Analisis data: Perbedaan antara revisi
Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29568864; atribusi sumber disertakan. |
Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi |
||
| Baris 1: | Baris 1: | ||
[[File:Rayleigh-Taylor_instability.jpg|thumb|right|280px|Visualisasi ilmiah dari simulasi masalah ketidakstabilan Rayleigh–Taylor]] | |||
[[Penggalian data]] adalah teknik analisis data tertentu yang berfokus pada pemodelan statistik dan penemuan pengetahuan untuk tujuan prediksi dan bukan murni deskriptif, sedangkan intelijen bisnis mencakup analisis data yang sangat bergantung pada agregasi, dengan fokus utama pada informasi bisnis. | '''Analisis data''' adalah proses inspeksi, pengelolaan dan [[pemodelan data]] dengan tujuan menemukan informasi yang berguna, menginformasikan kesimpulan dan mendukung pengambilan keputusan. Analisis data memiliki banyak sisi dan pendekatan, mencakup beragam teknik dengan berbagai nama, dan digunakan dalam berbagai bidang [[bisnis]], [[ilmu pengetahuan]], dan [[ilmu sosial]]. Dalam dunia bisnis saat ini, analisis data berperan dalam membuat keputusan lebih ilmiah dan membantu bisnis beroperasi lebih efektif.<ref>Xia, B. S., & Gong, P. (2015). Review of business intelligence through data analysis. ''Benchmarking'', ''21''(2), 300-311. doi:10.1108/BIJ-08-2012-0050</ref> | ||
[[Penggalian data]] adalah teknik analisis data tertentu yang berfokus pada pemodelan statistik dan penemuan pengetahuan untuk tujuan prediksi dan bukan murni deskriptif, sedangkan intelijen bisnis mencakup analisis data yang sangat bergantung pada agregasi, dengan fokus utama pada informasi bisnis.<ref>[https://web.archive.org/web/20171018181046/https://spotlessdata.com/blog/exploring-data-analysis Exploring Data Analysis]</ref> | |||
==Proses analisis data== | ==Proses analisis data== | ||
Analisis, mengacu pada membagi keseluruhan menjadi komponen-komponen yang terpisah untuk pemeriksaan individu.<ref>John Field. [http://dx.doi.org/10.1017/cbo9780511575945.008 Dividing listening into its components]. ''Listening in the Language Classroom''. Cambridge University Press. 2009. hlm. 96–109. doi:10.1017/cbo9780511575945.008. ISBN 978-0-511-57594-5.</ref> Analisis data, adalah proses untuk memperoleh data mentah, dan selanjutnya mengubahnya menjadi informasi yang berguna untuk pengambilan keputusan oleh pengguna.<ref>[http://dx.doi.org/10.1201/b16666-14 Transforming Unstructured Data into Useful Information]. ''Big Data, Mining, and Analytics''. Auerbach Publications. 2014-03-12. hlm. 227–246. doi:10.1201/b16666-14. ISBN 978-0-429-09529-0.</ref> Data, dikumpulkan dan dianalisis untuk menjawab pertanyaan, menguji [[hipotesis]], atau menyangkal teori.<ref>McCleland, Gary Judd, Charles and. ''Data Analysis''. Harcourt Brace Jovanovich. 1989. ISBN 0-15-516765-0.</ref> | |||
Analisis, mengacu pada membagi keseluruhan menjadi komponen-komponen yang terpisah untuk pemeriksaan individu. Analisis data, adalah proses untuk memperoleh data mentah, dan selanjutnya mengubahnya menjadi informasi yang berguna untuk pengambilan keputusan oleh pengguna. Data, dikumpulkan dan dianalisis untuk menjawab pertanyaan, menguji [[hipotesis]], atau menyangkal teori. | |||
Ahli statistik John Tukey, mendefinisikan analisis data pada tahun 1961, sebagai: | Ahli statistik John Tukey, mendefinisikan analisis data pada tahun 1961, sebagai: | ||
