Istilah C1 · Data Science dan Analitik

89 dari 89 istilah

• agg

  Metode yang meringkas setiap kelompok menjadi satu nilai per kolom hasil. Bentuk bernama nama=("kolom", "fungsi") sekaligus memberi nama kolom hasil, seperti AS di SQL.

  Contoh: .agg(n=("belanja", "size"), rata=("belanja", "mean")) memberi banyak pelanggan dan rata-rata belanja per grup.

  Dipelajari di Modul 03 · pandas 2: mengelompok, menggabung, membentuk ulang

• ANCOVA

  Regresi hasil pada grup ditambah variabel yang diukur sebelum uji (kovariat), misalnya belanja sebelumnya. Untuk uji teracak, hasilnya tetap sah dan biasanya jauh lebih presisi daripada selisih rata-rata biasa; angkanya hampir sama dengan CUPED.

  Contoh: belanja ~ C(grup) + belanja_sebelum memberi efek 5.155,7 dengan galat baku 1.152,5, dibanding 2.726,7 tanpa kovariat.

  Dipelajari di Modul 09 · Eksperimen A/B

• assign

  Metode yang mengembalikan DataFrame baru dengan kolom tambahan atau pengganti, tanpa mengubah aslinya. Di dalam rantai metode, lambda d: ... menerima tabel pada langkah itu.

  Contoh: df.assign(harga=df["harga"] * 9 // 10) membuat versi diskon; df sendiri tetap.

  Dipelajari di Modul 02 · pandas 1: data dalam tabel

• astype

  Metode yang mengubah tipe isi kolom atau array, misalnya ke "category", "Int64", int, atau float. Mengubah True/False menjadi 1/0 sering dipakai untuk membuat kolom 0/1.

  Contoh: (df["tanggal"].dt.day >= 25).astype(int) memberi kolom gajian bernilai 0 atau 1.

  Dipelajari di Modul 02 · pandas 1: data dalam tabel

• benihjuga: seed

  Angka awal untuk pembangkit bilangan acak. Benih yang sama selalu menghasilkan urutan "acak" yang sama, sehingga simulasi dan bootstrap bisa diulang dan diperiksa orang lain.

  Contoh: np.random.default_rng(42) dua kali memberi lemparan dadu [1, 5, 4, 3, 3, 6, 1, 5] dua kali; benih 43 memberi urutan lain.

  Dipelajari di Modul 01 · Peran data scientist dan siklus analisis

• bias pemilihan

  Kesalahan karena cara memilih responden membuat sampel berbeda secara sistematis dari populasi yang ingin disimpulkan. Menambah responden tidak menolong: angkanya makin tepat, tetapi tetap salah.

  Contoh: survei kepuasan yang hanya ada di meja kasir pagi: 86% responden pembeli pagi, padahal pembeli pagi hanya 40% pelanggan.

  Dipelajari di Modul 07 · Sampling dan estimasi

• bias seleksi

  Dalam data yang tidak diundi: perbedaan hasil tanpa perlakuan antara yang memilih perlakuan dan yang tidak. Selisih naif dua kelompok = efek pada yang diberi perlakuan + bias seleksi.

  Contoh: pemakai aplikasi tinggal 0,66 km lebih jauh, dan setiap km mengurangi belanja 9.000, jadi bias seleksinya sekitar −5.940 rupiah.

  Dipelajari di Modul 12 · Kausalitas

• binomialjuga: distribusi binomial

  Distribusi banyaknya "sukses" dari n percobaan independen yang masing-masing berpeluang sukses p yang sama. Rata-ratanya np dan ragamnya np(1 − p).

  Contoh: dari 20 transaksi, banyak yang dibayar QRIS (p = 0,484) berdistribusi binomial dengan rata-rata 9,68.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• bootstrapjuga: sampel ulang

  Cara menaksir galat baku dan interval untuk statistik apa pun: tarik n data dari sampelmu sendiri dengan pengembalian (satu data boleh terambil lebih dari sekali), hitung statistiknya, ulangi ribuan kali, lalu lihat sebaran hasilnya.

  Contoh: 10.000 sampel ulang memberi galat baku rata-rata belanja 619,0, hampir sama dengan rumus s/√n (619,1).

  Dipelajari di Modul 07 · Sampling dan estimasi

• bse

  Atribut hasil fit statsmodels: galat baku setiap koefisien, berindeks sama dengan params.

  Contoh: m.bse["promo"] memberi 4.027,5, sehingga interval 95% promo adalah 32.090,1 ± 1,963 × 4.027,5.

  Dipelajari di Modul 10 · Regresi linear

• CDFjuga: fungsi distribusi kumulatif

  Fungsi F(x) = P(X ≤ x): peluang hasil percobaan acak bernilai paling besar x. Naik dari 0 ke 1; ECDF adalah versinya yang dihitung dari data. Di SciPy, cdf memberi F(x), sf memberi 1 − F(x), dan ppf membaliknya.

  Contoh: banyak transaksi QRIS dari 20 (binomial, p = 0,484) punya cdf(5) = 0,0289.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• collider

  Variabel yang dipengaruhi dua variabel lain (dua panah masuk). Menyesuaikan atau menyaring menurut collider menciptakan hubungan palsu antara kedua variabel itu.

