1

MODUL PERKULIAHAN

W542100001
– Analisis
Data
Pendahuluan

Abstrak Sub-CPMK

Definisi Analisis Data. Sub-CPMK 1.1

Contoh Analisis Data dan Pengetahuan Dasar tentang Analisis
efektifitasnya. Contoh Data dan Contoh Implementasinya.
pemrosesan Data
menggunakan MS Excel.
Definisi Analisis Data
Analisis data didefinisikan sebagai proses penyaringan, transformasi, dan
pemodelan data untuk mendapatkan informasi bermakna terkait pengambilan keputusan.
Data dapat berasal dari pengamatan fakta alamiah, seperti sensus penduduk, temperatur
di beragam waktu dan tempat, jumlah konsumsi bahan bakar di beragam kendaraan atau
informasi lainnya. Data bisa juga berasal dari pengamatan hasil eksperimen atau
rekayasa tertentu, misalnya hasil pengujian kualitas bahan, hasil uji efektifitas penerapan
metode tertentu dll. Tujuan Analisis Data adalah mengekstrak informasi yang berguna
dan mengambil keputusan berdasarkan analisis data.
Contoh sederhana dari analisis data adalah setiap kali kita mengambil keputusan
dalam kehidupan kita sehari-hari adalah dengan mempertibangkan apa yang telah terjadi
sebelumnya dan apa yang akan terjadi jika memilih keputusan tersebut. Ini tidak lain
adalah menganalisis masa lalu atau masa depan kita dan membuat keputusan
berdasarkan itu. Untuk itu, kita mengumpulkan kenangan masa lalu kita atau impian masa
depan kita. Jadi itu tidak lain adalah analisis data.

Tujuan Analisis Data

Untuk memperbaiki kualitas hidup, jelas diperlukan Analisis. Misalnya, jika bisnis
tidak berkembang, maka seseorang harus melihat ke belakang dan mengakui
kesalahannya, serta membuat rencana lagi tanpa mengulangi kesalahan itu. Dan bahkan
jika bisnis berkembang, maka seseorang tetap harus melihat ke depan untuk membuat
bisnis tumbuh lebih banyak. Yang perlu Anda lakukan adalah menganalisis data bisnis
dan proses bisnis Anda.

Sarana Analisis Data

Gambar 1.1. Sarana Analisis Data

202 Analisis Data

1 2 Eko Ihsanto, Dr, Ir, M.Eng
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 Sarana analisis data memudahkan pengguna untuk memproses dan memanipulasi
data, menganalisis hubungan dan korelasi antara kumpulan data, dan juga membantu
mengidentifikasi pola dan tren untuk interpretasi. Berikut adalah daftar lengkap alat yang
digunakan untuk analisis data dalam penelitian.

Jenis Analisis Data: Teknik dan Metode

Ada beberapa jenis teknik Analisis Data yang ada berdasarkan bisnis dan teknologi.
Namun, metode Analisis Data utama adalah:

 Analisis Teks
 Analisis statistik
 Analisis Diagnostik
 Analisis Prediktif
 Analisis Preskriptif

Analisis Teks
Analisis Teks juga disebut sebagai Data Mining. Ini adalah salah satu metode
analisis data untuk menemukan pola dalam kumpulan data besar menggunakan database
atau alat data mining . Ini digunakan untuk mengubah data mentah menjadi informasi
bisnis. Alat Business Intelligence hadir di pasar yang digunakan untuk mengambil
keputusan bisnis strategis. Secara keseluruhan ia menawarkan cara untuk mengekstrak
dan memeriksa data dan menurunkan pola dan akhirnya interpretasi data.

Analisis statistik
Analisis Statistik menunjukkan "Apa yang terjadi?" dengan menggunakan data
masa lalu berupa dashboard. Analisis Statistik meliputi pengumpulan, Analisis,
interpretasi, penyajian, dan pemodelan data. Ini menganalisis satu set data atau sampel
data. Ada dua kategori dari jenis Analisis – Analisis Deskriptif dan Analisis Inferensial.

Analisis Deskriptif

Analisis Deskriptif merupakan data lengkap atau sampel data numerik yang
diringkas. Ini menunjukkan mean dan deviasi untuk data kontinu sedangkan persentase
dan frekuensi untuk data kategorikal.

