Analisis Big Data Dengan Metode Exploratory Data Analysis (Eda) Dan Metode Visualisasi Menggunakan Jupyter Notebook

Radhi, Muhammad; Amalia, Amalia; Sitompul, Daniel Ryan Hamonangan; Sinurat, Stiven Hamonangan; Indra, Evta

doi:10.34012/jurnalsisteminformasidanilmukomputer.v4i2.2475

Cited by 13 publications

(12 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Exploratory Data Analysis (EDA) adalah suatu pendekatan awal yang penting dalam analisis data yang bertujuan untuk menggali dan memahami struktur serta karakteristik data tanpa membuat asumsi sebelumnya [7]. Melalui proses EDA (Exploratory Data Analysis), peneliti mengeksplorasi data untuk mengidentifikasi pola, menemukan nilai-nilai yang berbeda dari biasanya (outlier), menguji hipotesis, dan memverifikasi asumsi yang mendasari analisis data.…”

Section: B Exploratory Data Analysis (Eda)unclassified

Komparasi Multiple Linear Regression dan Random Forest Regression Dalam Memprediksi Anggaran Biaya Manajemen Proyek Sistem Informasi

Farhanuddin,

Sarah Ennola Karina Sihombing,

Yahfizham

2024

JCBD

View full text Add to dashboard Cite

Dalam dunia bisnis yang dinamis dengan persaingan yang semakin ketat, manajemen proyek kini menjadi kunci sukses, terutama dalam pengembangan sistem informasi. Memprediksi anggaran biaya merupakan aspek penting dalam manajemen proyek, dengan mengetahui perkiraan anggaran biaya yang akurat, perusahaan dapat membuat keputusan yang lebih tepat terkait dengan alokasi sumber daya dan pengelolaan keuangan proyek. Dengan kemajuan teknologi, machine learning menjadi solusi potensial untuk meningkatkan akurasi dan efisiensi pengelolaan anggaran. Penelitian ini bertujuan untuk menemukan model machine learning yang paling akurat dalam memprediksi anggaran biaya dengan menggunakan dataset dari platform kaggle.com. Membandingkan algoritma machine learning multiple linear regression (MLR) dan random forest regression (RFR) dilakukan sebagai langkah untuk mencapai tujuan tersebut. Pendekatan deskriptif kuantitatif digunakan dengan melakukan Exploratory Data Analysis (EDA) untuk mengidentifikasi pola dalam data. Hasilnya menunjukkan bahwa model random forest regression memiliki akurasi lebih tinggi, mencapai 81,6% dibandingkan multiple linear regression. Kesimpulannya, penggunaan random forest regression lebih efektif dalam memprediksi anggaran biaya proyek sistem informasi. Ini menandakan bahwa random forest regression dapat menjadi pilihan yang lebih baik untuk menghadapi kompleksitas dan ketidakpastian dalam manajemen proyek sistem informasi.

show abstract

Section: B Exploratory Data Analysis (Eda)unclassified

Komparasi Multiple Linear Regression dan Random Forest Regression Dalam Memprediksi Anggaran Biaya Manajemen Proyek Sistem Informasi

Farhanuddin,

Sarah Ennola Karina Sihombing,

Yahfizham

2024

JCBD

View full text Add to dashboard Cite

show abstract

“…EDA atau Analisis Data Eksplorasi adalah teknik statistik yang memeriksa kumpulan data dan merangkum ciri-ciri utamanya, sering kali menggunakan representasi grafis. EDA memiliki beragam aplikasi di bidang seperti bisnis dan olahraga, yang dapat digunakan untuk mengidentifikasi tren dan perubahan data dari waktu ke waktu [9][10]. Dalam konteks penelitian tentang "klasifikasi berita politik palsu", EDA dapat digunakan untuk memahami struktur, pola, dan variasi data berita, serta hubungan yang ada antara berbagai karakteristik data [11].…”

Section: Edaunclassified

“…Selain itu, dapat menguji dengan korelasi antara fitur-fitur lain, seperti waktu publikasi dan sumber berita. Dengan melakukan EDA ini, Dapat mengembangkan pemahaman data yang lebih baik dan menggunakannya untuk memandu proses pemodelan [10].…”