<blockquote>“Prosedur untuk menganalisis data, teknik untuk menafsirkan hasil dari prosedur tersebut, cara merencanakan pengumpulan data untuk membuat analisisnya lebih mudah, lebih tepat atau lebih akurat, dan semua mesin dan hasil statistik (matematis) yang berlaku untuk menganalisis data."</blockquote> | <blockquote>“Prosedur untuk menganalisis data, teknik untuk menafsirkan hasil dari prosedur tersebut, cara merencanakan pengumpulan data untuk membuat analisisnya lebih mudah, lebih tepat atau lebih akurat, dan semua mesin dan hasil statistik (matematis) yang berlaku untuk menganalisis data."<ref>[http://projecteuclid.org/download/pdf_1/euclid.aoms/1177704711 John Tukey-The Future of Data Analysis-July 1961]</ref></blockquote> | ||
Ada beberapa fase yang dapat dibedakan, dijelaskan di bawah ini. Fase-fase tersebut berulang, di mana umpan balik dari fase selanjutnya dapat menghasilkan pekerjaan tambahan di fase sebelumnya. Kerangka kerja CRISP, yang digunakan dalam penambangan data, memiliki langkah serupa. | Ada beberapa fase yang dapat dibedakan, dijelaskan di bawah ini. Fase-fase tersebut berulang, di mana umpan balik dari fase selanjutnya dapat menghasilkan pekerjaan tambahan di fase sebelumnya.<ref>[https://archive.org/details/doingdatascience0000schu Doing Data Science]. O'Reilly Media. 2013. ISBN 978-1-449-35865-5.</ref> Kerangka kerja CRISP, yang digunakan dalam penambangan data, memiliki langkah serupa. | ||
===Persyaratan data=== | ===Persyaratan data=== | ||
Data diperlukan sebagai masukan untuk analisis, yang ditentukan berdasarkan kebutuhan mereka yang mengarahkan analisis atau pelanggan (yang akan menggunakan produk akhir analisis). Jenis umum entitas di mana data akan dikumpulkan disebut sebagai unit eksperimen (misalnya, orang atau populasi orang). Variabel khusus mengenai populasi (misalnya, usia dan pendapatan) dapat ditentukan dan diperoleh. Data mungkin numerik atau kategorikal (yaitu, label teks untuk angka). | Data diperlukan sebagai masukan untuk analisis, yang ditentukan berdasarkan kebutuhan mereka yang mengarahkan analisis atau pelanggan (yang akan menggunakan produk akhir analisis).<ref>[http://dx.doi.org/10.1002/9781118986370.ch18 USE OF THE DATA]. ''Handbook of Petroleum Product Analysis''. John Wiley & Sons, Inc. 2015-02-06. hlm. 296–303. doi:10.1002/9781118986370.ch18. ISBN 978-1-118-98637-0.</ref><ref>Ainsworth, Penne author. [http://worldcat.org/oclc/1097366032 Introduction to accounting : an integrated approach]. 20 May 2019. ISBN 978-1-119-60014-5.</ref> Jenis umum entitas di mana data akan dikumpulkan disebut sebagai unit eksperimen (misalnya, orang atau populasi orang). Variabel khusus mengenai populasi (misalnya, usia dan pendapatan) dapat ditentukan dan diperoleh. Data mungkin numerik atau kategorikal (yaitu, label teks untuk angka).<ref>[https://archive.org/details/doingdatascience0000schu Doing Data Science]. O'Reilly Media. 2013. ISBN 978-1-449-35865-5.</ref> | ||
===Pengumpulan data=== | ===Pengumpulan data=== | ||
