Prosiding Seminar Nasional Sains dan Teknologi Terapan
2022: Energi Terbarukan dan Keberlanjutannya di Berbagai Sektor

Implementasi Pandas Data frame sebagai Agregasi dan Tabulasi Penyajian Data Luaran Survei Kepuasan Pengguna Proses Pembelajaran dalam Pendidikan Tinggi

Isa Albanna (Program Studi Sistem Informasi, Institut Teknologi Adhi Tama Surabaya, Surabaya)
R Tri Hadi Laksono (Program Studi Sistem Informasi, Institut Teknologi Adhi Tama Surabaya, Surabaya)



Article Info

Publish Date
30 Nov 2022

Abstract

Pandas (Python Data Analysis) merupakan pustaka pengolahan data dengan domain pemrograman python. Pustaka tersebut memiliki fitur data frame yang dapat membantu dalam manajemen data berbasis tabel atau informasi larik (array). Agregasi data dengan sumber luaran kegiatan survei kepuasan pengguna proses pembelajaran dalam pendidikan tinggi memiliki perekaman data sekitar 8800 baris. Rekaman data tersebut tersaji dalam file comma-separated values dengan isi parameter adalah objek dan butir penilaian. Penelitian ini bertujuan untuk melakukan agregasi dan penyusunan data tak terstruktur menjadi untaian data tabular sehingga memudahkan dalam penyajian informasi. Penelitian ini terdapat dua metode secara umum yaitu pengelompokan rekaman data dan penyajian data dalam tabel pivot. Pegelompokan data dilakukan dengan melihat indeks pengelompokan dan matrik nilai survei. Data yang tak terstruktur akan menjadi data utuh dengan pengelompokan berdasarkan indeks. Proses kedua setelah tahap pengelompokan adalah penyajian data dalam tabel pivot. Proses pivot dilakukan dengan transformasi matrik berpasangan untuk menjaga konsistensi isi data. Proses komputasi digunakan untuk membantu penyusunan data yang bersifat ganda dalam data frame tak terstruktur. Proses konfigurasi informasi secara otomatis dilakukan secara mandiri dari source code yang telah dibuat dengan beberapa kekangan informasi. Hasil luaran informasi dari seluruh proses pengolahan data frame adalah tabel pivot yang berisikan informasi pasangan objek dan nilai survei. Objek survei yang merupakan ID dari pengajar akan dipasangkan dengan butir penilaian oleh responden, yang nantinya informasi tersebut digunakan sebagai bahan analisis kualitatif kepuasan pengguna. Validasi dilakukan dengan mencocokan hasil penyajian data pivot dengan sumber data. Akurasi komputasi memiliki nilai 92.4% yang terhitung dari 50 titik uji dari matrik data. Waktu komputasi dari proses pengelompokan hingga penyajian data adalah 3-4 detik dengan jumlah data adalah 8800 baris. Komparasi runtime komputasi memiliki efisiensi yang cukup tinggi dalam penyajian data survei jika dibandingkan dengan penyajian data secara manual menggunakan Microsoft office.

Copyrights © 2022