  Contoh: menulis ulasan dipengaruhi pemakaian aplikasi dan besar belanja; menambahkan ulasan ke regresi mengubah efek aplikasi dari 8.057 menjadi −1.205.

  Dipelajari di Modul 12 · Kausalitas

• conf_int

  Metode hasil fit statsmodels yang memberi interval kepercayaan setiap koefisien (bawaan 95%): kolom 0 batas bawah, kolom 1 batas atas.

  Contoh: m.conf_int().loc["promo"] memberi [24.183,0; 39.997,1] di model omzet lengkap.

  Dipelajari di Modul 10 · Regresi linear

• CUPED

  Cara memperkecil ragam uji A/B dengan data sebelum uji X: Y_cv = Y − θ·(X − X̄), dengan θ kemiringan garis yang menebak Y dari X. Efek yang ditaksir tetap sama, tetapi galat bakunya jauh lebih kecil.

  Contoh: belanja 14 hari sebelum uji menghapus 82% ragam belanja, sehingga galat baku efek cashback turun dari 2.726,7 ke 1.151,8.

  Dipelajari di Modul 09 · Eksperimen A/B

• DAGjuga: graf kausal

  Gambar panah sebab-akibat antarvariabel tanpa putaran balik (directed acyclic graph). Dari DAG ditentukan variabel mana yang perlu disesuaikan (pengacau) dan mana yang tidak boleh, misalnya collider atau mediator (jalan yang dilalui efek itu sendiri).

  Contoh: jarak → pakai aplikasi, jarak → belanja, pakai aplikasi → belanja.

  Dipelajari di Modul 12 · Kausalitas

• ddof

  Parameter "delta derajat bebas" pada std dan var: pembaginya n − ddof. pandas memakai ddof=1 (ragam sampel), NumPy ddof=0. Course ini selalu menuliskannya agar pembaca tidak perlu mengingat bawaan setiap pustaka.

  Contoh: simpangan baku omzet harian 49.355,39 dengan ddof=1 dan 49.321,57 dengan ddof=0.

  Dipelajari di Modul 05 · Statistika deskriptif dan visualisasi jujur

• difference-in-differencesjuga: DiD

  Efek = (perubahan kelompok perlakuan dari sebelum ke sesudah) − (perubahan kelompok pembanding). Selisih pertama menghapus perbedaan tetap antarkelompok, selisih kedua menghapus perubahan yang dialami semua. Asumsinya tren sejajar: tanpa perlakuan, keduanya berubah sama besar.

  Contoh: DiD uji cashback 5.814,3 rupiah, sama dengan koefisien interaksi kelompok:periode.

  Dipelajari di Modul 12 · Kausalitas

• distribusi normaljuga: normal baku

  Distribusi berbentuk lonceng simetris yang ditentukan rata-rata μ dan simpangan baku σ. Sekitar 68% nilai berada dalam ±1σ, 95% dalam ±1,96σ, dan 99,7% dalam ±3σ dari rata-rata. Normal baku adalah normal dengan μ = 0 dan σ = 1.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• dropna

  Metode yang membuang baris (atau kolom) berisi nilai hilang. Tanpa argumen, satu sel kosong di kolom mana pun sudah cukup untuk membuang barisnya, sehingga data yang sah bisa ikut hilang.

  Contoh: di transaksi September, pelanggan_id kosong berarti pembeli umum, bukan data rusak; membuang barisnya mengecilkan omzet.

  Dipelajari di Modul 04 · Membersihkan dan memvalidasi data

• dummyjuga: variabel dummy

  Kolom 0/1 yang mewakili satu kategori. Variabel dengan k kategori butuh k − 1 dummy; kategori tanpa kolom menjadi acuan, dan setiap koefisien dummy dibaca sebagai selisih terhadap acuan. C(hari) di statsmodels membuatnya otomatis.

  Contoh: tujuh hari menjadi enam dummy dengan Senin sebagai acuan; Sabtu +88.179,1 berarti lebih tinggi daripada Senin.

  Dipelajari di Modul 10 · Regresi linear

• efek rata-rata perlakuanjuga: ATE

  Rata-rata, di seluruh populasi, selisih hasil seseorang bila diberi perlakuan dan bila tidak: Yᵢ(1) − Yᵢ(0). Kedua angka tidak pernah teramati untuk orang yang sama; pengacakan memungkinkan menaksirnya dari selisih rata-rata grup.

  Contoh: data sintetis uji cashback dibangkitkan dengan efek 6.000 rupiah per pelanggan.

  Dipelajari di Modul 09 · Eksperimen A/B

• fit

  Metode yang menaksir koefisien model dari data dan mengembalikan objek hasil. Di statsmodels, hasilnya menyimpan params, bse, pvalues, conf_int(), dan rsquared; argumen seperti cov_type="cluster" mengubah cara menghitung galat baku.

  Contoh: m = smf.ols("belanja ~ C(grup)", data=df).fit().

  Dipelajari di Modul 10 · Regresi linear

• galat bakujuga: SE

  Simpangan baku sebuah angka hasil sampel, misalnya rata-rata: seberapa besar angka itu akan berubah bila sampel diambil ulang. Untuk rata-rata, SE = σ/√n, ditaksir dengan s/√n. Memperkecil galat baku menjadi setengah butuh empat kali data.

