Modul 4 — Modul 4 — Menyiapkan Data: Pembersihan, Transformasi, dan Rekayasa Fitur

• Menerapkan strategi penanganan nilai hilang, duplikat, dan nilai ekstrem yang sesuai dengan penyebabnya, serta menuliskan alasan pada setiap keputusan dalam catatan yang bisa ditelusuri ulang.
• Membedakan teknik pengubahan kolom kategorik dan teknik penyeragaman skala numerik, lalu menentukan kapan tiap teknik benar-benar diperlukan oleh algoritma yang dipakai.
• Merumuskan fitur turunan yang relevan dengan tugas analisis — kebaruan, frekuensi, dan nilai transaksi pelanggan, agregasi per periode, serta rasio pembanding — dan menjelaskan dugaan kontribusi tiap fitur terhadap hasil.
• Mengevaluasi risiko kebocoran informasi dan distorsi yang timbul dari urutan kerja penyiapan data, khususnya pemisahan data latih dan uji.