Rangkuman Bab 2 Informatika : Analisis Data Lanjutan

 Penulis : Raisha Putri Sakinah (30) 8E

Contoh Data yang Akan Dianalisis

Pengertian Analisis Data

Analisis data adalah proses memeriksa, membersihkan, mengubah, dan menginterpretasikan data dengan tujuan menghasilkan informasi yang berguna untuk pengambilan keputusan. Proses ini membantu kita memahami situasi berdasarkan fakta, bukan hanya perkiraan atau pendapat. Dalam dunia informatika, analisis data mencakup tahapan mulai dari persiapan data (data awal) sampai penggunaan data tersebut untuk mendukung pengambilan keputusan.

Data sendiri adalah sekumpulan fakta mentah yang belum memiliki arti jelas. Setelah diolah, data menjadi informasi, yaitu data yang sudah diinterpretasikan dan memiliki makna. Analisis data berfungsi sebagai jembatan yang menghubungkan antara data mentah dan informasi yang bermanfaat.

Contohnya, seorang guru memiliki daftar nilai siswa dalam bentuk angka mentah. Angka tersebut tidak terlalu berguna jika dilihat begitu saja. Namun, setelah dilakukan analisis—misalnya menghitung rata-rata kelas, mencari siswa dengan nilai tertinggi atau terendah, atau membuat grafik perbandingan—data tersebut menjadi informasi yang bisa digunakan untuk membuat rencana pembelajaran.

 

Tahap Besar Analisis Data

Analisis data biasanya dibagi menjadi dua tahap besar. Pertama adalah pengolahan data awal, yaitu menyiapkan data agar siap dianalisis. Kedua adalah pengolahan data untuk keputusan, yaitu memanfaatkan data yang sudah siap untuk membuat kesimpulan dan keputusan.

 

A. Pengolahan Data Awal

Pengolahan data awal adalah tahap persiapan. Tujuannya untuk memastikan data yang akan dianalisis berada dalam kondisi yang baik, rapi, dan lengkap. Dalam tahap ini ada tiga langkah penting: impor data, mengorganisir data, dan membersihkan data.

a. Impor Data

Impor data adalah proses memindahkan data dari sumber asalnya ke dalam sistem atau aplikasi yang digunakan untuk analisis. Sumber data bisa berupa file Excel, file CSV, database, layanan cloud, maupun API dari aplikasi lain.
Dengan melakukan impor data, kita bisa menghemat waktu karena tidak perlu mengetik ulang data yang sudah ada. Selain itu, proses impor juga membantu mengurangi risiko kesalahan manusia dalam memasukkan data.

Contoh sederhana adalah guru yang mengimpor daftar nilai siswa dari file Excel ke Google Sheets atau aplikasi analisis. Contoh lain, peneliti cuaca mengunduh data suhu dan curah hujan dari situs BMKG, lalu mengimpornya ke software analisis statistik. Setelah data berhasil diimpor, barulah kita bisa melangkah ke tahap berikutnya.

1.      Mengimpor File

Microsoft eexcel memiliki kemampuan untuk mengimpor berbagai jenis file data yang berbeda

1.1.    File Spreadsheet

1.2.    File Teks (CSV, TXT)

1.3.    File XML

2.      Mengimpor Database

Database adalah Kumpulan data yg terstruktur dan disususun hingga memungkinkan penyimpanan, pengaturan, dan pengambilan data secara efisien

 

b. Organisir Data

Setelah data masuk ke sistem, langkah selanjutnya adalah mengorganisir data supaya rapi dan terstruktur. Data yang berantakan akan menyulitkan proses analisis dan bisa menyebabkan kesimpulan yang salah.

Mengorganisir data mencakup beberapa hal. Pertama, membuat struktur yang jelas, biasanya dalam bentuk baris dan kolom jika menggunakan spreadsheet. Kedua, memberi nama kolom dengan deskripsi yang mudah dipahami, misalnya “Tanggal Transaksi” daripada hanya “Tanggal”. Ketiga, mengurutkan data sesuai kebutuhan, seperti dari nilai tertinggi ke terendah, atau berdasarkan abjad. Keempat, mengelompokkan data jika jumlahnya banyak, misalnya memisahkan data per kelas, per bulan, atau per kategori produk.

