PRAKTIKUM DATA SCIENCE (STUDI KASUS PEMAIN SEPAK BOLA)
Pengertian Data Science
Kecerdasan
buatan atau Artificial Intelligence (AI) adalah simulasi dari
kecerdasan yang dimiliki oleh manusia yang dimodelkan di dalam mesin dan
diprogram agar bisa berpikir seperti halnya manusia. Dengan kata lain
AI merupakan sistem komputer yang bisa melakukan pekerjaan-pekerjaan
yang umumnya memerlukan tenaga manusia atau kecerdasan manusia untuk
menyelesaikan pekerjaan tersebut.
Data
Science merupakan gabungan dari matematika dan statistik, pemograman
khusus, analisis lanjutan, kecerdasan buatan (AI), dan pembelajaran
mesin dengan keahlian materi pelajaran khusus untuk mengungkap wawasan
yang dapat ditindaklanjuti yang tersembunyi dalam data organisasi. Hal
ini berguna dalam mengolah teks, gambar, video, audio, dan lain-lain
untuk menghasilkan sistem kecerdasan buatan. Sistem kecerdasan buatan
ini dapat dirancang untuk melakukan berbagai tugas yang terlalu sulit
untuk kecerdasan manusia.
Hasil
data yang diolah sistem kecerdasan buatan akan dapat dimanfaatkan oleh
analis dan pengguna dalam bisnis untuk merancang strategi yang tepat
untuk menyelesaikan suatu masalah atau mencapai sebuah tujuan.
Pada analisis yang akan kita lakukan perlu dataset sebagai bahan analisis. Dataset FIFA dapat di unduh melalui website https://www.kaggle.com/.
Melalui data science kita
akan belajar bagaimana melihat data sekaligus memfilter data sesuai
kebutuhan kita. Berikut ini hasil program dari data science kasus pemain
sepak bola FIFA 2019 – 2023 menggunakan Python pada Visual Studio Code:
A. Data Pemain Sepak Bola FIFA 2019
· Data Variabel
Untuk menampilkan data pemain sepak bola FIFA 2019
import pandas as pd
pd.read_csv('fifa2019.csv', encoding="ISO-8859-1")
data_frame = pd.read_csv('fifa2019.csv')
data_frame
· Cetak Ukuran Tabel
Untuk menampilkan ukuran baris dan kolom
data_frame.shape
· Deskripsi Cetak
Untuk menampilkan total data pemain sepak bola
data_frame.describe()
· Mengubah data ke Array
Untuk menampilkan data sepak bola dalam baris
data_frame.values
· Menampilkan Data Pemain diatas 40th
Untuk menampilkan data pemain diatas 40th
data_frame[data_frame["Age"]>40].head()
· Membuat Data Baru Pada Kolom Tertentu
Menampilkan data pemain sepak bola : Nama, Upah dan nilai
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
d1
· Konversi Satuan Huruf Ke Angka
Mengubah satuan huruf menjadi angka
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
def value_to_float(x):
if type(x) == float or type(x) == int:
return x
if 'K' in x:
if len(x) > 1:
return float(x.replace('K', '')) * 1000
return 1000.0
if 'M' in x:
if len(x) > 1:
return float(x.replace('M', '')) * 1000000
return 1000000.0
if 'B' in x:
return float(x.replace('B', '')) * 1000000000
return 0.0
wage = df1['Wage'].replace('[\€,]', '', regex=True).apply(value_to_float)
value = df1['Value'].replace('[\€,]', '', regex=True).apply(value_to_float)
df1['Wage'] = wage
df1['Value'] = value
df1['difference'] = df1['Value'] - df1['Wage']
df1
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
def value_to_float(x):
if type(x) == float or type(x) == int:
return x
if 'K' in x:
if len(x) > 1:
return float(x.replace('K', '')) * 1000
return 1000.0
if 'M' in x:
if len(x) > 1:
