MAKALAH DATA SCIENCE

DIAJUKAN UNTUK MEMENUHI SALAH SATU TUGAS MATA KULIAH :

SISTEM OPERASI

Disusun :

1. RIZKY PUTRA MAULANA 221011401739

2. M. IQBAL ALGHIFARI 221011400401

3. NICO AGUSTIAN 221011403376

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS PAMULANG
TANGERANG SELATAN
2023
1
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa atas limpahan rahmat,
sehingga dapat menyelesaikan makalah yang berjudul “DATA SCIENCE ” tepat pada
waktunya.

Adapun tujuan dari penulisan makalah adalah untuk mempelajari cara pembuatan
makalah pada Universitas Pamulang dan untuk menyelesaikan tugas mata kuliah Sistem
Operasi

Pada kesempatan ini, penulis menyampaikan terima kasih kepada semua pihak yang
telah memberikan dukungan moril maupun materi sehingga makalah ini dapat selesai.
Ucapan terimakasih ini di tunjukkan kepada :

1. Bapak Dr. (H.C) H. Darsono, selaku Ketua Yayasan Sasmita Jaya.

2. Bapak Dr. H. E. Nurzaman, AM., M.M., M.Si selaku Rektor Universitas Pamulang.
3. Bapak Dr. (c). Ubaid Al Faruq, S.Pd. M.Pd selaku wakil Rektor 1
Universitas Pamulang.
4. Bapak Syaiful Bakhri, ST., M.Eng. Sc., Ph.d selaku Dekan Fakultas Teknik
Universitas Pamulang.
5. Bapak Achmad Udin Zailani, S.Kom., M.Kom selaku Ketua Program
Jurusan Teknik Informatika Universitas Pamulang.
6. Ibu Thoyyibah. T S.Kom., M.Kom selaku dosen mata kuliah Sistem Operasi
7. Serta kepada kedua orang tua saya yang selalu mendukung dan menyemangati saya.

Akhir kata, penulis berharap semoga proposal ini berguna bagi para pembaca dan
pihak-pihak lain yang berkepentingan.

Tangerang Selatan, Juni 2023

Penulis

2
 DAFTAR ISI

KATA PENGANTAR.......................................................................................................I
DAFTAR ISI......................................................................................................................II
DAFTAR GAMBAR.........................................................................................................III
DAFTAR TABEL..............................................................................................................IV
BAB I PENDAHULUAN..................................................................................................1
A. Latar Belakang.......................................................................................................1
B. Rumusan Masalah..................................................................................................1
C. Batasan Masalah....................................................................................................2
D. Tujuan Penelitian...................................................................................................2
E. BAB II PEMBAHASAN ......................................................................................3
BAB II PEMBAHASAN...................................................................................................3
A.Konsep Memahami Analisis Statistik..............................................................................3
a) Apa Itu Analisis Statistik.......................................................................................3
b) Jenis Data Statistik................................................................................................4
B.Memahami Konsep Tools Analisis..................................................................................7
a) Apa Itu Tools Data Analisis..................................................................................7
b) Beberapa Tools Rekomendasi...............................................................................8
C.Memahami Konsep Data Mining.....................................................................................10
a) Apa Itu Data Mining..............................................................................................10
b) Fungsi Data Mining...............................................................................................11
c) Tujuan Data Mining..............................................................................................12
D.Progamming Data Science...............................................................................................12
a) Jenis Program Yang Diperlukan Data Scientist....................................................12
BAB IV PENUTUP............................................................................................................20
A. Kesimpulan............................................................................................................20
DAFTAR PUSTAKA........................................................................................................ 22

3
 DAFTAR GAMBAR

Gambar 1.1..........................................................................................................................7
Gambar B.1..........................................................................................................................7
Gambar C.1..........................................................................................................................8
Gambar D.1.........................................................................................................................10

4
 DAFTAR TABEL

Tabel 1.1 .............................................................................................................................5

5
 BAB I

PENDAHULUAN
A. Latar Belakang Masalah

Data merupakan salah satu fitur yang penting dari setiap organisasi karena membantu
para pemimpin bisnis untuk membuat keputusan berdasarkan fakta, angka statistik, dan tren.
Berkaitan dengan ruang lingkup data yang berkembang ini, ilmu yang berkaitan dengan data
atau data science muncul sebagai bidang multidisiplin. Data science menggunakan
pendekatan ilmiah, prosedur, algoritma, dan framework untuk mengekstraksi pengetahuan
dan wawasan dari sejumlah besar data. Data science adalah bidang besar yang menggunakan
banyak metode dan konsep yang dimiliki oleh bidang lain seperti ilmu informasi, statistik,
matematika, dan ilmu komputer. Beberapa teknik yang digunakan dalam data science
meliputi machine learning, visualisasi, pattern recognition, model probabilitas, data
engineering, dan signal processing (van der Aalst, 2016).

