Tugas Programming

1. Profil Data Awal

#

Identifikasi dan tampilkan jumlah missing values dalam setiap kolom dataset UCI ML Breast Cancer Wisconsin.

2. Analisis Korelasi

#

Hitung dan tampilkan matriks korelasi antar variabel numerik dalam dataset UCI ML Breast Cancer Wisconsin.

3. Pembagian Dataset

#

Bagi dataset UCI ML Breast Cancer Wisconsin menjadi data pelatihan, validasi, dan pengujian dengan proporsi 70%, 10%, dan 20%.

4. Normalisasi Data

#

Terapkan Min-Max Scaling pada satu fitur numerik dalam dataset UCI ML Breast Cancer Wisconsin.

5. Pengelolaan Data yang Imbalance

#

Terapkan metode oversampling (SMOTE) pada dataset yang tidak seimbang.

Contoh Output:

Jumlah Data Pelatihan Sebelum SMOTE: 800
Jumlah Data Pelatihan Setelah SMOTE: 1600

6. Analisis Korelasi (Dataset: UCI Breast Cancer)

#

Tentukan dua fitur dengan korelasi tertinggi dalam dataset UCI ML Breast Cancer Wisconsin.