Lewati ke konten utama
Numekara
Konsultasi GratisKontak

C1 · Modul 01

Peran data scientist dan siklus analisis

48 langkah singkat, dari mudah sampai tantangan.

  1. Level 1

    Kenal

  2. Level 2

    Paham

  3. Level 3

    Terapkan

  4. Level 4

    Tantangan

  5. Level 5

    Pendalaman

Intinya

  • Mulai dari pertanyaan: golongkan jenisnya (deskriptif, eksploratif, inferensial, prediktif, kausal, mekanistik) sebelum memilih analisis.
  • Selisih rata-rata dari data observasi bukan efek sebab-akibat; pengacau seperti jarak rumah bisa menutupi efek yang sebenarnya.
  • Satuan analisis menentukan pembagi: item bukan transaksi, baris bukan orang.
  • Analisis harus bisa diulang: sidik jari data, versi paket dipatok, rng berbenih sebagai parameter, pecahan dibandingkan dengan toleransi.
  • Angka dari AI baru dipercaya setelah dihitung ulang dengan kode.

Sebelum mulai

±5 jam.

Modul ini memakai materi di bawah. Belum yakin? Ulas dulu bagian yang disebut.

Hasil belajar: menjelaskan pekerjaan data scientist dan bedanya dengan analis data, data engineer, ML engineer, dan AI engineer, lalu memetakannya ke siklus pertanyaan → data → analisis → keputusan → komunikasi; menggolongkan pertanyaan bisnis menjadi enam jenis (Leek & Peng 2015) dan mengenali analisis yang salah jenis; membedakan data eksperimen dari data observasi dan menjelaskan kenapa selisih rata-rata dari data observasi bukan efek sebab-akibat; menghitung dengan satuan analisis yang benar; membuat analisis yang bisa diulang (sidik jari data, versi paket dipatok, np.random.default_rng(seed), pecahan dibandingkan dengan toleransi); dan memeriksa setiap angka dari AI dengan kode pembanding.

Hasil lab: repositori warung-makmur-analisis berisi PERTANYAAN.md (tiga pertanyaan pemilik, jenisnya, data yang dibutuhkan, keputusan yang bergantung padanya), requirements.txt yang dipatok, dan notebook 00-periksa-data.ipynb yang mencetak sidik jari setiap berkas data. Contoh diuji dengan Python 3.12 dan 3.13, numpy 2.4.6, dan pandas 3.0.2; data ada di data/ course ini (kontrak: proyek-analisis.md) dan sudah tersedia di folder kerja contoh.

Istilah di modul ini (13)

Ketuk istilah untuk melihat penjelasannya. Di materi, istilah bergaris titik membuka kartu yang sama. Semua istilah course

Bahan modul

Semua kode, latihan, dan data modul ini dalam satu zip, untuk dijalankan di laptop atau Google Colab.

  • 18 contoh kode
  • 7 berkas latihan + tes
  • 6 berkas data
  • requirements.txt
Semua data course (data-c1.zip) Cara menjalankan di laptop
Lihat isi zip
  • BACA-DULU.txt
  • contoh_c1_01_28.py
  • contoh_c1_01_218.py
  • contoh_c1_01_392.py
  • contoh_c1_01_471.py
  • contoh_c1_01_658.py
  • contoh_c1_01_707.py
  • contoh_c1_01_736.py
  • contoh_c1_01_761.py
  • contoh_c1_01_895.py
  • contoh_c1_01_1084.py
  • contoh_c1_01_1116.py
  • contoh_c1_01_1147.py
  • contoh_c1_01_1205.py
  • contoh_c1_01_1226.py
  • contoh_c1_01_1263.py
  • contoh_c1_01_1280.py
  • contoh_c1_01_1474.py
  • contoh_c1_01_1853.py
  • test_c1_01_1.py
  • test_c1_01_7.py
  • test_c1_01_2.py
  • test_c1_01_5.py
  • test_c1_01_4.py
  • test_c1_01_3.py
  • test_c1_01_6.py
  • eksperimen_promo.csv
  • harian.csv
  • observasi_aplikasi.csv
  • produk.csv
  • survei_kepuasan.csv
  • transaksi.csv
  • requirements.txt