Sebagai contoh, data science yang digabungkan dengan machine learning akan
memungkinkan industri membuat produk lebih baik yang disesuaikan secara khusus
berdasarkan data pengalaman pelanggan. Misalnya, sistem rekomendasi yang digunakan oleh
situs web e-commerce memberikan inisght yang sudah dipersonalisasi untuk setiap pengguna
berdasarkan riwayat pembelian mereka (Akter, 2016). Melalui hal tersebut, dapat dikatakan
bahwa data membantu dalam pemasaran suatu produk menjadi lebih terarah. Dengan semakin
pentingnya data, permintaan akan data scientist juga meningkat. Data scientist menjadi
bagian penting dari produk, perdagangan, badan publik, dan organisasi non-profit.

B. RUMUSAN MASALAH

Rumusan masalah berdasarkan latar belakang data science secara umum adalah sebagai
berikut:

1. Bagaimana memahami konsep analisis statistik

2. Bagaimana memahami tools analisis
3. Bagaimana memahami konsep data mining
4. Bagaimana cara menguasai kemampuan programming

C. BATASAN MASALAH

Batasan masalah dari latar belakang tentang data science secara umum adalah sebagai
berikut:

1. Tidak membahas secara detail mengenai bagaimana cara membuat data yg spesifik

2. Tidak membahas secara detail mengenai konsep data mining beserta toolsnya

6
 D. Tujuan Penelitian

data science merupakan ilmu yang menggabungkan sebuah kemahiran di bidang ilmu

tertentu dengan keahlian pemrograman, matematika, dan statistik.

Tujuannya adalah untuk mengekstrak sebuah pengetahuan atau informasi dari data.Biasanya,

orang-orang yang mahir dalam bidang data science menggunakan algoritma machine

learning atau pemelajaran mesin.

Hal ini berguna dalam mengolah teks, gambar, video, audio, dan lain-lain untuk

menghasilkan sistem kecerdasan buatan.

Sistem kecerdasan buatan ini dapat dirancang untuk melakukan berbagai tugas yang terlalu

sulit untuk kecerdasan manusia.

Hasil data yang diolah sistem kecerdasan buatan akan dapat dimanfaatkan oleh analis dan

pengguna dalam bisnis untuk merancang strategi yang tepat untuk menyelesaikan suatu

masalah atau mencapai sebuah tujuan.

Gambar 1.1

7
 BAB II

PEMBAHASAN

A. Konsep Memahami Analisis statistik

a) Apa Itu Analisis Statistik

Analisis statistik adalah sebuah proses pengolahan data yang meliputi pemeriksaan,
pembersihan, transformasi, pemrosesan, dan pemodelan data. Tujuannya adalah untuk
menemukan informasi yang berguna dan dapat digunakan sebagai dasar dalam
pengambilan kesimpulan atau keputusan. Proses ini menerapkan metode atau teknik
statistik sesuai dengan data yang dimiliki. Mengapa analisis data itu penting? Tidak semua
orang paham membaca data yang sangat banyak dan masih dalam bentuk mentah. Dengan
melakukan analisis data, kumpulan data mentah akan diolah sedemikian rupa sehingga
mudah dimengerti dan dipahami oleh orang lain, misalnya tim di perusahaan yang berkaitan
dengan promosi, universitas atau jurusan untuk meningkatkan mutu pembelajarannya, dan
lain sebagainya.

b) Jenis Data Statistik

Terdapat banyak jenis data statistik yang biasanya digunakan dalam penelitian.
Beberapa diantaranya adalah di bawah ini:
Data berdasarkan cara memperolehnya
 Data primer adalah data yang diperoleh langsung dari sumber data
 Data sekunder adalah data yang diperoleh secara tidak langsung atau dari pihak
ketiga (buku, jurnal, karya ilmiah, dan lain-lain)
Data berdasarkan sifatnya
 Data kualitatif adalah data non numerik atau bersifat naratif yang tidak dapat
diangkakan
 Data kuantitatif adalah data numerik atau data yang dinyatakan dalam angka-angka
Data berdasarkan pengukurannya
 Data nominal adalah data yang ditetapkan berdasarkan golongan atau kategori serta
bersifat diskrit dan saling terpisah
 Data ordinal adalah data yang dapat diurutkan berdasarkan peringkat atau kategori
tertentu
 Data interval adalah data yang dikelompokkan berdasarkan ukuran yang sama