Section: Edaunclassified

Implementasi Metode LSTM Untuk Mengklasifikasi Berita Palsu Pada PolitiFact

Cardova,

Hermawan

2023

View full text Add to dashboard Cite

Fake news is an increasingly worrying issue in the digital age, as its spread has the potential to impact public perception and the democratic process. The information classified in this study consists of political claims assessed by Politifact, along with Politifact's evaluation of their accuracy. The purpose of this research is to create a fake news classification system concentrated on data from Politifact using Long Short-Term Memory (LSTM). The methods to be used include data collection from the PolitiFact.com website that provides fake news and fact news, followed by data labeling, Exploratory Data Analysis (EDA), data preprocessing, use of wordcloud visualization, data separation, LSTM model formation, evaluation, testing with new data to be classified. The data used amounted to 1500 news with the number of fact news as many as 34 and fake news as many as 1466. The results showed that the LSTM model was very good at classifying fake news in Politifact by being able to produce a very high accuracy rate of 97%. The ability of this model can be one of the right choices for classifying fake news and can be an invaluable tool in combating the spread of false information and supporting reliable media in disseminating accurate news to the public.

show abstract

“…Dilakukan pemetaan visualisasi data akan memudahkan LPD Desa Adat Sumerta dalam pengambilan keputusan apa yang akan dilakukan untuk memajukan LPD Desa Adat Sumerta. Penelitian dilakukan dengan cara mengumpulkan dataset mengenai nasabah tabungan lalu selanjutnya data akan di visualisasikan menggunakan Jupyter Notebook yang mana merupakan sebuah aplikasi yang digunakan dalam pembuatan visualisasi data dengan menggunakan bahasa pemrograman python [9]. Visualisasi data dilakukan dengan menggunakan metode visualisasi data yang mana memiliki beberapa tahapan yaitu memahami tujuan visualisasi data, mengumpulkan data, melakukan pembersihan dataset dan terakhir menerapkan visualisasi data yang akan dilakukan.…”

Section: Pendahuluanunclassified

Pemetaan Nasabah Tabungan Pada LPD Desa Adat Sumerta Menggunakan Metode Visualisasi Data

Komang Ayu Sukmayanti,

Asmarajaya,

Sanjaya

2023

resi

View full text Add to dashboard Cite

Teknologi merupakan alat yang sangat membantu perusahaan dalam melakukan pekerjaan menjadi lebih mudah. Perkembangan teknologi saat ini sudah sangat pesat sehingga semua informasi mudah disebarkan. LPD Desa Adat Sumerta merupakan Lembaga yang membantu masyarakat dalam bidang perkreditan maupun tabungan. LPD Sudah memiliki banyak nasabah tabungan sekitar ribuan. Pada saat melakukan evaluasi atau rapat mengenai nasabah tabungan pegawai kesulitan dalam memberikan informasi yang lebih baik mengenai lokasi tempat tinggal nasabah karena hanya berupa teks serta masih sulit dalam memberikan informasi mengenai pada banjar manakah nasabah tabaungan banyak tersebar. Dengan adanya sebuah masalah tersebut peneliti akan melakukan penelitian mengenai visualisasi data sebaran nasabah tabungan. Tujuan dilakukan penelitian ini yaitu memudahkan LPD Desa Adat Sumerta dalam melakukan evaluasi serta mengkomunikasikan data dalam bentuk yang lebih interaktif. Visualisasi data akan menggunakan aplikasi web jupyter notebook yang dimiliki oleh anaconda. Penelitian ini akan menggunakan Bahasa pemrograman python. Hasil yang didapatkan dalam penelitian ini bahwa banjar yang memiliki nilai paling banyak yaitu Banjar Bengkel dan Umum dengan memiliki nilai persentase 13.5%. Disusul dengan banjar Pande yang memiliki nilai 10.8%, Abian Kapas Tengah dengan nilai 9.5%, Lebah dengan nilai 9.5%, Peken dengan nilai 9.5%, Sima dengan nilai 9.5%, Abian Kapas Kaja dengan nilai 8.1%, Abian Kapas Kelod dengan nilai 8.1% dan terakhir Kedaton dengan nilai 8.5%. Diharapkan dari penelitian yang dilakukan akan memudahkan LPD Desa Adat Sumerta dalam melakukan evaluasi dan mengembangkan LPD di masa mendatang

show abstract

Analisis Big Data Dengan Metode Exploratory Data Analysis (Eda) Dan Metode Visualisasi Menggunakan Jupyter Notebook

Cited by 13 publications

References 3 publications

Komparasi Multiple Linear Regression dan Random Forest Regression Dalam Memprediksi Anggaran Biaya Manajemen Proyek Sistem Informasi

Komparasi Multiple Linear Regression dan Random Forest Regression Dalam Memprediksi Anggaran Biaya Manajemen Proyek Sistem Informasi

Implementasi Metode LSTM Untuk Mengklasifikasi Berita Palsu Pada PolitiFact

Pemetaan Nasabah Tabungan Pada LPD Desa Adat Sumerta Menggunakan Metode Visualisasi Data

Contact Info

Product

Resources

About