Analisis Data Dan Pemahaman Dashboard: Gold Chapter 3 - Topic 2

Analisis Data dan
Pemahaman Dashboard
Gold Chapter 3 - Topic 2
Selamat datang di Chapter 3 Topic 2 online
course Business Intelligence Analyst
dari Binar Academy!
Pengantar
Pengantar
Di Chapter 3 Topic 1, kita sudah belajar bagaimana cara

menyusun BRD untuk keperluan bisnis, dan
bagaimana cara Data Warehouse.
Di Topic 2 kali ini, kita akan lanjut kembali mengulas

mengenai BRD terkait analisis data dan pembuatan
dashboard, yaitu dari bagaimana prosesnya, metode,
serta teknik yang diperlukan.
Peta Belajar
Detailnya, kita bakal bahas hal-hal

berikut ini:
Analisis Data
Pembuatan Dashboard
Memahami Analisis Data
Udah paham soal data warehouse,

berarti sekarang waktunya kita beranjak
ke analisis data!
Di sini, kita udah mulai bisa melihat apa

saja manfaat dari menyusun BRD, jenis
data, serta Data Warehouse dari topic
sebelumnya nih.
Kira-kira seperti apa ya manfaatnya? Yuk

langsung kita mulai aja~
Pengantar
Pengertian Analisis Data
Siapa ya
di antara
sodara yang
makanin kulit
ayam kepci
saya?
Apa itu analisis data?

Analisis data dapat dikatakan sebagai sebuah proses
saat kita mengevaluasi data.
Di sini, kita bakal memeriksa data satu per satu secara

mendetail sehingga dibutuhkan pemikiran logis dan
kemampuan analitik di saat melakukan analisis.
Yep! Ala-ala detektif pas lagi mecahin kasus gitu deh

guys!
Pengantar
Pengertian Analisis Data
Tujuannya buat apa?

Dengan melakukan analisis yang mendalam dan
terperinci pada data, tentunya kita bakal mendapatkan
kesimpulan dan menemukan insight dengan lebih
mudah!
Pengantar
Proses Analisis Data
Terus, cara analisis data gimana?

Secara garis besar, proses analisis data bakal melalui 4
tahapan sebagai berikut.
1. Problem definition
2. Data collection
3. Data profiling & cleansing
4. Analyze
Nah, kita ulas satu per satu ya biar ketahuan

langkah-langkah analisisnya ada apa aja~
Pengantar
Proses Problem Definition
Pertama, yaitu Problem Definition!

Dalam tahap ini, kita akan menentukan tujuan dari
analisis terhadap project terkait
Nah, di sinilah BRD yang kita bikin di awal chapter

kemarin akhirnya terpakai~
Pengantar
Saya yang
bertanya saya
juga yang
menjawab~
Dalam proses ini, ada 3 pertanyaan yang perlu kita

temukan jawabannya, yaitu:
1. Apa tujuan dari analisis ini?

2. Apa masalah yang ingin diselesaikan?
3. Apa saja business metrics yang ingin dilacak?
Pengantar
Hmmm, bentar deh! Business

metrics itu apa sih?
Business metrics adalah sesuatu yang dapat dihitung
atau diukur untuk mengevaluasi status dari suatu
proses bisnis.
Pengantar
Jadi, setiap divisi di perusahaan memiliki business

metrics yang berbeda-beda.
Masing-masing divisi akan bekerja untuk

menggerakkan (menaikkan atau menurunkan) metrics
tersebut sesuai kebutuhan dan tujuan bisnis.
Nah, Business metrics ini juga biasanya akan dimonitor

di report atau dashboard!
Pengantar
Terus bedanya sama KPI apa dong?

Bedanya, business metrics berlaku hanya pada area
bisnis tertentu di dalam perusahaan.
Sementara, KPI (Key Indicator Performance) mengukur

pencapaian perusahaan dalam lingkup yang lebih
luas.
Pada proses analisis data, kita lebih sering

menggunakan business metrics karena analisis data
umumnya mencakup suatu topik atau area bisnis yang
spesifik~
Pengantar
Tudum~
Tudum~
Tudum~
Kita ambil contohnya Netflix ya!
Misalnya, Netflix punya KPI yang sudah ditetapkan
yaitu annual profit (keuntungan tahunan) yang diukur
terhadap suatu target.
Dalam rangka mencapai KPI tersebut, divisi lain yang

ada di Netflix akhirnya menentukan business metrics
mereka, seperti total langganan dan total pelanggan
yang aktif.
Hal semacam ini nantinya bakal mempengaruhi KPI

annual profit tadi.
Pengantar
Kira-kira begini deh

penampakannya Business Metrics:
Business Metrics Profit Annual
60,5 M 56,3 M
Total Subscription Total Active User
Pengantar
Contoh lainnya~
Berikut ini beberapa contoh business metrics lainnya:
● Sales metrics
○ Monthly sales: total penjualan setiap
bulan
○ Average purchase value: rata-rata nilai
penjualan
Pengantar
● Financial metrics
○ Profit ratio: rasio keuntungan terhadap
nilai penjualan
○ Return on investment (ROI): rasio
pendapatan bersih terhadap biaya
● Marketing metrics
○ Traffic: jumlah kunjungan ke halaman
produk
○ Conversion rate: rasio jumlah pembelian
produk terhadap jumlah kunjungan
Pengantar
Proses Data Collection
Lanjut ke Data Collection~

