# Praktikum 1
## Pra Pengolahan Data - Ekstraksi Fitur
Pada praktikum ini kita akan mencoba melakukan Pra pengolahan data dengan encoding, imputasi data terhadap data yang hilang (*missing value*) dan standarisasi. Setelah melakukan Pra pengolahan Data akan dilakukan ektraksi fitur. Dataset yang digunakan adalah dataset Titanic.
:arrow\_down: **Download** :arrow\_down:
[60KBTitanic-Dataset.csv](https://1473714265-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fhh7WzzoZbeFX9VC0bZSU%2Fuploads%2FlefGVONKVrfDztf8aPzt%2FTitanic-Dataset.csv?alt=media\&token=8af4107f-c0b2-4711-8553-0f5ff17cfc26)
#### Langkah 1 - Load Data
Import library yang dibutuhkan kemudian, load data kedalam DataFrame Pandas.
```python
import pandas as pd
data = 'Training-Dataset.csv' # path dataset
df = pd.read_csv(data) # load dataset
```
jika menggunakan colab, kita harus upload datanya dulu ke colab, baru kemudian bisa diakses
```python
from google.colab import files
uploaded = files.upload() # upload dataset
```
```python
import pandas as pd
import io
df = pd.read_csv(io.BytesIO(uploaded['NamaFile.format'])) # load dataset
```
Tampilkan data teratas dengan perintah df.head()
```python
df.head()
```
Maka akan muncul tampilan seperti dibawah ini
#### Langkah 2 - Pengecekan Data
Lakukan pengecekan informasi mengenai data dengan menggunakan `df.info()`
```
df.info()
```
Perhatikan hasil dari perintah yang telah dijalankan.
Dari `df.info()` kita dapat mengetahui jumlah data untuk setiap kolom. Selain itu, kita mengetahui bahwa,
* "Age" berjenis float64
* "Cabin" berjenis object
* "Embarked" berjenis object
***Pada Pandas, object sering kali mewaliki tipe data string. Kita harus cermat dalam hal ini. Hal ini berkaitan dengan teknik imputasi yang akan kita gunakan nantinya.***
Selanjutnya, untuk lebih mengetahui jumlah data yang hilang untuk setiap kolom, gunakan perintah,
```
df.isnull().sum()
```
Didapatkan informasi seperti berikut,
```
PassengerId 0
Survived 0
Pclass 0
Name 0
Sex 0
Age 177
SibSp 0
Parch 0
Ticket 0
Fare 0
Cabin 687
Embarked 2
dtype: int64
```
Dari informasi ini, kita dapat mengetahui data yang hilang sejumlah,
* 177 data "Age"
* 687 data "Cabin"
* 2 data "Embarked"
#### Langkah 3 - Imputasi
Pada langkah ini kita akan melakukan imputasi terdapat data yang hilang pada "Age", "Cabin", dan "Embarked".
Strategi yang akan kita gunakan adalah,
* "Age" --> Dikarenakan "Age" adalah data nominal, maka kita akan menggunakan strategi mean.
* "Cabin" --> "Cabin" merupakan informasi terkait dengan nomor kabin penumpang. Disini kita akan berasumsi bahwa, seluruh penumpang yang tidak memiliki nomor kabin, merupakan penumpang yang tinggal di dek-dek kapal. Sehingga kita akan mensubtitusi data yang hilang dengan informasi "DECK".
* "Embarked" --> "Embarked" merupakan informasi lokasi embarkasi penumpang. Hanya ada 2 data yang hilang disini. Dikarenakan data merupakan data nominal, maka kita dapat menggunakan modus (mode) untuk mensubtitusi data yang hilang.