return float(x.replace('M', '')) * 1000000
return 1000000.0
if 'B' in x:
return float(x.replace('B', '')) * 1000000000
return 0.0
wage = df1['Wage'].replace('[\€,]', '', regex=True).apply(value_to_float)
value = df1['Value'].replace('[\€,]', '', regex=True).apply(value_to_float)
df1['Wage'] = wage
df1['Value'] = value
df1['difference'] = df1['Value'] - df1['Wage']
df1.sort_values('difference', ascending=False)
· Membuat Grafik
Import library “seaborn” dengan nama “sb”
import seaborn as sns
sns.set()
graph = sns.scatterplot(x='Wage', y='Value', data=df1)
graph
B. Data Pemain Sepak Bola FIFA 2020
· Data Variabel
Untuk menampilkan data pemain sepak bola FIFA 2020
import pandas as pd
pd.read_csv('fifa2020.csv', encoding="ISO-8859-1")
data_frame = pd.read_csv('fifa2020.csv')
data_frame
· Cetak Ukuran Tabel
Untuk menampilkan ukuran baris dan kolom
data_frame.shape
· Deskripsi Cetak
Untuk menampilkan total data pemain sepak bola
data_frame.describe()
· Mengubah data ke Array
Untuk menampilkan data sepak bola dalam baris
data_frame.values
· Menampilkan Data Pemain diatas 40th
Untuk menampilkan data pemain diatas 40th
data_frame[data_frame["Age"]>40].head()
· Membuat Data Baru Pada Kolom Tertentu
Menampilkan data pemain sepak bola : Nama, Upah, nilai,dan kewarganegaraan
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value','Nationality'])
df1
· Konversi Satuan Huruf Ke Angka
Mengubah satuan huruf menjadi angka
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
def value_to_float(x):
if type(x) == float or type(x) == int:
return x
if 'K' in x:
if len(x) > 1:
return float(x.replace('K', '')) * 1000
return 1000.0
if 'M' in x:
if len(x) > 1:
return float(x.replace('M', '')) * 1000000
return 1000000.0
if 'B' in x:
return float(x.replace('B', '')) * 1000000000
return 0.0
wage = df1['Wage'].replace('[\€,]', '', regex=True).apply(value_to_float)
value = df1['Value'].replace('[\€,]', '', regex=True).apply(value_to_float)
df1['Wage'] = wage
df1['Value'] = value
df1['difference'] = df1['Value'] - df1['Wage']
df1
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
def value_to_float(x):
if type(x) == float or type(x) == int:
return x
if 'K' in x:
if len(x) > 1:
return float(x.replace('K', '')) * 1000
return 1000.0
if 'M' in x:
if len(x) > 1:
return float(x.replace('M', '')) * 1000000
return 1000000.0
if 'B' in x:
return float(x.replace('B', '')) * 1000000000
return 0.0
wage = df1['Wage'].replace('[\€,]', '', regex=True).apply(value_to_float)
value = df1['Value'].replace('[\€,]', '', regex=True).apply(value_to_float)
df1['Wage'] = wage
df1['Value'] = value
df1['difference'] = df1['Value'] - df1['Wage']
df1.sort_values('difference', ascending=False)
· Membuat Grafik
Import library “seaborn” dengan nama “sb”
import seaborn as sns
sns.set()
graph = sns.scatterplot(x='Wage', y='Value', data=df1)
graph
C. Data Pemain Sepak Bola FIFA 2021
· Data Variabel
Untuk menampilkan data pemain sepak bola FIFA 2021
import pandas as pd
pd.read_csv('fifa2021.csv', encoding="ISO-8859-1")
data_frame = pd.read_csv('fifa2021.csv')
data_frame
· Cetak Ukuran Tabel
Untuk menampilkan ukuran baris dan kolom
data_frame.shape
· Deskripsi Cetak
Untuk menampilkan total data pemain sepak bola
data_frame.describe()
· Mengubah data ke Array
