Kalau kamu melihat tabel berisi ratusan baris angka lalu bingung harus mulai dari mana, masalahnya biasanya bukan di Excel. Kamu belum punya pertanyaan yang jelas. Analisis data adalah proses mengubah data mentah menjadi informasi yang bisa dipakai untuk menjawab pertanyaan dan mengambil keputusan.
Aku biasa menjelaskan analisis data dari alurnya, bukan dari hafalan rumus. Saat menyiapkan kompetisi Excel, aku berlatih lewat studi kasus nyata seperti data cleaning, processing, dan visualisasi selama 18 minggu. Dari situ kelihatan bahwa tool hanya membantu. Pertanyaan yang tepat tetap harus datang lebih dulu.
Analisis data adalah proses apa?
Analisis data adalah proses memeriksa, membersihkan, mengolah, dan menafsirkan data agar kamu bisa menemukan pola atau menarik kesimpulan yang masuk akal.
Data mentah belum otomatis memberi jawaban. Misalnya, daftar transaksi hanya berisi tanggal, produk, jumlah, dan nilai penjualan. Setelah kamu mengelompokkan transaksi per bulan, membandingkan produk, dan memeriksa perubahan nilainya, data itu mulai menjawab pertanyaan.
Definisi ini sejalan dengan penjelasan GreatNusa tentang analisis data, yang menempatkan analisis data sebagai kegiatan mengolah data untuk memperoleh informasi dan mendukung keputusan.
Tujuan analisis data
Tujuan analisis data adalah membantu kamu memahami kondisi berdasarkan bukti, bukan sekadar kesan.
Beberapa tujuan yang paling umum adalah:
- Mendeskripsikan kondisi. Kamu ingin tahu apa yang sedang terjadi, misalnya jumlah penjualan per bulan atau nilai rata-rata ujian.
- Menemukan pola. Kamu mencari kecenderungan, perbedaan, atau hubungan antarvariabel.
- Menjelaskan penyebab yang mungkin. Kamu menelusuri faktor yang berkaitan dengan perubahan pada data. Bagian ini perlu hati-hati karena hubungan belum tentu berarti sebab-akibat.
- Membuat perkiraan. Data masa lalu bisa dipakai untuk memperkirakan kemungkinan yang akan datang, selama metode dan kualitas datanya memadai.
- Mendukung keputusan. Hasil analisis membantu kamu memilih tindakan dengan alasan yang lebih jelas.
Dalam praktiknya, satu analisis bisa punya lebih dari satu tujuan. Kamu mungkin mulai dengan melihat penjualan, lalu menemukan produk yang turun dan perlu ditelusuri lebih lanjut.
Alur dasar analisis data
Alur analisis data membantu kamu bekerja secara berurutan supaya tidak langsung membuat grafik dari data yang belum siap.
1. Tentukan pertanyaan
Mulailah dari pertanyaan yang ingin dijawab. "Bagaimana performa penjualan?" masih terlalu luas. Coba ubah menjadi "Produk mana yang mengalami penurunan penjualan pada tiga bulan terakhir?"
Pertanyaan yang lebih spesifik menentukan kolom apa yang perlu kamu pakai dan perbandingan seperti apa yang masuk akal. Kalau hasil akhirnya belum jelas, tanya dulu kepada pemberi tugas. Ini lebih hemat waktu daripada membersihkan semua kolom tanpa arah.
2. Kenali sumber dan bentuk data
Periksa dari mana data berasal, kapan dikumpulkan, apa arti setiap kolom, dan siapa yang mengisinya. Cek juga format tanggal, satuan angka, kategori, serta kemungkinan baris ganda.
Contoh sederhana: angka 1.500 bisa berarti seribu lima ratus atau 1,5, tergantung format dan konteksnya. Jangan langsung mengolah sebelum kamu memahami arti nilainya.
3. Bersihkan data
Data cleaning adalah tahap memperbaiki masalah pada data sebelum dipakai untuk analisis. Kamu bisa memeriksa nilai kosong, data duplikat, salah ketik, format yang tidak seragam, dan nilai yang tidak masuk akal.
Di Excel, kamu dapat mulai dengan Filter, Remove Duplicates, fungsi TRIM, serta pengecekan format tanggal dan angka. Jangan menghapus nilai hanya karena terlihat aneh. Cari tahu dulu apakah nilai itu memang salah atau justru kondisi yang ingin dianalisis.