  Contoh: rata-rata belanja per transaksi dari 816 transaksi punya galat baku sekitar 619 rupiah.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• galat tipe Ijuga: positif palsu

  Menolak H₀ padahal H₀ benar: menyimpulkan ada efek yang sebenarnya tidak ada. Peluangnya dibatasi α, biasanya 0,05. Lawannya, galat tipe II, adalah gagal mendeteksi efek yang memang ada.

  Contoh: dengan 20 uji independen yang semuanya tanpa efek, peluang setidaknya satu positif palsu sekitar 64%.

  Dipelajari di Modul 08 · Uji hipotesis

• groupby

  Metode pandas yang membagi baris menurut nilai kunci, menerapkan fungsi pada setiap kelompok, lalu menggabungkan hasilnya (split-apply-combine), padanan GROUP BY di SQL. Baris dengan kunci kosong dibuang secara bawaan.

  Contoh: t.groupby("transaksi_id")["subtotal"].sum() memberi 816 total belanja, satu per transaksi.

  Dipelajari di Modul 03 · pandas 2: mengelompok, menggabung, membentuk ulang

• hashlib.sha256juga: sha256

  Fungsi pustaka standar Python yang menghitung hash SHA-256 dari bytes; .hexdigest() memberi 64 karakter heksadesimal (0–9 dan a–f). Satu byte berubah, hasilnya berubah total. Dipakai untuk sidik jari data dan pengacakan yang bisa diulang.

  Contoh: hashlib.sha256(isi).hexdigest()[:12] untuk transaksi.csv adalah 7128c6222e5f.

  Dipelajari di Modul 01 · Peran data scientist dan siklus analisis

• hipotesis noljuga: H₀, H0

  Dugaan "tidak ada efek atau perbedaan" yang diuji, ditulis H₀. Lawannya, H₁, adalah yang ingin ditunjukkan. Uji hipotesis bertanya: seandainya H₀ benar, seberapa aneh data yang teramati?

  Contoh: H₀ "metode bayar tidak berhubungan dengan besar belanja".

  Dipelajari di Modul 08 · Uji hipotesis

• iloc

  Cara memilih baris dan kolom pandas menurut posisi (0, 1, 2, …) seperti list Python; ujung irisan tidak termasuk, dan angka negatif menghitung dari belakang.

  Contoh: df.iloc[-2:, [0, 6, 8]] mengambil dua baris terakhir dan tiga kolom.

  Dipelajari di Modul 02 · pandas 1: data dalam tabel

• indeks

  Label setiap baris di Series atau DataFrame pandas: bisa nomor 0, 1, 2, …, nama, atau tanggal. Hitungan antara dua Series mencocokkan label indeks, bukan posisi. Di array NumPy, indeks berarti nomor posisi elemen.

  Contoh: harga.loc["teh"] memakai label indeks "teh", sedangkan harga.iloc[0] memakai posisi pertama.

  Dipelajari di Modul 02 · pandas 1: data dalam tabel

• independenjuga: saling bebas, independensi

  Dua kejadian independen bila mengetahui yang satu tidak mengubah peluang yang lain: P(A dan B) = P(A)·P(B). Banyak rumus, misalnya galat baku dan binomial, hanya benar bila datanya independen.

  Contoh: 20 pelanggan yang belanja sendiri-sendiri bisa dianggap independen; 5 keluarga yang belanja bersama tidak.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• interaksijuga: efek interaksi

  Keadaan ketika efek satu variabel bergantung pada nilai variabel lain. Di rumus statsmodels, a * b memasukkan a, b, dan hasil kalinya a:b; koefisien a:b mengukur seberapa besar efek a berubah per satuan b.

  Contoh: pakai_aplikasi * jarak_km menanyakan apakah efek aplikasi berbeda bagi pelanggan yang rumahnya jauh.

  Dipelajari di Modul 11 · Regresi lanjutan

• interceptjuga: konstanta

  Koefisien kolom konstanta (berisi 1) dalam regresi: tebakan model bila semua prediktor bernilai 0 dan semua dummy berada di kategori acuan. Sering hanya titik khayal yang tidak bermakna sendiri.

  Contoh: di model omzet, Intercept 338.831,6 adalah Senin di hari ke-0, bukan gajian, sebelum program.

  Dipelajari di Modul 10 · Regresi linear

• interval kepercayaanjuga: selang kepercayaan

  Rentang hasil sebuah prosedur yang, bila diulang pada banyak sampel, memuat nilai sebenarnya sesering yang dijanjikan, misalnya 95% dari waktu. Untuk rata-rata: x̄ ± t*·s/√n. Bukan "peluang 95% nilai sebenarnya ada di rentang ini".

  Contoh: efek cashback dari ANCOVA 5.155,7 rupiah dengan interval 95% [2.895,4; 7.416,0].

  Dipelajari di Modul 07 · Sampling dan estimasi

• IQRjuga: jangkauan antarkuartil

  Lebar setengah data yang di tengah: IQR = Q3 − Q1. Tahan pencilan, dan dipakai pagar Tukey: nilai di luar [Q1 − 1,5·IQR, Q3 + 1,5·IQR] ditandai; pagar far out memakai 3·IQR.

  Contoh: belanja per transaksi: 23.500 − 5.000 = 18.500, jadi pagar atasnya 51.250.