```python
# Age - mean
df['Age'].fillna(value=df['Age'].mean(), inplace=True)
# Cabin - "DECK"
df['Cabin'].fillna(value="DECK", inplace=True)
# Embarked - modus
df['Embarked'].fillna(value=df['Embarked'].mode, inplace=True)
```
#### Langkah 4 - Validasi Hasil
Lakukan pengecekan kembali dengan `df.info()`. Selanjutnya, kita juga dapat memastikan kembali apakah nilai yang disikan sudah benar dengan melakukan pencekan data secara langsung. Hasil dari proses imputasi adalah sebagai berikut,
Hasil Proses Imputasi
### Langkah 5 - Ekstraksi Fitur
Setelah melakukan Pre-Processing, langkah berikutnya kita akan melakukan Ekstraksi Fitur berdasarkan Jumlah keluarga "Familysize", Gelar Jumlah keluarga "Title", kelompok usia "AgeBin", Tempat tiket "CabinDeck"
```notebook-python
import matplotlib.pyplot as plt
import seaborn as sns
```
```notebook-python
# === EKSTRAKSI FITUR ===
# 1. FamilySize: jumlah keluarga di kapal (SibSp + Parch + diri sendiri)
df["FamilySize"] = df["SibSp"] + df["Parch"] + 1
# 2. Title: ambil gelar dari kolom Name (Mr, Mrs, Miss, Master, dll.)
df["Title"] = df["Name"].str.extract(r',\s*([^\.]+)\.', expand=False)
title_mapping = {
"Mlle": "Miss", "Ms": "Miss", "Mme": "Mrs",
"Lady": "Rare", "Countess": "Rare", "Capt": "Rare", "Col": "Rare",
"Don": "Rare", "Dr": "Rare", "Major": "Rare", "Rev": "Rare",
"Sir": "Rare", "Jonkheer": "Rare", "Dona": "Rare"
}
df["Title"] = df["Title"].replace(title_mapping)
# 3. AgeBin: kelompokkan usia menjadi kategori
df["AgeBin"] = pd.cut(df["Age"], bins=[0, 12, 18, 35, 60, 100],
labels=["Child", "Teen", "YoungAdult", "Adult", "Senior"])
# 4. CabinDeck: ambil huruf pertama dari kolom Cabin
df["CabinDeck"] = df["Cabin"].astype(str).str[0]
# 5. Fare per person: bagi harga tiket dengan jumlah keluarga
df["FarePerPerson"] = df["Fare"] / df["FamilySize"]
print("✅ Hasil Ekstraksi fitur ")
df[["Name", "Title", "Age", "AgeBin", "FamilySize", "Cabin", "CabinDeck", "FarePerPerson"]].head()
```
```
✅ Hasil Ekstraksi Fitur
```
**Langkah 6 - Visualisasi Hasil Ektraksi Fitur**
```notebook-python
import seaborn as sns
import matplotlib.pyplot as plt
# === VISUALISASI FITUR HASIL EKSTRAKSI ===
plt.figure(figsize=(12, 6))
sns.barplot(x="FamilySize", y="Survived", data=df)
plt.title("Survival Rate berdasarkan Family Size")
plt.show()
plt.figure(figsize=(12, 6))
sns.barplot(x="Title", y="Survived", data=df,
order=df.groupby("Title")["Survived"].mean().sort_values().index)
plt.title("Survival Rate berdasarkan Title")
plt.xticks(rotation=45)
plt.show()
plt.figure(figsize=(12, 6))
sns.barplot(x="AgeBin", y="Survived", data=df,
order=["Child", "Teen", "YoungAdult", "Adult", "Senior"])
plt.title("Survival Rate berdasarkan Kelompok Usia (AgeBin)")
plt.show()
plt.figure(figsize=(12, 6))
sns.barplot(x="CabinDeck", y="Survived", data=df,
order=df.groupby("CabinDeck")["Survived"].mean().sort_values().index)
plt.title("Survival Rate berdasarkan Cabin Deck")
plt.show()
```
Hasil dari visualisasi Ektraksi Fitur seperti tampilan di bawah ini
### Kode Lengkap
{% file src="" %}
[^1]: Terdapat data yang hilang
