EVALUASI PENGGUNA JUPYTER NOTEBOOK PADA PYTHON DALAM PEMBELAJARAN DATA SCIENCE (STUDI KASUS : KAPAL TITANIC)

Main Article Content

Aryanto Nur
Pramesti Refita Cahyani

Abstract

Penelitian ini berjudul "Evaluasi Penggunaan Jupyter Notebook pada Python dalam Pembelajaran Data Science (Studi Kasus: Kapal Titanic)" berfokus pada tragedi tenggelamnya RMS Titanic, yang terjadi pada 15 April 1912. Kasus ini dipilih karena Titanic merupakan salah satu bencana pelayaran paling terkenal dalam sejarah, di mana 1.514 dari 2.224 penumpang kehilangan nyawa setelah kapal menabrak gunung es. Salah satu faktor penyebab tingginya angka kematian adalah kurangnya jumlah sekoci penyelamat. Penelitian ini menganalisis data untuk mengeksplorasi peluang bertahan hidup penumpang berdasarkan kelompok atau golongan tertentu, memberikan wawasan tentang faktor-faktor yang mempengaruhi keselamatan. Dengan menggunakan Python dan Jupyter Notebook, penelitian ini bertujuan untuk menganalisis data historis Titanic dan menerapkan konsep data science dalam pembelajaran. Python, sebagai bahasa pemrograman yang kaya pustaka, memungkinkan analisis data yang efisien, sementara Jupyter Notebook menyediakan antarmuka interaktif yang memudahkan visualisasi dan interpretasi hasil. Melalui analisis data ini, diharapkan dapat dihasilkan temuan yang relevan terkait pola bertahan hidup penumpang, serta pemahaman yang lebih mendalam tentang aplikasi analisis data historis untuk kejadian penting dalam sejarah. Penelitian ini tidak hanya menambah wawasan tentang tragedi Titanic, tetapi juga menunjukkan potensi penggunaan alat analisis modern dalam konteks pendidikan data science, sehingga dapat memberikan kontribusi yang signifikan dalam pengajaran dan pemahaman analisis data di era digital.


 


This research is titled "Evaluation of the Use of Jupyter Notebook on Python in Data Science Learning (Case Study: The Titanic Shipwreck)" and focuses on the tragedy of the RMS Titanic sinking, which occurred on April 15, 1912. This case was chosen because the Titanic is one of the most famous maritime disasters in history, where 1,514 out of 2,224 passengers lost their lives after the ship struck an iceberg. One of the factors contributing to the high death toll was the lack of lifeboats. This study analyzes data to explore the survival chances of passengers based on specific groups, providing insights into the factors influencing safety.Using Python and Jupyter Notebook, this research aims to analyze historical Titanic data and apply data science concepts in learning. Python, as a rich library programming language, enables efficient data analysis, while Jupyter Notebook provides an interactive interface that facilitates the visualization and interpretation of results. Through this data analysis, it is expected to produce relevant findings regarding passenger survival patterns and a deeper understanding of the application of historical data analysis for significant historical events. This research not only enhances insights into the Titanic tragedy but also demonstrates the potential of modern analytical tools in the context of data science education, contributing significantly to teaching and understanding data analysis in the digital age.

Article Details

How to Cite
Nur, A., & Cahyani, P. R. (2024). EVALUASI PENGGUNA JUPYTER NOTEBOOK PADA PYTHON DALAM PEMBELAJARAN DATA SCIENCE (STUDI KASUS : KAPAL TITANIC). Kohesi: Jurnal Sains Dan Teknologi, 4(10), 21–30. https://doi.org/10.3785/kohesi.v4i10.6469
Section
Articles
Author Biographies

Aryanto Nur, Universitas Binasarana Informatika

Fakultas Teknik Informatika, Universitas Binasarana Informatika

Pramesti Refita Cahyani, Universitas Binasarana Informatika

Fakultas Teknik Informatika, Universitas Binasarana Informatika

References

Abdul Hafeez, Ali Hassan Sial. (2021). Comparative Analysis of Data Visualization Libraries Matplotlib and Seaborn in Python [HEC Y Cat] (diakses 2 Oktober 2024).

