Descriptive Analytics, Predictive Analytics dan Prescriptive Analytics dalam Data Science

Dalam ilmu data science, ada tahapan dalam menganalisis dan memanfaatkan data yang ada. Berikut saya coba jelaskan 3 contohnya.

1) Descriptive Analytics

Descriptive analytics adalah tahap pertama yang merupakan proses untuk menganalisa data yang ada. Umumnya data yang diolah dalam Big Data adalah data yang berjumlah banyak dengan ukuran yang besar, yang akan susah untuk dianalisa dan dimengerti oleh manusia. Disinilah descriptive analytics berperan. Proses descriptive analytics ini menggunakan beberapa metode statistik dan algoritma yang membantu untuk membaca, mengorganisir data. Contoh metode statistik dan algoritma yang digunakan adalah sampling, mean, mode, median, standard deviation, range, variance, stem and leaf diagram, histogram, interquartile range, quartiles, dan frequency distributions. Hasil dari analisa data akan ditampilkan dalam bentuk grafik visualisasi untuk memudahkan data untuk dibaca. Beberapa contoh grafik yang digunakan adalah Chart, Tables, dan Summary Statistics (dalam teks maupun angka).

2) Predictive Analytics

Predictive analytics ini merupakan tahap kedua setelah descriftive analytics. Inti dari tahap ini proses adalah pembuatan model prediksi menggunakan data yang ada sebagai acuan. Predictive analytics membuat model dari data dengan menggunakan metode machine learning. Pada tahap ini, data akan dibagi menjadi data latih dan data uji. Umumnya data latih memiliki jumlah yang lebih banyak dibandingkan dengan data uji, karena untuk membuat model yang dibuat lebih akurat, dibutuhkan knowledge atau pengetahuan yang dalam hal ini data dengan jumlah yang lebih banyak. Data latih akan digunakan dalam tahap pembuatan model pada machine learning, kemudian hasil dari model yang sudah dibuat akan diuji akurasinya menggunakan data uji. Ada banyak metode yang dapat digunakan pada predictive analytics seperti model regresi, dan klusterisasi data. Untuk algoritma, beberapa algoritma populer yang digunakan adalah Neural Networks, Naïve Bates, Support Vector Machines, Decision Tree dan K-Nearest Neighbors.

3) Prescriptive Analytics

Tahap selanjutnya dalam analisis yaitu prescriptive analytics. Prescriptive analytics fokus pada penentuan aksi yang akan dilakukan untuk membuat sebuah tujuan tercapai dengan mengandalkan hasil dari analisa data pada tahap tahap sebelumnya. Pada tahap ini, proses yang dilakukan yaitu menggunakan banyak kombinasi atribut hasil dari analisa deskriftip dan prediktif untuk melihat kombinasi atribut apa yang memiliki tingkat kesuksesan tertinggi yang nantinya akan diterapkan pada aksi yang nyata. Contoh prescriptive analytics ini pada marketing produk, peneliti akan mengkominasikan cara-cara dan media-media yang digunakan untuk promosi untuk melihat kombinasi yang paling berpotensi untuk membuat perusahaan menjadi untung. Beberapa metode dan algoritma yang dapat digunakan This study source was downloaded by 100000796217608 from CourseHero.com on 11-27-2022 19:10:10 GMT -06:00 https://www.coursehero.com/file/52088737/Makalah-Prekriftif-Analyticsdocx/ pada proses ini adalah Linear Programming, Sensitivity Analysis, Integer Programming, Goal Programming, Nonlinear Programming dan Simulation Modeling. Posisi dari prescriptive analytics ini jelas berada di atas descriptive dan predictive analytics. Prescriptive analytics ini adalah implementasi ujicoba hasil dari penggalian data pada tahap tahaptahap sebelumnya, seperti pemilihan atribut, pengujian model, dan pengujian prediksi yang akan menjadi kunci sukses dari tercapainya goal yang didapatkan dari hasil analisa tahap-tahap sebelumnya