Tahap Data Collection adalah proses mencari dan
mengumpulkan data yang diperlukan saja dari data
warehouse dengan tools SQL.
Soal tools ini, kita obrolin lebih mendalam di

pembahasan selanjutnya ya~
Pengantar
Jangan
ngumpet
jauh-jauh
ya lu pada!
Seperti apa prosesnya?

Idealnya, data yang kita butuhkan sudah tersedia di
data warehouse. Jadi, kita cuman tinggal cari tahu deh
tabel mana yang memuat data tersebut.
Kamu masih ingat dong sama jenis-jenis data yang

pernah kita pelajari?
Nah, kalau kita sudah paham nih sama jenis-jenis data

tersebut, proses data collection juga jadi bakal lebih
mudah dan cepat!
Pengantar
Meskipun demikian…
Kadang ada kendala-kendala yang mungkin dialami di
tahap ini juga gengs~
Misalnya, data yang dibutuhkan belum tersedia. Kalau

ini terjadi, kita perlu memikirkan apakah data tersebut
bisa didapatkan.
Jika ternyata data tersebut tidak bisa

ditemukan/didapatkan, maka kita perlu
mengkomunikasikannya kepada business user untuk
mencari solusinya.
Pengantar
Pada kasus lainnya, terkadang data yang dibutuhkan

tersedia namun masih terpencar di beberapa tabel.
Jadi, di sini kita perlu menggabungkan tabel-tabel

tersebut terlebih dahulu untuk mendapat data sesuai
kebutuhan!
Pengantar
Sekarang kita ke Data Profiling dan

Data Cleansing!
Setelah mendapatkan data yang dibutuhkan dari data
warehouse, kita akan masuk ke tahap data profiling
dan data cleansing.
Tapi sebelumnya, kita perlu melakukan pemeriksaan

ulang terhadap data dulu gengs!
Pengantar
Apa sih tujuan Data Profiling dan

Data Cleansing ini?
Langkah ini berguna untuk memastikan bahwa data
yang kita dapat sudah tepat guna, agar analisis dan
report kita nanti benar-benar akurat.
Istilah “garbage in, garbage out” di tahap ini perlu

diingat juga nih, setiap kali kamu melakukan pekerjaan
dengan data.
Kita bahas perihal ini lebih jauh di topic selanjutnya ya~

Pengantar
Setelah data yang didapat sudah pasti akurat, maka

proses selanjutnya adalah data profiling dan data
cleansing. Dalam proses ini, ada empat hal yang perlu
diperhatikan:
● Completeness: apakah data tersebut lengkap?
● Uniqueness: apakah ada duplikasi pada data?
● Validity: apakah data mencerminkan kondisi

sebenarnya?
● Consistency: apakah data menunjukkan pola

yang konsisten?
Pengantar
Kita lihat data di samping yuk! Ini adalah data

penjualan harian sebuah kafe yang sedang dianalisis
oleh Sabrina.
Di tahap profiling dan cleansing, pertama-tama Sabrina

harus memeriksa completeness atau kelengkapan
data. Apakah ada data yang hilang atau kosong?
Jika ada data yang hilang, sebaiknya data tersebut

dibuang atau digantikan dengan nilai yang baru.
Pengantar
Yang kedua adalah dari segi uniqueness. Kita perlu

memeriksa apakah ada data berganda atau
terduplikasi.
Kalau ada data yang terduplikasi maka harus

dihilangkan karena dapat menyebabkan
perhitungan menjadi tidak akurat.
Pengantar
Jika sudah, perhatikan juga pada unsur validity.

Periksalah apakah data yang didapat valid atau masuk
akal dan mencerminkan keadaan yang sebenarnya.
Pada contoh di sebelah kanan, data penjualan matcha

latte yang tiba-tiba melonjak ke angka 12 ribu bisa
digolongkan sebagai data yang tidak valid.
Data seperti ini dapat kita gantikan dengan nilai yang

lebih masuk akal, misalnya dengan nilai hari
sebelumnya atau nilai rata-rata.
Pengantar
Yang terakhir adalah unsur consistency. Periksalah

apakah data menggunakan format yang konsisten.
Pada contoh di samping kita bisa menemukan bahwa

format penulisan tanggal tidak konsisten, maka data
semacam ini harus diperbaiki.
Format yang tidak konsisten harus diseragamkan agar

tidak menimbulkan anomali pada hasil analisis
maupun report.
Pengantar
Lalu, saatnya kita Analyze!

