BAB 2 RANGKUMAN FAUZAN 8E

 

1. PENGOLAHAN DATA AWAL

1.A. Impor data — jenis file dan cara umum

1) File spreadsheet (XLSX / XLS)

Langkah cepat:

1. Buka Excel → File → Open → pilih file .xlsx / .xls.

2. Jika membuka banyak sheet, pastikan pilih sheet yang benar.

3. Untuk otomatisasi: gunakan Data → Get Data → From File → From Workbook (Power Query) untuk transformasi yang dapat disimpan dan di-refresh.

Tips:

• Gunakan Ctrl+T untuk mengubah rentang menjadi Excel Table — memudahkan filter, sort, referensi dinamis.

• Simpan query Power Query agar impor ulang menjadi reproducible.

2) File teks (CSV, TXT)

Langkah impor (Excel modern):

1. Data → Get Data → From File → From Text/CSV.

2. Pilih file → Excel akan tampil preview. Pilih encoding (mis. UTF-8) dan delimiter (koma, titik koma, tab).

3. Jika perlu transformasi (mis. ubah tipe kolom, gabung kolom), klik Transform Data → buka Power Query Editor → lakukan pembersihan → Close & Load.

Masalah umum & solusi:

• Encoding jadi ???? → pilih UTF-8 atau ANSI.

• Separator salah (data di satu kolom) → ubah delimiter di pilihan impor.

• Tanggal terbaca sebagai teks → gunakan Change Type di Power Query atau DATEVALUE() di lembar.

3) File XML — cara impor dari Microsoft Excel

Ada dua metode (tergantung versi Excel):

Metode A — Power Query (Excel modern)

1. Data → Get Data → From File → From XML.

2. Pilih file .xml. Preview akan muncul di Power Query Editor (struktur tree).

3. Expand node yang diperlukan (ikon panah) untuk mengekstrak elemen/atribut menjadi kolom.

4. Ubah tipe data (klik header kolom → Data Type).

5. Close & Load untuk memuat ke worksheet atau model data.

Metode B — XML Maps (versi lama / mapping langsung)

1. Aktifkan Developer tab (File → Options → Customize Ribbon → centang Developer).

2. Developer → Source → XML Maps… → Add schema (.xsd) atau file XML untuk membuat map.

3. Drag elemen XML dari panel Source ke sel/area di worksheet untuk memetakan.

4. Developer → Import untuk mengimpor data XML ke area yang dimap.

Catatan: Power Query lebih fleksibel untuk transformasi berulang; XML Maps berguna bila Anda punya schema tetap dan butuh mapping sel-per-sel.

1.B. Impor dari Database

Jenis koneksi umum: SQL Server, MySQL (via ODBC), Microsoft Access, Oracle, PostgreSQL.

Langkah umum (Excel modern / Power Query):

1. Data → Get Data → From Database → pilih jenis database (From SQL Server Database / From Microsoft Access Database / From ODBC / From Database → lainnya).

2. Masukkan Server name dan Database (atau pilih file .accdb untuk Access).

3. Pilih mode autentikasi (Windows / Database / OAuth) dan masukkan credential.

4. Pilih tabel atau gunakan native query (SQL) untuk mengambil subset data.

5. Di Power Query Editor, bersihkan/tipiskan data lalu Close & Load.

Praktik terbaik:

• Gunakan query yang mengembalikan hanya kolom/row yang dibutuhkan (efisiensi).

• Simpan koneksi dan atur Refresh bila dataset berubah (Data → Queries & Connections → Properties → Refresh).

• Perhatikan izin/privasi data (jangan masukkan credential sensitif dalam file publik).

---

2. ORGANISIR DATA

2.A. Beri judul pada kolom — best practice

• Buat header di baris pertama: singkat, deskriptif, tanpa spasi (pakai underscore jika perlu), sertakan satuan jika relevan (mis. Revenue_USD, OrderDate).

• Hindari duplikasi nama kolom; setiap kolom harus punya nama unik.

• Jika dataset besar, buat Data Dictionary (lihat bagian penyimpanan).

2.B. Isi data (konsistensi dan validasi)

• Pastikan setiap kolom memiliki tipe data konsisten (angka di kolom angka, tanggal di kolom tanggal).

• Gunakan Data → Data Validation untuk memaksa entri yang valid (list dropdown, angka dalam rentang, format tanggal).

• Gunakan Format as Table (Ctrl+T) agar baris baru otomatis ikut format.

2.C. Format data — langkah membuat format angka desimal

Langkah manual:

1. Pilih sel atau rentang yang ingin diformat.

2. Tekan Ctrl + 1 → jendela Format Cells terbuka.

3. Pilih kategori Number.

4. Atur Decimal places (mis. 2), centang “Use 1000 Separator (,)” jika perlu.

5. Klik OK → cek tampilan.

Alternatif cepat:

• Gunakan tombol Increase/Decrease Decimal di tab Home.