Data dikumpulkan dari berbagai sumber. Persyaratan dapat dikomunikasikan oleh analis kepada penjaga data; seperti, personel [[Teknologi informasi|Teknologi Informasi]] dalam suatu organisasi. Data juga dapat dikumpulkan dari sensor di lingkungan, termasuk kamera lalu lintas, satelit, alat perekam, dll. Data juga dapat diperoleh melalui wawancara, unduhan dari sumber online, atau membaca dokumentasi. | Data dikumpulkan dari berbagai sumber.<ref>Margo, Robert A. (Robert Andrew) 1954-. [http://worldcat.org/oclc/41285104 Wages and labor markets in the United States, 1820-1860]. University of Chicago Press. 2000. ISBN 0-226-50507-3.</ref><ref>Johnson Adedeji Olusola. [http://dx.doi.org/10.7717/peerj.11387/table-1 Table 1: Data type and sources of data collected for this research]. ''PeerJ''. 7 May 2021. Vol. 9. hlm. e11387. doi:10.7717/peerj.11387/table-1.</ref> Persyaratan dapat dikomunikasikan oleh analis kepada penjaga data; seperti, personel [[Teknologi informasi|Teknologi Informasi]] dalam suatu organisasi.<ref>Derek MacPherson. [http://dx.doi.org/10.4324/9780429437564-12 Information Technology Analysts' Perspectives]. ''Data Strategy in Colleges and Universities''. Routledge. 2019-10-16. hlm. 168–183. doi:10.4324/9780429437564-12. ISBN 978-0-429-43756-4.</ref> Data juga dapat dikumpulkan dari sensor di lingkungan, termasuk kamera lalu lintas, satelit, alat perekam, dll. Data juga dapat diperoleh melalui wawancara, unduhan dari sumber online, atau membaca dokumentasi.<ref>[https://archive.org/details/doingdatascience0000schu Doing Data Science]. O'Reilly Media. 2013. ISBN 978-1-449-35865-5.</ref> | ||
===Pengolahan data=== | ===Pengolahan data=== | ||
Fase siklus kecerdasan yang digunakan untuk mengubah informasi mentah menjadi kecerdasan atau pengetahuan yang dapat ditindaklanjuti secara konseptual mirip dengan fase dalam analisis data. | Fase siklus kecerdasan yang digunakan untuk mengubah informasi mentah menjadi kecerdasan atau pengetahuan yang dapat ditindaklanjuti secara konseptual mirip dengan fase dalam analisis data. | ||
Data, ketika awalnya diperoleh, harus diproses atau diatur untuk analisis. Misalnya, ini mungkin melibatkan penempatan data ke dalam baris dan kolom dalam format tabel (dikenal sebagai data terstruktur) untuk analisis lebih lanjut, sering kali melalui penggunaan spreadsheet atau [[perangkat lunak]] statistik. | Data, ketika awalnya diperoleh, harus diproses atau diatur untuk analisis.<ref>Nelson, Stephen L. 1959-. [http://worldcat.org/oclc/877772392 Excel data analysis for dummies]. Wiley. 2014. ISBN 978-1-118-89810-9.</ref><ref>[http://dx.doi.org/10.7554/elife.28468.029 Figure 3—source data 1. Raw and processed values obtained through qPCR]. ''dx.doi.org''. 30 August 2017. doi:10.7554/elife.28468.029.</ref> Misalnya, ini mungkin melibatkan penempatan data ke dalam baris dan kolom dalam format tabel (dikenal sebagai data terstruktur) untuk analisis lebih lanjut, sering kali melalui penggunaan spreadsheet atau [[perangkat lunak]] statistik.<ref>[https://archive.org/details/doingdatascience0000schu Doing Data Science]. O'Reilly Media. 2013. ISBN 978-1-449-35865-5.</ref> | ||
===Pembersihan data=== | ===Pembersihan data=== | ||
===Analisis data terkait=== | ===Analisis data terkait=== | ||
===Pemodelan dan algoritma=== | ===Pemodelan dan algoritma=== | ||
===Produk data=== | ===Produk data=== | ||
===Komunikasi=== | ===Komunikasi=== | ||
== Data Storytelling == | == Data Storytelling == | ||