Proses terakhir dalam analisis data yaitu analisis itu
sendiri.
Setelah melalui proses problem definition, data

collection, serta data profiling dan data cleansing,
maka kita sudah bisa mengulik data ini untuk mencari
insight.
Pengantar
Ada beberapa metode analisis yang bisa kita gunakan:
● Descriptive analysis
Menginterpretasikan data menggunakan
berbagai operasi matematika dan statistika.
● Diagnostic analysis
Menggali data secara lebih dalam untuk mencari
penyebab dari suatu fenomena.
● Predictive analysis
Menggunakan data historis untuk memprediksi
observasi baru.
● Prescriptive analysis
Membuat rekomendasi berdasarkan data serta
menyampaikan implikasinya.
Pengantar
Jangan khawatir sob, sekarang kita cuman bahas

descriptive analysis aja kok~
Metode analisis ini adalah yang paling mendasar dan

paling umum dilakukan oleh seseorang yang berprofesi
di bidang Business Intelligence.
Pengantar
Di metode ini, ada beberapa teknik statistika yang perlu

kita pahami untuk mendukung proses analisis:
Measures of Frequency
Teknik ini menghitung seberapa sering suatu kejadian
terjadi.
Pengantar
Nah, di sini ada dua jenis perhitungan yang umumnya

dipakai, yaitu ada count dan propotion.
Hmm, gimana tuh? Berikut contohnya!
● Count
○ Jumlah pelanggan Netflix yang baru mulai
berlangganan di bulan Maret 2021
○ Jumlah film bergenre horor yang dapat
ditonton selama bulan Maret 2021
Pengantar
● Proportion
○ Proporsi pelanggan Netflix yang berusia di
bawah 18 tahun, dibandingkan terhadap
seluruh pelanggan Netflix
Pengantar
Measures of Central Tendency

Teknik ini menghitung seberapa umum suatu kejadian
terjadi. Ada tiga model perhitungan yang biasa
dilakukan dalam teknik ini:
● Mean → average atau rata-rata

○ Rata-rata durasi semua film buatan
Indonesia yang tersedia di Netflix
● Median → nilai tengah

○ Median dari durasi semua film buatan
Indonesia yang tersedia di Netflix
● Mode → nilai yang paling sering muncul

○ Film buatan Indonesia yang paling banyak
ditonton di Netflix selama tahun 2021
Pengantar
Measures of Dispersion
Teknik ini menghitung persebaran data yang dilakukan
dengan model perhitungan berikut:
● Variance → jarak antara suatu observasi

dengan nilai rata-rata
○ Varians dari jumlah film yang diberi rating
oleh setiap pelanggan Netflix di Surabaya
● Range → jarak antara nilai observasi terendah

dan tertinggi
○ Range jumlah film yang diberi rating oleh
setiap pelanggan Netflix di Surabaya
Pengantar
Measures of Position
Teknik ini menghitung posisi suatu data individu dalam
kumpulan data yang sudah diurutkan dan dibagi ke
beberapa kelompok.
● Quantile: posisi sebuah data individu dalam 4

kelompok data.
○ Q-3 waktu yang dihabiskan pelanggan
Netflix menonton film selama 1 hari
● Percentile: posisi sebuah data individu dalam

100 kelompok data.
○ P-90 waktu yang dihabiskan pelanggan
Netflix menonton film selama 1 hari
Pengantar
Selain memahami teknik-teknik di atas, penting juga

untuk mengetahui model perhitungan yang tepat dan
masuk akal untuk dilakukan terhadap data.
Maksudnya gimana nih?

Pengantar
Pelanggan Netflix Usia (tahun)
Misalnya ketika kita punya data usia dari pelanggan Pelanggan A 25

Netflix.
Maka model perhitungan yang masuk akal adalah Pelanggan B 50

dengan menghitung rata-rata, bukan dijumlahkan.
Pelanggan C 75
Contohnya, jumlah usia 3 pelanggan Netflix yang
masing-masing 25, 50, dan 75 tahun adalah 150 tahun. Jumlah Usia 150
Tidak masuk akal untuk dihitung bukan? Tetapi
rata-ratanya, yaitu 50 tahun, lebih masuk akal untuk Rata-rata usia 50
dihitung.
Tidak masuk akal karena sangat kecil

kemungkinannya ada orang berusia 150 tahun.
Pengantar
Kalau kamu hitung rata-ratanya, hasilnya akan menjadi

sangat besar dan tidak masuk akal.
Tetapi kalau kamu hitung median atau nilai tengah,

kamu tidak menganggap data 3600 detik tersebut,
sehingga hasilnya menjadi lebih logis!
Data 3600 detik inilah yang kita sebut sebagai data

outlier.
Pengantar
Apa itu data outlier?