202 Analisis Data

1 3 Eko Ihsanto, Dr, Ir, M.Eng
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Analisis Inferensial

Metode ini menganalisis sampel dari data yang lengkap. Dalam jenis Analisis ini,
Anda dapat menemukan kesimpulan yang berbeda dari data yang sama dengan memilih
sampel yang berbeda.

Analisis Diagnostik

Analisis Diagnostik menunjukkan "Mengapa itu terjadi?" dengan menemukan

penyebab dari wawasan yang ditemukan dalam Analisis Statistik. Analisis ini berguna
untuk mengidentifikasi pola perilaku data. Jika masalah baru muncul dalam proses bisnis
Anda, maka Anda dapat melihat ke dalam Analisis ini untuk menemukan pola serupa dari
masalah itu. Dan mungkin memiliki peluang untuk menggunakan resep serupa untuk
masalah baru.

Analisis Prediktif

Analisis Prediktif menunjukkan “apa yang mungkin terjadi” dengan menggunakan

data sebelumnya. Contoh analisis data yang paling sederhana adalah seperti jika tahun
lalu saya membeli dua gaun berdasarkan tabungan saya dan jika tahun ini gaji saya
meningkat dua kali lipat maka saya dapat membeli empat gaun. Tapi tentu saja tidak
mudah seperti ini karena Anda harus memikirkan keadaan lain seperti kemungkinan
harga pakaian meningkat tahun ini atau mungkin bukannya gaun Anda ingin membeli
sepeda baru, atau Anda perlu membeli rumah!
Jadi di sini, Analisis ini membuat prediksi tentang hasil masa depan berdasarkan
data saat ini atau masa lalu. Prediksi hanyalah perkiraan. Akurasinya didasarkan pada
seberapa banyak informasi rinci yang Anda miliki dan seberapa banyak Anda menggali di
dalamnya.

Analisis Preskriptif

Analisis Preskriptif menggabungkan wawasan dari semua Analisis sebelumnya

untuk menentukan tindakan mana yang harus diambil dalam masalah atau keputusan
saat ini. Sebagian besar perusahaan berbasis data menggunakan Analisis Preskriptif
karena Analisis prediktif dan deskriptif tidak cukup untuk meningkatkan kinerja data.
Berdasarkan situasi dan masalah saat ini, mereka menganalisis data dan membuat
keputusan.

202 Analisis Data

1 4 Eko Ihsanto, Dr, Ir, M.Eng
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
202 Analisis Data
1 5 Eko Ihsanto, Dr, Ir, M.Eng
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Proses Analisis Data

Analisis Data diawali dengan pengumpulan informasi dengan menggunakan aplikasi

yang tepat atau alat yang memungkinkan Anda untuk menjelajahi data dan menemukan
pola di dalamnya. Berdasarkan informasi dan data itu, Anda dapat membuat keputusan,
atau Anda bisa mendapatkan kesimpulan akhir.
Analisis Data terdiri dari fase-fase berikut:
 Pengumpulan Kebutuhan Data
 Pengumpulan data
 Pembersihan Data
 Analisis data
 Interpretasi data
 Visualisasi data

Pengumpulan Kebutuhan Data

Pertama-tama, Anda harus memikirkan mengapa Anda ingin melakukan analisis

data ini? Yang Anda butuhkan untuk mengetahui maksud atau tujuan dari melakukan
Analisis data. Anda harus memutuskan jenis analisis data yang ingin Anda lakukan! Pada
fase ini, Anda harus memutuskan apa yang akan dianalisis dan bagaimana mengukurnya,
Anda harus memahami mengapa Anda menyelidiki dan ukuran apa yang harus Anda
gunakan untuk melakukan Analisis ini.

Pengumpulan data

Setelah pengumpulan kebutuhan, Anda akan mendapatkan ide yang jelas tentang
hal-hal apa yang harus Anda ukur dan apa yang harus menjadi temuan Anda. Sekarang
saatnya untuk mengumpulkan data Anda berdasarkan persyaratan. Setelah Anda
mengumpulkan data Anda, ingatlah bahwa data yang dikumpulkan harus diproses atau
diatur untuk Analisis. Saat Anda mengumpulkan data dari berbagai sumber, Anda harus
menyimpan log dengan tanggal pengumpulan dan sumber data.