Data hasil analisis yang dilakukan harus mampu memberikan insight dalam bentuk alur carita yang jelas dan menarik. Hal mendasar dalam data storytelling yaitu mengenal siapa [[pemangku kepentingan]] yang menjadi target informasi, setelah itu apa yang perlu pemangku kepentingan tersebut ketahui dan apa mekanisme komunikasi yang digunakan. | Data hasil analisis yang dilakukan harus mampu memberikan insight dalam bentuk alur carita yang jelas dan menarik. Hal mendasar dalam data storytelling yaitu mengenal siapa [[pemangku kepentingan]] yang menjadi target informasi, setelah itu apa yang perlu pemangku kepentingan tersebut ketahui dan apa mekanisme komunikasi yang digunakan.<ref>Cole Nussbaumer Knaflic. [https://archive.org/details/storytellingwith0000knaf Storytelling with data: a data visualization guide for business professionals]. Wiley. 2015. ISBN 978-1-119-00226-0.</ref> | ||
== Bacaan lebih lanjut == | == Bacaan lebih lanjut == | ||
* [[Adèr, H.J.]] & [[Gideon J. Mellenbergh|Mellenbergh, G.J.]] (with contributions by D.J. Hand) (2008). ''Advising on Research Methods: A Consultant's Companion''. Huizen, the Netherlands: Johannes van Kessel Publishing. | * [[Adèr, H.J.]] & [[Gideon J. Mellenbergh|Mellenbergh, G.J.]] (with contributions by D.J. Hand) (2008). ''Advising on Research Methods: A Consultant's Companion''. Huizen, the Netherlands: Johannes van Kessel Publishing. | ||
* Chambers, John M.; Cleveland, William S.; Kleiner, Beat; Tukey, Paul A. (1983). ''Graphical Methods for Data Analysis'', Wadsworth/Duxbury Press. | * Chambers, John M.; Cleveland, William S.; Kleiner, Beat; Tukey, Paul A. (1983). ''Graphical Methods for Data Analysis'', Wadsworth/Duxbury Press. | ||
* Fandango, Armando (2008). ''Python Data Analysis, 2nd Edition''. Packt Publishers. | * Fandango, Armando (2008). ''Python Data Analysis, 2nd Edition''. Packt Publishers. | ||
* Juran, Joseph M.; Godfrey, A. Blanton (1999). ''Juran's Quality Handbook, 5th Edition.'' New York: McGraw Hill. | * Juran, Joseph M.; Godfrey, A. Blanton (1999). ''Juran's Quality Handbook, 5th Edition.'' New York: McGraw Hill. | ||
* Lewis-Beck, Michael S. (1995). ''Data Analysis: an Introduction'', Sage Publications Inc, | * Lewis-Beck, Michael S. (1995). ''Data Analysis: an Introduction'', Sage Publications Inc, | ||
== Referensi == | |||
<references /> | |||
== Sumber dan atribusi == | |||
== | Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Analisis+data&oldid=29568864 Wikipedia bahasa Indonesia], revisi 29568864 (2026-08-13T01:22:40Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Gambar pada artikel ini bersumber dari Wikimedia Commons dan mengikuti ketentuan lisensi masing-masing berkas. Mohon gunakan konten dan media secara bijak serta sesuai dengan ketentuan lisensi yang berlaku. | ||
<!-- WIKI_UNISSULA_PRESENTATION_V4 --> | |||
Revisi terkini sejak 24 Agustus 2026 14.03
Analisis data adalah proses inspeksi, pengelolaan dan pemodelan data dengan tujuan menemukan informasi yang berguna, menginformasikan kesimpulan dan mendukung pengambilan keputusan. Analisis data memiliki banyak sisi dan pendekatan, mencakup beragam teknik dengan berbagai nama, dan digunakan dalam berbagai bidang bisnis, ilmu pengetahuan, dan ilmu sosial. Dalam dunia bisnis saat ini, analisis data berperan dalam membuat keputusan lebih ilmiah dan membantu bisnis beroperasi lebih efektif.[1]