Contohnya, data penjualan toko bisa diurutkan berdasarkan tanggal untuk melihat tren penjualan harian. Data nilai siswa bisa dikelompokkan berdasarkan mata pelajaran untuk memudahkan perbandingan.

Contoh cara mengorganisir data dalam bentuk table Microsoft:

1.      Beri judul pada kolom

2.      Isi Data

3.      Format Data

Cara mengformat data angka decimal, format tanggal, atau format mata uang dalam Microsoft Excel:

1.      Pilih sel atau rentang yang ingin diformat

2.      Pilih jendela atau format sel

3.      Pilih kategori format

4.      Atur format

5.      Pratinjau dan Terapkan

 

c. Data Cleansing (Pembersihan Data)

Data cleansing atau pembersihan data adalah proses

Masalah yang sering muncul dalam data antara lain:

• Data ganda, yaitu entri yang sama muncul dua kali.
• Data hilang, yaitu ada kolom atau baris yang kosong.
• Data tidak konsisten, misalnya penulisan “Jl. Sudirman” dan “Jalan Sudirman” yang dianggap berbeda oleh komputer.
• Data tidak masuk akal, seperti umur 150 tahun atau nilai ujian lebih dari 100.

Langkah pembersihan data meliputi memeriksa data satu per satu atau menggunakan fungsi otomatis untuk mendeteksi duplikasi, melengkapi data kosong jika memungkinkan, menyamakan format penulisan (misalnya semua tanggal menggunakan format “8 Agustus 2025”), dan memperbaiki data yang keliru.

Beberapa Teknik umum yang digunakan untuk melakukan data cleansing dalam Excel:

1.      Filtering

2.      Penggunaan fungsi

3.      PivotTables

4.      Find and Replace

5.      Validasi Data

6.      Penghapusan Duplikat

 

 

B. Pengolahan Data Keputusan

Setelah data rapi dan bersih, barulah kita masuk ke tahap pengolahan data untuk keputusan. Tahap ini fokus pada memahami data, mencari pola, dan menggunakannya untuk menentukan langkah yang tepat.

a. Identifikasi Data

Identifikasi data adalah proses mengenali dan memahami data yang kita miliki. Ini meliputi mengetahui jenis data, sumber data, jumlah data, periode waktu data, dan tujuan penggunaan data tersebut.

Jenis data secara umum terbagi menjadi dua: data kuantitatif dan data kualitatif. Data kuantitatif adalah data berbentuk angka, seperti jumlah siswa, nilai ujian, tinggi badan, atau total penjualan. Data kualitatif adalah data berbentuk deskripsi atau kategori, seperti warna, jenis kelamin, tingkat kepuasan, atau opini.

Data Keputusan adalah jenis data yang mendukung pengambilan data

1.      Data Numerik

2.      Data Teks

3.      Data Tanggal dan Waktu

4.      Data Kategori

5.      Dara Geografis

6.      Data Berstruktur dan Tak Berstruktur

7.      Data Geografis dan Real Time

Tujuan identifikasi data adalah memastikan kita tahu persis apa yang akan dianalisis, sehingga kita bisa memilih metode analisis yang tepat. Misalnya, data nilai ujian bisa dianalisis dengan mencari rata-rata, sedangkan data opini pelanggan lebih cocok dianalisis dengan melihat kategori atau kata yang paling sering muncul.

Contoh identifikasi data adalah sekolah yang mengumpulkan data absensi siswa selama setahun penuh, lalu mencatat bahwa data tersebut berasal dari laporan guru kelas, mencakup 300 siswa, dan berisi keterangan hadir, izin, sakit, atau alfa.

Dalam konteks penggunaan Microsoft Excel, identifikasi data mengacu pada proses  mengenali dan menentukan data apa yang akan digunakan dalam analisis atau pemrosesan menggunakan perangkat lunak tersebut.

 

b. Analisis dan Data Keputusan

Analisis data adalah inti dari tahap ini. Analisis dilakukan untuk menemukan informasi yang tersembunyi di balik data mentah, seperti tren, pola, hubungan, atau perbedaan yang signifikan. Ada beberapa metode analisis yang umum digunakan.

Pertama, analisis deskriptif yang menjelaskan data apa adanya, misalnya menghitung rata-rata nilai, mencari jumlah total penjualan, atau menghitung persentase kehadiran siswa. Kedua, analisis komparatif yang membandingkan dua atau lebih kelompok data, seperti membandingkan nilai ujian antara dua kelas. Ketiga, analisis tren yang mencari pola perubahan dari waktu ke waktu, misalnya tren peningkatan nilai siswa setiap semester. Keempat, analisis prediktif yang menggunakan data masa lalu untuk memprediksi hasil di masa depan.

