Data Science Sepak Bola FIFA 2019 – 2023 By Phyton – VisualStudioCod
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
.png)
· Cetak Ukuran Tabel
Untuk
menampilkan ukuran baris dan kolom
data_frame.shape
· Deskripsi Cetak
Untuk
menampilkan total data pemain sepak bola
data_frame.describe()
.png)
· Mengubah data ke Array
Untuk
menampilkan data sepak bola dalam baris
data_frame.values
.png)
· Menampilkan Data Pemain diatas 40th
Untuk
menampilkan data pemain diatas 40th
data_frame[data_frame["Age"]>40].head()
.png)
· 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
.png)
· 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
.png)
· Membuat Grafik
Import
library “seaborn” dengan nama “sb”
import seaborn as sns
sns.set()
graph = sns.scatterplot(x='Wage', y='Value', data=df1)
graph
.png)
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
.png)
· Cetak Ukuran Tabel
Untuk
menampilkan ukuran baris dan kolom
data_frame.shape
· Deskripsi Cetak
Untuk
menampilkan total data pemain sepak bola
data_frame.describe()
.png)
· Mengubah data ke Array
Untuk
menampilkan data sepak bola dalam baris
data_frame.values
.png)
· Menampilkan Data Pemain diatas 25th
Untuk
menampilkan data pemain diatas 25th
data_frame[data_frame["Age"]>25].head()
.png)
· 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'])
df1
.png)
· 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
.png)
· Membuat Grafik
Import
library “seaborn” dengan nama “sb”
import seaborn as sns
sns.set()
graph = sns.scatterplot(x='Wage', y='Value', data=df1)
graph
.png)
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
.png)
· Cetak Ukuran Tabel
Untuk
menampilkan ukuran baris dan kolom
data_frame.shape
.png)
· Deskripsi Cetak
Untuk
menampilkan total data pemain sepak bola
data_frame.describe()
.png)
· Mengubah data ke Array
Untuk
menampilkan data sepak bola dalam baris
data_frame.values
.png)
· Menampilkan Data Pemain diatas 25th
Untuk
menampilkan data pemain diatas 25th
data_frame[data_frame["Age"]>25].head()
.png)
· Membuat Data Baru Pada Kolom Tertentu
Menampilkan
data pemain sepak bola : Nama, Upah dan nilai
df1 = pd.DataFrame(data_frame, columns=['Name', 'Age',' Club', 'Value'])
df1
.png)
· 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
.png)
· Membuat Grafik
Import
library “seaborn” dengan nama “sb”
import seaborn as sns
sns.set()
graph = sns.scatterplot(x='Wage', y='Value', data=df1)
graph
.png)
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
.png)
· Cetak Ukuran Tabel
Untuk
menampilkan ukuran baris dan kolom
data_frame.shape
· Deskripsi Cetak
Untuk
menampilkan total data pemain sepak bola
data_frame.describe()
.png)
· Mengubah data ke Array
Untuk
menampilkan data sepak bola dalam baris
data_frame.values
.png)
· Menampilkan Data Pemain diatas 32th
Untuk
menampilkan data pemain diatas 32th
data_frame[data_frame["Age"]>32].head()
.png)
· 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
.png)
· 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
.png)
· Membuat Grafik
Import
library “seaborn” dengan nama “sb”
import seaborn as sns
sns.set()
graph = sns.scatterplot(x='Wage', y='Value', data=df1)
graph
.png)
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
.png)
· Cetak Ukuran Tabel
Untuk
menampilkan ukuran baris dan kolom
data_frame.shape
· Deskripsi Cetak
Untuk
menampilkan total data pemain sepak bola
data_frame.describe()
.png)
· Mengubah data ke Array
Untuk
menampilkan data sepak bola dalam baris
data_frame.values
.png)
· Menampilkan Data Pemain diatas 25th
Untuk
menampilkan data pemain diatas 25th
data_frame[data_frame["Age"]>25].head()
.png)
· Membuat Data Baru Pada Kolom Tertentu
Menampilkan
data pemain sepak bola : Nama, Upah dan nilai
df1 = pd.DataFrame(data_frame, columns=['Name', 'Age', 'Club' ,'Value' ])
df1
.png)
· 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
.png)
· Membuat Grafik
Import
library “seaborn” dengan nama “sb”
import seaborn as sns
sns.set()
graph = sns.scatterplot(x='Wage', y='Value', data=df1)
graph
.png)
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