02_Informatika Fundamental Sains Data 25.pptx

02_Informatika Fundamental Sains Data 25.pptx

1. 02 – Fundamental Sains Data Yogi Saputra 09/09/25 201004-705-01-065 - Data Science - Informatics UIN SGD Bandung 1

2. HISTORY IBM shared statistics showing 90% of the data in the world had been created within the last two years. 2013 U sing Deep Learning techniques, Google’s speech recognition, Google Voice, experienced a dramatic performance jump of 49 percent 2015 job listings for data scientists increased by 15,000%. There was also an increase in seminars and conferences devoted specifically to Data Science and big data 2011 Today In the past 30 years, Data Science has quietly grown to include businesses and organizations worldwide. https://www.dataversity.net/brief-history-data-science/

3. Sains Data ( Data Science ) adalah disiplin ilmu yang menggabungkan statistik , ilmu komputer , dan domain knowledge untuk mengekstraksi pengetahuan atau wawasan dari data. DATA SCIENCE 09/09/25 201004-705-01-065 - Data Science - Informatics UIN SGD Bandung 3 Ruang Lingkup : Data Collection ( pengumpulan data) Data Cleaning & Preprocessing Data Analysis & Visualization Modeling (AI & Machine Learning) Deployment ( implementasi ke dunia nyata ) Hubungan dengan AI & Machine Learning: Data Science → fokus ke pipeline data ( olah , analisis , insight). Machine Learning (ML) → bagian dari Data Science, digunakan untuk membangun model prediktif / klasifikasi . Artificial Intelligence (AI) → bidang luas mencakup ML, NLP, Computer Vision, dll .

4. Sederhananya data science membantu organisasi atau perusahaan mendapatkan insight ( wawasan ) tentang bisnis mereka sendiri , tingkat keberhasilan strategi mereka , kinerja anggotanya , dan sebagainya . Mengapa Sains Data Penting 09/09/25 201004-705-01-065 - Data Science - Informatics UIN SGD Bandung 4 Dampak Sains Data di dunia :

5. Alur Kerja Data Science (Workflow) 09/09/25 201004-705-01-065 - Data Science - Informatics UIN SGD Bandung 5

6. BECOME A DATA SCIENTIST Skills: Data analyzing Statistics Programming Data mining and engineering Business analysis 09/09/25 201004-705-01-065 - Data Science - Informatics UIN SGD Bandung 6

7. 09/09/25 201004-705-01-065 - Data Science - Informatics UIN SGD Bandung 7

8. 8 Dasar Data Handling Struktur Data: Tools Python: Pandas: untuk manipulasi data tabular. NumPy: untuk operasi numerik /array. import pandas as pd # Baca dataset Titanic data = pd.read_csv ("https://raw.githubusercontent.com/ datasciencedojo /datasets/master/titanic.csv") # Lihat 5 data pertama Print ( data.head ()) 🔹 Contoh Implementasi :

9. Dasar Data Preprocessing Langkah Utama 🔹 Contoh Implementasi : # Cek missing value Print ( data.isnull (). sum ()) # Imputasi kolom Age dengan rata-rata data[' Age ']. fillna (data[' Age '].mean(), inplace = True ) # Normalisasi kolom Fare from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler () data[[' Fare ']] = scaler.fit_transform (data[[' Fare ']])

10. Exploratory Data Analysis (EDA) Tujuan: memahami pola , distribusi , dan hubungan antarvariabel . 🔹 Contoh Implementasi : import seaborn as sns import matplotlib.pyplot as plt # Statistik deskriptif Print ( data.describe ()) # Visualisasi distribusi usia sns.histplot (data[' Age '], bins= 20 , kde = True ) plt.show () # Korelasi antar variabel numerik sns.heatmap ( data.corr (), annot = True , cmap =" coolwarm ") plt.show () 🔹 Langkah :

11. 09/09/25 201004-705-01-065 - Data Science - Informatics UIN SGD Bandung 11 Melalui tugas besar ini , mahasiswa diharapkan mampu : Menerapkan konsep fundamental sains data (data handling, preprocessing, EDA, machine learning, dan etika AI). Mengembangkan solusi analitik berbasis dashboard interaktif dengan memanfaatkan dataset nyata . Menyajikan informasi yang mendukung pengambilan keputusan secara inovatif dan beretika . Tugas Besar Data Science Project Untuk Portofolio Guideline : https://s.id/proyek_sainsdata