B. Konsep Memahami Tools Analisis

8
 a) Apa Itu Tools Data Analisis

Data analysis tools adalah alat yang akan membantu anda mengolah data demi bisa
mengambil keputusan bisnis. Perangkat ini bisa berupa aplikasi dan perangkat lunak yang
digunakan oleh seorang data analis untuk mengembangkan dan melakukan proses analisis.
Seperti yang sudah disebutkan tadi, hasil analisis data berperan penting dalam pembuatan
keputusan bisnis. Keputusan itu tentu saja harus yang terbaik serta efisien demi menurunkan
biaya namun mampu memaksimalkan keuntungan.

b) Beberapa Tools Rekomendasi

- Apache Park
Perangkat analisis data yang satu ini bisa mengakses banyak sumber data dan a
berjalan di berbagai platform, termasuk Apache Mesos, Hadoop, atau
di cloud. Perusahaan besar yang sudah menggunakan Apache Park sebagai alat
analisis datanya adalah Uber, Slack, dan Shopify.

- DataPine
Jika Anda termasuk pemula dalam hal analisis data, maka Datapine adalah salah satu
rekomendasi terbaik perangkat pengolahan data. Fitur dari data analysis tools yang
satu ini cukup sederhana, namun kuat untuk pengguna pemula maupun tingkat lanjut.
Datapine sudah dilengkapi dengan mode SQL lanjutan yang membantu pengguna
tingkat lanjut membuat query mereka sendiri. Ciri khas Datapine adalah
kesederhanaan dan kecepatan.

- Python
Python adalah data analysis tools yang tumbuh paling cepat saat ini. Awalnya
dirancang sebagai bahasa pemrograman berorientasi objek untuk perangkat lunak dan
pengembangan website, kini Python jadi alat analisis data dengan kumpulan pustaka
ramah untuk semua aspek komputasi ilmiah. Perangkat analisis data ini gratis serta
mudah dipelajari. Dengan Python, Anda dapat melakukan manipulasi data tingkat
lanjut dan analisis numerik menggunakan bingkai data.

Gambar B.1

C. Memahami Konsep Data Mining

9
 a) Apa Itu Data Mining

Data mining adalah suatu proses pengerukan atau pengumpulan informasi penting dari suatu
data yang besar. Proses data mining seringkali menggunakan metode statistika, matematika,
hingga memanfaatkan teknologi artificial intelgence.

Nama alternatifnya yaitu Knowledge discovery (mining) in databases (KDD), knowledge

extraction, data/pattern analysis, data archeology, data dredging, information harvesting,
business intelligence, dan lain-lain.

b) Fungsi Data mining

Terdapat banyak fungsi dan manfaat yang bisa didapatkan dengan menerapkan penambangan
data, pada umumnya fungsi data mining terbagi menjadi dua bagian. Yakni deskriptif dan
prediktif, tetapi selain itu adanya penambangan data memiliki fungsi lain seperti asosiasi,
klasifikasi, clustering, forecasting dan sequencing.
- Deskriptif
Deskriptif lebih kepada merujuk ke fungsi dalam pemahaman data, hal ini membuat
pengolahnya bisa teliti lebih mendalam. Tujuan dari proses ini adalah untuk menemukan pola
dan karakteristik yang terdapat pada data. Fungsi deskriptif dimanfaatkan sebagai pattern
tertentu yang awalnya tidak terlihat di dalam data.
- Prediktif
Fungsi terkait dengan proses yang nantinya digunakan untuk mengetahui pola khusus dari
data yang digunakan. Pola ini bisa ditemukan dari beberapa variabel dalam data, ketika sudah
menemukan pola, maka pola yang digunakan dipakai untuk memperkirakan variabel lain dan
masih belum diketahui nilainya karena itu disebut fungsi prediktif.

c) Tujuan Data Mining

 Sebagai sarana yang dipakai untuk menjelaskan atau explanatory, data mining
digunakan sebagai sarana yang menjelaskan suatu kondisi dari penelitian.
 Saran konfirmasi, konfirmasi dibutuhkan karena data mining memerlukan adanya
kepastian untuk menyatakan atau mempertegas hipotesa.
 Sarana eksplorasi, data mining digunakan sebagai sarana yang dipakai untuk mencari
pola baru dan sebelumnya tidak terdeteksi.

