Basic Data Science menggunakan Orange
Belajar dasar data science menggunakan Orange: mengeksplorasi dan menyiapkan data, serta mempraktikkan regresi, klasifikasi, clustering, dan evaluasi model.
Data dapat membantu kita membaca pola, memahami persoalan, dan merancang langkah yang lebih tepat. Melalui Orange, proses tersebut dapat dipelajari secara visual: kita menyusun widget, menghubungkannya, lalu mengamati bagaimana data berubah menjadi informasi.
Materi ini membahas dasar data science menggunakan Orange, dari mengenali data hingga praktik pemodelan dan evaluasi.
Tujuan pembelajaran#
Memahami hubungan data science, data mining, dan machine learning.
Mengenal Orange dan mengeksplorasi data menggunakan widget visual.
Memvalidasi, membersihkan, serta menyiapkan fitur dan target.
Memilih klasifikasi, regresi, atau clustering sesuai pertanyaan.
Membaca hasil evaluasi dan menjelaskan temuan dengan alasan yang jelas.
Mengenal data dan mengeksplorasi Orange#
1. Dari data menuju pemahaman#
Data science menggabungkan statistika, matematika, komputasi, dan pengetahuan bidang untuk memperoleh wawasan dari data. Data mining berfokus pada pencarian pola dan hubungan, sedangkan machine learning mempelajari pola dari contoh untuk menghasilkan prediksi atau pengelompokan.
Bayangkan daftar nilai siswa. Angka-angkanya merupakan data. Setelah dihitung rata-ratanya, kita memperoleh informasi. Ketika guru memahami bagian materi yang belum dikuasai, informasi menjadi pengetahuan. Pengetahuan itu membantu guru merancang pendampingan yang sesuai. Angka perlu dibaca bersama konteks belajar siswa.
Alur kerja umumnya dimulai dari memahami masalah, mengumpulkan data, membersihkan data, melakukan eksplorasi, menyiapkan fitur, membangun model, dan mengomunikasikan hasil. Proses ini dapat berulang ketika ditemukan masalah baru.
2. Empat teknik yang perlu dibedakan#
Klasifikasi: memprediksi kategori, misalnya jenis tanaman berdasarkan ukuran bagian-bagiannya.
Regresi: memprediksi angka, misalnya harga rumah berdasarkan karakteristiknya.
Clustering: mengelompokkan data yang mirip tanpa label kelompok yang sudah ditentukan.
Asosiasi: menemukan kejadian atau item yang sering muncul bersama, misalnya pola pembelian.
Klasifikasi dan regresi termasuk supervised learning karena memiliki target yang diketahui pada data latih. Clustering dan pencarian asosiasi umumnya termasuk unsupervised learning. Pembeda klasifikasi dan regresi adalah makna targetnya; kategori yang diberi kode angka tetap merupakan kategori.
3. Memulai Orange#
Orange menyediakan lingkungan analisis data dengan cara drag-and-drop. Widget merupakan komponen untuk membaca data, memvisualisasikan, mengolah, atau membangun model. Hubungan antarkomponen membentuk sebuah workflow.
Unduh Orange melalui situs resmi Orange dan pasang sesuai sistem operasi.
Buka canvas baru, lalu tambahkan widget File.
Muat dataset, misalnya CSV, Excel, atau dataset contoh yang tersedia.
Hubungkan File ke Data Table untuk melihat baris dan kolom.
Hubungkan File ke Data Info untuk memeriksa jumlah data, jenis variabel, dan nilai yang hilang.
Simpan workflow agar proses dapat dibuka kembali.
4. Exploratory Data Analysis (EDA)#
EDA merupakan langkah mengenali data sebelum membuat model. Periksa distribusi, hubungan antarvariabel, perbedaan antarkelompok, nilai kosong, dan nilai ekstrem.
Box Plot: membaca median, sebaran, dan perbedaan distribusi antarkelompok.
Scatter Plot: melihat hubungan dua variabel numerik dan pola kelompok.
Correspondence Analysis: mengeksplorasi hubungan variabel kategorikal.
Pivot Table: merangkum data berdasarkan kelompok dan agregasi yang dipilih.