Pembersihan Data

Sekarang data apa pun yang dikumpulkan mungkin tidak berguna atau tidak relevan
dengan tujuan Analisis Anda, oleh karena itu harus dibersihkan. Data yang dikumpulkan
mungkin berisi catatan duplikat, spasi atau kesalahan. Data harus dibersihkan dan bebas
dari kesalahan. Fase ini harus dilakukan sebelum Analisis karena berdasarkan

202 Analisis Data

1 6 Eko Ihsanto, Dr, Ir, M.Eng
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
pembersihan data, keluaran Analisis Anda akan lebih mendekati hasil yang Anda
harapkan.

Analisis data

Setelah data dikumpulkan, dibersihkan, dan diproses, data siap untuk Analisis. Saat
Anda memanipulasi data, Anda mungkin menemukan bahwa Anda memiliki informasi
yang tepat yang Anda butuhkan, atau Anda mungkin perlu mengumpulkan lebih banyak
data. Selama fase ini, Anda dapat menggunakan alat dan perangkat lunak analisis data
yang akan membantu Anda memahami, menafsirkan, dan menarik kesimpulan
berdasarkan persyaratan.

Interpretasi data

Setelah menganalisis data Anda, akhirnya tiba saatnya untuk menginterpretasikan

hasil Anda. Anda dapat memilih cara untuk mengekspresikan atau mengomunikasikan
analisis data Anda baik yang dapat Anda gunakan hanya dengan kata-kata atau mungkin
tabel atau bagan. Kemudian gunakan hasil proses analisis data Anda untuk memutuskan
tindakan terbaik Anda.

Visualisasi data

Visualisasi data sangat umum dalam kehidupan Anda sehari-hari; mereka sering
muncul dalam bentuk bagan dan grafik. Dengan kata lain, data ditampilkan secara grafis
sehingga akan lebih mudah bagi otak manusia untuk memahami dan mengolahnya.
Visualisasi data sering digunakan untuk menemukan fakta dan tren yang tidak diketahui.
Dengan mengamati hubungan dan membandingkan kumpulan data, Anda dapat
menemukan cara untuk menemukan informasi yang berarti.

Ringkasan Definisi dan Ragam Analisis Data

 Analisis data berarti proses pembersihan, transformasi, dan pemodelan data untuk
menemukan informasi yang berguna untuk pengambilan keputusan bisnis
 Jenis Analisis Data adalah Teks, Statistik, Diagnostik, Prediktif, Analisis Preskriptif
 Analisis Data terdiri dari Pengumpulan Kebutuhan Data, Pengumpulan Data,
Pembersihan Data, Analisis Data, Interpretasi Data, Visualisasi Data

202 Analisis Data

1 7 Eko Ihsanto, Dr, Ir, M.Eng
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Contoh Analisis Data Efektif
Analisis data bukanlah satu rangkaian peristiwa yang terbatas pada awal dan akhir
peristiwa tertentu. Ini adalah cara melihat dunia di sekitar kita. Iterasi pengumpulan,
pengolahan, penyajian, dan analisis data terus berlanjut selama manusia masih hidup dan
berkembang.

Gambar 1.2. Siklus Analisis Data

Seperti tampak pada gambar 1.1., analisis data terkait dengan beberapa proses
lainnya. Tentu saja, lingkaran sadar ini memiliki banyak cabang. Untuk memetakan
semuanya akan membuat fraktal rekursif tak terbatas, di mana setiap langkah tunduk
pada pemeriksaan, tindakan, dan perubahan lebih lanjut .
Dalam model lingkaran sadar yang disederhanakan dan disarikan, kehebatan suatu
analisis hanya dapat dipertimbangkan dari segi efeknya. Analisis data dapat dikatakan
berhasil jika:
1. Data yang dikumpulkan diperiksa kualitasnya
2. Analisis dilakukan dengan ketelitian
3. Kesimpulan mengalir dari premis
4. Tindakan yang berguna diambil (atau dapat diambil)
Jika ada langkah yang hilang, analisis itu sendiri akan berantakan. Dengan
pemikiran ini, saya menyajikan beberapa contoh sepanjang sejarah, analisis data yang
efektif. Berikut ini adalah contoh-contoh tersebut.

