Lewati ke isi

Peta Belajar

Halaman ini menunjukkan urutan belajar dan alur kerja yang dipakai di seluruh bab.

Urutan yang disarankan

flowchart LR
    F[Dasar-dasar] --> C[Klasifikasi]
    C --> E[Estimasi]
    E --> T[Forecasting]
    F --> K[Klaster]
    F --> A[Aturan Asosiasi]
  • Klasifikasi lebih dulu, karena memperkenalkan pipeline, pembagian data, dan metrik yang dipakai ulang di bab lain.
  • Estimasi menyusul karena hampir sama dengan klasifikasi, tetapi targetnya numerik.
  • Forecasting setelah estimasi, karena model berbasis lag memakai regresi dan validasinya berurutan waktu.
  • Klaster dan Aturan Asosiasi relatif mandiri dan dapat dipelajari setelah Dasar-dasar.

Dua belas tahap alur kerja

Tidak semua tahap berlaku untuk semua jenis tugas. W = wajib, O = opsional, B = berlaku dengan cara berbeda, T = tidak berlaku.

# Tahap Klasifikasi Estimasi Forecasting Klaster Asosiasi
1 Definisi masalah W W W W W
2 Pengumpulan data W W W W W
3 EDA W W B W B
4 Praproses data W W B W B
5 Rekayasa fitur O O B O T
6 Pembagian data / validasi W W B T T
7 Pemilihan model / metode W W W W W
8 Pelatihan / penemuan pola W W W W W
9 Prediksi dan evaluasi W W B B B
10 Optimasi W W W O O
11 Penyimpanan model W W W O O
12 Deployment dan monitoring O O O O O

Keterangan perbedaan penting:

  • Forecasting: pembagian data selalu kronologis; mengacak data menyebabkan kebocoran informasi dari masa depan.
  • Klaster: tidak ada data uji berlabel; kualitas dinilai dengan indeks internal dan interpretasi.
  • Asosiasi: data berupa transaksi; ukurannya support, confidence, dan lift, bukan accuracy.

Pelajaran yang diajarkan sekali

Topik berikut dibahas di Dasar-dasar dan dirujuk dari setiap bab: praproses data, pembagian data dan validasi silang, kebocoran data, metrik evaluasi, dan penyimpanan model.