Untuk menampilkan data sepak bola dalam baris
data_frame.values
· Menampilkan Data Pemain diatas 40th
Untuk menampilkan data pemain diatas 40th
data_frame[data_frame["Age"]>40].head()
· Membuat Data Baru Pada Kolom Tertentu
Menampilkan data pemain sepak bola : Nama, Upah dan nilai
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
df1
· Konversi Satuan Huruf Ke Angka
Mengubah satuan huruf menjadi angka
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
def value_to_float(x):
if type(x) == float or type(x) == int:
return x
if 'K' in x:
if len(x) > 1:
return float(x.replace('K', '')) * 1000
return 1000.0
if 'M' in x:
if len(x) > 1:
return float(x.replace('M', '')) * 1000000
return 1000000.0
if 'B' in x:
return float(x.replace('B', '')) * 1000000000
return 0.0
wage = df1['Wage'].replace('[\€,]', '', regex=True).apply(value_to_float)
value = df1['Value'].replace('[\€,]', '', regex=True).apply(value_to_float)
df1['Wage'] = wage
df1['Value'] = value
df1['difference'] = df1['Value'] - df1['Wage']
df1
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
def value_to_float(x):
if type(x) == float or type(x) == int:
return x
if 'K' in x:
if len(x) > 1:
return float(x.replace('K', '')) * 1000
return 1000.0
if 'M' in x:
if len(x) > 1:
return float(x.replace('M', '')) * 1000000
return 1000000.0
if 'B' in x:
return float(x.replace('B', '')) * 1000000000
return 0.0
wage = df1['Wage'].replace('[\€,]', '', regex=True).apply(value_to_float)
value = df1['Value'].replace('[\€,]', '', regex=True).apply(value_to_float)
df1['Wage'] = wage
df1['Value'] = value
df1['difference'] = df1['Value'] - df1['Wage']
df1.sort_values('difference', ascending=False)
· Membuat Grafik
Import library “seaborn” dengan nama “sb”
import seaborn as sns
sns.set()
graph = sns.scatterplot(x='Wage', y='Value', data=df1)
graph
D. Data Pemain Sepak Bola FIFA 2022
· Data Variabel
Untuk menampilkan data pemain sepak bola FIFA 2022
import pandas as pd
pd.read_csv('fifa2022.csv', encoding="ISO-8859-1")
data_frame = pd.read_csv('fifa2022.csv')
data_frame
· Cetak Ukuran Tabel
Untuk menampilkan ukuran baris dan kolom
data_frame.shape
· Deskripsi Cetak
Untuk menampilkan total data pemain sepak bola
data_frame.describe()
· Mengubah data ke Array
Untuk menampilkan data sepak bola dalam baris
data_frame.values
· Menampilkan Data Pemain diatas 40th
Untuk menampilkan data pemain diatas 40th
data_frame[data_frame["Age"]>40].head()
· Membuat Data Baru Pada Kolom Tertentu
Menampilkan data pemain sepak bola : Nama, Upah dan nilai
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
df1
· Konversi Satuan Huruf Ke Angka
Mengubah satuan huruf menjadi angka
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
def value_to_float(x):
if type(x) == float or type(x) == int:
return x
if 'K' in x:
if len(x) > 1:
return float(x.replace('K', '')) * 1000
return 1000.0
if 'M' in x:
if len(x) > 1:
return float(x.replace('M', '')) * 1000000
return 1000000.0
if 'B' in x:
return float(x.replace('B', '')) * 1000000000
return 0.0
wage = df1['Wage'].replace('[\€,]', '', regex=True).apply(value_to_float)
value = df1['Value'].replace('[\€,]', '', regex=True).apply(value_to_float)
df1['Wage'] = wage
df1['Value'] = value
df1['difference'] = df1['Value'] - df1['Wage']
df1
