Jenis, Metode Serta Teknik Yang Terdapat Pada Anilis Data
33bits – Sebagai prinsip umum, ketika Anda berpikir tentang jenis analisis data, Anda harus mulai dengan memikirkan sifat data yang diperlakukan dan motif untuk menggunakannya. Setiap jenis analisis data memiliki metode, dan masing-masing metode tersebut, tekniknya. Mereka lebih mudah diingat ketika Anda melihat hubungan dan motif di baliknya. Hubungan dan motif akan memandu artikel ini. Pemisahan tingkat tertinggi dalam jenis analisis data adalah kuantitatif dan kualitatif. Analisis data kuantitatif kemudian dibagi menjadi tipe matematika dan tipe kecerdasan buatan (AI). Jenis matematika kemudian mencakup deskriptif, diagnostik, prediktif, dan preskriptif, sementara AI berhenti di situ.
Jenis, Metode Serta Teknik Yang Terdapat Pada Anilis Data – Metode yang termasuk dalam tipe matematika termasuk pengelompokan, klasifikasi, peramalan, dan pengoptimalan, sementara AI sebagai tipe analisis data adalah perkembangan terbaru, dan metode belum didefinisikan dengan baik untuk itu (tetapi tekniknya, lihat di bawah). Metode analisis data kualitatif meliputi analisis isi, analisis naratif, analisis wacana, analisis kerangka, dan/atau grounded theory. Selain itu, teknik untuk metode matematika termasuk regresi, Nïave Bayes, Simple Exponential Smoothing, kohort, faktor, diskriminan linier, dan banyak lagi, sedangkan teknik yang termasuk dalam tipe AI termasuk jaringan saraf tiruan, pohon keputusan, pemrograman evolusioner, dan logika fuzzy. Teknik di bawah analisis kualitatif meliputi analisis teks, pengkodean, analisis pola ide, dan frekuensi kata.
Jenis, Metode Serta Teknik Yang Terdapat Pada Anilis Data
Banyak yang harus diingat! Jangan khawatir, setelah Anda memahami hubungan dan motif di balik semua istilah ini, itu akan seperti mengendarai sepeda. Pertama saya akan menunjukkan diagram pohon sebagai visualisasi dari semua istilah ini, lalu kita akan melihatnya satu per satu.
– Perbedaan antara metode dan teknik
Meskipun sering digunakan secara bergantian, metode dan tekniknya tidak sama. Menurut definisi, metode adalah proses penerapan teknik, dan teknik adalah penerapan praktik dari metode tersebut. Misalnya, pertimbangkan mengemudi. Metode termasuk tetap di jalur Anda, berhenti di lampu merah, dan parkir di suatu tempat. Teknik termasuk apa yang Anda lakukan di belakang kemudi untuk melakukan metode tersebut: memutar setir, mengerem, dan mendorong pedal gas.
Kumpulan data: observasi dan lapangan
Jadi, Anda memahami bagian berikut, ini berguna untuk memahami struktur dasar tabel data, atau kumpulan. Kumpulan data terdiri dari satu kolom paling kiri yang berisi pengamatan, kemudian serangkaian kolom yang berisi bidang (alias “sifat” atau “karakteristik”) yang menggambarkan setiap pengamatan. Misalnya, bayangkan kita menginginkan tabel data untuk buah.
Analisis kuantitatif
Deskripsi: Analisis data kuantitatif adalah cabang analisis data tingkat tinggi yang menunjuk metode dan teknik yang berkaitan dengan angka, bukan kata-kata.
Ini menyumbang lebih dari 50% dari semua analisis data dan sejauh ini merupakan jenis analisis data yang paling luas dan terkenal.
Seperti yang telah Anda lihat, ia memiliki metode deskriptif, diagnostik, prediktif, dan preskriptif, yang pada gilirannya memegang beberapa teknik terpenting yang tersedia saat ini, seperti pengelompokan dan peramalan.
Ini dapat dipecah menjadi analisis matematis dan AI.
Pentingnya: Sangat tinggi. Analisis kuantitatif adalah suatu keharusan bagi siapa saja yang tertarik untuk menjadi atau berkembang sebagai seorang analis data.