202 Analisis Data

1 8 Eko Ihsanto, Dr, Ir, M.Eng
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
1. Sensus Sumeria

Gambar 1.3. Rekap data zaman peradaban Sumeria.

Kita tidak akan pernah tahu kapan atau di mana orang pertama memutuskan untuk
merekam data tentang orang atau untuk tujuan apa. Kami tahu itu berguna karena idenya
bertahan lama. Catatan data tertulis dimulai dengan catatan perdagangan kuno, tercatat
pada lempengan tanah liat sekitar lima ribu tahun yang lalu.
Pertama kali ( yang kita ketahui ) analisis data tertulis semacam ini berdampak tidak
proporsional pada banyak orang sekaligus adalah ketika kerajaan Sumeria (kadang
disebut Babilonia ) mulai mencatat populasinya untuk mendistribusikan stok pangan.
Beberapa tablet yang digunakan untuk sensus ini bertahan hingga hari ini dan dipajang di
The British Museum.
Masih banyak yang tidak kita ketahui tentang Sumeria, tetapi kita tahu mereka
mencapai kesuksesan dalam arsitektur, teknik, matematika, peperangan, hukum,
administrasi, dan bahasa tertulis paling awal. Berapa banyak dari ini dapat dikaitkan
dengan pengumpulan dan analisis data mereka, kita mungkin tidak akan pernah tahu.
Pada waktunya, pengambilan sensus berlangsung di Mesir kuno, di mana ia
digunakan untuk menghitung dan mengatur angkatan kerja. Kitab Bilangan dalam Taurat
Yahudi mencatat pengambilan sensus untuk tujuan militer, dan orang Romawi mulai
merekam data demografis sekitar 600 SM.
The data sensus tertua adalah dari dinasti Han di Cina selama abad kedua, rekaman
populasi 59.600.000. Sensus kuno dan analisis datanya merupakan pencapaian sosial

202 Analisis Data

1 9 Eko Ihsanto, Dr, Ir, M.Eng
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
dan organisasi yang luar biasa, mungkin membantu banyak penguasa kuno dalam
mengatur tanah dan masyarakat mereka.

2. Florence Nightingale

Gambar 1.4. Diagram penyebab kematian Pasien karya Florence Nightingale.

Florence Nightingale dikenal sebagai perawat, tetapi dia juga salah satu yang
pertama menggunakan infografis untuk menampilkan hasil analisis statistik. Menurut
Nightingale :
"Diagram sangat berguna untuk mengilustrasikan pertanyaan-pertanyaan tertentu
tentang statistik vital dengan menyampaikan ide-ide subjek melalui mata, yang tidak
dapat dengan mudah dipahami ketika terkandung dalam angka." Saat ini, kita biasanya
menyebutnya info grafis.
Nightingale menggunakan statistik dan koneksinya dengan kelas penguasa Inggris
untuk secara mendasar mereformasi dan memodernisasi perawatan kesehatan di akhir
abad kesembilan belas dengan mengidentifikasi sanitasi dan kebersihan sebagai hal yang
sangat penting untuk hasil kesehatan. Dia sampai pada kesimpulan ini melalui
pengumpulan dan analisis data. Tetapi presentasinya tentang data kekaisaran begitu
202
1 1 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

0 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

ikonik sehingga data tersebut memiliki kemampuan untuk menjangkau mereka yang
memiliki kekuatan untuk memberlakukan perubahan (berdampak pada praktik perawatan
kesehatan selamanya).

4. Abraham Wald

Gambar 1.5. Tanda bekas tembak karya Abraham Wald.

Abraham Wald adalah seorang matematikawan Hungaria yang bekerja untuk

Amerika Serikat (AS) selama Perang Dunia Kedua. Kontribusinya pada analisis data ini,
termasuk upaya adaptasi untuk bertahan hidup. Saat membuat pesawat tempur, Anda
perlu mempertimbangkan tameng besi. Tapi tameng besi itu berat. Dan pesawat yang
lebih berat lebih lambat dan kurang hemat bahan bakar. Baik minim tameng atau lapis
besi maupun terlalu banyak lapis besi, keduanya masalah. Jadi, Wald ditugaskan untuk
menghitung jumlah optimal. Dia disajikan dengan data dari keterlibatan di seluruh Eropa.
Para insinyur mencatat bahwa pesawat dalam pertempuran memiliki lebih banyak
tembakan di badan pesawat dan sayap, mereka menyimpulkan bahwa area ini
membutuhkan penguatan.
Tetapi Wald tahu bahwa terkadang “data yang paling penting adalah data yang tidak
Anda miliki.” Wald melihat data yang paling penting adalah data yang menjawab
202
1 1 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

