yang akan digunakan untuk menghitung nantinya.
Menyiapkan data
Diagram batang yang akan dibuat adalah mencari jumlah Type 1 dari seluruh data
monster Pokemon yang ada. Langkah pertama yang dilakukan adalah melalukan
grouping pada berdasarkan data Type 1. Grouping dilakukan dengan
menggunakan perintah group by. Penjelasan mengenai group by dapat dilihat
pada Group by Pandas DataFrame Untuk Perhitungan Data. Setelah dilakukan
grouping maka langkah berikutnya adalah diurutkan berdasarkan jumlah terkecil
sampai terbesar. Berikut kode programnya.
Berikut kode program untuk membuat bar char atau diagram batang.
Pada bagian ini akan dibuat diagram batang yang memiliki multi kategori. Diagram
batang yang akan dibuat adalah untuk mengetahui berapa jumlah monster legendary
pada kategorical Type 1. Visualiasi ini akan ditampilkan dalam bentuk stack atau
tumpukkan dan dalam bentuk batang yang terpisah.
Menyiapkan Data
B. Assesmen
: 1. Penilaian : Assesmen Individu dan kelompok
2. Jenis : Performa, Tertulis, Praktik
C. Pemahaman Bermakna
: - Data, Analisis data, Perkakas Analisis Data, Koleksi Data
dengan Web Scraping dan Visualisasi Data
D. Pertanyaan Pemantik
: 1. Pernahkah anda salah dalam mengambil kesimpulan
dari sebuah data?
2. Apa bahayanya jika kita sebagai pemimpin, salah
dalam mengambil kesimpulan dari sebuah data
tersebut?
PERTEMUAN 1
Pendahuluan
1. Memberi Salam
2. Guru mengingatkan peserta didik tentang protocol kesehatan dimasa
pandemi
3. Guru meminta peserta didik memimpin doa dan muraja’ah
4. Guru mengabsen, mengecek kerapian berpakaian, kebersihan kelas.
5. Guru menyampaikan penjelasan tentang tujuan pembelajaran yang akan
dicapai
6. Guru memberikan penjelasan tentang tahapan kegiatan pembelajaran
7. Guru melakukan apersepsi
8. Guru memberikan pertanyaan arahan (Guide Questions) :
10 Menit
Inti
160 Menit
A. Orientasi peserta didik pada masalah
Penutup
PERTEMUAN 2
Pendahuluan
10 Menit
1. Memberi Salam
2. Guru mengingatkan peserta didik tentang protocol kesehatan dimasa
pandemi
3. Guru meminta peserta didik memimpin doa dan muraja’ah
4. Guru mengabsen, mengecek kerapian berpakaian, kebersihan kelas.
5. Guru menyampaikan penjelasan tentang tujuan pembelajaran yang akan
dicapai
6. Guru memberikan penjelasan tentang tahapan kegiatan pembelajaran
7. Guru melakukan apersepsi
8. Guru memberikan pertanyaan arahan (Guide Questions) :
Inti
160 Menit
A. Orientasi peserta didik pada masalah
Penutup
Pendahuluan
1. Memberi Salam
2. Guru mengingatkan peserta didik tentang protocol kesehatan dimasa
pandemi
3. Guru meminta peserta didik memimpin doa dan muraja’ah
4. Guru mengabsen, mengecek kerapian berpakaian, kebersihan kelas.
5. Guru menyampaikan penjelasan tentang tujuan pembelajaran yang akan
dicapai
6. Guru memberikan penjelasan tentang tahapan kegiatan pembelajaran
7. Guru melakukan apersepsi
8. Guru memberikan pertanyaan arahan (Guide Questions) :
10 Menit
a. Pernahkah kita salah dalam mengambil kesimpulan dari sebuah data ?
b. Apa bahaya nya jika kita sebagai pemimpin, salah dalam mengambil
kesimpulan dari sebuah data tersebut ?
Inti
160 Menit
A. Orientasi peserta didik pada masalah
Penutup
PERTEMUAN 4
Pendahuluan
10 Menit
1. Memberi Salam
2. Guru mengingatkan peserta didik tentang protocol kesehatan dimasa
Inti
160 Menit
E. Orientasi peserta didik pada masalah
Penutup
PERTEMUAN 5
Pendahuluan
1. Memberi Salam
2. Guru mengingatkan peserta didik tentang protocol kesehatan dimasa
pandemi
3. Guru meminta peserta didik memimpin doa dan muraja’ah
4. Guru mengabsen, mengecek kerapian berpakaian, kebersihan kelas.
5. Guru menyampaikan penjelasan tentang tujuan pembelajaran yang akan
dicapai
6. Guru memberikan penjelasan tentang tahapan kegiatan pembelajaran
7. Guru melakukan apersepsi
8. Guru memberikan pertanyaan arahan (Guide Questions) :
10 Menit
Inti
160 Menit
A. Orientasi peserta didik pada masalah
Penutup
F. Asesmen
Teknik
No Aspek Bentuk Penilaian
Penilaian
b. Kriteria penilaian
1) Penilaian sikap
Petunjuk Penskoran :
1. Skor akhir menggunakan skala 1 sampai 4
Nilai Score
a) Penugasan Kelompok
Tujuan Bentuk
No Indikator soal No soal
Pembelajaran soal
1. Tugas Perorangan
a. Apa yang dimaksud dengan data?
b. Sebutkan tiga jenis data modeling yang umum digunakan!
c. Mengapa Phyton disebut sebagai Bahasa Pemrogaraman Interpreter?
d. Sebutkan dan jelaskan dua jenis perulangan dalam Bahasa Pemrograman
Phyton?
e. Apa fungsi Try-Except pada Bahasa pemrograman Phyton!
a. Lembar observasi
Aspek Penilaian
No Nama Peserta Didik Individu Kelompok Nilai Nilai Akhir
A B C D A B C LK Diskusi
Kelompok 1
1
2
3
Kelompok 2
1
2
3
4
dst.
3) Indikator Penilaian :
Individu : Kelompok :
4 : Sering 4 : Memuaskan
3 : Kadang-kadang 3 : Baik
2 : Jarang 2 : Cukup
1 : Tidak pernah 1 : Kurang
C. Daftar Pustaka
Mengetahui;
Kepala SMK Swasta Teladan