Icon

Tugas_​Forum_​9_​Analitik_​Zaky Aulia Qolbi_​411231026-1

SOAL - 1
Dampak penghapusan outlier

Interpretasi dampak bisnis:

  • Menghapus outlier membuat rata-rata Revenue lebih representatif untuk penjualan normal

  • Jika outlier sangat tinggi, mean sebelum cleaning cenderung terlalu besar

  • Setelah cleaning, analisis performa produk/kategori jadi lebih stabil

  • Tapi outlier juga bisa merepresentasikan transaksi besar yang penting, jadi jangan langsung dibuang tanpa konteks bisnis

SOAL - 2
Bagaimana dipakai untuk prediksi:

  • Fitur-fitur ini cocok dijadikan input utama model prediksi Performance

  • Experience dan Projects sangat masuk akal sebagai prediktor bisnis

  • Training_Hours tetap penting, tapi perlu hati-hati karena korelasinya negatif

  • Karena dataset sangat kecil, hasil ini bagus untuk eksplorasi awal, tapi belum cukup kuat untuk generalisasi

SOAL - 3

SOAL - 4

SOAL - 5
Hasil analisis:

  • Profit awal tiap produk dihitung dari Revenue - Cost.

  • Setelah biaya naik 10%, profit setiap produk turun karena Cost menjadi lebih besar.

  • Secara total, profit turun dari 2500 menjadi 2120.

  • Artinya, terjadi penurunan sebesar 380 atau sekitar 15,2% dari total profit awal.

Interpretasi:

  • Kenaikan biaya bahan baku 10% berdampak langsung pada penurunan laba perusahaan.

  • Produk dengan biaya produksi paling besar akan menerima dampak penurunan profit yang lebih besar.

  • Jika kondisi ini berlangsung terus, margin keuntungan akan makin kecil dan bisnis jadi kurang efisien.

Rekomendasi efisiensi:

  1. Evaluasi pemasok bahan baku untuk mencari harga yang lebih kompetitif.

  2. Kurangi pemborosan material dalam proses produksi.

  3. Fokus pada produk dengan margin profit lebih tinggi.

  4. Pertimbangkan penyesuaian harga jual jika pasar memungkinkan.

  5. Tingkatkan efisiensi operasional agar kenaikan biaya bisa ditekan dari sisi lain.

Calculate simulated profit after cost increase
Expression
Average Revenue before cleaning
Statistics
Aggregate total profit and simulated profit
GroupBy
Simulate 10 percent cost increase
Expression
soal-1
Table Creator
soal-2
Table Creator
Split house price data into 70% training and 30% testing
X-Partitioner
Detect Revenue outliers with IQR and remove them
Numeric Outliers
soal-3
Table Creator
Train linear regression model to predict house price
Linear Regression Learner
Average Revenue after cleaning
Statistics
Compute linear correlation for employee performance features
Linear Correlation
Convert Distance_to_City from String to numeric for house price regression
String to Number
Visualize customer clusters
Scatter Plot
soal-5
Table Creator
soal-4
Table Creator
Calculate Profit = Revenue - Cost
Expression
Cluster customers into 3 groups
Fuzzy c-Means
Predict house prices on the test set
Regression Predictor
Summarize clustered customers
Statistics
Evaluate regression with R squared and RMSE
Numeric Scorer

Nodes

Extensions

Links