Data Outlier disebut juga dengan data pencilan.
Pengertian dari Outlier adalah data observasi yang
muncul dengan nilai-nilai ekstrim.
Nah, yang dimaksud dengan nilai-nilai ekstrim dalam

observasi ini adalah nilai yang jauh atau beda sama
sekali dengan sebagian besar nilai lain dalam
kelompoknya.
Pengantar
Misalnya, nilai ujian siswa dalam satu kelas yang

berjumlah 40 siswa, sebanyak 39 siswa mendapatkan
nilai ujian dalam kisaran 70 sampai 80.
Kemudian ada 1 siswa yang nilainya sangat melenceng

dari lainnya, yaitu mendapatkan nilai 30. Nah, tentunya
1 siswa tersebut memiliki nilai ekstrim sehingga disebut
sebagai pencilan!
Pengantar
Contohnya seperti data mengenai jeda waktu dari

membuka aplikasi Netflix hingga aplikasi terbuka
sepenuhnya.
Ada pengguna yang hanya menunggu selama satu

detik, tetapi ada yang menunggu sampai 3600 detik
karena kuotanya habis.
Dashboard
Kalau proses analisis sudah selesai, kita

bisa masuk ke tahap penyajiannya
melalui dashboard.
Di bagian ini, kita bakal belajar tentang

pengertian, fungsi, jenis-jenis serta
komponen dari dashboard!
Langsung kita cekidot~

Pengantar
Memahami Pengertian Dashboard
Di bagian sebelumnya, kita sudah menyiapkan metrics,

KPI, dan mengumpulkan data serta analisis yang
diperlukan.
Semua yang sudah kita siapkan tadi kemudian secara

otomatis akan dilacak, dianalisis lebih lanjut dan
ditampilkan secara visual melalui dashboard untuk
memantau kinerja perusahaan, divisi, atau proses
tertentu sesuai kebutuhan.
Kenapa sih penyajiannya harus secara visual?

Pengantar
Di balik layar, dashboard terhubung ke data, services,

API atau berbagai aplikasi lainnya sebagai data source
atau sumber data.
Bayangkan jika setiap kali mau menganalisis atau

mencari insight, kamu harus berhadapan dengan
deretan tabel yang rumit dan penuh angka maupun
teks.
Pengantar
Bisa puyeng ya kan?🤯

Untuk itulah, dashboard kita butuhkan untuk
menampilkan data ini sebagai diagram atau bentuk
visualisasi data lainnya kepada user dengan lebih
efektif dan efisien, dan tentunya sedap dipandang~
Fungsi Dashboard
Eits, tapi fungsi dashboard bukan cuma

buat estetik-estetik aja guys!
Ada beberapa fungsi lainnya yang bikin

proses pengambilan keputusan bisnis
jadi lebih cepat dan mudah.
Kita intip aja langsung yuk!

Pengantar
Memahami Fungsi Dashboard
Identifikasi Tren
Dashboard yang dinamis dapat menunjukkan koneksi
data antar unit atau departemen dalam sebuah
perusahaan.
Dengan melihat koneksi antar data ini kita dapat

mengidentifikasi dan menganalisis tren positif yang
terkait dengan aktivitas bisnis atau melakukan koreksi
kegiatan yang menyebabkan tren negatif bisnis.
Pengantar
Peningkatan efisiensi dalam

pengambilan keputusan
Dengan menggunakan dashboard, kita bisa
memahami data-data dalam jumlah besar dengan
lebih mudah, cepat, dan akurat.
Contohnya, proses pengiriman supply stok barang ke

bisnis toko retail akan lebih cepat dan akurat kalau kita
memanfaatkan dashboard supply chain yang
menampilkan data sisa stok pada tiap cabang toko
retail yang ada.
Pengantar
Self-service data dan analisis

Modern BI tool saat ini sudah sangat user friendly dan
mudah digunakan. Sehingga data dan analisis
dashboard dapat dengan mudah digunakan secara
luas di perusahaan tanpa harus menunggu campur
tangan tim IT untuk mengolahnya.
Ini akan memberikan level agility dan mobility yang

tidak dapat ditandingi oleh pengolahan data tradisional
ataupun manual.
Oh iya, kalau mau cek jenis-jenis BI tools bisa ke sini ya~