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
def value_to_float(x):
if type(x) == float or type(x) == int:
return x
if 'K' in x:
if len(x) > 1:
return float(x.replace('K', '')) * 1000
return 1000.0
if 'M' in x:
if len(x) > 1:
return float(x.replace('M', '')) * 1000000
return 1000000.0
if 'B' in x:
return float(x.replace('B', '')) * 1000000000
return 0.0
wage = df1['Wage'].replace('[\€,]', '', regex=True).apply(value_to_float)
value = df1['Value'].replace('[\€,]', '', regex=True).apply(value_to_float)
df1['Wage'] = wage
df1['Value'] = value
df1['difference'] = df1['Value'] - df1['Wage']
df1.sort_values('difference', ascending=False)
· Membuat Grafik
Import library “seaborn” dengan nama “sb”
import seaborn as sns
sns.set()
graph = sns.scatterplot(x='Wage', y='Value', data=df1)
graph
E. Data Pemain Sepak Bola FIFA 2023
· Data Variabel
Untuk menampilkan data pemain sepak bola FIFA 2023
import pandas as pd
pd.read_csv('fifa2023.csv', encoding="ISO-8859-1")
data_frame = pd.read_csv('fifa2023.csv')
data_frame
· Cetak Ukuran Tabel
Untuk menampilkan ukuran baris dan kolom
data_frame.shape
· Deskripsi Cetak
Untuk menampilkan total data pemain sepak bola
data_frame.describe()
· Mengubah data ke Array
Untuk menampilkan data sepak bola dalam baris
data_frame.values
· Menampilkan Data Pemain diatas 40th
Untuk menampilkan data pemain diatas 40th
data_frame[data_frame["Age"]>40].head()
· Membuat Data Baru Pada Kolom Tertentu
Menampilkan data pemain sepak bola : Nama, Upah dan nilai
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
df1
· Konversi Satuan Huruf Ke Angka
Mengubah satuan huruf menjadi angka
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
def value_to_float(x):
if type(x) == float or type(x) == int:
return x
if 'K' in x:
if len(x) > 1:
return float(x.replace('K', '')) * 1000
return 1000.0
if 'M' in x:
if len(x) > 1:
return float(x.replace('M', '')) * 1000000
return 1000000.0
if 'B' in x:
return float(x.replace('B', '')) * 1000000000
return 0.0
wage = df1['Wage'].replace('[\€,]', '', regex=True).apply(value_to_float)
value = df1['Value'].replace('[\€,]', '', regex=True).apply(value_to_float)
df1['Wage'] = wage
df1['Value'] = value
df1['difference'] = df1['Value'] - df1['Wage']
df1
df1 = pd.DataFrame(data_frame, columns=['Name', 'Wage', 'Value'])
def value_to_float(x):
if type(x) == float or type(x) == int:
return x
if 'K' in x:
if len(x) > 1:
return float(x.replace('K', '')) * 1000
return 1000.0
if 'M' in x:
if len(x) > 1:
return float(x.replace('M', '')) * 1000000
return 1000000.0
if 'B' in x:
return float(x.replace('B', '')) * 1000000000
return 0.0
wage = df1['Wage'].replace('[\€,]', '', regex=True).apply(value_to_float)
value = df1['Value'].replace('[\€,]', '', regex=True).apply(value_to_float)
df1['Wage'] = wage
df1['Value'] = value
df1['difference'] = df1['Value'] - df1['Wage']
df1.sort_values('difference', ascending=False)
· Membuat Grafik
Import library “seaborn” dengan nama “sb”
import seaborn as sns
sns.set()
graph = sns.scatterplot(x='Wage', y='Value', data=df1)
graph
Semogamembantu
Referensi :
https://www.dicoding.com/blog/kecerdasan-buatan-adalah/
https://glints.com/id/lowongan/data-science-adalah/
https://pintu.co.id/blog/computer-vision-adalah
Komentar
Posting Komentar