Praktik Iris: dataset ini berisi 150 pengamatan, empat ukuran numerik bunga, serta tiga kategori spesies. Buat alur File → Data Table dan Data Info, lalu tambahkan Box Plot dan Scatter Plot. Bandingkan ukuran petal dan sepal. Tuliskan dua pola yang terlihat serta satu pertanyaan lanjutan. Visualisasi membantu membentuk dugaan; temuan tetap perlu diperiksa lebih jauh.
Memvalidasi dan menyiapkan data#
5. Validasi: apakah data sesuai kebutuhan?#
Data yang baik harus akurat, cukup lengkap, relevan, dan konsisten. Sebelum membersihkan data, tetapkan pertanyaan yang ingin dijawab, arti setiap kolom, satuan pengukuran, serta cakupan pengamatan.
Gunakan Select Columns untuk memilih fitur, target, dan metadata.
Gunakan Select Rows untuk menyaring pengamatan sesuai kriteria yang beralasan.
Periksa hasil pilihan di Data Table, termasuk jumlah baris sebelum dan sesudahnya.
Features adalah informasi masukan model. Target adalah nilai yang ingin diprediksi. Metadata membantu mengenali atau menjelaskan pengamatan, tetapi tidak selalu digunakan sebagai masukan model. Pemilihan kolom harus mengikuti tujuan analisis.
6. Membersihkan missing values dan outlier#
Nilai kosong dapat muncul karena data tidak diisi, tidak tersedia, atau gagal dipindahkan. Kenali penyebab dan jumlahnya sebelum memilih tindakan. Widget Impute menyediakan pendekatan pengisian nilai, seperti rata-rata untuk numerik atau nilai yang paling sering muncul untuk kategori, sesuai pengaturan yang dipilih.
Penghapusan baris juga dapat dipertimbangkan, tetapi periksa apakah langkah itu mengurangi keterwakilan data. Jangan mengisi label target yang tidak diketahui seolah-olah merupakan jawaban benar; data tersebut tidak dapat menjadi dasar evaluasi supervised learning yang berlabel.
Outlier merupakan pengamatan yang berbeda jauh dari sebagian besar data. Nilai ekstrem bisa berasal dari kesalahan, tetapi bisa juga merupakan kejadian nyata. Gunakan alur File → Select Columns → Outliers, kemudian amati hasilnya melalui Data Table atau Scatter Plot. Periksa konteks sebelum memutuskan mempertahankan atau menghapusnya.
7. Konstruksi dan transformasi data#
Data yang bersih belum tentu siap untuk model. Kita mungkin perlu menyeragamkan jenis variabel, menata kategori, mengubah representasi, atau membangun fitur yang lebih bermakna.
Edit Domain: menata nama, jenis variabel, dan kategori sesuai kebutuhan.
Continuize: mengubah representasi variabel kategorikal menjadi numerik, sesuai pilihan transformasi.
Select Columns: memastikan peran fitur, target, dan metadata sudah benar.
Pivot Table: membuat ringkasan kelompok, misalnya rata-rata aktivitas per kelas.
Contoh feature engineering adalah menghitung usia dari tanggal lahir, merangkum rata-rata transaksi, atau membangun indikator aktivitas dari catatan kegiatan. Definisi fitur harus jelas dan menggunakan informasi yang tersedia pada saat prediksi dibuat.
Latihan penyiapan data: pilih dataset nilai, kehadiran, aktivitas belajar, atau survei. Jelaskan tujuan analisis, pilih tiga fitur yang relevan, periksa nilai kosong dan outlier, lalu dokumentasikan perubahan. Buat catatan singkat berisi kondisi awal, tindakan, alasan, dan kondisi akhir.
Membuat model dan membaca hasilnya#
8. Tentukan skenario sebelum memilih algoritma#
Jika ingin memperkirakan nilai numerik, gunakan regresi.
Jika ingin memperkirakan kategori yang sudah diketahui, gunakan klasifikasi.
Jika ingin menemukan kelompok tanpa label awal, gunakan clustering.
Pertanyaan yang jelas membantu menentukan target, fitur, algoritma, dan ukuran keberhasilan. Model yang rumit belum tentu paling sesuai dengan kebutuhan.
