SILABUS

ANALISIS DATA EKSPLORASI

Program Studi Matematika FST UIN Syarif Hidayatullah
2023/2024

Deskripsi Kuliah

Mata kuliah ini merupakan kelanjutan dari Statistika Elementer, dengan pembahasan difokuskan pada
eksplorasi data, yang merupakan bagian dari tahap awal dan krusial dalam pengolahan data untuk
membantu mengarahkan dalam proses analisis data lebih lanjut. Eksplorasi data dapat dilakukan secara
numerik maupun visual. Jika eksplorasi secara numerik sudah cukup mapan dengan berbagai perumusan
yang ada, visualisasi masih terus berkembang seiring dengan perkembangan teknologi. Selain itu,
kreatifitas dalam menentukan bentuk visualisasi yang tepat untuk berbagai jenis data, dan kemampuan
menggunakan teknologi yang mendukung sangat diperlukan untuk memberikan insight yang berarti.

Kuliah ini mencakup teknik -teknik eksplorasi data yang esensial untuk merangkum dan menyajikan data.
Hal ini diperlukan untuk membantu menyusun hipotesis, ataupun menentukan metode statistika yang lebih
komprehensif untuk analisis data lebih lanjut. Sistem ploting di R dan beberapa prinsip dasar dalam
mengkonstruksi grafik akan dibahas secara mendalam. Kegiatan perkuliahan merupakan kombinasi antara
konsep statistika dan demonstrasi hands-on proses pengolahan data. Mahasiswa diharapkan membawa
laptop yang sudah terinstall dengan R dan/aatu Python di setiap kegiatan perkuliahan supaya dapat
langsung menerapkan hal – hal yang dibahas.

Kuliah akan dilaksanakan dengan metode flip class dan collaborative learning. Untuk setiap topik,
mahasiswa akan dibagi dalam beberapa kelompok untuk tugas atau project sederhana. Pengolahan data
dilakukan menggunakan perangkat lunak berbasis open-source seperti R dan/atau Python. Tugas dan
laporan dari setiap project dalam bentuk laporan tertulis maupun presentasi.

Buku Referensi

• McKinney, W., 2012. Python for data analysis: Data wrangling with Pandas, NumPy, and IPython. "
O'Reilly Media, Inc.".
• Iliinsky, N., & Steele, J. (2011). Designing data visualizations: Representing informational
Relationships. " O'Reilly Media, Inc.".
• Dykes, B. (2019). Effective Data Storytelling: How to Drive Change with Data, Narrative and Visuals.
John Wiley & Sons, Incorporated.
• Cox, V. (2017). Exploratory data analysis. In Translating Statistics to Make Decisions (pp. 47-74).
Apress, Berkeley, CA.
• Healy, K., 2018. Data Visualization: A Practical Introduction. Princeton University Press.
• Knaflic, C.N., 2015. Storytelling with Data. Wiley
• Robbins, N.B., 2005. Creating More Effective Graphs. Wiley.
• Tufte, E.R., 2001. The Visual Display of Quantitative Information, 2nd ed. Cheshire, CT: Graphics
Press

Materi

• Pengenalan ekplorasi data: review skala pengukuran, berbagai tipe data, sumber data.
• Penyimpanan data: berbagai format penyimpanan data, format XML dan JSON.
• Visualisasi: berbagai cara visualisasi data, dengan contoh kasus dan penggunaan R dan/atau
Python.
• Data cleaning: langkah – langkah yang diperlukan dalam membersihkan dan eksplorasi data,
mempersiapkan data untuk analisis lebih lanjut.
• Pengambilan, pre-processing, pengolahan dan analisis data sosial media.

PENILAIAN

• Formatif (kuis pre-test/post-test & project kelompok) (50%)

• UTS (20%)
• UAS (30%)