Dokumentasi ini menjelaskan langkah-langkah membuat lingkungan kerja (virtual environment) menggunakan uv, lalu memasang Jupyter dan Streamlit untuk pengembangan data science.
install lewat curl
curl -LsSf https://astral.sh/uv/install.sh | shatau
pip
pip install uvuntuk membuat venv nya
uv venv [option] [path]setalah itu untuk install jupiter lab menggunakan uv
uv run --with jupyter jupyter labjika kalian tidak pernah install jupiter lab ini akan meninstall package yang di butuhkan oleh jupiter
untuk menjalankan nya tinggal perintah
jupiter labApa itu: Jumlah total observasi atau data points dalam dataset Anda.
Fungsinya: Untuk memastikan tidak ada data yang missing (hilang) dan memahami ukuran sampel. Jika count lebih kecil dari jumlah baris yang diharapkan, berarti ada nilai yang kosong (NaN).
Example:
Jika Anda memiliki data nilai 10 orang, maka count-nya adalah 10.
Apa itu: Nilai rata-rata dari seluruh data. Diperoleh dengan menjumlahkan semua nilai, lalu dibagi dengan jumlah data (count).
Fungsinya: Memberikan gambaran tentang pusat atau nilai tipikal dari data. Sangat sensitif terhadap outlier (nilai ekstrem).
Rumus mean:
Count = total nilainya
Example:
Mean dari [2, 4, 6] adalah (2+4+6)/3 = 4.
Apa itu: Ukuran seberapa tersebar atau bervariasinya data di sekitar nilai mean.
Fungsinya:
-
Std kecil: Data mengelompok rapat di sekitar mean (konsisten).
-
Std besar: Data sangat tersebar dan variatif.
Example:
Jika rata-rata tinggi badan adalah 170 cm dengan std 5 cm, maka sebagian besar data berada di sekitar 165 cm - 175 cm.
Apa itu: Nilai terkecil dalam kumpulan data.
Fungsinya: Mengetahui batas bawah dari data dan membantu mengidentifikasi kemungkinan kesalahan input (jika nilainya tidak masuk akal).
Apa itu: Nilai yang memisahkan 25% data terendah dari sisa 75% data. Dengan kata lain, 25% data memiliki nilai di bawah atau sama dengan Q1.
Fungsinya: Sebagai batas bawah dari Interquartile Range (IQR) dan untuk mengidentifikasi outlier ringan.
Apa itu: Nilai tengah dari data ketika data diurutkan dari yang terkecil hingga terbesar. Membagi data menjadi dua bagian yang sama.
Fungsinya: Lebih robust (kuat) dibandingkan mean dalam menggambarkan pusat data karena tidak terpengaruh oleh outlier.
Example:
Median dari [1, 3, 100] adalah 3, sedangkan mean-nya adalah 34.7. Median lebih mewakili "nilai tipikal" dalam kasus ini.
Apa itu: Nilai yang memisahkan 75% data terendah dari 25% data tertinggi. Dengan kata lain, 75% data memiliki nilai di bawah atau sama dengan Q3.
Fungsinya: Sebagai batas atas dari Interquartile Range (IQR).
Apa itu: Nilai terbesar dalam kumpulan data.
Fungsinya: Mengetahui batas atas dari data.