Praktik A — Regresi harga rumah#
Muat dataset perumahan melalui File dan periksa melalui Data Table.
Atur harga sebagai target numerik menggunakan Select Columns.
Gunakan Rank untuk membantu menelaah fitur, kemudian coba Linear Regression.
Hubungkan data dan learner Linear Regression ke Test and Score.
Pilih metode validasi dan baca ukuran kesalahannya.
MAE menunjukkan rata-rata besar kesalahan absolut. RMSE memberi bobot lebih besar pada kesalahan besar. Pada dataset dan skala yang sama, nilai yang lebih kecil menunjukkan kesalahan yang lebih rendah. R² menggambarkan kinerja relatif terhadap prediksi berdasarkan rata-rata; nilainya dapat negatif bila model lebih buruk dari acuan tersebut.
Praktik B — Klasifikasi menggunakan Tree#
Muat dataset Seeds, lalu periksa jenis variabel menggunakan Edit Domain bila diperlukan.
Tentukan kategori varietas sebagai target melalui Select Columns.
Hubungkan data dan learner Tree ke Test and Score.
Hubungkan hasil evaluasi ke Confusion Matrix untuk melihat kategori yang sering tertukar.
Untuk membaca pohon, latih Tree dengan data dan hubungkan keluaran modelnya ke Tree Viewer.
Learner adalah prosedur belajar, sedangkan model merupakan hasil setelah prosedur tersebut dilatih dengan data. Test and Score membutuhkan learner agar dapat melatih dan menguji pada pembagian data yang dipilih.
Accuracy menunjukkan proporsi prediksi benar. Precision menilai ketepatan prediksi pada suatu kelas, sedangkan recall menilai seberapa banyak anggota kelas itu berhasil ditemukan. F1 menggabungkan precision dan recall. Confusion Matrix memperlihatkan hubungan kelas sebenarnya dengan kelas prediksi. Untuk dua kelas, kesalahan dapat dibaca sebagai false positive dan false negative; untuk banyak kelas, periksa setiap kategori.
Praktik C — Clustering pendapatan dan pengeluaran#
Muat data, lalu pilih pendapatan dan pengeluaran sebagai fitur melalui Select Columns.
Hubungkan data ke K-Means dan coba jumlah kelompok yang beralasan.
Periksa keluaran data berlabel cluster melalui Scatter Plot.
Gunakan Silhouette Plot untuk menelaah pemisahan kelompok.
Bandingkan hasil beberapa pengaturan dan jelaskan ciri setiap kelompok.
Silhouette yang mendekati 1 menunjukkan pengamatan lebih sesuai dengan kelompoknya sendiri; nilai sekitar 0 menunjukkan kedekatan dengan batas antarkelompok; nilai negatif dapat menandakan pengelompokan yang kurang sesuai. Perbedaan skala pendapatan dan pengeluaran perlu diperhatikan karena dapat memengaruhi perhitungan jarak.
9. Evaluasi yang dapat dipercaya#
Model perlu dinilai pada data yang tidak digunakan untuk melatihnya. Gunakan pembagian data latih dan uji, atau cross-validation. Pada cross-validation, data dibagi menjadi beberapa bagian dan proses pelatihan-pengujian diulang.
Di Test and Score, pilih metode validasi yang sesuai dan bandingkan learner dengan pengaturan evaluasi yang sama. Jika menggunakan preprocessing yang belajar dari data, sambungkan preprocessor ke Test and Score agar prosesnya dilakukan di dalam pembagian validasi. Mengolah seluruh data terlebih dahulu dapat membuat informasi data uji bocor ke proses pelatihan.
Nilai evaluasi merupakan bahan pertimbangan, bukan pengganti pemahaman konteks. Jelaskan keterbatasan dataset, kemungkinan kesalahan, dan apakah hasilnya masuk akal.
Tugas akhir — Satu pertanyaan, satu workflow, satu cerita data#
Pilih pertanyaan sederhana yang dekat dengan pendidikan atau kehidupan sehari-hari.
Tentukan dataset, fitur, dan target bila diperlukan.
Lakukan audit, pembersihan, serta eksplorasi data.
