PRAKTIKUM PEMROGRAMAN
“MANIPULASI/EDITING DATA (BIG DATA)”
Tanggal Penyerahan: Senin, 12 Desember 2022
DAFTAR ISI
DAFTAR ISI....................................................................................................................... i
DAFTAR GAMBAR ......................................................................................................... ii
DAFTAR TABEL ............................................................................................................ iii
BAB I PENDAHULUAN .................................................................................................. 1
1.1 Maksud dan Tujuan Praktikum ............................................................................ 1
1.2 Tempat dan Waktu Pelaksanaan Praktikum ....................................................... 1
BAB II DASAR TEORI.................................................................................................... 2
2.1 Anaconda ................................................................................................................. 2
2.2 UTide ........................................................................................................................ 2
2.3 Big Data .................................................................................................................... 3
2.4 Editing Big Data....................................................................................................... 4
BAB III PELAKSANAAN PRAKTIKUM ..................................................................... 5
3.1 Tahapan Editing Data ............................................................................................... 5
BAB IV HASIL DAN ANALISIS .................................................................................... 8
4.1 Hasil .......................................................................................................................... 8
4.2 Analisis ..................................................................................................................... 8
BAB V PENUTUP............................................................................................................. 9
5.1 Kesimpulan ............................................................................................................... 9
5.2 Saran ......................................................................................................................... 9
DAFTAR PUSTAKA ...................................................................................................... 10
DAFTAR GAMBAR
DAFTAR TABEL
BAB I
PENDAHULUAN
BAB II
DASAR TEORI
2.1 Anaconda
Anaconda adalah salah satu dari banyak platform open source yang
memfasilitasi penggunaan bahasa pemrograman open source (R dan
python) untuk pemrosesan data skala besar, analitik prediktif, dan
komputasi ilmiah. Anaconda juga merupakan software yang
mendistribusikan bahasa pemrograman python dengan kualitas kinerja yang
sangat baik selain itu memiliki tampilan yang menarik dan juga
menyediakan banyak library untuk menjalankan pemrograman python
seperti jupyter notebook, jupyter lab, dan spyder. Anaconda menyediakan
platform yang user friendly sehingga bisa diakses oleh berbagai sistem
operasi seperti linux, mac, dan windows.
Gambar 2. 1 Anaconda
2.2 UTide
UTide dibangun di atas kerangka kerja yang ditetapkan oleh
Foreman et al. (2009), Leffler dan Jay (2009), dan Pawlowicz et al. (2002)
dan mengintegrasikan pendekatan ini ke dalam satu kerangka umum.
Program analisis pasang surut dirancang untuk menangani catatan
ketinggian pasang surut multi-tahun, atau arus pasang surut, yang mungkin
terdistribusi secara tidak teratur.
UTide tersedia dalam bahasa pemrograman MATLAB dan Python,
meskipun versi Python masih dalam pengembangan. Ada dua fungsi utama
dalam program mandiri: (1) pemecah yang mendekomposisi deret waktu
pasang surut yang diamati menjadi komponen harmoniknya – ut_solv() dan
pertama yaitu volume, kecepatan, dan variasi. Teknologi big data dapat
digambarkan sebagai alat atau teknologi yang digunakan untuk memproses
data secara efisien yang telah diklasifikasikan sebagai data besar. Beberapa
teknologi big data termasuk, Apache Hadoop, Apache Spark, Apache
Storm, Apache Flink, Apache Cassandra, dan Apache HBase.
BAB III
PELAKSANAAN PRAKTIKUM
3.1 Tahapan Editing Data
Sebelum proses editing big data pada aplikasi Spyder, ada beberapa langkah
yang harus dilakukan. Langkah-langkah tersebut adalah sebagai berikut:
No Gambar Keterangan
2 Tunggu sampai
codingan
memunculkan
pertanyaan “Proceed
([y]/n)”. Jika sudah
muncul pertanyaan
tersebut, ketikkan “y”.
4 Masukkan data
Anaconda yang
berbahasa Python >
Open.
5 Pada jendela
Preferences → Python
interpreter → Klik use
the following
interpreter → Klik
tempat penyimpanan
data Spyder Anaconda
→ klik apply → klik
OK.
6 Environment pada
aplikasi Spyder telah
berubah. Consoles →
Restart kernel.
7 Klik Yes.
8 Setelah perubahan
environment maka
tampilan Spyder akan
seperti gambar di
samping.
11 Masukkan program
big data mengenai
pasang surut. Maka,
akan muncul tampilan
seperti gambar di
samping..
BAB IV
HASIL DAN ANALISIS
4.1 Hasil
Berikut adalah hasil dari proses instalasi anaconda pada aplikasi Spyder
dengan memasukkan big data berupa data pasang surut
BAB V
PENUTUP
5.1 Kesimpulan
Big data dapat dideskripsikan sebagai volume tinggi, kecepatan tinggi, dan
variasi tinggi informasi yang menuntut bentuk inovatif dari pemrosesan informasi
untuk mendapatkan wawasan dan untuk pengambilan keputusan. Sedangkan
editing big data sendiri yaitu suatu kegiatan pemeriksaan untuk mendeteksi entri
yang hilang, tidak valid atau tidak konsisten atau untuk menunjuk ke catatan data
yang berpotensi salah. Script yang telah disediakan ataupun yang ditampilkan pada
aplikasi Spyder tidak boleh mengalami kesalahan dalam penulisan. Jika terdapat
kesalahan maka proses instalasi tidak akan berjalan sebagaimana mestinya.
5.2 Saran
Praktikum kali ini berjalan dengan baik. Asisten praktikum mengecek dan
menanyakan apakah terdapat kendala pada program setiap praktikannya.
DAFTAR PUSTAKA
In Bina Darma Conference on Computer Science (BDCCS) (Vol. 2, No. 4, pp. 449-
466).