  Dipelajari di Modul 05 · Statistika deskriptif dan visualisasi jujur

• isna

  Metode yang memberi True untuk setiap nilai hilang (NaN, None, pd.NA, atau NaT) dan False untuk yang lain. .isna().sum() menghitung banyak nilai hilang.

  Contoh: df["pelanggan_id"].isna().sum() memberi 939 item tanpa id pelanggan.

  Dipelajari di Modul 02 · pandas 1: data dalam tabel

• khi-kuadratjuga: uji khi-kuadrat, χ²

  Uji untuk tabel frekuensi dua variabel berupa kategori: membandingkan banyak teramati O di setiap sel dengan banyak harapan E bila keduanya independen, χ² = Σ(O − E)²/E. Pendekatannya butuh setiap E minimal sekitar 5.

  Contoh: metode bayar × pagi/siang memberi χ² = 6,333 dan p = 0,042, tetapi hubungannya lemah (Cramér's V 0,088).

  Dipelajari di Modul 08 · Uji hipotesis

• korelasijuga: korelasi Pearson, Pearson

  Angka antara −1 dan 1 yang mengukur seberapa dekat titik-titik ke satu garis lurus: positif berarti naik bersama, negatif berarti berlawanan, dekat 0 berarti tidak ada hubungan lurus. Korelasi Spearman memakai peringkat dan lebih tahan pencilan. Korelasi bukan sebab-akibat.

  Contoh: omzet harian dan banyak transaksi per hari berkorelasi 0,798.

  Dipelajari di Modul 05 · Statistika deskriptif dan visualisasi jujur

• kuadrat terkeciljuga: OLS

  Cara memilih koefisien regresi: yang membuat jumlah kuadrat selisih antara data dan tebakan model, Σ(y − ŷ)², sekecil mungkin. Untuk satu prediktor, garisnya selalu melewati titik rata-rata (x̄, ȳ).

  Contoh: garis lurus omzet harian terhadap hari ke-t punya kemiringan 101,5 rupiah per hari.

  Dipelajari di Modul 10 · Regresi linear

• kuantiljuga: kuartil

  Nilai pemisah: kuantil p membuat kira-kira proporsi p data berada di bawahnya. Kuartil Q1, median, dan Q3 adalah kuantil 0,25, 0,5, dan 0,75; persentil 90 sama dengan kuantil 0,9. Alat yang berbeda bisa memakai cara hitung yang berbeda.

  Contoh: belanja per transaksi punya Q1 = 5.000 dan Q3 = 23.500 rupiah.

  Dipelajari di Modul 05 · Statistika deskriptif dan visualisasi jujur

• kuasa ujijuga: kuasa

  Peluang uji mendeteksi efek (menolak H₀) bila efek sebesar tertentu memang ada. Bergantung pada besar efek, sebaran data, banyak data, dan α; lazimnya direncanakan minimal 80% sebelum data dikumpulkan.

  Contoh: selisih 1.437 rupiah dengan 385 transaksi per kelompok hanya punya kuasa sekitar 21%; kuasa 80% butuh sekitar 2.353 per kelompok.

  Dipelajari di Modul 08 · Uji hipotesis

• loc

  Cara memilih baris dan kolom pandas menurut label indeks: df.loc[baris, kolom]. Irisan label memasukkan ujungnya, jadi df.loc[:2] mengambil label 0, 1, dan 2. Juga dipakai untuk mengubah nilai dalam satu langkah.

  Contoh: df.loc[df["kategori"] == "Minuman", "harga"] = 4500.

  Dipelajari di Modul 02 · pandas 1: data dalam tabel

• log-oddsjuga: logit

  Logaritma odds: log(p/(1 − p)). Nilainya bisa berapa pun, sehingga aman dimodelkan sebagai jumlah berbobot prediktor. Kebalikannya, fungsi logistik 1/(1 + e^(−z)), mengembalikannya ke peluang antara 0 dan 1.

  Contoh: p = 0,42 memberi log-odds −0,323.

  Dipelajari di Modul 11 · Regresi lanjutan

• MADjuga: median absolute deviation

  Median dari jarak mutlak setiap nilai ke median: median |x − median|. Ukuran sebaran yang tahan pencilan; untuk data berdistribusi normal, MAD dibagi 0,6745 menaksir simpangan baku. Dipakai dalam skor-z termodifikasi.

  Contoh: sepuluh harga dengan median 6.500 punya MAD 3.000, sehingga harga 190.000 ber-skor-z termodifikasi 41,3.

  Dipelajari di Modul 04 · Membersihkan dan memvalidasi data

• MAPE

  Rata-rata galat ramalan dalam persen: 100 × rata-rata |aktual − ramalan| / aktual. Mudah dipahami pemilik, tetapi tidak terdefinisi bila ada aktual 0 dan menghukum ramalan yang terlalu tinggi lebih berat.

  Contoh: aktual 100 diramal 150 memberi 50%, tetapi aktual 50 diramal 100 memberi 100%.

  Dipelajari di Modul 13 · Deret waktu

• merge

  Metode pandas untuk menggabungkan dua tabel menurut kolom kunci, padanan JOIN di SQL. how="left" mempertahankan semua baris kiri; validate="many_to_one" memastikan kunci di tabel kanan tidak ganda.

