Mengekstrak Informasi dari Data
Diperkenalkan| English | Makna |
|---|---|
| information/ˌɪnfəˈmeɪʃn/ | information: Informasi |
| data sets/ˈdeɪtə sets/ | data sets: Himpunan data |
| patterns/ˈpætnz/ | patterns: Pola |
| trends/trendz/ | trends: Tren |
| Filtering/ˈfɪltərɪŋ/ | Filtering: Penyaringan |
| Cleaning/ˈkliːnɪŋ/ | Cleaning: Pembersihan |
| correlation/ˌkɒrɪˈleɪʃn/ | correlation: Korelasi |
| Causation/kɔːˈseɪʃn/ | Causation: Kausalitas |
| Metadata/ˌmetəˈdeɪtə/ | Metadata: Meta-data |
| visualization/ˌvɪʒuːəlaɪˈzeɪʃn/ | visualization: Visualisasi |
| bias/ˈbaɪəs/ | bias: Bias |
Dari data mentah menjadi informasi
- Data mentah pada dasarnya hanyalah angka dan teks.
- Tujuannya adalah mengubahnya menjadi informasi yang berguna — sesuatu yang menjawab pertanyaan nyata.
- Program dapat menelusuri himpunan data yang sangat besar jauh lebih cepat daripada manusia.
- Dengan menelusuri, mereka menemukan pola (hal yang berulang) dan tren (perubahan seiring waktu).
Mengubah data mentah menjadi sesuatu yang menjawab pertanyaan nyata menghasilkan:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Informasi adalah data yang berguna — pola dan tren yang menjawab sebuah pertanyaan.
Pasangkan setiap istilah dengan artinya.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Program memindai set data untuk menemukan keduanya.
Mempersiapkan data yang berantakan
- Data nyata itu berantakan, sehingga harus dipersiapkan terlebih dahulu.
- Penyaringan hanya menyisakan baris yang Anda butuhkan dan menyembunyikan sisanya.
- Pembersihan memperbaiki masalah — menghapus duplikat, mengisi nilai yang hilang, memperbaiki kesalahan.
- Mempersiapkan data dengan cara ini membuat analisis selanjutnya bermakna dan dapat dipercaya.
Memfilter atau membersihkan?
Filtering hanya mempertahankan baris yang Anda inginkan; cleaning memperbaiki masalah dalam data (duplikat, kosong, kesalahan) sebelum analisis.
Menghapus baris duplikat dan mengisi nilai yang hilang merupakan bagian dari pembersihan data.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Cleaning memperbaiki masalah sehingga analisis dapat dipercaya.
Korelasi bukan sebab-akibat
- Korelasi berarti dua hal berubah bersama (penjualan es krim dan sengatan matahari keduanya naik di musim panas).
- Sebab-akibat berarti satu hal benar-benar menyebabkan hal lainnya.
- Korelasi tidak membuktikan sebab-akibat.
Jangan tertukar antara keduanya. Es krim tidak menyebabkan sengatan matahari — cuaca panas dan cerah menyebabkan keduanya. Dua hal yang naik bersama bisa memiliki penyebab tersembunyi, jadi korelasi saja tidak pernah membuktikan bahwa satu menyebabkan yang lain.
Penjualan es krim dan sengatan matahari keduanya meningkat di musim panas. Ini menunjukkan:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Cuaca panas menyebabkan keduanya — penyebab bersama, bukan satu menyebabkan yang lain.
"Data tentang data", seperti tanggal dan lokasi foto, disebut ______.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Metadata membantu mengorganisir, mencari, dan menemukan informasi.
Mewawancarai hanya orang yang mengunduh aplikasi tentang apakah aplikasi tersebut populer memperkenalkan:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Metode pengumpulan memiringkan hasil — sampel yang bias.
Meta-data, visualisasi, dan bias
- Meta-data adalah "data tentang data" — tanggal foto, kamera, dan lokasi. Ini membantu mengatur dan mencari.
- Visualisasi mengubah data menjadi gambar (grafik atau bagan) agar pola terlihat jelas sekilas pandang.
- Selalu tanyakan bagaimana data dikumpulkan: bias adalah kemiringan yang mendorong kesimpulan ke satu arah.
Survei yang bias. Sebuah perusahaan bertanya "Apakah aplikasi kami populer?" tetapi hanya survei orang yang sudah mengunduhnya. Hampir semua menjawab ya — tetapi pengguna yang tidak puas tidak pernah disurvei, sehingga hasil positif itu menyesatkan.
Program mengubah himpunan data mentah menjadi informasi, menemukan pola dan tren. Siapkan data dengan penyaringan (simpan baris relevan) dan pembersihan (perbaiki masalah). Hati-hati: korelasi tidak pernah membuktikan sebab-akibat, dan bias dalam pengumpulan data dapat menyesatkan. Meta-data dan visualisasi membantu mengatur dan mengungkapkan wawasan.