📊 Konsep Utama dalam Ilmu Data Tahap 1: Pengambilan, Penyimpanan, dan Pembersihan Data Big Data Basis Data Relasional NoSQL Data Warehouse Data Lake ETL (Extract, Transform, Load) atau ELT Data Wrangling Data Cleansing (Pembersihan Data) Penanganan Data Hilang Deteksi Outlier Tahap 2: Analisis dan Eksplorasi Data Statistika Deskriptif Statistika Inferensial Visualisasi Data Variabel dan Distribusi Probabilitas Uji Hipotesis Regresi Linier Korelasi Analisis Time Series A/B Testing Tahap 3: Pemodelan (Machine Learning) Pembelajaran Mesin (Machine Learning) Kecerdasan Buatan (Artificial Intelligence) Supervised Learning (Klasifikasi, Regresi) Unsupervised Learning (Clustering, Pengurangan Dimensi) Reinforcement Learning Deep Learning Jaringan Saraf Tiruan (Neural Network) Cross-Validation Overfitting dan Underfitting Rekayasa Fitur (Feature Engineering) Algoritma: K-Nearest Neighbors (KNN) Algoritma: Pohon Keputusan (Decision Tree) Algoritma: Support Vector Machine (SVM) Algoritma: Naive Bayes Algoritma: Random Forest Algoritma: K-Means Clustering Tahap 4: Penyebaran dan Domain Khusus Natural Language Processing (NLP) (Pemrosesan Bahasa Alami) Computer Vision Model Deployment (Penyebaran Model) Dashboard Interaktif Big Data Analytics Etika Data dan Bias Algoritma Keamanan Data Business Intelligence (BI)