Belajar Data Science dengan Python

Apa Itu Data Science?

Data Science adalah bidang yang menggunakan metode ilmiah, proses, algoritma, dan sistem untuk mengekstrak pengetahuan dan insight dari data terstruktur maupun tidak terstruktur. Data Science menggabungkan statistik, pemrograman, dan domain knowledge untuk membuat keputusan berbasis data.

Mengapa Data Science?

• High Demand – Data scientist adalah pekerjaan paling dicari
• High Salary – Gaji data scientist termasuk tertinggi
• Impactful – Membantu perusahaan membuat keputusan berbasis data
• Versatile – Digunakan di berbagai industri
• Future-Proof – Data akan terus bertumbuh

Tools Data Science dengan Python

• NumPy – Komputasi numerik, array multidimensi
• Pandas – Manipulasi dan analisis data tabular
• Matplotlib – Visualisasi data dasar
• Seaborn – Visualisasi statistik
• Scikit-learn – Machine learning library
• Jupyter Notebook – Interactive coding environment
• SciPy – Scientific computing

Roadmap Belajar Data Science

Level 1: Beginner

• Python Dasar – Variabel, loop, fungsi, OOP
• NumPy – Array, broadcasting, vectorization
• Pandas – DataFrame, Series, read_csv, filtering, grouping
• Matplotlib – Line, bar, scatter, histogram plots
• Statistik Dasar – Mean, median, mode, std, correlation
• Data Cleaning – Missing values, duplicates, outliers

Level 2: Intermediate

• Pandas Advanced – Merge, join, pivot, melt, apply
• Seaborn – Heatmap, pairplot, boxplot, violin plot
• Feature Engineering – Encoding, scaling, binning
• Exploratory Data Analysis (EDA) – Insight discovery
• SQL – Query database untuk data
• Web Scraping – BeautifulSoup, Selenium

Level 3: Advanced

• Machine Learning – Scikit-learn, model training, evaluation
• Time Series – Forecasting, ARIMA, Prophet
• NLP – Text processing, sentiment analysis
• Big Data – PySpark, Dask
• Deep Learning – TensorFlow, PyTorch

Level 4: Expert

• MLOps – Model deployment, monitoring
• A/B Testing – Experiment design, statistical significance
• Data Engineering – ETL pipelines, data warehousing
• Cloud – AWS, GCP, Azure data services

Contoh Kode Data Science

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# NumPy
arr = np.array([1, 2, 3, 4, 5])
print("Mean:", np.mean(arr))
print("Std:", np.std(arr))
print("Reshape:", arr.reshape(5, 1))

# Pandas
df = pd.read_csv('data.csv')
print(df.head())
print(df.info())
print(df.describe())

# Data cleaning
df['age'].fillna(df['age'].median(), inplace=True)
df.drop_duplicates(inplace=True)
df['price'] = df['price'].str.replace('$', '').astype(float)

# Grouping
grouped = df.groupby('category').agg({
    'price': ['mean', 'sum', 'count'],
    'rating': 'mean'
})
print(grouped)

# Filtering
filtered = df[(df['price'] > 100) & (df['rating'] >= 4.0)]

# Visualization
plt.figure(figsize=(10, 6))
sns.barplot(x='category', y='price', data=df)
plt.title('Harga Rata-rata per Kategori')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

# Correlation
corr = df.corr()
sns.heatmap(corr, annot=True, cmap='coolwarm')
plt.title('Correlation Matrix')
plt.show()

# Time series
df['date'] = pd.to_datetime(df['date'])
df.set_index('date', inplace=True)
df['price'].plot(figsize=(12, 6))
plt.title('Trend Harga')
plt.show()

Tips Belajar Data Science

1. Pelajari Python dan SQL dulu – Fondasi data science
2. Praktik dengan dataset nyata – Kaggle, UCI ML Repository
3. Fokus pada EDA – Memahami data sebelum modeling
4. Visualisasi adalah kunci – Buat chart yang informatif
5. Ikuti kompetisi Kaggle – Belajar dari komunitas
6. Bangun portfolio – GitHub dengan project data science

Tools yang Dibutuhkan

Kesimpulan

Data Science adalah bidang yang menarik dan berdampak tinggi. Dengan Python, SQL, dan library data science, Anda bisa mengekstrak insight berharga dari data. Mulai dari dasar, praktik dengan dataset nyata!

“Data is the new oil.” – Clive Humby