LKPD Koding dan Kecerdasan Artifisial Kelas 11: Menerapkan Teknik Label Encoding dan Ordinal Encoding pada Dataset Menggunakan Python

INFORMASI UMUM

TUJUAN PEMBELAJARAN

1. Menerapkan teknik data encoding pada dataset untuk kebutuhan pengolahan data

PETUNJUK UMUM

• Bacalah instruksi pada setiap kegiatan dengan saksama sebelum mulai mengerjakan.
• Gunakan perangkat komputer atau laptop yang telah terpasang Python dan pustaka Pandas serta Scikit-Learn (Google Colab atau Jupyter Notebook).
• Kerjakan tugas penelusuran data secara mandiri atau berpasangan sesuai petunjuk guru.
• Tuliskan sintaks kode program dan hasil pemrosesan data secara runtut pada format yang disediakan.

KEGIATAN

Kegiatan 1: Menerapkan Label Encoding pada Data Fitur Nominal

Estimasi: 40 menit

Alat & Bahan:

• Komputer/Laptop
• Python environment (Google Colab / Jupyter Notebook)
• Pustaka pandas dan scikit-learn

Petunjuk Pengerjaan:

1. Perhatikan dataset mini survei aplikasi siswa berikut: Baris 1: Fajar, Google Classroom; Baris 2: Gina, Zenius; Baris 3: Hari, Ruangguru; Baris 4: Indah, Zenius; Baris 5: Rian, Google Classroom.
2. Gunakan pustaka pandas untuk menyusun DataFrame dan pustaka sklearn.preprocessing untuk memanggil LabelEncoder.
3. Lakukan transformasi kolom 'Aplikasi' menggunakan fit_transform() dari objek LabelEncoder.
4. Tuliskan kode program yang kamu susun serta hasil tabel setelah kolom baru terisi nilai numerik.

Pertanyaan:

1. Tuliskan baris kode Python lengkap untuk mengimpor pustaka, mendefinisikan dataset di atas ke DataFrame, dan menerapkan LabelEncoder pada kolom 'Aplikasi' sehingga menghasilkan kolom baru 'Aplikasi_Encoded'.

2. Lengkapi tabel pemetaan hasil Label Encoding berikut berdasarkan urutan alfabetis kategori teks: 'Google Classroom', 'Ruangguru', dan 'Zenius' ke dalam kode angka yang dihasilkan.

Format jawaban: 1) Blok teks kode Python (sintaks impor, deklarasi DataFrame, inisialisasi LabelEncoder, dan pemanggilan fit_transform). 2) Tabel 2 kolom: Kolom 1 'Nama Kategori Asli', Kolom 2 'Nilai Numerik Hasil Encoding'.

Kegiatan 2: Menerapkan Ordinal Encoding pada Data Fitur Bertingkat

Estimasi: 45 menit

Alat & Bahan:

• Komputer/Laptop
• Python environment (Google Colab / Jupyter Notebook)
• Pustaka pandas dan scikit-learn

Petunjuk Pengerjaan:

1. Perhatikan dataset kualitas tanah perkebunan berikut: Baris 1: Petak A, Rendah; Baris 2: Petak B, Sangat Tinggi; Baris 3: Petak C, Sedang; Baris 4: Petak D, Tinggi; Baris 5: Petak E, Rendah.
2. Kategori kualitas tanah memiliki hierarki tingkatan: 'Rendah' < 'Sedang' < 'Tinggi' < 'Sangat Tinggi'.
3. Gunakan kelas OrdinalEncoder dari sklearn.preprocessing dengan mendefinisikan urutan kategori secara eksplisit pada parameter categories.
4. Terapkan transformasi pada dataset dan tampilkan hasilnya.

Pertanyaan:

1. Tuliskan kode Python untuk menerapkan OrdinalEncoder pada kolom 'Kualitas_Tanah' dengan daftar hierarki yang tepat: ['Rendah', 'Sedang', 'Tinggi', 'Sangat Tinggi'].

2. Isikan nilai numerik hasil encoding untuk setiap baris data petak tanah pada tabel yang disediakan.

Format jawaban: 1) Blok sintaks Python lengkap OrdinalEncoder dengan penentuan list categories. 2) Tabel 3 kolom: 'Nama Petak', 'Kualitas Asli', 'Nilai Ordinal Encoded'.

Kegiatan 3: Menerapkan Data Encoding Campuran pada Dataset Multi-Fitur

Estimasi: 50 menit

Alat & Bahan:

• Komputer/Laptop
• Python environment (Google Colab / Jupyter Notebook)
• Pustaka pandas dan scikit-learn

Petunjuk Pengerjaan:

1. Perhatikan dataset pendaftaran beasiswa siswa berikut: - Siswa 1: Jurusan 'IPA', Tingkat Prestasi 'Nasional' - Siswa 2: Jurusan 'IPS', Tingkat Prestasi 'Sekolah' - Siswa 3: Jurusan 'Bahasa', Tingkat Prestasi 'Provinsi' - Siswa 4: Jurusan 'IPA', Tingkat Prestasi 'Sekolah' - Siswa 5: Jurusan 'IPS', Tingkat Prestasi 'Kabupaten' Hierarki Tingkat Prestasi: 'Sekolah' < 'Kabupaten' < 'Provinsi' < 'Nasional'.
2. Terapkan Label Encoding pada kolom 'Jurusan' (kategori nominal).
3. Terapkan Ordinal Encoding pada kolom 'Tingkat Prestasi' (kategori ordinal bertingkat).
4. Gabungkan hasil transformasi kedua teknik tersebut ke dalam satu DataFrame utuh yang siap digunakan untuk pemrosesan data.
5. Selesaikan kegiatan ini bersama penyusunan ringkasan dan refleksi akhir pembelajaran.

Pertanyaan:

1. Tuliskan skrip Python lengkap yang menerapkan LabelEncoder pada kolom 'Jurusan' dan OrdinalEncoder pada kolom 'Tingkat Prestasi' dalam satu DataFrame gabungan.

2. Lengkapi tabel dataset akhir yang memuat kolom: 'Siswa', 'Jurusan_Encoded', dan 'Prestasi_Encoded'.

Format jawaban: 1) Blok skrip Python pemrosesan kedua kolom kategorikal. 2) Tabel 3 kolom hasil transformasi final: 'Siswa', 'Jurusan_Encoded', 'Prestasi_Encoded'. Termasuk pengisian refleksi dan penutupan sesi.

REFLEKSI

1. Bagian langkah penulisan kode encoding mana yang paling mudah kamu pahami dan bagian mana yang memerlukan ketelitian ekstra?

2. Saat menemukan kolom data baru dalam kehidupan sehari-hari, bagaimana langkahmu memastikan apakah kolom tersebut perlu diubah dengan Label Encoding atau Ordinal Encoding?