Few, S. (2008). Visual Business Intelligence - Data Visualization and Analysis - BI's Blind Spots. https://www.perceptualedge.com/blog/?p=367 (diakses 29 September 2024).

Fisika, J., & Sriwijaya, U. (2019). Penggunaan Piranti Lunak Jupyter Notebook dalam Upaya Mensosialisasikan Open Science Dedi Setiabudidaya. 2–5 (diakses 1 Oktober 2024).

Galahartlambang, Y., Khotiah, T., & Jumain, J. (2021). Visualisasi Data Dari Dataset COVID-19 Menggunakan Pemrograman Python. Jurnal Ilmiah Intech: Information Technology Journal of UMUS, 3(01), 58–64.

https://doi.org/10.46772/intech.v3i01.417 (diakses 2 Oktober 2024).

Hidayati, F., & Kahirina. (2020). Tak Hanya agar Rapi, Pahami Arti dan Pentingnya Data Cleansing, Yuk!

https://glints.com/id/lowongan/data-cleansing-cleaning/ (diakses 2 Oktober 2024).

Huda, N. (2022). Mengenal Visual Studio Code. https://www.dewaweb.com/blog/mengenal-visual-studio-code/ (diakses 9 Oktober 2024).

Meiryani. (2021). Memahami Perbedaan Analisis Kualitatif dan Analisis Kuantitatif dalam Penelitian Ilmiah.https://accounting.binus.ac.id/2021/08/12/memahami-perbedaan-analisis-kualitatif-dan-analisis-kuantitatif-dalam-penelitian-ilmiah/

(diakses 2 Oktober 2024).

Moertini, V. S., dkk. (2020). Pengantar Data Science dan Aplikasinya bagi Pemula. Bandung, Indonesia: Unpar Press. Hlm. 20.

Novanra, F., Rusharijanto, R., & Rasyifa, dkk. (2019). Analisis Film Titanic Sebagai Media Kampanye Mitigasi Bencana Kapal Tenggelam. SEMIOSTIKA: Jurnal Komunikasi, 13(02), 1–8.

https://journal.ubm.ac.id/index.php/semiotika/article/download/1942/1584 (diakses 2 Oktober 2024).

Retnowardhani, A., & Ramdani, T. (2019). Jenis-Jenis Data Analytics.

https://mmsi.binus.ac.id/2019/11/26/jenis-jenis-data-analytics/ (diakses 2 Oktober 2024).

Rohman, Y. A. (2019). Pengenalan NumPy, Pandas, Matplotlib | by Yasir Abdur Rohman | Medium (diakses 9 Oktober 2024).

Shanika, W. (2021). Jupyter Notebook for Data Analytics: A Beginner's Guide, 9 Agustus 2021.

https://www.bmc.com/blogs/installing-jupyter-for-big-data-and-analytics/ (diakses 1 Oktober 2024).

Sugiono. (2020). Metode Penelitian Kualitatif & Kuantitatif. Yogyakarta: Penerbit Pustaka Ilmu. Hlm. 361–362. https://anyflip.com/xobw/rfpq/basic

(diakses 2 Oktober 2024).

Tenggelamnya RMS Titanic.

https://id.wikipedia.org/wiki/Tenggelamnya_RMS_Titanic (diakses 1 Oktober 2024).

Tim Byjus. (2019). Data Sets.

https://byjus.com/maths/data-sets/ (diakses 2 Oktober 2024).

Tim Byjus. (2019). Multivariate Datasets When the Dataset Contains Three or More Than Three Variables.

https://byjus.com/maths/data-Sets/#:~:text=Multivariate%20Datasets&text=When%20the%20dataset%20contains%20three,or%20more%20than%20three%20variables (diakses 2 Oktober 2024).

Titanic - Machine Learning from Disaster. https://www.kaggle.com/c/titanic/overview (diakses 27 September 2024).

RMS Titanic - Wikipedia.

https://id.wikipedia.org/wiki/RMS_Titanic (diakses 1 Oktober 2024).

Harri, P. (2023). [Python] — Mengenal Bahasa Pemrograman Python via Jupyter Notebook. https://medium.com/@puterahari (diakses 9 Oktober 2024).