Pengantar
Bisa berbagi data dan analisis yang

sama dengan user lain!
Dashboard memudahkan kita untuk membagikan data
dan analisis ke individu atau divisi lain yang
memerlukan data yang sama.
Pengantar
Misalnya nih, ada user yang mungkin ingin melihat

data dari divisi penjualan untuk mengetahui berapa
banyak pelanggan yang telah membeli barang tertentu
di minggu itu.
Mereka kemudian dapat menggunakan informasi

tersebut untuk mengukur berapa banyak pendapatan
baru yang diharapkan, atau apakah akan melanjutkan
promosi barang tersebut atau tidak.
Komponen Dashboard
Dashboard secara keseluruhan terdiri

dari beberapa komponen yang perlu kita
pahami satu per satu.
Dengan memahami komponen ini, kita

bisa lebih mudah melakukan
troubleshooting jika sewaktu-waktu ada
kendala yang muncul.
Pengantar
Memahami Komponen Dashboard
Data Visualization
Di dashboard, data dapat dikonfigurasi menjadi
berbagai jenis visualisasi untuk menunjukkan metrik
kinerja, statistik, dan informasi lainnya dalam bentuk
visual.
Visualisasi ini sudah disediakan di aplikasi BI, kita

tinggal menggunakannya dengan dimensions dan
measures yang sesuai dengan masing-masing visual
grafik yang ada, misalkan untuk visual grafik batang
kita akan memerlukan 1 dimension dan 1 measure agar
tampilan datanya muncul sebagai grafik.
Pengantar
Apa itu Dimensions dan Measures?

Dimensions dan Measures adalah dua istilah yang akan kita temui di BI tools.
Penjelasan singkat dari keduanya adalah:
● Dimensions berisi nilai kualitatif (seperti nama, tanggal, atau data geografis).
Kita dapat menggunakan dimensi untuk mengategorikan,
mengsegmentasikan, dan menjelaskan detail dari data.
● Measures berisi nilai numerik dan kuantitatif yang dapat kamu ukur (seperti
angka bulat, angka desimal). Di measures kita dapat melakukan komputasi
matematika (seperti kali, bagi, tambah, kurang).
Pengantar
Komponen selanjutnya, ada Data

Tables!
Di BI tools kita dapat melihat data yang siap kita
gunakan dalam bentuk tabel.
Kegunaan tampilan tabel ini adalah memberikan

pandangan sekilas atas data-data yang akan kita
gunakan di dalam dashboard.
Pengantar
Nah, karena data yang muncul di tabel ini adalah

data-data yang sudah kita pilih dari data warehouse,
jadi bukan semua data tapi hanya data yang akan
digunakan~
Di sini kita juga dapat melakukan transformasi data

apabila masih ada data yang mau kita standarkan.
Pengantar
Drill-down/Hierarki
Fitur ini memungkinkan bagi kita untuk membuat
koneksi top - down atas data dan akan sangat berguna
saat kita menerapkannya di dashboard.
Contohnya, kita punya kolom Negara, Provinsi, Kota,

Kabupaten, Kecamatan dari ke-5 kolom ini kita dapat
membangun hierarki seperti berikut ini!
Pengantar
Negara
Kota A Kota B
Kecamatan A1 Kecamatan A2 Kecamatan B1 Kecamatan B2
Kabupaten A1.1 Kabupaten A1.2 Kabupaten B1.1 Kabupaten B1.2 Kabupaten B2.1
Pengantar
Data Filters
Data filters adalah fitur yang memungkinkan
pengguna untuk menyesuaikan rentang tanggal dan
waktu, lokasi geografis, dan parameter lain (seperti:
kategori, tipe) pada dashboard guna mendapatkan
tampilan informasi yang disajikan dengan lebih fokus
pada segment tertentu.
Pengantar
Tooltips
Tooltips adalah informasi detail yang biasanya muncul
dalam bentuk pop-up untuk data yang divisualisasikan
guna memberikan informasi dan konteks tambahan
tentang data tersebut.
Pengantar
Properties
Properties adalah fitur di BI tools yang memudahkan
kita untuk melakukan editing atas visualisasi yang kita
bangun (seperti warna chart, ukuran font, posisi chart
dll) dan banyak hal lainnya yang berhubungan dengan
tampilan visual dapat kita setting di fitur properties ini.
Jenis-jenis Dashboard
Setelah kita memahami apa saja

komponen-komponen yang ada dalam
dashboard, sekarang kita perlu untuk
mengenali jenis-jenis dashboard.
Sebenarnya, tidak ada kategorisasi

dashboard yang pasti, namun kali ini
kita bakal bahas jenis dashboard apa
saja yang umum digunakan.
Pengantar
Memahami Jenis-jenis Dashboard
Strategic Dashboard
Digunakan untuk memantau strategi perusahaan
jangka panjang.
Biasanya rumit dalam pembuatannya karena