4. Olah dan ringkas data
Setelah data lebih rapi, kelompokkan dan hitung sesuai pertanyaan. Gunakan total, rata-rata, jumlah, persentase, atau perbandingan yang relevan.
PivotTable bisa membantu saat kamu perlu meringkas banyak baris berdasarkan kategori atau periode. Namun, hasil PivotTable tetap perlu dibaca dengan konteks. Total besar belum tentu berarti performanya baik kalau jumlah hari atau jumlah transaksi tiap kelompok berbeda.
5. Visualisasikan hasil
Pilih bentuk grafik berdasarkan pesan yang ingin kamu sampaikan. Grafik garis cocok untuk melihat perubahan dari waktu ke waktu. Batang berguna untuk membandingkan kategori. Diagram sebar dapat membantu melihat hubungan dua variabel.
Jangan membuat grafik hanya karena datanya bisa dibuat grafik. Hapus elemen yang tidak membantu pembaca, beri judul yang jelas, dan pastikan satuan angkanya terlihat.
6. Tafsirkan dan komunikasikan
Hasil analisis perlu diterjemahkan menjadi kalimat yang mudah dipahami. Sebutkan temuan, batasan, dan tindakan yang bisa dipertimbangkan.
Contohnya, jangan berhenti di kalimat "penjualan produk A turun 15 persen". Jelaskan periode perbandingannya, sumber datanya, dan apakah ada faktor lain yang perlu diperiksa. Deepublish menjelaskan teknik analisis data dalam konteks penelitian, termasuk pentingnya menyesuaikan teknik dengan tujuan dan jenis data.
Contoh analisis data sederhana
Misalnya kamu memiliki data transaksi selama enam bulan dengan kolom tanggal, nama produk, jumlah terjual, dan nilai transaksi. Pertanyaanmu adalah: "Produk mana yang penjualannya menurun pada dua bulan terakhir?"
Alurnya seperti ini:
- Pastikan kolom tanggal terbaca sebagai tanggal dan nilai transaksi terbaca sebagai angka.
- Periksa transaksi ganda dan nama produk yang penulisannya berbeda.
- Buat ringkasan jumlah terjual per produk dan per bulan.
- Bandingkan dua bulan terakhir dengan periode sebelumnya.
- Buat grafik batang atau garis untuk memperlihatkan perubahan.
- Tulis kesimpulan dengan menyebut periode, produk, dan ukuran yang dipakai.
Perhatikan bahwa kesimpulan tidak boleh melampaui data. Kalau data hanya berisi transaksi, kamu belum bisa langsung menyimpulkan alasan penjualan turun. Kamu perlu data tambahan atau pemeriksaan lain.
Analisis data statistik dan teknik yang sering dipakai
Analisis data statistik memakai ukuran dan metode statistik untuk merangkum, membandingkan, atau menguji data.
Untuk pemula, beberapa teknik yang sering ditemui adalah statistik deskriptif, tabulasi silang, perbandingan persentase, korelasi, dan regresi. Statistik deskriptif membantu menggambarkan data. Korelasi menunjukkan hubungan antara dua variabel, tetapi tidak otomatis membuktikan sebab-akibat. Regresi dapat dipakai untuk memodelkan hubungan, dengan syarat asumsi dan kualitas datanya diperiksa.
Dalam penelitian, teknik yang dipilih juga dipengaruhi oleh jenis data, desain penelitian, dan tujuan pertanyaan. Telkomsel menjelaskan beberapa teknik analisis data beserta alur penggunaannya.
Tanya jawab singkat
Apakah analisis data harus memakai coding?
Tidak selalu. Kamu bisa belajar konsep dasar lewat Excel atau spreadsheet. Coding berguna ketika datanya besar, prosesnya berulang, atau analisisnya membutuhkan metode yang lebih khusus.
Apakah grafik sudah termasuk analisis data?
Grafik adalah alat untuk menyajikan hasil. Analisisnya tetap mencakup pertanyaan, pemeriksaan data, perhitungan, dan penafsiran.
Apa kesalahan pemula yang paling sering terjadi?
Biasanya langsung menghitung atau membuat grafik sebelum memahami pertanyaan dan kualitas data. Coba berhenti sebentar, cek konteksnya, lalu tentukan langkah berikutnya.
Kalau kamu ingin membangun dasar pengolahan data dari tool yang sering dipakai di pekerjaan, lanjutkan dengan membaca pillar Belajar Excel dari Nol: Panduan Dasar untuk Pemula. Mulai dari kasus kecil, cek logikanya, lalu baru tambah teknik yang kamu perlukan.
