Laporan "Fundamental Data Analysis With Python ": Di Susun Oleh: Muhammad Aqza Angga Nugraha 2213027
Laporan "Fundamental Data Analysis With Python ": Di Susun Oleh: Muhammad Aqza Angga Nugraha 2213027
Di Susun Oleh :
UNIVERSITAS MULIA
MEI 2024
KATA PENGANTAR
Puji dan syukur dipanjatkan kehadirat Tuhan Yang Maha Esa, yang telah melimpahkan
Rahmat dan Hidayah-Nya kepada kami, sehingga kami dapat menyelesaikan laporan praktikum
Model Komunikasi Data dapat diselesaikan dengan baik dan tepat waktu.
Pada kesempatan ini kami ingin menyampaikan Laporan Praktikum dengan judul "
FUNDAMENTAL DATA ANALYSIS WITH PYTHON " sebagai syarat mengikuti praktikum
selanjutnya dan bahan penilaian terhadap aktivitas perkuliahan khususnya Praktikum Jaringan
Komputer di Laboratorium Fakultas Ilmu Komputer Universitas Mulia.
Kami memohon maaf apabila dalam penyusunan laporan ini ada kekurangan dan kesalahan
penyusunan, semoga dapat memberikan manfaat khususnya saya selaku penyusun laporan ini.
Akhir kata kami ucapkan terima kasih.
BAB 1
PENDAHULUAN
Analisis data dasar dengan Python merujuk pada proses menggunakan bahasa
pemrograman Python untuk melakukan analisis dasar pada dataset. Ini umumnya
melibatkan tugas seperti pembersihan data, manipulasi, visualisasi, dan analisis statistik
untuk mendapatkan wawasan dan membuat keputusan yang berbasis data. Library pada
Python merupakan kumpulan code yang bersifat open-source yang dapat dipanggil ke
dalam Python dan digunakan untuk membantu komputasi. Library dasar pada Python yang
digunakan untuk analisis data antara lain NumPy, SciPy, Pandas, dan Matplotlib dengan
fungsional yang berbeda — beda. Modul ini akan menjabarkan kegunaan masing —
masing library beserta contoh kasus penggunaan library tersebut dalam menyelesaikan real
1. Memahami Data.
2. Mengidentifikasi Pola dan Hubungan.
3. Mengoptimalkan Pengambilan Keputusan.
4. Menemukan Wawasan Baru.
5. Mendukung Pengembangan Model Prediktif.
6. Meningkatkan Efisiensi Operasional.
7. Mengukur Kinerja.
BAB 2
PEMBAHASAN
1. Struktur data dan jenis data setiap kolomnya dengan fungsi .dtypes
2. Ketik Print(order_df.dtypes) Tampilan data dari dataframe tersebut dengan fungsi head
dan tail dengan limit masing-masing 10 baris untuk kolom order_id, price dan
product_weight_gram
2.3 Langkah Kerja Tugas 3
Ketik print(order_df.describe()) untuk membuat quick summary dari segi kuantitas, harga,
Untuk mencari mean, median dan modus dari kolom price ketik
print(order_df.loc[:,"price"].mean())
print(order_df.loc[:,"price"].median())
print(order_df.loc[:,"price"].mod.
Untuk mencari standar deviasi dan varians dari kolom product_weight_gram pada
print(order_df.loc[:,"product_weight_gram"].std())
print(order_df.loc[:,"product_weight_gram"].var())
2.6 Langkah Kerja Tugas 6
Untuk mengubah kolom freight_value menjadi shipping_cost dalam data frame order_df,
dengan menggunakan fungsi rename(). Ketika di-run, maka kolom freight_value berganti
order_df.rename(columns={"freight_value":"shipping_cost"}, inplace=True)
print(order_df.dtypes)
Mencari rata-rata dari price per payment_type dari dataset order_df! Pada output akan
order_df["price"].groupby(order_df["payment_type"]).mean()
print(rata-rata)
2.8 Langkah Kerja Tugas 8
Mencari median dari price per payment_type dari dataset order_df! Pada output akan
order_df["price"].groupby(order_df["payment_type"]).median()
print(median_nilai)
Mengurutkan harga termahal sampai harga termurah dari produk di dataset. Ketik
print(sort_harga)
2.10 Langkah Kerja Tugas 9
Ubah nama kolom freight_value menjadi shipping_cost dan cari shipping_cost termahal
order_df.sort_values(by="shipping_cost", ascending=False)
print(sort_shipping)