Kursus · Pemula

Pandas untuk Analisis Data

Pelajari analisis data tabular dengan Series, DataFrame, pembersihan, agregasi, penggabungan, dan proyek penjualan retail interaktif di browser.

Mulai belajar

Hasil belajar

Keterampilan yang akan kamu kuasai.

  1. 01 Menjelaskan Series, DataFrame, index, kolom, dan tipe data Pandas.
  2. 02 Membaca, memeriksa, memilih, menyaring, mengurutkan, serta mengubah data tabular.
  3. 03 Menangani missing values, duplikasi, teks yang tidak seragam, dan nilai yang tidak valid.
  4. 04 Mengelompokkan, mengagregasi, memivot, mereshape, dan menggabungkan dataset dengan pemeriksaan cardinality.
  5. 05 Mengolah tanggal, periode, tren, rolling, dan operasi kumulatif secara reproducible.
  6. 06 Menyelesaikan dan mengomunikasikan analisis penjualan retail dengan asumsi yang jelas.

Sebelum mulai

Prasyarat

Dasar-Dasar Python untuk Data direkomendasikan agar Anda nyaman dengan variabel, list, fungsi, dan membaca kode Python. NumPy tidak menjadi prasyarat.

Urutan belajar

Daftar Materi

36 materi
MODUL 01 Memulai dengan Pandas 4 materi

Kenali peran Pandas, struktur Series dan DataFrame, lalu buat serta periksa tabel sebelum menganalisisnya.

Hasil belajar modul

  • Menjelaskan Series, DataFrame, index, dan alignment nilai.
  • Membuat DataFrame sederhana dan memeriksa dataset retail.
  1. 01 Mengapa Pandas untuk Analisis Data?
  2. 02 Mengenal Series dan DataFrame
  3. 03 Membuat DataFrame
  4. 04 Membaca dan Mengeksplorasi Dataset
MODUL 02 Memilih dan Menyaring Data 4 materi

Pilih kolom dan baris berdasarkan label, posisi, atau kondisi, lalu urutkan data untuk menemukan nilai yang relevan.

Hasil belajar modul

  • Memilih kolom dan baris dengan notasi label maupun posisi.
  • Menyaring, mengurutkan, dan memberi peringkat pada data sesuai pertanyaan.
  1. 05 Memilih Kolom dan Baris
  2. 06 Menggunakan loc dan iloc
  3. 07 Filtering dengan Kondisi
  4. 08 Sorting dan Ranking
MODUL 03 Memahami Data 4 materi

Periksa tipe, ringkasan statistik, frekuensi kategori, dan nilai kosong agar kondisi dataset jelas sebelum analisis.

Hasil belajar modul

  • Memeriksa dan mengonversi tipe data dengan validasi hasil.
  • Merangkum distribusi, kategori, serta nilai kosong pada dataset.
  1. 09 Data Types dan Konversi
  2. 10 Descriptive Statistics
  3. 11 Value Counts dan Unique Values
  4. 12 Mengenali Missing Values
MODUL 04 Membersihkan Data 4 materi

Tangani nilai kosong, duplikasi, teks, dan nilai tidak valid berdasarkan aturan serta kebutuhan analisis.

Hasil belajar modul

  • Memilih cara menangani nilai kosong dan duplikasi sesuai maknanya.
  • Menormalkan kategori dan memvalidasi nilai terhadap aturan data.
  1. 13 Menangani Missing Values
  2. 14 Mendeteksi dan Menghapus Duplikasi
  3. 15 Membersihkan Teks dan Kategori
  4. 16 Memvalidasi dan Memperbaiki Data
MODUL 05 Mentransformasi Data 4 materi

Buat kolom turunan, petakan nilai, dan olah tanggal untuk menyiapkan data bagi analisis.

Hasil belajar modul

  • Membuat dan mengubah kolom dengan operasi yang dapat ditelusuri.
  • Mengolah label dan tanggal, serta memilih apply hanya saat sesuai.
  1. 17 Membuat dan Mengubah Kolom
  2. 18 Menggunakan map, replace, dan assign
  3. 19 Bekerja dengan Tanggal dan Waktu
  4. 20 Menggunakan apply secara Tepat
MODUL 06 Grouping dan Agregasi 4 materi

Kelompokkan baris, hitung beberapa metrik, dan tambahkan ringkasan kelompok yang tetap selaras dengan data.

Hasil belajar modul

  • Menghitung satu atau beberapa metrik untuk setiap kelompok.
  • Menggunakan transform, filter per grup, dan tabel silang untuk kebutuhan analisis.
  1. 21 Dasar GroupBy
  2. 22 Multiple Aggregations
  3. 23 Transform dan Filter per Grup
  4. 24 Pivot Table dan Crosstab
MODUL 07 Menggabungkan Dataset 4 materi

Susun tabel dengan concat dan hubungkan dataset dengan merge atau join sambil memeriksa kecocokan key.

Hasil belajar modul

  • Menggabungkan tabel sepanjang baris atau kolom sesuai bentuk datanya.
  • Memeriksa cardinality dan mendeteksi baris yang hilang atau berlipat setelah penggabungan.
  1. 25 Concat dan Append secara Konseptual
  2. 26 Merge dan Join
  3. 27 Memahami Join Cardinality
  4. 28 Menangani Masalah Hasil Join
MODUL 08 Reshape dan Deret Waktu 4 materi

Ubah bentuk tabel dan susun ringkasan waktu untuk membaca pola serta membandingkan periode secara konsisten.

Hasil belajar modul

  • Mengubah data antara format wide dan long serta membuat tabel pivot.
  • Menggunakan index waktu, resampling, rolling, dan operasi kumulatif.
  • Menghitung tren dengan periode dan definisi metrik yang konsisten.
  1. 29 Melt, Pivot, dan Reshape
  2. 30 Datetime Index dan Resampling
  3. 31 Rolling dan Cumulative Operations
  4. 32 Analisis Tren dan Periode
MODUL 09 Analisis Data End-to-End 4 materi

Terapkan alur analisis dari perumusan pertanyaan hingga pemeriksaan hasil dan penyampaian laporan penjualan.

Hasil belajar modul

  • Mengubah pertanyaan bisnis menjadi metrik, filter, dan unit analisis.
  • Menyusun pipeline Pandas untuk analisis penjualan retail.
  • Memvalidasi hasil dan menjelaskan batas kesimpulannya.
  1. 33 Merumuskan Pertanyaan Analisis
  2. 34 Membangun Pipeline Pandas
  3. 35 Interpretasi Hasil dan Validasi
  4. 36 Mini Project: Analisis Penjualan Retail

Siap memulai?

Mulai belajar