melibatkan data yang sifatnya end-to-end di sebuah
perusahaan agar dapat memberikan gambaran
menyeluruh atas kondisi sebuah perusahaan.
Dashboard ini umumnya digunakan oleh manajemen

tingkat senior sampai CEO level.
Pengantar
Operational Dashboard
Merupakan salah satu jenis dashboard yang digunakan
untuk memantau dan mengelola kegiatan operasional
yang memiliki horizon waktu yang lebih singkat dan
biasanya spesifik di departemen atau proses tertentu.
Dikarenakan dashboard ini fokus pada pelacakan

kegiatan operasional, biasanya digunakan oleh
manajemen tingkat junior.
Pengantar
Analytical Dashboard
Jenis dashboard ini berisi sejumlah besar data yang
dibuat oleh analis untuk memberikan dukungan
pengambilan keputusan kepada level eksekutif.
Dashboard ini menggunakan data historis dan

menyajikannya dalam trend, perbandingan antar
variabel, membuat forecast, dan membuat target.
Pengantar
Perbedaan antara analytical dashboard dan strategic

dashboard terletak pada scope-nya yang biasanya
hanya di departemen tertentu saja. Dengan begitu,
analytical dashboard biasanya digunakan oleh
manajemen menengah.
Pengantar
Tactical Dashboard
Dashboard ini digunakan dalam pemantauan bisnis
proses yang dilakukan oleh manajemen tingkat
menengah, yang menekankan pada analisis.
Dasboard ini menekankan pada bisnis proses tertentu

(biasanya critical) yang memegang peran penting
keputusan strategis organisasi.
Pengantar
Contoh sederhananya adalah

dashboard medsos SayurSay
berikut!
Dashboard ini menunjukkan sejauh apa peluncuran
sebuah produk baru SayurSay dapat diterima atau
tidak oleh user melalui reaksi user terhadap konten
medsosnya!
Di Dashboard ini terdapat, rata-rata reaksi terhadap

post, engagement per postingan, dan lain sebagainya.
Sebagaimana yang terdapat pada gambar di samping
ini~
Dashboard Best Practices
Oke!
Agar dashboard yang kita hasilkan

sesuai dan bisa dimanfaatkan oleh user
sebaik mungkin, juga terdapat beberapa
best-practice yang bisa kita terapkan
dalam membangun dashboard yang
baik dan benar.
Apa aja sih? Yuk, lanjut lagi buat cari

tauuu~
Pengantar
Pertama, susun informasinya dari

yang terpenting!
Yap, kudu diprioritasin mana informasi yang paling
penting sampai yang kurang penting!
Dashboard seperti menceritakan sebuah artikel koran.

Sebagaimana, seorang jurnalis yang baik bakal
menempatkan informasi paling penting di paragraf
pertama artikel mereka.
Dashboard yang kita bangun juga begitu! Harus

dimulai dengan menyoroti data atau informasi yang
paling relevan terlebih dahulu
Pengantar
Konsep piramida terbalik dapat digunakan di sini.

Letakkan data yang paling signifikan dan substansial di
bagian atas.
Diikuti dengan detail penting yang memberikan

pemahaman lebih lanjut dan akhirnya selesaikan
dengan granular, dan informasi latar belakang yang
membantu pembaca menggali lebih dalam!
Pengantar
Gunakan model visualisasi yang

tepat!
Di dashboard kita menggunakan visualisasi untuk
mengkomunikasikan data kepada user. Sangat perlu
untuk menggunakan visual yang tepat, supaya user
mudah memahami dan tidak miss-interpretasi atas
data yang dimaksud.
Pengantar
Nah, gini ya gengs tips membuat

model visualisasi yang tepat
● Relationship
Menunjukkan hubungan antara 2 variabel atau lebih.
Contoh: Scatter plots, spider charts, bubble charts.
● Comparison
Membandingkan antara 2 variabel atau lebih.
Contoh: bar chart, column chart, spider chart, table, line

chart.
Pengantar
Ini masih tips membuat model

visualisasi ya~
● Composition
Memvisualisasikan keterkaitan suatu variabel dengan

keseluruhan variabel lainnya.
Contoh: stacked bar chart, stacked area chart, pie chart,

donut chart, dan waterfall chart.
● Distribution
Memvisualisasikan sebaran 1 variabel atau lebih
Contoh: Line charts, histogram chart, dan scatter charts.

