ANALISIS DATA: SUB-BAB1 PENGENALAN ANALISIS DATA

Bayangkan kamu adalah seorang detektif digital yang baru saja menemukan sebuah catatan harian misterius berisi angka-angka pengeluaran bulanan seseorang. Tindakan pertama apa yang paling tepat kamu lakukan sebagai seorang analis data pemula untuk memahami catatan tersebut?

• Langsung membuat grafik batang yang indah untuk presentasi.

• Mencari nilai rata-rata, tertinggi, dan terendah dari pengeluaran.

• Menebak-nebak pola pengeluaran tanpa melihat data.

• Menulis laporan kesimpulan akhir tentang kebiasaan belanja orang tersebut.

• Mengabaikan angka-angka kecil karena dianggap tidak penting.

Kamu menemukan sebuah dataset berisi daftar judul film beserta rating yang diberikan oleh penonton. Jenis analisis data apa yang paling cocok untuk menemukan film dengan rating tertinggi dan terpopuler?

• Analisis Prediktif – Meramal film mana yang akan populer di masa depan.

• Analisis Diagnostik – Mencari tahu mengapa sebuah film mendapatkan rating buruk.

• Analisis Deskriptif – Menggambarkan film mana saja yang memiliki rating tinggi saat ini.

• Analisis Preskriptif – Memberikan rekomendasi film apa yang harus dibuat selanjutnya.

• Analisis Kualitatif – Membaca ulasan penonton satu per satu.

Seorang ilmuwan sedang meneliti hubungan antara jam tidur siswa dan nilai ujian mereka. Dia mengumpulkan data jam tidur dan nilai ujian dari 100 siswa. Setelah dianalisis, ditemukan bahwa siswa yang tidur lebih lama cenderung mendapatkan nilai lebih tinggi. Istilah yang paling tepat untuk menggambarkan hubungan ini dalam analisis data adalah...

• Kausalitas (tidur lebih lama PASTI menyebabkan nilai tinggi)

• Korelasi Positif (ada kecenderungan, tapi belum tentu sebab-akibat)

• Korelasi Negatif (jika satu naik, yang lain turun)

• Anomali Data (data yang aneh dan tidak biasa)

• Rata-rata Tertimbang (rata-rata dengan bobot tertentu)

"Sampah masuk, sampah keluar" (Garbage In, Garbage Out - GIGO) adalah sebuah ungkapan terkenal dalam dunia analisis data. Apa makna penting dari ungkapan ini bagi seorang analis data?

• Data yang berantakan dan tidak akurat akan menghasilkan analisis yang juga tidak akurat dan tidak berguna.

• Seorang analis data harus bisa membersihkan semua jenis data "sampah" tanpa terkecuali.

• Semakin banyak data yang dikumpulkan, meskipun kotor, akan semakin baik hasilnya.

• Analisis data hanya bisa dilakukan pada data yang sudah sangat bersih dan sempurna.

• Proses analisis data selalu menghasilkan "sampah" berupa informasi yang tidak relevan.

Dalam sebuah proyek analisis data untuk memprediksi harga rumah, seorang analis menemukan bahwa variabel "jarak rumah ke tempat pembuangan sampah akhir (TPA)" memiliki pengaruh signifikan terhadap harga. Semakin dekat rumah ke TPA, semakin rendah harganya. Jenis variabel "jarak rumah ke TPA" dalam konteks ini paling tepat disebut sebagai...

• Variabel Dependen (variabel yang ingin diprediksi)

• Variabel Independen (variabel yang mempengaruhi variabel dependen)

• Variabel Konstan (variabel yang nilainya tetap)

• Variabel Kategorikal (variabel yang berupa kategori, misal "dekat", "sedang", "jauh")

• Variabel Dummy (variabel buatan untuk merepresentasikan data kategorikal)

Seorang manajer pemasaran ingin memahami mengapa penjualan produk X tiba-tiba menurun drastis bulan lalu. Dia meminta tim analis data untuk menyelidiki penyebabnya dengan melihat data penjualan historis, data aktivitas kompetitor, dan ulasan pelanggan. Pendekatan analisis data yang paling sesuai untuk menjawab pertanyaan manajer tersebut adalah...

• Analisis Deskriptif – Hanya melaporkan berapa besar penurunannya.

• Analisis Prediktif – Meramalkan penjualan bulan depan.

• Analisis Diagnostik – Mencari akar penyebab dari masalah yang sudah terjadi.

• Analisis Preskriptif – Memberikan solusi bagaimana cara meningkatkan penjualan kembali.

• Analisis Eksploratif – Melihat-lihat data tanpa tujuan spesifik.