Ilmu data
Diperkenalkan| English | Makna |
|---|---|
| data science/ˈdeɪtə ˈsaɪəns/ | sains data |
| descriptive statistics/dɪˈskrɪptɪv stəˈtɪstɪks/ | statistik deskriptif |
| visualisation/ˌvɪʒuːəlaɪˈzeɪʃn/ | visualisasi |
| correlation is not causation/ˌkɒrɪˈleɪʃn ɪz nɒt kɔːˈseɪʃn/ | korrelasi bukan sebab-akibat |
Lima siswa menjawab, tetapi hanya empat memberikan waktu
- Survei perjalanan fiksi memiliki lima baris: 10, 20, 30, 40 dan satu kosong, diukur dalam menit. Menganggap nilai kosong sebagai nol akan mengubah hasil.
- Sains data menggabungkan pertanyaan, persiapan data, analisis dan interpretasi. Mulailah dengan menyatakan siswa mana dan perjalanan apa yang dimaksud oleh pertanyaan tersebut.
Periksa arti nilai yang mencurigakan
- Periksa satuan, nilai yang tidak mungkin, baris berulang dan bidang yang hilang. Nilai yang berulang tidak otomatis merupakan orang ganda, dan nilai yang tidak biasa tidak otomatis merupakan kesalahan.
- Catat setiap koreksi atau pengecualian. Jika satu bidang kosong, bidang lain yang dapat digunakan dalam baris tersebut mungkin masih mendukung analisis yang berbeda.
Menghapus setiap baris dengan bidang kosong apa pun selalu merupakan keputusan pembersihan yang netral.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Bidang berguna mungkin tetap ada, dan ketiadaan data dapat memengaruhi observasi mana yang dipertahankan.
Dua waktu komuter yang sama membuktikan bahwa satu baris adalah responden yang duplikat.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Responden yang berbeda dapat memberikan waktu yang sama. Investigasi identitas dan rekam jejak pengumpulan sebelum menghapus data.
Gunakan penyebut yang sesuai dengan pertanyaan
- Statistik deskriptif merangkum data yang diamati. Di sini total empat waktu yang tercatat adalah 100 menit: rata-rata 25 dan median 25, dengan empat waktu valid dari lima responden.
- Visualisasi harus menyatakan satuan dan populasinya. Jangan beri label rata-rata sebagai rata-rata untuk kelima siswa kecuali nilai yang hilang telah diselesaikan.
Waktu yang tercatat adalah 10, 20, 30 dan 40 menit, dengan satu tambahan data kosong. Berapakah rata-rata waktu yang tercatat?
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Total 100 dibagi dengan empat waktu yang tercatat valid, menghasilkan 25 menit.
Pilih grafik untuk perbandingan
- Gunakan diagram batang untuk membandingkan kategori, diagram garis untuk seri waktu yang terurut, dan plot sebar untuk memeriksa dua variabel numerik bersamaan.
- Berikan grafik judul yang berguna, sumbu berlabel, satuan dan ukuran sampel yang relevan. Penonton harus tahu apa yang diwakili oleh setiap nilai.
Cocokkan setiap perbandingan dengan grafik awal yang sesuai.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Pilihlah grafik yang mengekspresikan hubungan data.
Sumbu tanpa label masih memungkinkan pembaca mengetahui satuan dan variabel terukur secara andal.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Sediakan variabel dan satuan; pembaca tidak seharusnya harus menebak.
Pisahkan pola dari penyebabnya
- Korelasi bukan sebab-akibat: hubungan yang diamati saja tidak menunjukkan bahwa satu variabel menghasilkan yang lain. Faktor lain dan desain studi penting.
- Jika survei menemukan commuters yang lebih lama tidur lebih sedikit, deskripsikan asosiasi dalam responden. Jangan menyimpulkan bahwa hanya mengubah waktu tempuh akan mengubah waktu tidur.
Peserta survei dengan perjalanan jauh melaporkan tidur lebih sedikit. Kesimpulan mana yang didukung?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Pengamatan ini tidak mengisolasi efek kausal atau membenarkan klaim populasi yang lebih luas.
Laporkan temuan beserta batasannya
- Laporan: “Empat waktu perjalanan yang tercatat memiliki mean 25 menit; salah satu dari lima responden tidak memberikan waktu.” Ketidakadaan data dapat mempengaruhi representativitas hasil.
- Nyatakan batasan sampel dan pengumpulan sebelum merekomendasikan tindakan. Survei satu kelas tidak menetapkan hasil untuk setiap siswa di kota tersebut.
Pertanyaan → data yang diperiksa → perhitungan transparan → grafik berlabel → kesimpulan terbatas. Nilai yang hilang dan batas sampel termasuk dalam penjelasan.
Tulis satu batasan dari survei 60 siswa dari satu kelas.
Difficulty 3/5 · 200 coins + a small bonus on first completion today
Satu kelas dapat berbeda dari kelas lain, sehingga hasilnya tidak boleh langsung digeneralisasi ke seluruh kota.
Manakah yang melaporkan hasil perjalanan komuter secara transparan?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Nyatakan penyebut yang valid dan jumlah data yang hilang.