  Contoh: t.merge(p[["produk_id", "harga_beli"]], on="produk_id", how="left") menempelkan harga beli ke setiap item.

  Dipelajari di Modul 03 · pandas 2: mengelompok, menggabung, membentuk ulang

• naif musimanjuga: ramalan naif musiman

  Ramalan patokan: setiap hari ke depan sama dengan hari yang sama pada musim terakhir (misalnya 7 hari terakhir), jadi Senin depan = Senin terakhir. Model baru baru berguna bila mengalahkannya.

  Contoh: dalam validasi mundur omzet harian, naif musiman memberi MAPE 9,02%, lebih baik daripada ramalan naif (10,46%).

  Dipelajari di Modul 13 · Deret waktu

• nilai harapanjuga: ekspektasi, dalam harapan

  Rata-rata jangka panjang sebuah angka acak bila percobaannya diulang berkali-kali: setiap hasil dikali peluangnya, lalu dijumlahkan. Ditulis E[X].

  Contoh: banyak transaksi QRIS dari 20 punya nilai harapan 20 × 0,484 = 9,68, walaupun hasil 9,68 sendiri tidak mungkin terjadi.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• np.random.default_rngjuga: default_rng

  Fungsi NumPy yang membuat pembangkit bilangan acak (Generator) dengan benih tertentu. Course ini meneruskan objek rng itu sebagai parameter fungsi, bukan memakai np.random.seed yang berlaku global.

  Contoh: rng = np.random.default_rng(42) lalu rng.integers(1, 7, size=8) melempar dadu delapan kali.

  Dipelajari di Modul 01 · Peran data scientist dan siklus analisis

• odds

  Perbandingan peluang terjadi dengan peluang tidak terjadi: p/(1 − p). Rentangnya 0 sampai tak hingga.

  Contoh: peluang kembali 0,42 sama dengan odds 0,42/0,58 ≈ 0,724.

  Dipelajari di Modul 11 · Regresi lanjutan

• p-valuejuga: nilai p

  Peluang, bila H₀ benar, mendapat hasil hitungan (misalnya selisih rata-rata) setidaknya seekstrem yang teramati. p-value kecil berarti data sulit dijelaskan oleh H₀. p-value bukan peluang H₀ benar dan tidak mengukur besar efek.

  Contoh: selisih belanja QRIS dan tunai 1.437 rupiah memberi p ≈ 0,26: selisih sebesar itu biasa muncul walaupun tidak ada beda.

  Dipelajari di Modul 08 · Uji hipotesis

• params

  Atribut hasil fit statsmodels: koefisien taksiran, berindeks nama prediktor seperti "t", "promo", atau "C(hari)[T.Sabtu]".

  Contoh: m.params["promo"] memberi 32.090,1 di model omzet lengkap.

  Dipelajari di Modul 10 · Regresi linear

• pasca-stratifikasijuga: pembobotan pasca-stratifikasi

  Koreksi sampel yang timpang: rata-ratakan setiap kelompok (stratum), lalu timbang dengan porsi kelompok itu di populasi, bukan di sampel. Setara dengan memberi setiap responden bobot porsi populasi dibagi porsi sampel.

  Contoh: pembeli pagi 85,6% responden tetapi 40% pelanggan, jadi bobotnya 0,467; pembeli sore berbobot 4,167. Rata-rata kepuasan menjadi 3,721.

  Dipelajari di Modul 07 · Sampling dan estimasi

• pd.DataFramejuga: DataFrame

  Tabel pandas: kumpulan kolom (Series) yang berbagi indeks baris; setiap kolom punya tipe sendiri. pd.DataFrame({...}) membuatnya dari dictionary berisi kolom-kolom.

  Contoh: df.shape untuk transaksi September adalah (1516, 10).

  Dipelajari di Modul 02 · pandas 1: data dalam tabel

• pd.get_dummiesjuga: get_dummies

  Fungsi pandas yang mengubah satu kolom kategori menjadi kolom-kolom 0/1, satu per kategori. drop_first=True membuang kategori pertama agar menjadi acuan, sehingga kolom-kolomnya tidak berjumlah sama dengan kolom konstanta.

  Contoh: tujuh hari dengan drop_first=True menjadi enam kolom, Selasa sampai Minggu.

  Dipelajari di Modul 10 · Regresi linear

• pd.read_csvjuga: read_csv

  Fungsi pandas yang membaca berkas CSV menjadi DataFrame. parse_dates mengurai kolom waktu dan dtype menetapkan tipe kolom; tanpa itu, pandas menebak tipe dari teks. Polars dan DuckDB punya fungsi bernama sama.

  Contoh: pd.read_csv("transaksi.csv") memberi tabel 1.516 baris × 10 kolom.

  Dipelajari di Modul 02 · pandas 1: data dalam tabel

• pd.Seriesjuga: Series

  Satu kolom data pandas: nilai-nilai bertipe sama ditambah indeks yang memberi label setiap nilai. Hitungan antara dua Series mencocokkan label, bukan posisi.

  Contoh: pd.Series([3500, 5000, 2000], index=["mi", "teh", "kopi"]).

  Dipelajari di Modul 02 · pandas 1: data dalam tabel

• pd.to_datetimejuga: to_datetime

  Fungsi pandas yang mengubah teks menjadi tanggal-waktu. format= menetapkan pola tanggal, dayfirst=True membaca hari lebih dulu, dan errors="coerce" mengubah teks yang gagal diurai menjadi NaT (tanggal kosong) secara diam-diam.