1 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

pertanyaan “di mana posisi bekas tembakan pada pesawat yang berhasil selamat ?”
Pesawat yang kembali dengan selamat memiliki lebih banyak tembakan di area
yang dapat ditoleris. Wald menyimpulkan bahwa pada area dengan tembakan yang lebih
sedikit dapat diletakkan lebih banyak senjata.
Wald berjasa dalam menyelamatkan nyawa awak pesawat yang tak terhitung
jumlahnya, yang kemungkinan akan ditembak jatuh jika bagian mereka yang paling rentan
dibiarkan terbuka.

5. Perubahan Iklim

Gambar 1.6. Perubahan Iklim sejak tahun 1880 hingga 2017.

Sulit untuk menulis artikel tentang analisis data tanpa menyebutkan perubahan
iklim. Akan tetapi, juga sulit untuk menggambarkan analisis data yang sejauh ini berhasil.
Meskipun telah ada banyak kesadaran publik tentang isu-isu seputar dampak iklim global,
faktanya masih buram bagi sebagian orang lainnya.
Perhitungan pertama dari efek rumah kaca, di mana panas terperangkap dekat
dengan permukaan bumi, dimulai pada tahun 1896, dilakukan oleh ilmuwan Swedia,
Svante Arrhenius, menyimpulkan bahwa dua kali lipat karbon dioksida atmosfer (CO2) akan
memberikan pemanasan total 5-6 derajat Celcius . Ide-ide Arrhenius dikembangkan lebih
lanjut pada tahun 1899, oleh Thomas Crowder Chamberlin .

202
1 1 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

2 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Sampai tahun 1950-an, sebagian besar ilmuwan membantah atau mengabaikan
teori rumah kaca yang dikembangkan oleh Arrhenius. Pada 1950-an, spektrografi yang
lebih baik , analisis isotop, dan pemahaman kimia laut menyebabkan lebih banyak
ilmuwan berpendapat bahwa CO2 bisa menjadi masalah dan bahwa konsentrasi CO2,
pada kenyataannya, meningkat.
Sepanjang tahun-tahun berikutnya, konsensus bahwa konsentrasi atmosfer CO2
yang dihasilkan manusia meningkat, dan bahwa ini akan berdampak buruk pada iklim
global, semakin kuat. Pengumpulan dan analisis data selanjutnya telah melahirkan
seluruh bidang ilmu yang didedikasikan untuk penelitian perubahan iklim.

Contoh Analisis Data dengan MS Excel

Ada berbagai metode yang dapat digunakan untuk menganalisis data. Banyak paket
statistik yang tersedia, termasuk Microsoft Excel, yang gratis dan sering dapat digunakan
untuk analisis yang sederhana dan efisien.
Menggunakan tabel di bawah ini sebagai contoh, beberapa metode analisis data di
Excel akan diperiksa, termasuk fungsi sortir dan Tabel Pivot. Fungsi pengurutan paling
baik digunakan untuk database yang relatif kecil, sedangkan Tabel Pivot berguna untuk
menganalisis kumpulan data yang lebih besar dan mengelompokkan item dengan cepat.
Dengan menggunakan fungsi sortir pada kumpulan data di bawah ini, dimungkinkan untuk
menghitung jumlah orang yang menderita alergi dan menentukan berapa banyak dari
mereka adalah pria atau wanita. Data diurutkan pertama berdasarkan diagnosis dan
kemudian berdasarkan jenis kelamin.

