Belajar memeriksa, mendiagnosis, dan memperbaiki kesiapan data tabular dengan Python sebelum analisis atau machine learning.
Skill yang dibangun
Membaca file CSV dengan pandas lalu memeriksa jumlah baris, kolom, tipe data, nilai kosong, dan duplikasi.
Mengidentifikasi ketidakkonsistenan data seperti format tanggal, spasi tersembunyi, kategori berbeda ejaan, serta angka yang terbaca sebagai teks.
Menyusun pemeriksaan berbasis aturan untuk mendeteksi nilai di luar rentang, pelanggaran keunikan, dan kolom yang tidak memenuhi asumsi analisis.
Membersihkan data secara terukur, mencatat perubahan, dan memvalidasi bahwa hasil pemeriksaan dapat digunakan sebagai dasar keputusan berikutnya.
Pemula yang sudah memahami dasar penggunaan komputer, logika pemrograman sederhana, serta konsep dasar Python seperti variabel, fungsi, list, dan membaca file CSV. Kursus ini ditujukan bagi mahasiswa, analis pemula, pengembang aplikasi, atau praktisi bisnis yang sering menerima data spreadsheet tetapi belum memiliki cara sistematis untuk memeriksa kualitasnya sebelum digunakan untuk analisis atau machine learning. Tidak diperlukan pengalaman dengan statistik lanjut, database, atau framework AI.
Project outcomes
Sebuah skrip Data Health Check berbasis Python yang menerima file CSV, menghasilkan laporan ringkas tentang struktur dan masalah kualitas data, lalu membuat salinan data yang telah dibersihkan berdasarkan aturan yang ditentukan. Dataset latihan akan memuat masalah realistis seperti nilai kosong, duplikasi, kategori tidak seragam, tipe data keliru, dan nilai di luar batas.
Data spreadsheet dapat terlihat rapi tetapi menyimpan masalah yang memengaruhi hasil analisis: nilai kosong, duplikasi, tipe data keliru, kategori tidak konsisten, atau angka yang berada di luar batas wajar. Kursus ini mengajarkan cara menemukan masalah tersebut secara sistematis, bukan sekadar menjalankan rangkaian fungsi tanpa memahami maknanya.
Dengan Python dan pandas, kita akan membangun alur data health check yang membaca file CSV, memeriksa struktur serta kualitas kolom, menguji beberapa asumsi dasar, dan menghasilkan temuan yang dapat ditindaklanjuti. Setiap pemeriksaan dikaitkan dengan gejala yang dapat diamati, kemungkinan penyebab, serta konsekuensi terhadap analisis atau proses machine learning.
Proyek akhir berupa skrip pemeriksaan data yang dapat digunakan ulang pada dataset tabular sederhana. Kursus ini juga membahas batas pendekatan berbasis aturan dan pentingnya membedakan antara masalah teknis, anomali yang perlu diselidiki, serta nilai yang memang sah dalam konteks bisnis.
Bangun pipeline Python untuk menemukan aspek produk dan mengukur sentimen dari ulasan berbahasa Indonesia.
Bangun pipeline ekstraksi entitas dan relasi dari teks Bahasa Indonesia, lalu evaluasi hasilnya sebagai knowledge graph yang terukur.
Bangun alur Python untuk mengekstrak tabel dari PDF operasional, memvalidasi hasilnya, lalu menyimpannya sebagai CSV siap analisis.
Bangun pipeline synthetic data tabular yang dapat diuji dari sisi privasi, kualitas statistik, dan dampaknya terhadap performa model.