Gambar C.1

D. Programming Data Science

10
 a) Jenis Program Yang Diperlukan Data Scientist

- Python

Python menjadi salah satu bahasa pemrograman yang paling populer karena tak hanya

dibutuhkan untuk bidang data science, tapi juga berguna untuk

pengembangan web dan software.Bahasa pemrograman ini termasuk object-oriented

programming. Dalam data science, Python umumnya digunakan untuk pemrosesan

data dan penerapan algoritma analisis data.Python juga sangat mudah dipelajari

oleh data scientist atau programmer pemula karena menggunakan sintaks yang

sederhana.

-SQL

Tentu akan sulit mencari data yang dibutuhkan dalam sebuah kumpulan data yang

bervolume besar. Namun, jangan khawatir karena SQL bisa bermanfaat untuk

melakukannya.Melansir dari edX, SQL adalah bahasa kueri yang memungkinkan kita

untuk menyesuaikan, menemukan, dan memeriksa kumpulan data yang bervolume

besar.Apalagi jika menggunakan database relasional, maka SQL sangat perlu

dipelajari.

-C/C++

Bahasa pemrograman untuk data science yang terakhir dalam daftar ini adalah C/C+

+. Builtin mengatakan bahwa library machine learning seperti PyTorch dan

Tensorflow sebagian besar ditulis dalam bahasa pemrograman tersebut.Karena itu,

jika memiliki pemahaman dasar soal C/C++ tentu akan memudahkan

11
pekerjaan. Bahasa pemrograman ini juga paling baik digunakan dalam proyek dengan

skalabilitas yang besar karena dapat mengkompilasi banyak data dengan cepat.

Gambar D.1

12
 BAB III

PENUTUP

A. Kesimpulan

Berdasarkan analisis data dan penjelasan materi diatas dapat kita dapat mengambil
kesimpulan yaitu,

Analisis data merupakan kegiatan setelah mengumpuulkan data baik dari respondenataupun
narasumber lainnya. Dalam analisis data ada beberapa ketentuan, yaitu:mengelompokkan
data berdasarkan variable dan jenis responden, mentabulasi data berdasarkanvariable dari
seluruh responden, menyajikan data tiap variable yang diteliti,
melakukan perhitungan untuk menjawab rumusan masalah,

dan melakukan perhitungan untuk menguji hipotesis yang diajukan. Untuk penelitian yang
tidak merumuskan hipotesis, langkah terakhir tidak dilakukan

Tabel 1.1

13
 DAFTAR PUSTAKA

Setiawan, Thomas. 2004. Analisis Keamanan Jaringan Internet Menggunakan Hping,

Nmap, Nessus, dan Ethereal. Bandung : Tugas Akhir Institut Teknologi
Bandung,
(http://budi.insan.co.id/courses/ec5010/projects/thomas-report.pdf, diakses 11
Februari 2012).
Supriyanto, Aji. 2006. Analisis Kelemahan Keamanan Pada Jaringan Wireless.
Semarang : Tugas Akhir Universitas Stikubank Semarang,
(http://www.unisbank.ac.id/ojs/index.php/fti1/article/download/33/28,
diakses 8 Maret 2012).
Noviyanto, Hendri. 2011. Analisis Keamanan Wireless di Universitas
Muhammadiyah Surakarta. Surakarta : Tugas Akhir Universitas
Muhammadiyah Surakarta.
Sinambela, Josua M. 2007. “ Hacking Wifi “,
(http://www.te.ugm.ac.id/~josh/seminar/hacking-wifi-josh.pdf, diakses pada
tanggal 9 Maret 2012).
Ettercap Home Page. 2012. “ Software Ettercap “, (http://ettercap.sourceforge.net,
diakses pada tanggal 9 Maret 2012).
Netstumbler Home Page. 2012. “ Software Netstumbler “,
(http://www.netstumbler.com, diakses pada tanggal 9 Maret 2012).
Metageek Products. 2012. “ Software inSSIDer “,
(http://www.metageek.net/products/inssider/, diakses pada tanggal 4 April
2012).

https://www.cakeresume.com/resources/data-scientist-adalah?locale=id

14