• Formula untuk mengatur nilai (bukan tampilan): =ROUND(A2,2) atau =TEXT(A2,"0.00") (TEXT menghasilkan teks — hati-hati).

---

2.D. Filter dan Sort (langkah)

Filter

1. Pilih area data (atau klik salah satu sel di tabel).

2. Tab Data → klik Filter (atau Ctrl+Shift+L).

3. Klik panah di header kolom → pilih kondisi (sort, filter by value, text filters, number filters).

4. Untuk nonaktifkan: klik lagi Filter atau Clear pada menu filter.

Sort

1. Pilih kolom atau area.

2. Tab Data → Sort A→Z atau Sort Z→A.

3. Untuk multi-level: Sort → Custom Sort → tambahkan level (mis. Sort by Region, then by Sales desc).

Tips: Ubah rentang menjadi Table (Ctrl+T) untuk fitur filter/sort yang lebih rapi dan struktur referensi dinamis.

2.E. Grafik (chart) — langkah membuat dan analisis singkat

Membuat grafik

1. Pilih data (header + nilai).

2. Insert → pilih jenis grafik (Column, Line, Pie, Bar, Scatter, dll).

3. Excel membuat grafik; gunakan Chart Design / Format untuk menambah Title, Axis titles, Legend, Data Labels.

Analisis grafik

• Tambahkan Trendline (klik series → Add Trendline) untuk melihat tren.

• Gunakan PivotChart bila ingin ringkasan agregat dinamis.

• Periksa outlier (titik jauh) dan pola musiman.

---

3. DATA CLEANSING (Pembersihan Data)

Pengertian singkat

Data Cleansing = proses menemukan dan memperbaiki (atau menghapus) data yang salah, rusak, tidak konsisten, duplikat, atau hilang sehingga dataset siap dianalisis.

Bagian a. Filtering

• Gunakan AutoFilter untuk menampilkan subset data (mis. Status = "Completed").

• Di Power Query: gunakan Filter Rows untuk drop nilai tertentu atau kondisi logika.

Bagian b. Penggunaan fungsi (beberapa fungsi penting)

• TRIM(text) → hapus spasi ekstra.

• CLEAN(text) → hapus karakter non-printing.

• SUBSTITUTE(text, old, new) → ganti substring.

• VALUE(text) → konversi teks ke angka.

• DATEVALUE(text) / TIMEVALUE(text) → konversi teks ke tanggal/waktu.

• IFERROR(expr, fallback) → tangani error.

• ISBLANK(), ISNUMBER(), ISTEXT().

• LEFT/RIGHT/MID → ekstrak potongan string.

• TEXTJOIN / CONCAT → gabungkan kolom.

• VLOOKUP / INDEX+MATCH → sinkronisasi data antar sheet.

• ROUND, ROUNDUP, ROUNDDOWN.

Contoh cepat: untuk membersihkan spasi lalu konversi angka:

sql
=VALUE(TRIM(SUBSTITUTE(A2,".","")))

(bergantung pada format pemisah ribuan/desimal).

Bagian c. PivotTables

• Gunakan PivotTable untuk mendeteksi anomali (mis. jumlah per kategori, jumlah baris kosong per group).

• Buat Count of ID → untuk cek duplikasi, Sum of Amount → untuk outlier.

Bagian d. Find and Replace

• Ctrl + H → ubah teks massal (mis. ganti N/A dengan kosong atau 0).

• Dukung wildcard (* dan ?) untuk pattern.

Bagian e. Evaluasi Data

• Conditional Formatting → Highlight Cells Rules (greater than, duplicate values), gunakan Color Scales untuk melihat distribusi.

• Gunakan COUNTIF/COUNTIFS untuk menghitung frekuensi nilai yang mencurigakan.

• Hitung statistik dasar (AVERAGE, MEDIAN, STDEV) untuk deteksi outlier.

Bagian f. Penghapusan Duplikat

• Data → Remove Duplicates → pilih kolom kunci untuk pengecekan (mis. CustomerID + OrderDate).

• Sebelum hapus: buat kolom Count → =COUNTIFS(range,criteria) untuk menandai yang duplikat.

---

Cara praktis membersihkan data (step by step)

1. Backup file asli.

2. Konversi ke Table (Ctrl+T).

3. Hapus baris kosong

   • Pilih kolom kunci → Home → Find & Select → Go To Special → Blanks → Delete → Delete Sheet Rows.

4. Hapus duplikat

   • Data → Remove Duplicates → pilih kolom yang relevan.

5. Standardisasi teks

   • Gunakan TRIM, PROPER/UPPER/LOWER, SUBSTITUTE untuk format yang konsisten.

