📖Praktikum 1
Pra Pengolahan Data - Data Terstruktur
Last updated
Pra Pengolahan Data - Data Terstruktur
Last updated
Pada praktikum ini kita akan mencoba melakukan data imputation terhadap data yang hilang (missing value). Dataset yang digunakan adalah dataset Titanic.
Download
Import library yang dibutuhkan kemudian, load data kedalam DataFrame Pandas.
jika menggunakan colab, kita harus upload datanya dulu ke colab, baru kemudian bisa diakses
Tampilkan data teratas dengan perintah df.head()
Maka akan muncul tampilan seperti dibawah ini
Lakukan pengecekan informasi mengenai data dengan menggunakan 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,
Didapatkan informasi seperti berikut,
Dari informasi ini, kita dapat mengetahui data yang hilang sejumlah,
177 data "Age"
687 data "Cabin"
2 data "Embarked"
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.
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,