MINI PROJECT USING CRISP-DM
X
02
01
Afnisa Salma N.H
GROUP 1
Anisah Ayu Ramadhana
03
Bagus Sajiwo
04
Dandy Bagaskara
05
Diva Ayu Septiangrum
linkedin.com/in/afni-herdianto/
linkedin.com/in/anisahayu/
linkedin.com/in/bagussajiwo/
linkedin.com/in/dandybagas/
linkedin.com/in/diva-ayu/
Tujuan Konten
Business Understanding
Data Preparation
Data Understanding
Modeling/Deep EDA
1
3
2
4
01
Bussiness Understanding
Business Understanding
Berdasarkan data yang ada diasumsikan data tersebut adalah data dari bisnis logistik. Dapat disimpulkan bahwa bisnis logistik karena:
Dalam bisnis pengiriman ketepatan waktu pengiriman menjadi hal yang penting karena layanan utamanya adalah penyediaan gudang dan pengiriman barang. Dari data didapatkan bahwa lebih dari 50% pengiriman tidak tepat waktu. Selain itu nilai rata-rata untuk rating hanya 2.99. Rating dapat menjadi salah satu indikator untuk mengukur kualitas pelayanan perusahaan. Oleh karena itu melalui analisis data ini kami ingin menjawab 2 pertanyaan:
02
Data Understanding
Data Exploration
1
Dimensi Data
Data terdiri dari 11.005 baris dan 12 kolom.
2
Quick Summary
2
Quick Summary
3
Penulisan nama kolom tidak rapi dan data type masih berupa data numeric
4
Nilai Q3 dan max pada cost of product sangat jauh, bisa mengindikasikan adanya outliers.
Data kotor:
1
Data duplikat
Mengecek data duplikat:
Terdapat 6 data duplikat
2
Inkonsistensi penulisan
Mengecek kategori gender dengan melihat unique valuenya:
Terdapat inkonsistensi penulisan:
male = M
female = F
3
Anomali warehouse
Mengecek nama warehouse dengan melihat unique valuenya:
Terdapat anomali ‘ZX’ pada kolom warehouse.
Terdapat anomali pada kolom warehouse yaitu kategori ‘ZX’ yang tidak disebutkan pada data dictionaries.
3
Kesalahan penulisan nama warehouse
Nama warehouse F tidak sesuai dengan nama warehouse lainnya. Karena jumlahnya yang banyak, kami menganggap F hanya kesalahan penulisan dan perlu diperbaiki menjadi E.
4
Anomali reached on time (0/1)
Mengecek kategori dengan melihat unique valuenya:
Seharusnya hanya ada angka 1 dan 0
1= pengiriman tidak tepat waktu
0= pengiriman tepat waktu
Namun setelah dilihat unique valuenya terdapat angka 3.
5
Anomali cost of product
Outliers dilihat dengan menampilkan data dalam boxplot untuk melihat sebaran data:
Ada outliers pada cost of product yang nilainya sangat jauh sehingga bahkan saat ditampilkan dalam boxplot pusat distribusinya terlihat sangat kecil dan berbentuk garis karena sebagian besar nilai cost berada di bawah. Tetapi nilai outliers itu terlalu jauh dan tidak masuk akal sehingga dianggap anomali.
6
Missing Values
Missing Values menandakan bahwa ada value yang kosong atau tidak terisi.
Di sini kami menemukan missing values pada kolom ‘Costumer_care_calls’ dan ‘Discount_offered’ sejumlah total 122 missing values.
Missing value yang ada tidak kami anggap anomali atau human error. Missing value pada kolom ‘Customer_care_calls’ berarti customer memang tidak pernah melakukan panggilan telepon, dan missing value pada kolom ‘Discount_offered’ berarti customer memang tidak mendapatkan discount.
03
Data Preparation
1
Merapikan nama kolom dan data type
Nama kolom sudah diubah menjadi Reached_on_Time
Data untuk 1 diubah menjadi No dan 0 menjadi Yes agar lebih enak dibaca dan data type otomatis menyesuaikan
2
Menghapus data duplikat
Data duplikat sudah dihapus
Sudah tidak ada data duplikat
3
Memperbaiki inkonsistensi penulisan gender
Jika di-cek kembali, unique valuenya hanya ada 2 category
4
Menghapus anomali Reached_on_Time
Jika di-cek kembali, unique valuenya hanya Yes dan No
5
Menghapus anomali Warehouse_block ZX
Selanjutnya dilihat jumlah warehousenya. Ternyata jumlahnya kecil jika dibandingkan dengan keseluruhan jumlah rows (11005) maka rows anomali tersebut akan di-drop
5
Memperbaiki nama warehouse
Penulisan nama warehouse F diperbaiki jadi E
6
Menghapus outliers anomali Cost of Product
Akan dilihat jumlah cost of product. Ternyata jumlahnya kecil jika dibandingkan dengan keseluruhan jumlah rows (11005) maka rows anomali tersebut akan di-drop
7
Handling Missing Values
Kami memutuskan untuk mengisi values yang kosong dengan angka 0 untuk menghindari kebingungan apakah missing values terjadi karena human error atau bukan.
04
Modelling/
Deep EDA
Analisa ketepatan waktu
Ada lebih dari 50% pengiriman yang tidak tepat waktu.
ketepatan waktu - mode of shipment
Jika dilihat persentasenya, ternyata ketepatan waktu pengiriman untuk ketiga moda pengiriman tidak memiliki perbedaan yang signifikan. Maka dapat disimpulkan bahwa moda pengiriman tidak mempengaruhi ketepatan waktu pengiriman.
ketepatan waktu - product importance
Produk dengan tingkat product importance high memiliki persentase keterlambatan terbesar.
ketepatan waktu - customer care calls
Semakin tinggi jumlah panggilan telepon, semakin tinggi ketepatan waktu pengiriman.
insight:
Analisa rating
Jumlah customer untuk semua rate hampir sama.
rating - gender
Tidak ada perbedaan yang signifikan antara jumlah rate untuk setiap gender.
rating - reached on time
Tidak terlihat pola pengaruh ketepatan waktu pengiriman terhadap jumlah rating untuk setiap rate.
rating - discount offered
Tidak terlihat pola pengaruh discount offered terhadap jumlah rating untuk setiap rate.
rating - mode of shipment
Tidak terlihat pola pengaruh mode of shipment terhadap jumlah rating untuk setiap rate.
rating - warehouse
Tidak terlihat pola pengaruh warehouse terhadap jumlah rating untuk setiap rate.
rating - product importance
Karena pada analisa ketepatan waktu pengiriman produk dengan importance yang high mengalami keterlambatan tertinggi, kami ingin melihat apakah product importance memengaruhi rating.
Ternyata tidak ada pola pengaruh yang signifikan dari product importance terhadap rating.
insight:
Tidak ditemukan variabel dalam data yang memengaruhi rating. Ada kemungkinan rating tidak dipengaruhi pengiriman tetapi dipengaruhi oleh kualitas barangnya.
150,000
Terima Kasih :)
Terimakasih!