6. Perbaiki tipe data

   • Gunakan Change Type (Power Query) atau VALUE/DATEVALUE.

7. Isi nilai yang hilang (imputation)

   • Metode sederhana: Fill Down (Ctrl+D) atau =IF(ISBLANK(A2),A1,A2) untuk forward fill.

   • Metode statistik: ganti dengan mean/median per kelompok: =IF(ISBLANK(A2),AVERAGEIF(group_range,group, value_range),A2).

   • Metode lookup: isi dari tabel referensi via VLOOKUP / INDEX+MATCH.

   • Catatan: selalu dokumentasikan dan tandai sel yang diimputasi.

8. Validasi akhir

   • Gunakan Conditional Formatting untuk deteksi terakhir (negatif jika tak boleh negatif, dll).

9. Simpan versi bersih (mis. dataset_clean_v1.xlsx) dan simpan script Power Query jika ada.

---

Setelah Data Cleansing

1. Analisis Data (langkah selanjutnya)

• Exploratory Data Analysis (EDA): hitung COUNT, SUM, MEAN, MEDIAN, STD.

• PivotTable untuk ringkasan (per product, per region).

• Visualisasi: time series, histogram, boxplot (Excel add-ins atau export ke alat statistik).

• Uji korelasi: =CORREL(range1,range2) atau regresi sederhana (Data Analysis Toolpak).

2. Penyimpanan dan penyampaian

• Simpan format master: .xlsx untuk kerja lanjut, .csv untuk interchange.

• Metadata: buat README atau tab “_metadata” berisi sumber, tanggal impor, pemilik, transformasi yang dilakukan.

• Versi & Backup: simpan dengan timestamp (_2025-08-08) atau gunakan kontrol versi (Git/SharePoint).

• Export: jika perlu ke BI/DB — export ke CSV atau koneksi langsung ke DB.

• Delivery: susun laporan/dashboards (Excel dashboard, Power BI) dan ringkasan eksekutif (PPT atau PDF).

• Keamanan: jika data sensitif, enkripsi file atau simpan di folder terbatas (OneDrive for Business, SharePoint).

---

B. ANALISIS DAN PENGAMBILAN KEPUTUSAN

Alur sederhana dari data → keputusan

1. Tentukan tujuan keputusan (apa yang ingin dioptimalkan/diketahui).

2. Pilih KPI terkait (mis. CAC, LTV, Conversion Rate, Throughput).

3. Siapkan data bersih (sesuai langkah di atas).

4. Analisis (deskriptif, segmentasi, forecast).

5. Sajikan insight (dashboard, tabel pivot, ringkasan).

6. Rekomendasi & action plan berdasarkan hasil.

7. Monitor hasil setelah implementasi (A/B test, kontrol).

---

4. IDENTIFIKASI DATA — Pengertian dan contoh

Pengertian: proses mengenali dan mencatat data apa saja yang diperlukan untuk menjawab pertanyaan bisnis/analisis — meliputi nama field, tipe, sumber, frekuensi, owner, dan sensitivitas.

Contoh checklist identifikasi (sales dataset):

• OrderID — unik (String/Number) — sumber: ERP — sensitive: rendah.

• OrderDate — DateTime — sumber: ERP.

• CustomerID — String — sumber: CRM.

• ProductID, Quantity, UnitPrice, Region, SalesRep.

Tujuan: memastikan semua kolom penting ada sebelum analisis.

---

5. DATA KEPUTUSAN — pengertian dan jenis (dengan contoh)

Pengertian: Data yang digunakan untuk mendukung, membenarkan, atau mengarahkan keputusan bisnis.

a. Data numerik

• Contoh: revenue, jumlah unit, skor rating.

• Penggunaan: agregasi, rata-rata, forecast.

b. Data teks

• Contoh: nama produk, komentar pelanggan.

• Penggunaan: kategorisasi, analisis sentimen (untuk unstructured).

c. Data tanggal dan waktu

• Contoh: order date, login time.

• Penggunaan: analisis tren, seasonality, cohort analysis.

d. Data kategori / kualitatif

• Contoh: gender, segment, payment method.

• Penggunaan: gruping / pivot, analisis proporsi.

e. Data geografis

• Contoh: negara, kota, latitude/longitude.

• Penggunaan: peta penjualan, analisis regional.

f. Data berstruktur & tidak berstruktur

• Berstruktur: tabel (CSV, Excel). Mudah dimodel.

• Tidak berstruktur: teks bebas, log, gambar. Perlu preprocessing (NLP, ekstraksi).

g. Data historis & real-time

• Historis: data masa lalu untuk analisis tren/peramalan.

• Real-time: data streaming (sensor, transaksi live) untuk keputusan cepat.