Pengantar
Pengantar
Kedua, dikasih konteks yang jelas~

Menampilkan metric saja tidak cukup, kita juga harus
menambahkan konteks tentang seberapa baik atau
buruknya metrik tersebut. Tanpa konteks, pengguna
tidak dapat memahami arti sebenarnya dari data, jenis
tindakan apa yang perlu mereka ambil, atau apakah
tindakan diperlukan sama sekali.
Pengantar
Misalnya...
Ya, senang mengetahui berapa banyak prospek yang
kamu hasilkan tahun ini, tetapi bagaimana dengan
tahun lalu?
Bagaimana angka itu dibandingkan dengan target

yang ditetapkan untuk tahun ini? Apakah angka itu
baik, buruk, atau tidak biasa?
Menyertakan data historis adalah cara mudah untuk

menjawab pertanyaan-pertanyaan ini. Catat tanggal
penting atau bandingkan angka dengan kerangka
waktu sebelumnya (yaitu, bulan, kuartal, tahun)
sehingga tren menjadi jelas.
Pengantar
Ketiga, ditambahin interaksi antar

visualnya biar makin ciamik!
Presentasi yang membosankan dan laporan analisis
yang tidak dapat dipahami adalah sesuatu dari cara
tradisional yang menggunakan excel dan power point,
dashboard yang interaktif adalah alat yang dapat
menyajikan informasi yang bisa terhubung satu sama
lain.
Beberapa fitur dashboard interaktif meliputi:
1. Filter untuk time range tertentu

2. Tooltips
3. Warna yang berubah sesuai target tertentu
Pengantar
Terakhir, gampang dibaca adalah

kunci dari segalanya!
Dashboard yang terlalu banyak informasi dan terlalu
banyak warna bertabrakan akan sangat menyulitkan
user untuk membaca data atau informasi yang kita
sajikan.
Pertimbangkan untuk memecah dashboard ke

beberapa halaman apabila informasi yang akan kita
tampilkan memang sangat banyak.
Refleksi belajar
Asyik! Selesai sudah topic kita tentang

analisis data dan dashboard.
Nah, menurut kamu, kenapa sih

Dashboard penting untuk BI Analyst?
Hayoo, kira-kira kenapa ya~ 🤔
Quiz
Saatnya
Quiz
Quiz
1
Ketika menganalisis data, Okta berusaha memahami setiap kolom dari tabel yang ia
gunakan. Ia juga mencari nilai tertinggi dari beberapa kolom yang berisikan data numerik. Di
sini Okta melakukan kegiatan…
A Data Collection
B Data Cleansing
C Data Profiling
Pembahasan Quiz
C. Data Profiling
Proses memahami karakteristik dan pola pada data adalah

bagian dari Data Profiling, yang berfungsi untuk
menghindari interpretasi data yang keliru.
Quiz
2
Apa yang perlu dilakukan ketika kita menemukan angka yang tidak wajar dalam dataset?
A Mengolah angka tersebut apa adanya
B Menghapus angka tersebut dari dataset
C Mengganti angka tersebut dengan nilai rata-rata

Pembahasan Quiz
C. Mengganti angka tersebut dengan nilai

rata-rata
Salah satu cara menangani angka yang tidak wajar adalah

dengan menggantinya dengan nilai rata-rata data tersebut di
dalam dataset. Cara lain yang biasanya dilakukan adalah
dengan mengeluarkannya dari kelompok data yang akan
diolah.
Quiz
3
Pengertian dari descriptive analysis adalah…
A Menjelaskan data menggunakan teknik-teknik statistika
B Mencari kesimpulan dari data menggunakan teknik-teknik deskriptif
C Mencari faktor-faktor yang menyebabkan suatu kesimpulan yang ditarik dari

data
Pembahasan Quiz
A. Menjelaskan data menggunakan

teknik-teknik statistika
Teknik-teknik seperti mencari rata-rata, frekuensi, standar

deviasi, dan lain-lain adalah teknik-teknik statistika yang
dapat digunakan untuk menjelaskan data.
Quiz
4
Di bawah ini yang bukan merupakan fitur penting dari sebuah dashboard yaitu…
A Drill-down dan filter
B Desain grafis dan animasi tingkat profesional
C Dapat diakses oleh pihak yang berkepentingan dengan mudah

Pembahasan Quiz
B. Desain grafis dan animasi tingkat

profesional
Desain grafis dan animasi yang baik merupakan nilai tambah

dari sebuah dashboard. Tetapi yang terpenting adalah
dashboard yang dapat memenuhi business requirement
dengan baik.
Quiz
5
Sales lapangan di sebuah perusahaan diperlengkapi dengan smartphone baru untuk
mengakses dashboard. Dashboard jenis apa yang biasanya diakses oleh mereka?
A Strategic dashboard
B Operational dashboard
C Analytical dashboard
D Tactical dashboard
Pembahasan Quiz
B. Operational dashboard
Operational dashboard, karena para sales ini hanya melacak

proses tertentu yakni proses penjualan barang dan biasanya
dalam jangka waktu tertentu misalkan 1 bulan atau 1 tahun.
Pengantar
Rangkuman
Dari materi Chapter 3 Topic 2 ini,

kita udah belajar…
Proses analisis data
1. Problem Definition
2. Data Collection
3. Data Profiling & Cleansing
4. Analyze
Fungsi dashboard
1. Identifikasi Tren
2. Peningkatan efisiensi dalam pengambilan
keputusan
3. Self-service data dan analisis
4. Dapat berbagi data dan analisis yang sama
dengan orang lain
Pengantar
Rangkuman