Sifat Data: data yang diperlakukan di bawah analisis kuantitatif, cukup sederhana, kuantitatif. Ini mencakup semua data numerik.
Motif: untuk mengekstrak wawasan. (Catatan: kita berada di puncak piramida, ini menjadi lebih berwawasan saat kita bergerak ke bawah.)
Baca Juga : Apa itu Anonimisasi Data?
– Analisis kualitatif
Deskripsi: Analisis data kualitatif adalah cabang analisis data tingkat tinggi yang berfokus pada data teks, bukan numerik.
Ini menyumbang kurang dari 30% dari semua analisis data dan umum dalam ilmu sosial.
Ini dapat merujuk pada pengenalan sederhana elemen kualitatif, yang tidak analitik dengan cara apa pun, tetapi paling sering merujuk pada metode yang menetapkan nilai numerik ke data non-numerik untuk analisis.
Karena itu, beberapa orang berpendapat bahwa itu pada akhirnya adalah tipe kuantitatif.
Pentingnya: Sedang. Secara umum, mengetahui analisis data kualitatif tidak umum atau bahkan diperlukan untuk peran perusahaan. Namun, bagi para peneliti yang bekerja dalam ilmu-ilmu sosial, kepentingannya sangat tinggi.
Sifat Data: data yang diperlakukan di bawah analisis kualitatif adalah non-numerik. Namun, sebagai bagian dari analisis, analis mengubah data non-numerik menjadi angka, di mana banyak yang berpendapat bahwa itu bukan lagi analisis kualitatif.
Motif: untuk mengekstrak wawasan. (Ini akan menjadi lebih penting saat kita bergerak menuruni piramida.)
– Kecerdasan Buatan & Analisis Pembelajaran Mesin
Deskripsi: kecerdasan buatan dan analisis pembelajaran mesin menentukan teknik berdasarkan keterampilan tituler. Mereka tidak secara tradisional matematika, tetapi mereka kuantitatif karena mereka menggunakan angka. Aplikasi teknik analisis AI & ML sedang berkembang, tetapi belum cukup umum untuk menunjukkan harapan di seluruh bidang.
Pentingnya: Sedang. Mulai hari ini (September 2020), Anda tidak perlu fasih dalam analisis data AI & ML untuk menjadi analis yang hebat. TAPI, jika itu adalah bidang yang menarik minat Anda, pelajarilah. Banyak yang percaya bahwa dalam waktu 10 tahun kepentingannya akan sangat tinggi.
Sifat Data: numerik.
Motif: untuk membuat kalkulasi yang dibangun berdasarkan urutan dan mengekstrak wawasan tanpa masukan langsung dari manusia.
– Analisis Deskriptif
Deskripsi: analisis deskriptif adalah subtipe analisis data matematis yang menggunakan metode dan teknik untuk memberikan informasi tentang ukuran, penyebaran, pengelompokan, dan perilaku kumpulan data. Ini mungkin terdengar rumit, tetapi pikirkan saja mean, median, dan mode: ketiganya adalah jenis analisis deskriptif. Mereka memberikan informasi tentang kumpulan data. Kami akan melihat teknik khusus di bawah ini.
Pentingnya: Sangat tinggi. Analisis deskriptif adalah salah satu analisis data yang paling umum digunakan di perusahaan dan penelitian saat ini.
Sifat Data: sifat data di bawah statistik deskriptif adalah set. Himpunan hanyalah kumpulan angka yang berperilaku dengan cara yang dapat diprediksi. Data mencerminkan kehidupan nyata, dan ada pola di mana-mana dapat ditemukan. Analisis deskriptif menggambarkan pola-pola tersebut.
Motif: motif di balik analisis deskriptif adalah untuk memahami bagaimana angka-angka dalam kelompok yang ditetapkan bersama-sama, seberapa jauh mereka satu sama lain, dan seberapa sering mereka muncul. Seperti kebanyakan analisis statistik, semakin banyak titik data, semakin mudah untuk menggambarkan himpunan.