Proses analisis biasanya diawali dengan menentukan tujuan analisis. Tujuan ini akan menentukan metode yang dipakai. Setelah itu, data diolah dengan alat bantu seperti Excel, Google Sheets, atau software khusus analisis. Hasil analisis kemudian disajikan dalam bentuk yang mudah dipahami, seperti grafik, diagram, atau ringkasan narasi. Terakhir, hasil analisis digunakan untuk mengambil keputusan.

Contoh penerapan di sekolah adalah guru yang menganalisis data nilai ujian untuk menemukan siswa yang membutuhkan remedial. Di dunia bisnis, pemilik toko bisa menganalisis data penjualan untuk memutuskan produk mana yang perlu diperbanyak stoknya.

Cara Analisis Data:

Data Awal:

Analisis :

1.      Tren Penjualan dan Pendapatan

Bisa dilihat secara langsung dari data. Misalnya, penjualan dan pendapatan cenderung meningkat dari Januari hingga April

2.      Perbandingan Jumlah Buku Terjual Antar Bulan

3.      Analisis Regresi

Tidak secara menggambarkan analisis regresi, tapi kalian dapat menggunakan alat analisis regresi Excel untuk menentukan hubungan antara bulan dan penjualan buku.

4.      Kesimpulan Tambahan

Dari data, kita melihat adanya peningkatan penjualan bulanan, yang mengindikasikan pertumbuhan yang positif. Ini bisa menjadi sinyal baik untuk Kesehatan bisnis toko buku.

 

Pentingnya Analisis Data Lanjutan

Analisis data lanjutan memiliki banyak manfaat. Pertama, membantu pengambilan keputusan yang lebih tepat karena didasarkan pada fakta dan angka, bukan sekadar perkiraan. Kedua, membuat pekerjaan lebih efisien karena kita tahu langkah yang harus diambil tanpa membuang waktu pada hal yang tidak penting. Ketiga, memungkinkan kita melihat pola dan tren yang mungkin tidak terlihat jika hanya melihat data mentah. Keempat, membantu meningkatkan kinerja, baik di sekolah, bisnis, maupun organisasi, karena keputusan yang diambil lebih terarah.

 

Contoh Alur Lengkap Analisis Data Lanjutan

Bayangkan sebuah sekolah ingin meningkatkan prestasi siswa pada ujian matematika. Langkah-langkahnya bisa seperti ini:
Pertama, guru mengimpor data nilai matematika siswa dari file Excel. Kedua, data tersebut diorganisir berdasarkan kelas dan semester. Ketiga, guru melakukan data cleansing dengan menghapus entri ganda, melengkapi nilai yang kosong, dan menyamakan format penulisan nama. Keempat, guru mengidentifikasi data mana yang akan dianalisis, misalnya nilai semester 1 dan semester 2. Kelima, guru menganalisis data untuk melihat tren peningkatan atau penurunan nilai, rata-rata tiap kelas, dan jumlah siswa yang nilainya di bawah KKM. Keenam, berdasarkan hasil analisis, guru memutuskan untuk membuat kelas tambahan bagi siswa yang nilainya kurang dan memberikan tantangan tambahan bagi siswa yang nilainya sangat baik.

 

Kesimpulan

Analisis data lanjutan adalah keterampilan yang sangat penting di era digital, di mana data menjadi sumber informasi utama untuk pengambilan keputusan. Prosesnya dimulai dari pengolahan data awal, yang mencakup impor data, pengorganisasian, dan pembersihan, hingga pengolahan data untuk keputusan, yang meliputi identifikasi data serta analisis untuk menghasilkan informasi yang dapat digunakan.

Dengan memahami dan menerapkan proses ini, kita bisa mengubah data mentah menjadi informasi berharga, menyajikan hasil analisis secara jelas, dan mengambil keputusan yang tepat serta efisien. Kemampuan ini berguna di berbagai bidang, mulai dari pendidikan, bisnis, penelitian, hingga kehidupan sehari-hari. Semakin kita terampil dalam menganalisis data, semakin besar pula peluang kita untuk membuat keputusan yang membawa hasil positif.