202
1 1 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

3 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

Petunjuk untuk Menganalisis Data

Sebelum menggunakan fungsi sortir atau Pivot Table, data harus “dibersihkan”. Ini
berarti bahwa langkah pertama dalam analisis data adalah menelusuri data dan
memastikan bahwa gaya entri data konsisten dalam kolom. Dalam hal ini, untuk
diagnosis, penting untuk memastikan bahwa hanya satu kata, frasa, atau singkatan yang
digunakan untuk menggambarkan setiap diagnosis. Jika beberapa kata digunakan untuk
menggambarkan hal yang sama—misalnya, jika "alergi" ditulis dalam database sebagai
"alergi", "alergi", dan "alergi" — analisisnya akan lebih sulit, jadi yang terbaik adalah
memilih satu istilah dan menggunakannya secara konsisten. Mungkin perlu untuk
mengubah terminologi yang digunakan dalam kumpulan data agar konsisten di seluruh;
perubahan tersebut harus dilakukan pada tahap awal ini. Jika ada beberapa diagnosis
untuk satu subjek, penting untuk membuat daftar diagnosis secara terpisah. Mungkin
perlu membuat kolom tambahan berlabel “Diagnosis 2” dan “Diagnosis 3”, yang
mencantumkan satu diagnosis di setiap kolom. (Jika demikian, dimungkinkan untuk
membuat beberapa Tabel Pivot dan menambahkan hasilnya secara manual.)

Menggunakan Fungsi Sortir di Excel

Menggunakan Excel 2016 untuk Windows, pertama-tama pilih data ("Control-A"
memilih semua). Di bagian atas bilah alat Excel, pilih tab "Data". Kemudian, klik fungsi
sortir (dilingkari di bawah dengan warna biru). Di jendela yang muncul, klik “Urutkan
berdasarkan 'Diagnosis.'” Untuk mengurutkan lagi berdasarkan jenis kelamin, klik tombol
di sudut kiri atas jendela yang bertuliskan “Tambah Level.” Kemudian, klik "Gender" dan
tombol "OK". (Lihat gambar di bawah.)

202
1 1 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

4 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Penyortiran adalah alat yang hebat untuk mengidentifikasi tren dan menganalisis
sejumlah kecil data. Pada contoh di atas, setelah data diurutkan berdasarkan diagnosis
dan kemudian berdasarkan jenis kelamin, cukup hitung jumlah orang dengan setiap
diagnosis dan catat pengelompokan jenis kelamin, baik secara manual atau
menggunakan rumus Excel “COUNTIFS”. Untuk menggunakan rumus menghitung jumlah
wanita dengan diagnosis alergi, pilih sel kosong dan ketik “=COUNTIFS” diikuti dengan
rentang dan kriteria. Untuk contoh ini, rentang pertama adalah D2:D23 dan kriteria
pertama adalah “Alergi.” Rentang kedua adalah C2:C23 dan kriteria kedua adalah “F.”
Lihat gambar di bawah ini untuk notasi rumus yang tepat. Tekan "Enter," dan jumlah
individu yang memiliki diagnosis alergi dan perempuan terungkap dalam sel.

202
1 1 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

5 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Rumus ini adalah cara terbaik untuk menghitung data tertentu jika terlalu memakan
waktu untuk menghitung secara manual. Cukup ubah rentang dan kriteria dalam rumus
untuk memeriksa subkelompok yang berbeda.

Menggunakan Tabel Pivot di Excel

Dengan kumpulan data yang besar, menghitung secara manual atau menggunakan
rumus untuk menghitung dapat menjadi membosankan dan menciptakan peluang untuk
kesalahan. Pivot Tables akan secara otomatis mengurutkan data dan daftar nilai,
menghasilkan informasi yang efisien dan akurat. Untuk membuat Tabel Pivot, pilih
datanya, klik tab “Sisipkan”, lalu pilih “Tabel Pivot”. (Untuk Mac, klik tab “Data”, diikuti oleh
“Tabel Pivot.”)

202
1 1 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

6 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Tabel Pivot akan terbuka di lembar baru file Excel. Langkah selanjutnya adalah
menambahkan nilai. Di sisi kanan, ada kotak yang mengatakan "Pilih bidang untuk
ditambahkan ke laporan." Untuk mengurutkan berdasarkan diagnosis terlebih dahulu,
seret label "Diagnosis" (label dengan kotak centang di sebelahnya) ke dalam kotak
"Baris". Ini akan terlihat seperti ini:

202
1 1 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

7 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Untuk selanjutnya menentukan berapa banyak orang yang memiliki setiap
diagnosis, seret "Diagnosis" (diagnosis dengan kotak centang di sebelahnya) ke kotak
dengan judul "Nilai". Seharusnya terlihat seperti ini:

202
1 1 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

8 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Untuk mengurutkan berdasarkan jenis kelamin, seret "Jenis Kelamin" ke kotak
dengan judul "Baris", dan Excel menyediakan perincian otomatis, yang dapat digunakan
untuk menghitung persentase dan membuat grafik.