Pilih regresi, klasifikasi, atau clustering dan jelaskan alasannya.
Buat workflow Orange serta dokumentasikan fungsi widget utamanya.
Sertakan tangkapan layar visualisasi dan hasil evaluasi yang relevan.
Tuliskan kesimpulan: pola yang ditemukan, kualitas hasil, dan satu perbaikan berikutnya.
Inti yang perlu diingat#
Mulailah dari pertanyaan, kenali data, siapkan dengan alasan yang jelas, pilih teknik yang tepat, lalu uji dan jelaskan hasilnya. Orange membantu memvisualisasikan proses; kualitas analisis tetap bergantung pada cara kita berpikir dan memahami data.
Unduh dan kerjakan LKPD Orange#
Kerjakan LKPD 1 terlebih dahulu untuk mengenali data Iris. Setelah itu, lanjutkan ke LKPD 2 untuk melatih dan mengevaluasi model. Buka masing-masing tautan lalu pilih ikon Unduh di Google Drive.
Unduh LKPD 1 — Eksplorasi Data Iris dengan Orange (Word)
Periksa nilai kosong, rangkum data dengan Pivot Table, lalu baca pola pada Scatter Plot dan Box Plot.
Unduh LKPD 2 — Dasar Data Science dengan Orange (Word)
Ikuti praktik klasifikasi di bawah untuk membandingkan Tree dan Naive Bayes dan membaca Confusion Matrix.
Praktik terbimbing LKPD 2 — Mengklasifikasikan bunga Iris#
Pertanyaan praktik: dapatkah ukuran bagian bunga membantu memprediksi spesies Iris? Di latihan ini, kamu akan membandingkan Tree dengan Naive Bayes, lalu membaca kesalahan masing-masing. Gunakan data contoh bawaan Orange.
Alur di canvas: File → Data Info dan Data Table untuk audit; File → Scatter Plot dan Box Plot untuk eksplorasi; File → Test & Score untuk data; Tree dan Naive Bayes → Test & Score untuk learner; Test & Score → Confusion Matrix untuk evaluasi. Jika peran kolom perlu diperbaiki, sisipkan Select Columns setelah File, lalu gunakan keluarannya untuk eksplorasi dan evaluasi.
1. Buka data dan pastikan peran kolom#
Buka canvas baru, tambahkan widget File, lalu pilih iris.tab dari daftar contoh bawaan. Hubungkan ke Data Table untuk melihat isi baris dan Data Info untuk membaca ringkasannya. Dataset latihan memiliki 150 pengamatan: 50 setosa, 50 versicolor, dan 50 virginica. Empat pengukuran dalam sentimeter menjadi fitur: panjang dan lebar sepal (kelopak) serta panjang dan lebar petal (mahkota). Spesies menjadi target kategorikal. Bila kamu mengimpor CSV sendiri, pastikan kolom spesies dikenali sebagai kategori dan diberi peran Target di Select Columns.
2. Amati pola sebelum melatih model#
Di Scatter Plot, pilih panjang petal di sumbu X, lebar petal di sumbu Y, dan spesies sebagai warna. Di Box Plot, pilih panjang petal sebagai variabel dan spesies sebagai pengelompokan. Catat dua pola dengan menyebutkan fitur yang kamu lihat. Misalnya, kelompok yang terlihat terpisah pada dua fitur ini mungkin lebih mudah dikenali, sedangkan titik yang berdekatan bisa lebih sering tertukar. Itu dugaan dari visualisasi; periksa melalui evaluasi.
3. Bandingkan Tree dan Naive Bayes#
Tambahkan Tree, Naive Bayes, dan Test & Score. Tree membuat serangkaian aturan pemisah; Naive Bayes memperkirakan kelas melalui probabilitas dengan asumsi fitur saling independen setelah kelas diketahui.
Hubungkan keluaran Data dari File atau Select Columns ke masukan Data. Hubungkan keluaran Learner dari masing-masing algoritma ke Test & Score. Kamu tidak perlu melatih keduanya di canvas secara terpisah untuk perbandingan ini.
