Mata Kuliah : Statistika

Kode Mata Kuliah : CII1C2 1

Tipe dan atribut data serta aplikasinya

Minggu ke-2
 2

Tujuan

• Mahasiswa mampu menjelaskan perbedaan data terstruktur

dan data tidak terstruktur
• Materi :
• Tipe Data
• Atribut data
• Pemanfaatan data
 3

Data yang
tersedia secara
belimpah
disekitar kita
memiliki tipe
tertentu.
 4

Secara umum, data yang dapat kita temukan di

sekitar kita adalah data terstruktur dan data tidak
terstuktur.
5
 6

Contoh Data Terstruktur

 7

Contoh Data Tidak Terstruktur

 8

Pop-up quiz

• Sebutkan contoh data yang termasuk kedalam data

tersturktur dan tidak terstruktur selain contoh di slide
sebelumnya.
 9
Tipe Atribut
Data
Kuantitatif Kualitatif
Dapat dinyatakan
dalam interval, Data berfungsi
nol tidak punya sebagai
makna pembeda saja
Nominal
sebenarnya Interval
Contoh : NIM, Kode
Contoh : Tanggal,
pos, Jenis Kelamin,
waktu, suhu, IPK, dll
agama, gol darah dll Urutannya
Seperti pada sudah
interval, nol mempunyai
sudah punya makna
makna Ordinal
Rasio
sebenarnya Contoh : Tingkat
Contoh : umur,
kelulusan, suhu
tinggi, berat badan,
(dingin, normal,
dll
panas), ukuran bj dll
 10

Kualitatif dan kuantitatif

Data dapat berupa kualitatif dan

kuantitatif
• Data Kualitatif : informasi
deskriptif
• Data Kuantitatif: informasi
numerik (angka)
 11

Kuantitatif data dapat berupa bentuk diskrit atau kontinu:

• Data Diskrit  hanya dapat mengambil nilai tertentu
(seperti bilangan bulat)
• Data Kontinu dapat mengambil nilai apa pun
(dalam kisaran)

Sederhananya: Data Diskrit dihitung, Data
Kontinu diukur
 12

CONTOH: Apa yang dapat kita ketahui dari seekor anjing bernama Arrow?

• Kualitatif:
Dia berwarna coklat dan hitam
Dia memiliki rambut yang Panjang
Dia memeiliki energi yang banyak
• Kuantitatif:
Diskrit:
Dia memiliki 4 kaki
Dia memeiliki dua saudara
Kontinu:
Dia memiliki berat 25.5 kg
Dia memiliki ketinggian 565 mm
13
14
15
16
17
18
19
 20

Siklus Hidup Data

 21

Pemanfaatan Data

Product Predictive Customer Machine Operational Drive

Development Maintenance Experience Learning Efficiency Innovation
 22

 Mengantisipasi kebutuhan customer

 Memprediksi produk dan layanan baru

Product
Development
 23

 Menghemat biaya pemeliharaan

mesin
 Memaksimalkan waktu kerja
komponen dan peralatan
Predictive
Maintenance
 24

 Menawarkan produk secara

personal
 Meningkatkan loyalitas pengguna
 Menangani permasalahan secara
proaktif
Customer
Experience
 25

 Melatih mesin untuk belajar

Pembelajaran mesin (Machine Learning) adalah
pendekatan kecerdasan buatan
(Artificial Intelligence (AI)) yang berfokus pada
pembuatan mesin yang dapat belajar tanpa
diprogram secara eksplisit.
Metode analisis data yang
Mengautomatisasi pembuatan
Machine Model analitik
Learning
 26

 Menekan biaya operasional

 Mengantisipasi kebutuhan ke depan
 Meningkatkan pengambilan
keputusan yang sejalan dengan
Operational kebutuhan pasar
Efficiency
 27

 Memberikan sudut pandang baru

dalam pengambilan keputusan
terkait keuangan dan perencanaan

Drive
Innovation
 28

Latihan

• Carilah informasi di manapun mengenai bagaimana

GoJEK/GRAB memanfaatkan data para pelanggannya?