1 of 10

WEEK 01:

WEEK 03

EXPLORATORY DATA ANALYSIS (EDA)

Disusun oleh:

Putu Pradnya Andika

2 of 10

OUTLINE

Agenda perkuliahan pada minggu ini

    • Exploratory Data Analysis (EDA)
    • Analisis Satu Variable (Univariate Analysis)
    • Analisis Dua Variabel (Bivariate Analysis)
    • Analisis Multi Variabel (Multivariate Analysis)

​

3 of 10

Exploratory Data Analysis (EDA)

Definisi:

Exploratory Data Analysis (EDA) merupakan salah satu bagian dari proses data science. EDA dilakukan untuk lebih memahami data yang kita miliki sebelum melakukan proses selanjutnya seperti feature engineering dan modeling.

4 of 10

Exploratory Data Analysis (EDA)

Importance of EDA

5 of 10

Exploratory Data Analysis (EDA)

Secara umum EDA terbagi menjadi beberapa metode atau analisis yaitu:

​

6 of 10

Exploratory Data Analysis (EDA)

Analisis Univariate (Satu Variable)

Teknik analisis statistik yang fokus pada satu variabel saja. Analisis ini digunakan untuk mendapatkan pemahaman yang lebih dalam tentang karakteristik dan distribusi dari satu variabel. Ini karena fokus pada satu variabel saja, univariate analysis ini tidak memungkinkan untuk melihat hubungan antar variabel.

Melihat distribusi data

Melihat anomali (outlier) data

7 of 10

Exploratory Data Analysis (EDA)

Analisis Bivariate (Dua Variable)

Teknik analisis statistik yang fokus pada dua variabel yang berkaitan. Analisis ini digunakan untuk menemukan korelasi atau hubungan antara dua variabel dan melihat bagaimana variabel yang satu mempengaruhi variabel yang lain.

Scatter Plot Data

Melihat anomali (outlier) data

8 of 10

Exploratory Data Analysis (EDA)

Analisis Multivariate (Multi Variable)

Multivariate analysis merupakan teknik analisis yang digunakan untuk menganalisis hubungan antara dua atau lebih variabel dalam satu dataset. Tujuan dari multivariate analysis adalah untuk menemukan pola atau hubungan antar variabel yang tidak dapat ditemukan dengan analisis univariat atau bivariat.

​

Jenis-jenis multivariate analysis:

  1. Principal Component Analysis (PCA)
  2. Factor Analysis (FA)
  3. Cluster Analysis (CA)

9 of 10

Exploratory Data Analysis (EDA)

Analisis Multivariate: Principal Component Analysis (PCA)

Metode untuk mereduksi dimensi dari data dengan memproyeksikan data ke dalam ruang yang lebih rendah.

​

PCA mengidentifikasi variabel yang memiliki hubungan kuat dan menjadikannya sebagai variabel baru yang disebut dengan komponen utama. Komponen utama ini dapat menjelaskan variabilitas dari dataset yang asli.

10 of 10

Terima Kasih