Penggalian data adalah teknik analisis data tertentu yang berfokus pada pemodelan statistik dan penemuan pengetahuan untuk tujuan prediksi dan bukan murni deskriptif, sedangkan intelijen bisnis mencakup analisis data yang sangat bergantung pada agregasi, dengan fokus utama pada informasi bisnis.[2]
Proses analisis data
Analisis, mengacu pada membagi keseluruhan menjadi komponen-komponen yang terpisah untuk pemeriksaan individu.[3] Analisis data, adalah proses untuk memperoleh data mentah, dan selanjutnya mengubahnya menjadi informasi yang berguna untuk pengambilan keputusan oleh pengguna.[4] Data, dikumpulkan dan dianalisis untuk menjawab pertanyaan, menguji hipotesis, atau menyangkal teori.[5]
Ahli statistik John Tukey, mendefinisikan analisis data pada tahun 1961, sebagai:
“Prosedur untuk menganalisis data, teknik untuk menafsirkan hasil dari prosedur tersebut, cara merencanakan pengumpulan data untuk membuat analisisnya lebih mudah, lebih tepat atau lebih akurat, dan semua mesin dan hasil statistik (matematis) yang berlaku untuk menganalisis data."[6]
Ada beberapa fase yang dapat dibedakan, dijelaskan di bawah ini. Fase-fase tersebut berulang, di mana umpan balik dari fase selanjutnya dapat menghasilkan pekerjaan tambahan di fase sebelumnya.[7] Kerangka kerja CRISP, yang digunakan dalam penambangan data, memiliki langkah serupa.
Persyaratan data
Data diperlukan sebagai masukan untuk analisis, yang ditentukan berdasarkan kebutuhan mereka yang mengarahkan analisis atau pelanggan (yang akan menggunakan produk akhir analisis).[8][9] Jenis umum entitas di mana data akan dikumpulkan disebut sebagai unit eksperimen (misalnya, orang atau populasi orang). Variabel khusus mengenai populasi (misalnya, usia dan pendapatan) dapat ditentukan dan diperoleh. Data mungkin numerik atau kategorikal (yaitu, label teks untuk angka).[10]
Pengumpulan data
Data dikumpulkan dari berbagai sumber.[11][12] Persyaratan dapat dikomunikasikan oleh analis kepada penjaga data; seperti, personel Teknologi Informasi dalam suatu organisasi.[13] Data juga dapat dikumpulkan dari sensor di lingkungan, termasuk kamera lalu lintas, satelit, alat perekam, dll. Data juga dapat diperoleh melalui wawancara, unduhan dari sumber online, atau membaca dokumentasi.[14]
Pengolahan data
Fase siklus kecerdasan yang digunakan untuk mengubah informasi mentah menjadi kecerdasan atau pengetahuan yang dapat ditindaklanjuti secara konseptual mirip dengan fase dalam analisis data. Data, ketika awalnya diperoleh, harus diproses atau diatur untuk analisis.[15][16] Misalnya, ini mungkin melibatkan penempatan data ke dalam baris dan kolom dalam format tabel (dikenal sebagai data terstruktur) untuk analisis lebih lanjut, sering kali melalui penggunaan spreadsheet atau perangkat lunak statistik.[17]
Pembersihan data
Analisis data terkait
Pemodelan dan algoritma
Produk data
Komunikasi
Data Storytelling
Data hasil analisis yang dilakukan harus mampu memberikan insight dalam bentuk alur carita yang jelas dan menarik. Hal mendasar dalam data storytelling yaitu mengenal siapa pemangku kepentingan yang menjadi target informasi, setelah itu apa yang perlu pemangku kepentingan tersebut ketahui dan apa mekanisme komunikasi yang digunakan.[18]
Bacaan lebih lanjut
- Adèr, H.J. & Mellenbergh, G.J. (with contributions by D.J. Hand) (2008). Advising on Research Methods: A Consultant's Companion. Huizen, the Netherlands: Johannes van Kessel Publishing.