Pilih Cross-validation dengan 5 fold dan gunakan Stratified jika tersedia. Setiap bagian bergantian menjadi data uji, sementara bagian lain digunakan untuk melatih model. Stratifikasi membantu menjaga proporsi spesies pada setiap bagian.
Catat CA (akurasi) dan F1 dari percobaan yang sama. CA 0,94 berarti 94% prediksi benar. Untuk laporan awal gunakan ringkasan semua kelas; jika memilih satu kelas target pada tampilan metrik, tulis nama kelas tersebut. Jangan menyamakan nilai rata-rata dengan kemampuan pada setiap kelas.
4. Baca Confusion Matrix dan hitung sendiri#
Hubungkan Evaluation Results dari Test & Score ke Confusion Matrix. Pilih model dan tampilan Number of instances. Baris adalah kelas aktual, kolom adalah hasil prediksi. Sel diagonal menunjukkan prediksi benar. Misalnya, angka 3 pada baris versicolor dan kolom virginica berarti tiga bunga versicolor diprediksi sebagai virginica.
Contoh numerasi: jika nilai diagonal adalah 50, 46, dan 47, jumlah prediksi benar = 143. Akurasi = 143 ÷ 150 × 100% = 95,33%. Ini contoh hitungan; gunakan angka dari percobaanmu. Untuk satu kelas, precision memakai total pada kolom prediksi sebagai penyebut, sedangkan recall memakai total pada baris aktual.
5. Tarik kesimpulan dan simpan workflow#
Jelaskan model yang kamu pilih, dukung dengan hasil evaluasi, dan sebutkan pasangan kelas yang sulit dibedakan. Tuliskan satu keterbatasan: evaluasi silang menunjukkan hasil pada pembagian data Iris yang sama, sehingga belum membuktikan kinerja pada jenis bunga lain atau data lapangan. Simpan canvas sebagai .ows melalui File → Save As. Berkas .ows menyimpan susunan widget; jika memakai data dari berkas sendiri, sertakan dataset yang boleh dibagikan agar workflow dapat dibuka kembali.
Rubrik LKPD 2: audit dan peran kolom 20 poin; visualisasi dan interpretasi 25 poin; workflow dan evaluasi 35 poin; kesimpulan dan kelengkapan pengumpulan 20 poin.
FAQ#
Kenapa Test & Score tidak menampilkan hasil? Periksa bahwa data dan minimal satu learner terhubung. Pastikan spesies ada di Target dan bertipe kategori.
Kenapa hasil teman saya berbeda? Periksa jumlah fold, pengaturan stratifikasi, learner, dan data yang dipakai. Laporkan pengaturan yang kamu gunakan agar perbandingan bisa diulang.
Apakah akurasi tinggi berarti model sudah bagus? Belum tentu. Baca kesalahan per kelas dan perhatikan jumlah data serta cara evaluasi. Dataset dengan kelas tidak seimbang bisa menghasilkan akurasi tinggi sambil gagal mengenali kelas minoritas.
Apakah boleh mengisi LKPD di Google Docs? Boleh. Simpan hasilnya sebagai dokumen di folder tugas bersama file .ows, lalu pastikan guru punya akses Pelihat.
Rujukan praktik: Dokumentasi resmi Orange · Test & Score · Confusion Matrix.
Cara mengumpulkan LKPD di Tanggapan#
Untuk setiap tahap, siapkan LKPD yang sudah diisi, workflow .ows, dan tangkapan layar yang diminta. Beri nama berkas dengan format Nama-Kelas-LKPD1 atau Nama-Kelas-LKPD2.
Unggah hasil setiap tahap ke folder Google Drive tersendiri. Beri guru akses Pelihat sesuai kebijakan sekolah dan salin tautan folder tugas.
Di bagian Tanggapan pada halaman ini, isi kolom Nama dengan format Nama-Kelas. Tulis nomor LKPD dan tempel tautan folder pada isi tanggapan. Pilih peran Siswa jika tersedia, lalu klik Kirim Tanggapan. Kirim satu tanggapan untuk setiap tahap.
Aulia-XI RPL 1 | LKPD 1 | [tautan folder Google Drive]
Aulia-XI RPL 1 | LKPD 2 | [tautan folder Google Drive]