  Contoh: pd.to_datetime("01/10/2026") dibaca 10 Januari; dengan dayfirst=True menjadi 1 Oktober.

  Dipelajari di Modul 04 · Membersihkan dan memvalidasi data

• peluang bersyarat

  Peluang suatu kejadian bila kejadian lain sudah diketahui terjadi, ditulis P(A | B): saring dulu ke kasus B, lalu hitung proporsi A. P(A | B) umumnya berbeda dari P(B | A).

  Contoh: P(pakai aplikasi) = 0,391, tetapi P(pakai | rumah lebih dari 2 km) = 0,808.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• pencilanjuga: outlier

  Nilai yang jauh dari sebagian besar data. Bisa kesalahan (misalnya salah ketik) atau kenyataan ekstrem yang sah; statistik hanya menandai, manusia yang memutuskan.

  Contoh: harga minyak goreng 190.000 karena satu nol berlebih adalah kesalahan; beras 10 karung untuk hajatan adalah kenyataan.

  Dipelajari di Modul 04 · Membersihkan dan memvalidasi data

• pengacaujuga: confounder, variabel pengacau

  Variabel yang memengaruhi siapa mendapat perlakuan dan juga hasilnya, sehingga selisih dua kelompok bercampur antara efek perlakuan dan efek pengacau. Pengacau sudah ada sebelum perlakuan.

  Contoh: jarak rumah ke warung memengaruhi siapa yang memakai aplikasi pesan-antar dan berapa banyak ia belanja.

  Dipelajari di Modul 01 · Peran data scientist dan siklus analisis

• Poissonjuga: distribusi Poisson, proses Poisson

  Distribusi banyaknya kejadian dalam satu selang waktu bila kejadian datang sendiri-sendiri dengan laju rata-rata λ. Ciri khasnya: rata-rata sama dengan ragam, keduanya λ. Ragam yang jauh lebih besar disebut overdispersi.

  Contoh: banyak pembeli pukul 18.00–18.59 kira-kira Poisson dengan λ = 2,8.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• ppf

  Metode distribusi scipy.stats yang membalik CDF: ppf(q) memberi nilai x dengan P(X ≤ x) = q, yaitu kuantil q. Dipakai untuk angka pengali interval dan uji.

  Contoh: stats.norm.ppf(0.975) memberi 1,96 dan stats.t.ppf(0.975, 3) memberi 3,182.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• predict

  Metode hasil fit yang menghitung tebakan model untuk data, lama atau baru, yang punya kolom prediktor sama. Untuk regresi logistik statsmodels, hasilnya peluang, bukan log-odds.

  Contoh: m.predict(pd.DataFrame({"jarak_km": [4.0]})) memberi peluang memakai aplikasi 0,964.

  Dipelajari di Modul 11 · Regresi lanjutan

• pseudonim berkuncijuga: HMAC, HMAC-SHA256

  Kode pengganti identitas yang dihitung dengan HMAC-SHA256 dan kunci rahasia yang disimpan terpisah dari data. Tanpa kunci, penyerang tidak bisa mencoba semua ID lalu mencocokkan hasilnya. Data berpseudonim tetap tergolong data pribadi.

  Contoh: P1734 menjadi 2dc7c0bea3c8ad45; SHA-256 polos dari P1734 bisa ditemukan kembali dalam kurang dari satu detik.

  Dipelajari di Modul 14 · Komunikasi, etika, dan privasi

• R²juga: R2, R kuadrat

  Proporsi ragam y yang dijelaskan model: R² = 1 − Σe²/Σ(y − ȳ)², antara 0 dan 1. Selalu naik bila kolom ditambah, bahkan kolom acak; R² disesuaikan menghukum tambahan itu. R² tidak mengukur kebenaran sebab-akibat.

  Contoh: model omzet lengkap ber-R² 0,607; ditambah 40 kolom derau naik ke 0,622, tetapi R² disesuaikan turun ke 0,594.

  Dipelajari di Modul 10 · Regresi linear

• ragamjuga: varians

  Rata-rata kuadrat jarak setiap nilai ke rata-ratanya. Untuk sampel dipakai s² = Σ(x − x̄)² / (n − 1), dengan x̄ rata-rata sampel; pembagi n − 1 menebus x̄ yang selalu lebih dekat ke datanya sendiri. Satuannya kuadrat (rupiah²), jadi yang dilaporkan biasanya akarnya, simpangan baku.

  Dipelajari di Modul 05 · Statistika deskriptif dan visualisasi jujur

• rasio oddsjuga: odds ratio

  Odds satu kelompok dibagi odds kelompok lain; di regresi logistik, e^β adalah rasio odds per satuan prediktor. Sering disalahbaca sebagai rasio peluang, padahal untuk peluang yang tidak kecil angkanya lebih besar.

  Contoh: peluang kembali 0,42 → 0,46 memberi rasio odds 1,176, tetapi rasio peluang hanya 1,095.

  Dipelajari di Modul 11 · Regresi lanjutan

• rata-rata bergerakjuga: moving average

  Rata-rata k nilai berurutan yang digeser satu langkah setiap kali. Terpusat memakai nilai sebelum dan sesudah, untuk memahami masa lalu; membuntut hanya hari itu dan sebelumnya, satu-satunya yang boleh untuk meramal. Di pandas: rolling(k).mean().

