Sidia is a education Platform website.
Deskripsi Mata Kuliah
Mata kuliah Analisis Data Eksploratif memperkenalkan teknik-teknik dasar untuk mengeksplorasi, meringkas, dan memvisualisasikan data sebelum melakukan analisis yang lebih kompleks. Tujuan mata kuliah ini adalah membekali mahasiswa dengan kemampuan untuk memahami karakteristik data, mengidentifikasi pola, dan mendeteksi anomali. Ruang lingkup mencakup teknik penyajian data (tabel dan grafik), ukuran pemusatan dan penyebaran data, analisis hubungan antar variabel, serta penyajian data secara visualisasi dalam bentuk infografis maupun dashboard. Mahasiswa akan belajar menerapkan pendekatan eksploratif pada berbagai jenis data numerik dan kategorikal.
CPMK
- Menjelaskan konsep analisis data eksploratif dan peranannya dalam alur analisis data
- Menerapkan teknik analisis deskriptif untuk memahami karakteristik data numerik dan kategorik
- Menerapkan analisis pola distribusi dan hubungan antar dua variabel numerik maupun kategorik
- Melakukan analisis eksplorasi data secara multivariat
- Menerapkan konsep analisis data eksploratif pada problem riil
Aktifitas Pembelajaran
-
Pertemuan 1 Konsep, tujuan, dan peran analisis data eksploratif dalam analisis data -
Pertemuan 2 Teknik analisis deskriptif untuk memahami pola data -
Pertemuan 3 Teknik analisis deskriptif untuk memahami pola data -
Pertemuan 4 Melakukan analisis distribusi data numerik dan kategorik -
Pertemuan 5 Analisis hubungan antar dua variabel numerik atau kategorik -
Pertemuan 6 Melakukan analisis eksploratif pada data multivariat -
Pertemuan 7 Membuat infografis -
Pertemuan 8 Ujian Tengah Semester -
Pertemuan 9 Melakukan analisis data eksploratif pada data teks, sequence, dan survey -
Pertemuan 10 Melakukan analisis pola lanjutan -
Pertemuan 11 Prinsip visualisasi yang efektif -
Pertemuan 12 Membuat visualisasi interaktif -
Pertemuan 13 Membuat visualisasi interaktif -
Pertemuan 14 Membuat visualisasi interaktif -
Pertemuan 15 Membuat visualisasi interaktif -
Pertemuan 16 Ujian Akhir Semester
Pustaka
- Bruce, Peter & Bruce, Andrew. (2017). Practical Statistics for Data Scientists. United States of America: O’Reilly
- Pearson, R.K. (2018). Exploratory Data Analysis Using R (1st ed.). Chapman and Hall/CRC. https://doi.org/10.1201/9781315382111
- Chen, C., Hädrdle, W., & Unwin, A. (2008). Handbook of Data Visualization. Springer
- Pearson, R.K. (2018). Exploratory Data Analysis Using R (1st ed.). Chapman and Hall/CRC. https://doi.org/...
- Everitt, B.S. and Hothorn, T., 2010. A Handbook of Statistical Analyses Using R. 2nd ed. Boca Raton: CRC Press.
- Nicodemo, C., & Satorra, A. (2020). Exploratory data analysis on large data sets: The example of salary variation in Spanish Social Security Data. BRQ Business Research Quarterly, 25(3), 283-294. https://doi.org/10.1177/2340944420957335 (Original work published 2022)
- Knaflic, Cole Nussbaumer. (2015). Storytelling With Data: A Data Visualization Guide for Business Professionals. United States of America: Wiley
Dosen
Difficult Things About Education.
$75$10
More Similar Courses
Related Courses
Mikrobiologi Industri*
Matakuliah ini mengaji tentang penerapan konsep- konsep mikrobiologi pada bidang industri yang meliputi kriteria mikrobia yang dapat digunakan di bidang industri, optimasi pertumbuhan mikrobia untuk
Fisiologi Hewan
Matakuliah ini mengkaji teori dan menghubungkannya dengan proses-proses dalam kehidupan sehari-hari yang terjadi pada tubuh hewan yang berkaitan dengan aliran materi dan energi, transpor membran,
Kimia Umum
Kajian tentang konsep-konsep dasar: Stoikhiometri, Struktur Atom & Sistem Periodik Unsur, Ikatan Kimia, Larutan, Sistem Koloid, Energetika, Laju Reaksi, Kesetimbangan Kimia, Redoks & Elektrokimia, Kimia
Copyright © 2026 Sinau Digital UNESA All Rights Reserved