- Chambers, John M.; Cleveland, William S.; Kleiner, Beat; Tukey, Paul A. (1983). Graphical Methods for Data Analysis, Wadsworth/Duxbury Press.
- Fandango, Armando (2008). Python Data Analysis, 2nd Edition. Packt Publishers.
- Juran, Joseph M.; Godfrey, A. Blanton (1999). Juran's Quality Handbook, 5th Edition. New York: McGraw Hill.
- Lewis-Beck, Michael S. (1995). Data Analysis: an Introduction, Sage Publications Inc,
Referensi
- ↑ Xia, B. S., & Gong, P. (2015). Review of business intelligence through data analysis. Benchmarking, 21(2), 300-311. doi:10.1108/BIJ-08-2012-0050
- ↑ Exploring Data Analysis
- ↑ John Field. Dividing listening into its components. Listening in the Language Classroom. Cambridge University Press. 2009. hlm. 96–109. doi:10.1017/cbo9780511575945.008. ISBN 978-0-511-57594-5.
- ↑ Transforming Unstructured Data into Useful Information. Big Data, Mining, and Analytics. Auerbach Publications. 2014-03-12. hlm. 227–246. doi:10.1201/b16666-14. ISBN 978-0-429-09529-0.
- ↑ McCleland, Gary Judd, Charles and. Data Analysis. Harcourt Brace Jovanovich. 1989. ISBN 0-15-516765-0.
- ↑ John Tukey-The Future of Data Analysis-July 1961
- ↑ Doing Data Science. O'Reilly Media. 2013. ISBN 978-1-449-35865-5.
- ↑ USE OF THE DATA. Handbook of Petroleum Product Analysis. John Wiley & Sons, Inc. 2015-02-06. hlm. 296–303. doi:10.1002/9781118986370.ch18. ISBN 978-1-118-98637-0.
- ↑ Ainsworth, Penne author. Introduction to accounting : an integrated approach. 20 May 2019. ISBN 978-1-119-60014-5.
- ↑ Doing Data Science. O'Reilly Media. 2013. ISBN 978-1-449-35865-5.
- ↑ Margo, Robert A. (Robert Andrew) 1954-. Wages and labor markets in the United States, 1820-1860. University of Chicago Press. 2000. ISBN 0-226-50507-3.
- ↑ Johnson Adedeji Olusola. Table 1: Data type and sources of data collected for this research. PeerJ. 7 May 2021. Vol. 9. hlm. e11387. doi:10.7717/peerj.11387/table-1.
- ↑ Derek MacPherson. Information Technology Analysts' Perspectives. Data Strategy in Colleges and Universities. Routledge. 2019-10-16. hlm. 168–183. doi:10.4324/9780429437564-12. ISBN 978-0-429-43756-4.
- ↑ Doing Data Science. O'Reilly Media. 2013. ISBN 978-1-449-35865-5.
- ↑ Nelson, Stephen L. 1959-. Excel data analysis for dummies. Wiley. 2014. ISBN 978-1-118-89810-9.
- ↑ Figure 3—source data 1. Raw and processed values obtained through qPCR. dx.doi.org. 30 August 2017. doi:10.7554/elife.28468.029.
- ↑ Doing Data Science. O'Reilly Media. 2013. ISBN 978-1-449-35865-5.
- ↑ Cole Nussbaumer Knaflic. Storytelling with data: a data visualization guide for business professionals. Wiley. 2015. ISBN 978-1-119-00226-0.
Sumber dan atribusi
Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 29568864 (2026-08-13T01:22:40Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Gambar pada artikel ini bersumber dari Wikimedia Commons dan mengikuti ketentuan lisensi masing-masing berkas. Mohon gunakan konten dan media secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.