Portfolio

STEP KPI :  Kriteria Bobot 1. Prioritas KPI - Semakin tinggi prioritas, sebaiknya semakin besar bobotnya  2. Tingkat kesulitan untuk mencapai target - semakin sulit pencapaiannya, sebaiknya bobot semakin tinggi  3. Tingkat kredibilitas data pencapaian KPI - semakin kredibel, sebaiknya bobot semakin tinggi (kredibel artinya data pencapaian tidak mudah dimanipulasi)  4. Kesulurah bobot = 100% 5. Bobot setiap KPI max 30 % dan minimal 5 % Penetapan Target  - S.M.A.R.T  1. Spesifik : Sebaiknya penetapan target bersifat spesifik, misal 40 jam per karyawan per tahun  2. Measurable : terukur, 100 % program atau 10 program  3. Achiveable : dapat tercapai, challenging namun bisa tercapai  4. Relevan : Target harus relevan dengan sasaran kinerja dan KPI yang telah disusun  5. Time : target juga sebaiknya diberikan batasan waktu, misal naik 10 % di tahun 2019 Dasar Target   1. Baseline data ( data pencapaian tahun sebelumnya ) 2. Data Bechmark ...

Kali ini penulis akan membahas mengenai outlier (pencilan), cara mengidentifikasi adanya outlier, dan apa yang sebaiknya dilakukan pada data outlier. Namun, sebelum membahas cara mengatasi masalah data outlier, ada baiknya terlebih dahulu mengenal apa itu outlier. OUTLIER        Outlier atau pencilan merupakan suatu observasi pada kumpulan data yang berbeda polanya atau nilainya dari observasi-observasi lainnya pada kumpulan data tersebut. Menurut Kleinbum et al. (2008), outlier merupakan sesuatu yang langka atau observasi yang tidak biasa yang muncul pada salah satu titik ekstrem dari sebagian besar data. Titik ekstrem dalam observasi adalah nilai yang jauh atau beda sama sekali dengan sebagian besar nilai lain dalam kelompoknya, misalnya nilainya terlalu kecil atau terlalu besar. Contoh sederhananya, misalnya suatu kelas memiliki nilai hasil ujian yaitu: 50, 54, 62, 50, 52, 59, 61, 63, 65, 10, 53, 63, 65, 50, 59, 62, 50, 51, 57, 60, 63, 65, 65, 53, 99. Dari nilai...

          Sebelum Anda melakukan analisa lebih jauh terhadap data Anda, terdapat beberapa step yang harus Anda perhatikan sebelum data yang Anda miliki siap untuk dianalisis. Proses ini biasa dikenal dengan sebutan Data Preparation. Faktanya, tidak semua data termuat dengan skema atau format item yang kita harapkan. Banyak sekali data, baik yang kita kumpulkan sendiri maupun kita ambil dari platform, yang memiliki miss di beberapa bagian. Tak jarang pula, kondisi ini memaksa kita untuk memutar otak bagaimana agar data tersebut siap untuk digunakan. Pada modul kali ini, kita akan belajar bagaimana cara menangani permasalahan tersebut, dimana lebih lanjutnya akan dijelaskan di bawah ini. DATA CLEANSING           Data cleansing adalah proses mendeteksi dan mengoreksi data yang tidak akurat atau data yang aneh dari kumpulan data, tabel, atau database. Untuk mengidentifikasi bagian data yang tidak lengkap, tidak benar, tidak akurat...

DATA CLEANSING  Apa yang dimaksud dengan data cleansing dan kenapa harus dilakukan ? Data Cleansing adalah proses mendeteksi , mengoreksi, dan mengidentifikasi data yang tidak lengkap, tidak benar, tidak akurat atau tidak relevan, untuk kemudian dimodifikasi, diganti atau dihapus sesuai dengan kebutuhan. Faktanya adalah data cleansing adalah salah satu proses yang harus dikuasai oleh seorang analis. selain itu, step ini memakan banyak waktu, sekitar 80% dari keseluruhan proses analisis data. Penyebab DIRTY DATA  Saat Data Collection :  - Kesalahan dari pengguna  - Pengambilan/Penautan data dari beberapa link  Jadi Apa yang dimaksud dengan DIRTY DATA ? 1. Missing Value   : Terdapat informasi yang kosong dalam data 2. Duplicated Data    : Terdapat informasi yang sama terinput lebih dari satu kali 3. Incorrect Data    : Kesalahan dalam proses pengimputan, data yang bergeser, kolom dan isi tidak sesuai 4. Inconsistent Data   : Perb...

 INTRODUCTION TO DATA MINING                 Kita hidup di dunia dimana data terkumpul setiap harinya, bahkan setiap detik pun data itu bisa berubah. Contohnya, siapa yang tidak memiliki handphone atau smartphone pada zaman sekarang? Setiap detik pasti kita melakukan sesuatu hal dengan handphone kita, disitulah semua data terekam. dari semua data yang terkumpul, kita hanya mendapatkan data saja, dan belum mendapatkan suatu informasi kegiatan, apa saja yang kita lakukan dengan handphone kita hari ini ? Proses untuk menemukan suatu insight/knowledge dari sekumpulan data yang besar itulah yang disebut dengan data mining. Suatu insight dapat berupa suatu informasia atau dalam bentuk pola suatu data. banyak yang menyebutkan data mining merupakan knowledge discovery from data (KDD) Yaitu proses untuk mendapatkan sesuatu informasi dari suatu data. data source dapat berupa database, data warehouse, website, dan informasi lain yang terkumpul...