MENGENAL LEBIH DEKAT DENGAN METODOLOGI DATA SCIENCE
![Gambar](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgjvRna6DAUbUkmusoKfduH6prOVnhAz6c3a7MzUr5iLKShsfZ8016iICUeTMeIvnSjm127UitkJkKTPihinAerECRxjWVL9KMxAtoojaOBX78Xlf50bEh1IFg8Dwqtnl-9eZ5adkN71_WGjPSU8XnhnnX9D-BHt8W6o2AH-VKiK5p2QZ_A8zAZyafw/s320/CRISP-DM-1.jpg)
Metodologi data science adalah langkah-langkah digunakan dalam proyek data science agar dapat menghasilkan hasil yang optimal yang dapat menjawab pertanyaan dari suatu masalah yang ingin diselesaikan. Metodologi ini tidak bergantung pada teknologi atau tools tertentu. Metodologi ini terdiri dari enam tahap utama, yaitu: 1. Pemahaman Bisnis Pemahaman bisnis adalah tahap pertama dari metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Pemahaman bisnis merupakan proses memahami konteks bisnis dan tujuan dari proyek data science yang akan dilakukan. Dalam tahap ini, data scientist harus memahami bagaimana proyek data science akan membantu mencapai tujuan bisnis dan menjawab pertanyaan-pertanyaan seperti: Apa yang ingin dicapai oleh proyek ini? Bagaimana proyek ini akan membantu mencapai tujuan bisnis? Siapa yang akan terlibat dalam proyek ini dan apa kepentingannya? Apa batasan waktu dan anggaran yang tersedia untuk proyek ini? Pemahaman bisnis sangat penting kar