Pelatihan Exploratory Data Analytic untuk Pelajar Sekolah Menengah: Membangun Fondasi Kuat dalam Dunia Data

Blitar, 25 Juni 2025 — Dunia digital yang terus berkembang menuntut generasi muda untuk memahami cara kerja data secara lebih mendalam. Menjawab tantangan ini, telah diselenggarakan pelatihan Exploratory Data Analytic (EDA) khusus bagi pelajar sekolah menengah secara daring melalui platform Zoom. Kegiatan ini bertujuan untuk mengenalkan dasar-dasar analisis data secara eksploratif serta membekali peserta dengan keterampilan praktis dalam memahami dan mengolah data.

Tujuan Pembelajaran

Pelatihan ini difokuskan pada capaian utama berikut:

  • Memahami langkah-langkah eksplorasi data (EDA).

  • Mengenal dan menerapkan ukuran-ukuran statistik.

  • Mampu menangani data hilang (missing value) dalam dataset.

Materi yang Dipelajari

Sesi pelatihan dibagi menjadi tujuh bagian utama, yaitu:

  1. Pengenalan EDA
    Peserta diajak memahami pentingnya EDA sebagai tahap awal dalam analisis data, termasuk mengecek kolom, tipe data, hingga mengenali pola dan hubungan antar variabel.

  2. Mengenal Tipe Data
    Dibahas tentang data kuantitatif (diskrit dan kontinu) serta data kualitatif (nominal, ordinal). Peserta juga mempelajari perbedaan tipe data secara statistik dan dalam pemrograman.

  3. Analisis Ukuran Statistik
    Meliputi penghitungan mean, median, modus, simpangan baku, varian, dan kuartil. Tools seperti .describe(), .var(), dan .mode() diperkenalkan dalam praktik kode.

  4. Identifikasi Pencilan (Outlier)
    Peserta belajar mengenali outlier melalui visualisasi boxplot, serta dampaknya terhadap nilai statistik seperti rata-rata. Disampaikan pula bahwa pencilan bisa menjadi indikator penting dalam kasus khusus seperti fraud detection.

  5. Analisis Distribusi Data
    Menggunakan histogram, peserta mengamati distribusi data dan efek pencilan terhadap bentuk distribusi.

  6. Analisis Korelasi
    Peserta diajarkan cara mengidentifikasi korelasi antar variabel menggunakan scatter plot dan heatmap, serta menghitung koefisien korelasi.

  7. Menangani Missing Value
    Materi ini mengajarkan teknik menangani data hilang, baik dengan menghapus baris, maupun mengganti dengan nilai mean atau modus.

Pendekatan Interaktif

Pelatihan ini tidak hanya teoritis, tetapi juga aplikatif. Setiap submateri diselingi dengan praktik langsung menggunakan kode Python sederhana untuk melihat hasil nyata dari proses eksplorasi data. Peserta diarahkan untuk mengunduh dataset dan menerapkan langkah-langkah EDA secara langsung.

Penutup

Dengan pembelajaran yang aplikatif dan materi yang relevan, pelatihan ini membuka wawasan pelajar sekolah menengah mengenai pentingnya memahami data sejak dini. Tidak hanya sebagai pengguna teknologi, tetapi juga sebagai analis masa depan yang siap menghadapi era digital berbasis data.

0 Komentar