1. Gunakan model visualisasi yang tepat
a. a. Relationship
b. b. Comparison
c. c. Composition
d. d. Distribution
2. Berikan konteks
3. Tambahkan interaksi antar visualisasi
4. Dashboard sebaiknya mudah dibaca
Penutup
Perjalanan kita di Chapter 3 hampir

selesai nih, gengs!
Di topic selanjutnya, kita bakal bahas

lebih lanjut tentang pengolahan data,
tepatnya tentang logika dalam analisis
data.
Ada hape geter-geter, see you later!

Analisis Data Dan Pemahaman Dashboard: Gold Chapter 3 - Topic 2

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Analisis Data Dan Pemahaman Dashboard: Gold Chapter 3 - Topic 2

Uploaded by

Copyright:

Available Formats

Analisis Data dan

Di Chapter 3 Topic 1, kita sudah belajar bagaimana cara

Di Topic 2 kali ini, kita akan lanjut kembali mengulas

Detailnya, kita bakal bahas hal-hal

Udah paham soal data warehouse,

Di sini, kita udah mulai bisa melihat apa

Kira-kira seperti apa ya manfaatnya? Yuk

Apa itu analisis data?

Di sini, kita bakal memeriksa data satu per satu secara

Yep! Ala-ala detektif pas lagi mecahin kasus gitu deh

Tujuannya buat apa?

Terus, cara analisis data gimana?

Nah, kita ulas satu per satu ya biar ketahuan

Pertama, yaitu Problem Deﬁnition!

Nah, di sinilah BRD yang kita bikin di awal chapter

Dalam proses ini, ada 3 pertanyaan yang perlu kita

1. Apa tujuan dari analisis ini?

Hmmm, bentar deh! Business

Jadi, setiap divisi di perusahaan memiliki business

Masing-masing divisi akan bekerja untuk

Nah, Business metrics ini juga biasanya akan dimonitor

Terus bedanya sama KPI apa dong?

Sementara, KPI (Key Indicator Performance) mengukur

Pada proses analisis data, kita lebih sering

Dalam rangka mencapai KPI tersebut, divisi lain yang

Hal semacam ini nantinya bakal mempengaruhi KPI

Kira-kira begini deh

Lanjut ke Data Collection~

Soal tools ini, kita obrolin lebih mendalam di

Seperti apa prosesnya?

Kamu masih ingat dong sama jenis-jenis data yang

Nah, kalau kita sudah paham nih sama jenis-jenis data

Misalnya, data yang dibutuhkan belum tersedia. Kalau

Jika ternyata data tersebut tidak bisa

Pada kasus lainnya, terkadang data yang dibutuhkan

Jadi, di sini kita perlu menggabungkan tabel-tabel

Sekarang kita ke Data Proﬁling dan

Tapi sebelumnya, kita perlu melakukan pemeriksaan

Apa sih tujuan Data Proﬁling dan

Istilah “garbage in, garbage out” di tahap ini perlu

Kita bahas perihal ini lebih jauh di topic selanjutnya ya~

Setelah data yang didapat sudah pasti akurat, maka

● Completeness: apakah data tersebut lengkap?

● Uniqueness: apakah ada duplikasi pada data?

● Validity: apakah data mencerminkan kondisi

● Consistency: apakah data menunjukkan pola

Kita lihat data di samping yuk! Ini adalah data

Di tahap proﬁling dan cleansing, pertama-tama Sabrina

Jika ada data yang hilang, sebaiknya data tersebut

Yang kedua adalah dari segi uniqueness. Kita perlu

Kalau ada data yang terduplikasi maka harus

Jika sudah, perhatikan juga pada unsur validity.

Pada contoh di sebelah kanan, data penjualan matcha

Data seperti ini dapat kita gantikan dengan nilai yang

Yang terakhir adalah unsur consistency. Periksalah

Pada contoh di samping kita bisa menemukan bahwa

Format yang tidak konsisten harus diseragamkan agar

Lalu, saatnya kita Analyze!

Setelah melalui proses problem deﬁnition, data

Ada beberapa metode analisis yang bisa kita gunakan:

Jangan khawatir sob, sekarang kita cuman bahas

Metode analisis ini adalah yang paling mendasar dan

Di metode ini, ada beberapa teknik statistika yang perlu