  Contoh: rata-rata 7 hari menghapus pola mingguan omzet.

  Dipelajari di Modul 13 · Deret waktu

• regresi logistikjuga: logistik

  Regresi untuk hasil ya/tidak (0/1) yang memodelkan log-odds sebagai jumlah berbobot prediktor, sehingga tebakannya selalu peluang antara 0 dan 1. Koefisien dipilih dengan kemungkinan maksimum: yang membuat data teramati paling mungkin.

  Contoh: peluang memakai aplikasi menurut jarak: 0,185 untuk 0 km, 0,964 untuk 4 km.

  Dipelajari di Modul 11 · Regresi lanjutan

• reindex

  Metode yang menyusun ulang Series atau DataFrame mengikuti daftar label yang kamu berikan; label yang belum ada diisi NaN atau nilai fill_value. Dipakai untuk urutan hari yang bermakna atau untuk memasukkan tanggal tanpa penjualan.

  Contoh: harian.reindex(semua_tanggal, fill_value=0) memasukkan tanggal tanpa penjualan sebagai omzet 0.

  Dipelajari di Modul 03 · pandas 2: mengelompok, menggabung, membentuk ulang

• residualjuga: residu

  Selisih antara nilai sebenarnya dan tebakan model: e = y − ŷ. Pola pada residual, misalnya rata-rata residual yang berbeda per hari, menunjukkan ada yang belum dimasukkan ke model.

  Contoh: model omzet tanpa hari dalam minggu punya rata-rata residual Sabtu +50.850 dan Senin −37.939.

  Dipelajari di Modul 10 · Regresi linear

• satuan analisisjuga: unit analisis

  Benda yang dihitung satu per satu dalam sebuah angka: per item, per transaksi, per pelanggan, atau per hari. Pembagi rata-rata harus memakai satuan yang ditanyakan; satuan yang tertukar memberi angka yang benar secara aritmetika tetapi menjawab pertanyaan lain.

  Contoh: omzet September dibagi 1.516 baris item memberi 9.319, padahal belanja per transaksi adalah omzet dibagi 816 transaksi, yaitu 17.314.

  Dipelajari di Modul 01 · Peran data scientist dan siklus analisis

• simpangan bakujuga: sd, standar deviasi

  Akar ragam: ukuran seberapa jauh nilai biasanya berada dari rata-ratanya, dalam satuan data aslinya. Rata-rata selalu dilaporkan bersama simpangan baku (atau IQR) dan banyak data.

  Contoh: simpangan baku omzet harian Warung Makmur 49.355 rupiah, sekitar 12% dari rata-ratanya.

  Dipelajari di Modul 05 · Statistika deskriptif dan visualisasi jujur

• skor kecenderunganjuga: propensity score

  Peluang seseorang mendapat perlakuan mengingat pengacaunya, e(z) = P(T = 1 | Z = z), biasanya dari regresi logistik. Dipakai untuk stratifikasi atau pembobotan IPW: pemakai berbobot 1/e, bukan pemakai 1/(1 − e).

  Contoh: skor memakai aplikasi berkisar 0,185–0,891 menurut jarak; IPW memberi efek 7.389,1 rupiah.

  Dipelajari di Modul 12 · Kausalitas

• skor-zjuga: skor z

  Jarak sebuah nilai dari rata-rata, diukur dalam satuan simpangan baku: z = (x − rata-rata) / simpangan baku. Pencilan besar ikut menarik rata-rata dan simpangan baku, sehingga skor-z pencilan itu sendiri bisa tampak kecil.

  Contoh: harga 190.000 di antara sembilan harga 2.000–12.000 hanya ber-skor-z 2,84.

  Dipelajari di Modul 04 · Membersihkan dan memvalidasi data

• smf.logit

  Fungsi statsmodels untuk regresi logistik dengan rumus teks, untuk hasil 0/1. .fit(disp=0) menaksir tanpa mencetak pesan iterasi; koefisiennya dalam log-odds, jadi np.exp mengubahnya menjadi rasio odds.

  Contoh: smf.logit("pakai_aplikasi ~ jarak_km", data=df).fit(disp=0).

  Dipelajari di Modul 11 · Regresi lanjutan

• smf.ols

  Fungsi statsmodels untuk regresi linear kuadrat terkecil dengan rumus teks: di kiri ~ hasil, di kanan prediktor. C(x) menjadikan x kategori (dummy) dan a * b menambah interaksi. Panggil .fit() untuk menaksir.

  Contoh: smf.ols("omzet ~ t + C(hari) + gajian + promo", data=df).fit().

  Dipelajari di Modul 10 · Regresi linear

• SRMjuga: sample ratio mismatch

  Ukuran grup yang menyimpang dari rencana pengacakan, misalnya rencana 50:50 tetapi hasilnya 1.000 lawan 900. Tanda ada yang rusak, misalnya log yang hilang, sehingga hasil uji tidak boleh dibaca dulu. Diperiksa dengan uji khi-kuadrat.

  Contoh: 998 lawan 1.002 memberi p = 0,929 (lolos); 1.000 lawan 900 memberi p = 0,022.

