Description

Description

Dalam metode CRISP-DM dibagi menjadi enam fase utama, antara lain:

Business understanding
Proyek predictive analytics biasanya berfokus pada hal-hal seperti mendapatkan pelanggan baru, meningkatkan performa penjualan, dan menambahkan efisiensi pada suatu proses tertentu. Fase awal dari proyek analitik bertujuan untuk memahami masalah bisnis kemudian merancang solusi analitik berdasarkan data untuk menyelesaikan permasalahan tersebut. Tahapan ini mencakup proses klarifikasi masalah, menentukan tujuan atau objective, dan mengidentifikasi sumber daya yang dimiliki. Berdasarkan kondisi yang telah diuraikan sebelumnya, perusahaan akan mengembangkan sebuah sistem prediksi harga diamonds untuk menjawab permasalahan berikut: 

• Dari serangkaian fitur yang ada, fitur apa yang paling berpengaruh terhadap harga diamonds?
• Berapa harga pasar diamonds dengan karakteristik atau fitur tertentu?  

Untuk  menjawab pertanyaan tersebut, kita akan membuat predictive modelling dengan tujuan atau goals sebagai berikut:

• Mengetahui fitur yang paling berkorelasi dengan harga diamonds.
• Membuat model machine learning yang dapat memprediksi harga diamonds seakurat mungkin berdasarkan fitur-fitur yang ada.

Data understanding
Memiliki pemahaman mengenai data yang tersedia berikut sumbernya merupakan fase yang penting setelah tujuan proyek diputuskan. Fase ini memungkinkan untuk memahami informasi dalam data dan menentukan kualitasnya. Pemahaman data sangat penting untuk menghindari masalah yang tidak terduga selama fase berikutnya, yaitu fase persiapan data (data preparation).

Pertama import library akan yang di gunakan untuk melakukan proses loading data agar data dapat kita pahami

Output kode di atas memberikan informasi sebagai berikut:

• Ada 53.940 baris (records atau jumlah pengamatan) dalam dataset.
• Terdapat 10 kolom yaitu: carat, cut, color, clarity, depth, table, price, x, y, z.

Selanjutnya lakukan proses Exploratory Data Analysis (EDA)  yang merupakan proses inverstigasi awal pada data untuk melakukan analisis karakteristik, menemukan pola, anomali, dan memerika asumsi pada data. 

Data preparation
Data preparation merupakan salah satu tahapan penting yang paling memakan waktu. Proses yang dilakukan dalam tahapan ini bisa berbeda tergantung kebutuhan dan tujuannya. Namun, secara umum, hal-hal yang akan dilakukan dalam fase ini adalah menggabungkan data, menyeleksi data yang akan digunakan, melakukan proses transformasi data, dan membagi data menjadi data training dan test.

Pada bagian ini melakukan empat tahap persiapan data, yaitu:

• Encoding fitur kategori.

• Reduksi dimensi dengan Principal Component Analysis (PCA)

• Pembagian dataset dengan fungsi train_test_split dari library sklearn

• Standarisasi.

Modeling
Pemodelan biasanya dilakukan dalam beberapa iterasi. Pada fase ini, menggunakan algoritma machine learning yang berbeda untuk membuat model prediksi. Model-model ini kemudian dibandingkan dan model terbaiklah yang akan dipilih untuk diterapkan.

Evaluation
Sebelum model diterapkan, model perlu dievaluasi agar terbukti cocok untuk tujuan yang telah ditentukan. Fase ini bertujuan untuk memastikan bahwa model akan mampu membuat prediksi yang akurat dan tidak mengalami overfitting atau underfitting. 

Deployment
Pada fase ini, model machine learning yang telah Anda buat akan diintegrasikan ke dalam sistem organisasi. Secara umum, proses yang dilakukan dalam fase ini adalah: Mengintegrasikan model ke dalam sistem (proses deployment). Memonitor hasil deployment. dan Membuat laporan akhir dan melakukan evaluasi proyek.
 

Terlihat bahwa prediksi dengan Random Forest (RF) memberikan hasil yang paling mendekati.