Rekayasa Fitur (Feature Engineering): Mengubah Data Mentah Menjadi Wawasan Berharga

Pengertian Umum

Rekayasa fitur adalah proses mengubah data mentah menjadi fitur (variabel) yang lebih bermakna agar model machine learning dapat mempelajari pola dengan lebih baik.
👉 Tujuan utamanya: meningkatkan performa model dengan membuat representasi data yang lebih informatif.

1. Mengapa Rekayasa Fitur Penting?

• Model hanya sebaik kualitas fiturnya.
• Fitur yang tepat dapat meningkatkan akurasi tanpa mengubah algoritma.
• Mengurangi noise dan membuat data lebih relevan.

2. Teknik-Teknik Rekayasa Fitur

1. Encoding Variabel Kategorikal
   • One-Hot Encoding (pandas.get_dummies())
   • Label Encoding (sklearn.preprocessing.LabelEncoder)
2. Transformasi Data
   • Normalisasi & Standardisasi
   • Log Transform untuk data skewed
3. Ekstraksi Fitur
   • Dari teks → TF-IDF, word embeddings
   • Dari tanggal → tahun, bulan, hari, hari kerja/libur
4. Pembuatan Fitur Baru
   • Kombinasi variabel (ratio, difference)
   • Agregasi (mean, sum berdasarkan grup)
5. Penanganan Nilai Hilang
   • Imputasi (mean, median, mode, KNN imputer)

3. Contoh Praktis

Misalnya dataset penjualan:

• Data mentah: tanggal_transaksi
• Fitur baru: bulan, hari_dalam_minggu, apakah_hari_libur

4. Tujuan Akhir

• Menghasilkan dataset yang lebih informatif dan bersih.
• Membantu model machine learning belajar pola dengan lebih efektif.
• Mengubah data mentah menjadi wawasan berharga yang berdampak langsung pada prediksi.