Apa itu exploratory data analysis?

Analisis Data Eksploratori di Power BI

Jacob H. Marquez

Data Scientist at Microsoft

Apa itu exploratory data analysis?

"Pendekatan menganalisis kumpulan data untuk merangkum karakteristik utamanya, sering menggunakan grafik statistik dan metode visualisasi data lainnya."

¹ https://en.wikipedia.org/wiki/Exploratory_data_analysis

Enam langkah EDA

Memahami struktur data
Mengidentifikasi data hilang
Mendeskripsikan data dengan statistik deskriptif & distribusi
Mengidentifikasi pencilan
Mengkaji dan mengukur hubungan antarvariabel
Membentuk hipotesis

Enam langkah EDA

Memahami struktur data
Mengidentifikasi data hilang
Mendeskripsikan data dengan statistik deskriptif & distribusi
Mengidentifikasi pencilan
Mengkaji dan mengukur hubungan antarvariabel
Membentuk hipotesis

1. Memahami struktur data

Kontinu

Variabel numerik yang sering dapat mengambil himpunan nilai tak hingga

Jumlah bintang di angkasa
Click-through rate
Jarak antar dua kota

Kategorikal

Variabel non-numerik, biasanya teks, dengan dua atau lebih grup

Tipe rumah
Negara
Perusahaan

2. Mengidentifikasi data hilang

Hilang acak (MAR)

Matriks 9×4 dengan tiga set tiga baris untuk tiga kota: Seattle, New York City, dan Paris. Ada nilai curah hujan (inci) di 30 sel dan 6 sel kosong secara acak di ketiga grup kota.

Hilang tidak acak (MNAR)

Matriks 9×4 dengan tiga set tiga baris untuk tiga kota: Seattle, New York City, dan Paris. Ada nilai curah hujan (inci) di 30 sel dan 4 sel kosong secara acak hanya pada Seattle.

2. Menangani data hilang

Matriks 9×4 dengan tiga set tiga baris untuk tiga kota: Seattle, New York City, dan Paris. Ada nilai curah hujan (inci) di 30 sel dan 4 sel kosong secara acak hanya pada Seattle.

Matriks 9×4 yang sama tetapi baris teratas dihapus, mewakili penghapusan sel kosong dari matriks.

Matriks 9×4 yang sama tetapi baris teratas kini berisi nilai, mewakili imputasi sel kosong dengan nilai median.

3. Mendeskripsikan data

Minimum
Maksimum
Mean: jumlah semua nilai dibagi jumlah observasi
Median: nilai di tengah rentang
Simpangan baku: rata-rata selisih dari mean pada semua titik data

3. Deskripsikan data dengan distribusi

Histogram tinggi badan dengan nilai tinggi di sumbu x dan jumlah observasi di sumbu y.

Median dan mean sama
Kurva simetris

3. Mendeskripsikan data dengan distribusi

Histogram pendapatan rumah tangga dengan nilai pendapatan di sumbu x dan jumlah observasi di sumbu y. Histogram lebar di kiri dan makin sempit ke kanan.

Median < Mean
"Miring kanan": ekor di kanan

Histogram waktu online dengan nilai durasi di sumbu x dan jumlah observasi di sumbu y. Histogram sempit di kiri dan makin lebar ke kanan.

Median > Mean
"Miring kiri": ekor di kiri

Dataset: daftar Airbnb

Gambar dataset Airbnb dengan lima kolom: listing_id, host_id, host_since (kolom tanggal), city, dan price.

Ayo berlatih!

Analisis Data Eksploratori di Power BI