202
1 1 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

9 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Atau, untuk mengurutkan pertama berdasarkan jenis kelamin, dan kemudian
berdasarkan diagnosis, alihkan urutan "Jenis kelamin" dan "Diagnosis" di kotak "Baris".

202
1 2 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

0 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Ini hanyalah salah satu contoh bagaimana Pivot Table dapat digunakan. Bidang
dapat ditambahkan atau dihapus sesuai kebutuhan. Mungkin berguna untuk berlatih
menyeret bidang yang berbeda ke kategori yang berbeda untuk mengembangkan
pemahaman tentang cara kerja Tabel Pivot.

Membuat Tampilan Data

Setelah data dianalisis, seringkali berguna untuk membuat tampilan sehingga orang
lain dapat dengan cepat dan mudah memahami hasilnya. Salah satu caranya adalah
dengan membuat grafik menggunakan Excel. Pertama, buat tabel lain agar lebih mudah
menampilkan perincian jumlah pria dan wanita dengan diagnosis tertentu. Lakukan ini
dengan menyeret bidang "Jenis Kelamin" dari kategori "Baris" ke "Kolom".

202
1 2 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

1 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Selanjutnya, klik "PivotChart" di bawah tab "Analyze", dan pilih opsi "Stacked
Column." Ini menunjukkan jumlah pria dan wanita dengan diagnosis masing-masing,
ditumpuk di atas satu sama lain.

202
1 2 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

2 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Setelah bagan dibuat, klik tanda plus hijau di sudut kanan atas bagan untuk
menambahkan judul bagan dan sumbu, menambahkan label data, memformat skema
warna, dan menyembunyikan pengaturan bidang.

202
1 2 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

3 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

 Setelah bagan disesuaikan, ini dengan jelas menampilkan tren penting dalam data.
Misalnya, dari bagan ini, orang dapat dengan cepat melihat bahwa tidak ada wanita yang
didiagnosis dengan konjungtivitis atau presbiopia.

202
1 2 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

4 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

Pentingnya Melaporkan Semua Hasil
Saat menganalisis data, sangat penting untuk melaporkan semua hasil, meskipun
tampaknya tidak signifikan. Penting juga untuk tidak menggabungkan analisis data dan
membuat generalisasi. Sebagai contoh, seorang peneliti yang melakukan penelitian
tentang efektivitas alat bantu visual untuk meningkatkan pengetahuan tentang katarak
melakukan survei 10 pertanyaan kepada pasien sebelum dan sesudah menunjukkan alat
bantu visual tersebut kepada mereka. Peneliti menemukan bahwa alat bantu visual
meningkatkan jumlah keseluruhan pertanyaan yang dijawab dengan benar. Ini adalah
awal yang baik, tetapi itu tidak cukup. Sangat penting bahwa peneliti menganalisis hasil
setiap pertanyaan individu. Hanya mengetahui bahwa intervensi meningkatkan
pengetahuan secara keseluruhan memberikan sedikit informasi tentang kekuatan dan
kelemahan intervensi. Mungkin intervensi tersebut menyebabkan peningkatan yang
signifikan dalam jumlah orang yang memahami apa itu katarak, tetapi bukan jumlah orang
yang memahami prosedur pasca operasi yang benar. Hal ini penting untuk diketahui
karena intervensi kemudian dapat dimodifikasi untuk menyampaikan informasi yang
diperlukan dengan lebih baik.

202
1 2 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

5 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/

Daftar Pustaka
https://www.guru99.com/what-is-data-analysis.html

https://www.uipath.com/blog/digital-transformation/top-10-examples-successful-data-
analysis

http://www.uniteforsight.org/global-health-university/data-analysis

202
1 2 Analisis Data
Biro Bahan Ajar E-learning dan MKCU

6 Eko Ihsanto, Dr, Ir, M.Eng http://pbael.mercubuana.ac.id/