  Dipelajari di Modul 09 · Eksperimen A/B

• stats.chi2_contingencyjuga: chi2_contingency

  Fungsi SciPy untuk uji khi-kuadrat independensi pada tabel frekuensi. Hasilnya memuat statistic, pvalue, dof (derajat bebas), dan expected_freq (frekuensi harapan). Untuk tabel 2 × 2, ia memakai koreksi Yates secara bawaan.

  Contoh: stats.chi2_contingency(pd.crosstab(e["grup"], e["kembali"])) menguji apakah peluang kembali berbeda antargrup.

  Dipelajari di Modul 08 · Uji hipotesis

• stats.ttest_indjuga: ttest_ind

  Fungsi SciPy untuk uji t dua kelompok independen. equal_var=False memilih uji Welch, yang tidak mengandaikan ragam kedua kelompok sama; bawaannya uji Student. Hasilnya punya statistic, pvalue, df, dan confidence_interval().

  Contoh: QRIS lawan tunai: t = 1,133, p = 0,2574.

  Dipelajari di Modul 08 · Uji hipotesis

• teorema Bayesjuga: Bayes

  Rumus untuk membalik peluang bersyarat: P(A | B) = P(B | A)·P(A) / P(B). Hasilnya sangat bergantung pada peluang awal P(A), yang sering dilupakan.

  Contoh: alat pendeteksi uang palsu yang menangkap 99% uang palsu dan keliru berbunyi untuk 2% uang asli, bila hanya 1 dari 500 lembar palsu, hanya benar sekitar 9% saat berbunyi.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• teorema limit pusatjuga: TLP

  Rata-rata n data independen mendekati distribusi normal bila n cukup besar, apa pun bentuk data asalnya, asal simpangan bakunya terhingga. Sebarannya menyusut sebesar σ/√n. Inilah alasan banyak interval dan uji memakai angka 1,96.

  Contoh: belanja per transaksi sangat tidak simetris, tetapi rata-rata 64 transaksi acak sudah hampir normal.

  Dipelajari di Modul 06 · Probabilitas dan distribusi

• to_numpy

  Metode pandas yang mengubah Series atau DataFrame menjadi array NumPy tanpa indeks. Dipakai sebelum hitungan NumPy yang harus menurut posisi, bukan menurut label.

  Contoh: per.loc[per["metode"] == "qris", "total"].to_numpy(dtype=float) memberi 395 total belanja QRIS.

• uji A/Bjuga: eksperimen A/B

  Eksperimen yang mengundi unit (misalnya pelanggan) ke grup kontrol (A) dan grup perlakuan (B), lalu membandingkan hasilnya. Karena pengundian, perbedaan hasil bisa ditafsirkan sebagai efek perlakuan, bukan efek pengacau.

  Contoh: cashback QRIS diundi ke 1.002 pelanggan; 998 pelanggan lain menjadi kontrol.

  Dipelajari di Modul 09 · Eksperimen A/B

• uji bergandajuga: perbandingan berganda

  Menjalankan banyak uji sekaligus: makin banyak uji, makin besar peluang setidaknya satu "temuan" palsu. Koreksi Bonferroni atau Holm menjaga peluang satu saja positif palsu (FWER); Benjamini–Hochberg menjaga proporsi temuan palsu (FDR).

  Contoh: enam uji agen memberi dua p di bawah 0,05; sesudah dikoreksi, tidak ada yang tersisa.

  Dipelajari di Modul 08 · Uji hipotesis

• uji permutasi

  Uji yang mengacak label kelompok berkali-kali untuk melihat selisih apa saja yang muncul bila H₀ benar, karena label lalu tidak membawa informasi. p-value = (banyak acakan setidaknya seekstrem + 1) / (banyak acakan + 1).

  Contoh: dari 10.000 acakan label QRIS/tunai, 2.606 memberi selisih setidaknya sebesar 1.437, jadi p ≈ 0,26.

  Dipelajari di Modul 08 · Uji hipotesis

• uji plasebojuga: plasebo, placebo, uji placebo

  Pemeriksaan dengan menjalankan metode yang sama di tempat yang seharusnya tidak ada efek, misalnya tanggal mulai palsu sebelum program. Efek plasebo yang jauh dari nol menandakan asumsi metode dilanggar.

  Contoh: memindahkan awal program cashback ke tanggal yang lebih awal seharusnya memberi efek mendekati nol.

  Dipelajari di Modul 12 · Kausalitas

• validasi mundurjuga: rolling origin

  Cara menguji ramalan seperti waktu berjalan: berdiri di satu tanggal, latih hanya dengan masa lalu, ramal h hari ke depan, lalu ulangi di beberapa tanggal asal. Data deret waktu tidak boleh dibagi acak, karena itu membocorkan masa depan.

  Contoh: 8 lipatan masing-masing 14 hari, dari Juni sampai September 2026.

  Dipelajari di Modul 13 · Deret waktu

• value_counts

  Metode pandas yang menghitung berapa kali setiap nilai berbeda muncul, terurut dari yang paling sering. Nilai hilang tidak dihitung kecuali dengan dropna=False; normalize=True memberi proporsi.

  Contoh: df["metode_bayar"].value_counts() di ekspor kasir kedua menampilkan qris, QRIS, dan Qris sebagai nilai yang berbeda.