Data Analysis with Python

PENDAHULUAN PELATIHAN

Di era digital saat ini, data menjadi aset yang sangat berharga. Kemampuan untuk memahami, mengolah, dan menganalisis data secara efisien merupakan keahlian yang dibutuhkan di berbagai sektor, mulai dari bisnis, teknologi, kesehatan, hingga pemerintahan. Python adalah salah satu bahasa pemrograman paling populer yang digunakan dalam dunia analisis data karena sintaksnya yang sederhana dan dukungan pustaka (library) yang sangat luas. Pelatihan ini dirancang untuk memberikan pemahaman dan keterampilan praktis dalam melakukan analisis data menggunakan Python, mulai dari pemrosesan data mentah, eksplorasi data, hingga visualisasi hasil analisis.

 

TUJUAN PELATIHAN

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

• Memahami konsep dasar analisis data menggunakan Python
• Mengolah dan membersihkan data dengan pustaka Python seperti Pandas dan NumPy
• Melakukan eksplorasi data (EDA)
• Membuat visualisasi data informatif menggunakan Matplotlib dan Seaborn
• Menginterpretasikan data untuk mendukung pengambilan keputusan

 

MATERI PELATIHAN

1. Pengenalan Python dan Tools Pendukung

• Pengenalan Python dan penggunaannya dalam analisis data
• Instalasi lingkungan kerja (Anaconda, Jupyter Notebook)
• Penggunaan Jupyter Notebook untuk eksplorasi dan dokumentasi
• Dasar-dasar Python (variabel, struktur data, loop, fungsi)

2. Pengolahan Data dengan NumPy dan Pandas

• Pengenalan NumPy: array dan operasi numerik dasar
• Pengenalan Pandas: Series dan DataFrame
• Membaca dan menyimpan data (CSV, Excel, JSON)
• Indexing, filtering, dan slicing data
• Data wrangling: merge, join, groupby
• Handling missing values dan outlier

3. Eksplorasi Data (EDA – Exploratory Data Analysis)

• Statistik deskriptif (mean, median, mode, std, dll.)
• Analisis distribusi dan korelasi antar variabel
• Teknik filtering dan segmentasi data
• Deteksi nilai ekstrim (outliers)
• Cross-tab dan pivot table sederhana dengan Pandas

4. Visualisasi Data

• Pengenalan Matplotlib dan Seaborn
• Membuat grafik dasar:
  • Bar chart, Line chart, Histogram, Pie chart
• Visualisasi eksploratif:
  • Boxplot, Heatmap, Pairplot, Countplot
• Kustomisasi grafik (warna, label, ukuran, tema)
• Menyimpan grafik ke dalam file gambar

5. Studi Kasus Analisis Data

• Analisis data penjualan
• Analisis data customer behavior
• Analisis data survey atau kepuasan pelanggan
• Interpretasi hasil dan storytelling dengan data

 

TRAINING METHOD

Presentation

Discussion

Case Study

Evaluation

 

FACILITY

Training Kit

Handout

Certificate

Lunch + 2x Coffee Break

Souvenir