Tugas Data Science

Surya Wijaya

Resume Data science trends 2021 oleh Romi Satrio Wahono

5 Hal yang akan dibahas

1. culture

5. Research 2. Mining
Data Science
Trends 2022

4. Use Cases 3. Methode

1. Culture
Manusia memproduksi beragam data yang jumlah dan ukurannya besar dalam dunia astronomi,
bisnis, kedokteran, ekonomi, olahraga, cuaca, financial.
Pertumbuhan data dari bidang atronomi:
- Sloan Digital Sky Survey
- Large Synoptic Survey Telescope
Bidang biologi dan kedokteran:
- European Bioinformatics Institue (EBI)
Social media:
Datangnya tsunami data dari pasar digital, web & social network (google proses 100 PB per
day (3 juta server), facebook memiliki 300 PB user data per hari, youtube memiliki 1000 PB
video tempat penyimpanan). Kita kebanjiran data tetapi miskin pengetahuan.
Mengubah data menjadi pengetahuan. Data harus kita olah menjadi pengetahuan supaya
bermanfaat bagi manusia, dengan pengetahuan tersebut manusia dapat:
- melakukan estimasi dan prediksi apa yang terjadi di depan
- melakukan analisis tentang asosiasi, korelasi dan pengelempokan antar data dan
atribur
- membantu pengambil keputusan dan pembuatan kebijakan
Data – Informasi – Pengetahuan - Kebijakan

Kebijakan Kebijakan

Pengetahuan Pola

Informasi
Informasi & Statistik

Data Data

2. Data Mining
Disiplin ilmu yang mempelajari metode untuk menemukan pola, pengetahuan, formula,
aturan, ataupun insight dari suatu data yang volumenya besar dan jenisnya beraneka ragam.
Proses Data Mining

Data Mining
Himpunan Data Knowledge
Metode

Terminologi dan nama lain data mining

- Ektraksi dari data ke pengetahuan:
o Data: fakta yang terekam dan tidak membawa arti
o Informasi: Rekap, rangkuman, penjelasan, visialisasi dan statistic dari data
o Pengetahuan: pola, rumus, aturan atau model muncul dari data
- Nama Lain Data Mining
o Data Science
o Knowledge Discovery in Database (KDD)
o Big Data
o Business Intelligence
o Knowledge Extraction
o Predictive Analytics
o Pattern Analysis
o Information Hervesting

Kerja Data Mining dan aturan

Decision
Making End User

Data Presentation
Visualzation Business
Techniques Analyst
Data Mining
Infromation discovery and
modeling Data
Data Exploration Scientist
Statistical summary, metadata,
description

Data Precprocessing, data integration, data

warehouse

Data sources DBA/

Paper, files, web document, scientific experiments,
database system DBE

3. Metode dan Teknik

Empat Dimensi Masalah Big Data

Variety
Different
formt of
data

Volume
4
Veracity
Scale of Masalah Uncertanity
data of data
Big Data

Velocity
Analysis of
streaming
data

Volume – Data Preprocessing

1. Data Cleaning
- Isi data yang hilang
- Memperbaiki dan menghapus data noisy, outliers and inconistence
2. Data Reduction
- Mengurangi record
- Mengurangi dimensi
3. Data Transformasi
- Normalisasi
4. Data Integrasi

Veriety – Struktur dan Tidak terstruktur

1. Text mining: mengolah data tidak terstruktur dalam bentuk text, web, social media
dengan menggunakan metode text processing (mengubah data tidak terstruktur
menjadi terstruktur)
2. Data Mining: mengolah data terstruktur dalam bentuk atribut dan kelas menggunakan
metode data mining (estimasi, forecasting, klasifikasi, klastering, asosiasi)
Metode Data Mining

1. estimasi

2.
5. asosiasi
forecasting
Data mining roles
(larose, 2005)

4. 3.
klastering klasifikasi

1. Estimation (estimasi)
Linear regression (LR), Neural Network (NN), Deep learning (DL), Support vector
mechine (SVM), Generalized linear model (GLM), etc
2. Forecasting (prediksi/peramalan)
Linear regression (LR), Neural Network (NN), Deep learning (DL), Support vector
mechine (SVM), Generalized linear model (GLM), etc
3. Classification (klasifikasi)
Decision tree (CART, ID3, C4.5, Credal DT, Credal C4.5, Adaptiative Credal C4.5,
Naïve bayes (NB), K-Nearest neigbor (KNN), Linear discriminant analysis (LDA),
Logistic regression (LogR), etc
4. Clustering (klastering)
K-Means, K-medoids, Sef-Organizing Map (SOM), Fuzzy C-Means (FCM), etc
5. Association (asosiasi)
FP-Growth, apriori, coefficient of correlation, chi square, etc