Anonimisasi data adalah proses mengubah data sehingga orang di dalamnya tidak bisa dikenali lagi, misalnya dengan menghapus kolom nama, menyamarkan nomor HP menjadi 0812*****890, atau mengganti nama pelanggan dengan kode Nama-001. Sebelum data pelanggan atau karyawan dianalisis dengan ChatGPT, Claude, atau AI lain, cukup lakukan empat langkah: tentukan kolom yang dibutuhkan, hapus sisanya, samarkan atau kodekan identitas, lalu cek ulang kolom teks bebas. Di bawah ada contoh lengkapnya dan tool gratis yang mengerjakannya di browser.
Kenapa Data Perlu Disamarkan Dulu
Saat kamu menempelkan tabel ke chatbot AI, isinya dikirim ke server penyedia layanan. Di layanan versi gratis atau pribadi, percakapan bisa disimpan dan, tergantung pengaturan akunmu, dipakai untuk melatih model. Kebijakan setiap layanan berbeda dan bisa berubah, jadi anggap saja semua yang kamu tempel sudah keluar dari kendali perusahaanmu.
Di Indonesia, data pelanggan dan karyawan dilindungi UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi (UU PDP), yang berlaku penuh sejak Oktober 2024. Perusahaan wajib menjaga data pribadi yang dikelolanya, termasuk saat data itu dibagikan ke pihak lain. Menempelkan daftar pelanggan lengkap dengan NIK ke layanan AI publik sulit dipertanggungjawabkan. Artikel ini bukan nasihat hukum; untuk kebijakan resmi kantor, tanyakan ke tim legal atau petugas pelindungan data di perusahaanmu.
Kabar baiknya, sebagian besar analisis tidak membutuhkan identitas sama sekali. Untuk tahu "kota mana yang belanjanya paling besar" atau "berapa persen pelanggan yang membeli lagi", AI cukup tahu kota, total belanja, dan kode pelanggan, bukan nama dan nomor HP.
Empat Teknik Menyamarkan Data
| Teknik | Contoh | Cocok untuk |
|---|---|---|
| Hapus kolom | Kolom alamat tidak ikut dibagikan | Kolom yang tidak dibutuhkan analisis. Pilihan paling aman |
| Samarkan sebagian (masking) | 081234567890 menjadi 0812*****890 |
Kolom yang masih perlu dikenali sekilas, misalnya untuk cek operator |
| Ganti dengan kode (pseudonimisasi) | Budi Santoso menjadi Nama-001 di semua baris |
Analisis per orang: frekuensi beli, pelanggan setia |
| Generalisasi | Tanggal lahir menjadi rentang umur 25 sampai 34; alamat lengkap menjadi kota | Kolom yang dibutuhkan dalam bentuk kasar |
Bedakan dua istilah ini:
- Anonimisasi: data tidak bisa dikembalikan ke orangnya. Contohnya menghapus kolom atau masking tanpa menyimpan nilai aslinya.
- Pseudonimisasi: identitas diganti kode, dan ada tabel kunci yang bisa mengembalikan kode ke nama asli. Tabel kunci itu tetap data pribadi, jadi simpan di perangkatmu dan jangan ikut dibagikan.
Langkah demi Langkah
1. Tentukan pertanyaan analisisnya
Tulis dulu apa yang ingin kamu tanyakan ke AI, misalnya "pelanggan mana yang belanjanya turun dibanding bulan lalu". Dari situ kelihatan kolom yang dibutuhkan: kode pelanggan, kota, tanggal, dan total. Nama, email, nomor HP, dan NIK tidak dibutuhkan.
2. Siapkan datanya
Data contoh berikut berisi tujuh kolom, empat di antaranya data pribadi. Perhatikan kolom catatan: di baris Sari ada nomor WhatsApp yang terselip. Ini yang paling sering terlewat.
nama,email,no_hp,nik,kota,catatan,total
Budi Santoso,[email protected],081234567890,3273012304850001,Bandung,Kirim sore,450000
Sari Dewi,[email protected],085711223344,3578015506900002,Surabaya,WA 0813-9988-7766,1250000
Andi Pratama,[email protected],087788990011,3171021012880003,Jakarta,,320000
Budi Santoso,[email protected],081234567890,3273012304850001,Bandung,Repeat order,275000
3. Samarkan dengan Penyamar Data Pribadi
- Buka Penyamar Data Pribadi, lalu pilih file CSV atau tempel sel dari Excel dan Google Sheets.
- Periksa tabel Pengaturan per kolom. Kolom nama, email, nomor HP, NIK, dan alamat dikenali dari judul dan isinya, dan tindakannya sudah dipilihkan.
- Pastikan pilihan Samarkan juga email dan nomor HP yang terselip di kolom lain tercentang.
- Periksa pratinjau, lalu klik Unduh CSV tersamar. Kalau memakai Ganti dengan kode, unduh juga tabel kunci dan simpan di perangkatmu.
Hasil dengan data contoh:

Yang terjadi:
- Empat kolom pribadi terdeteksi otomatis, dan 17 sel diubah.
- Nama diganti kode. Budi Santoso muncul dua kali dan keduanya menjadi
Nama-001, jadi AI tetap bisa menghitung bahwa pelanggan ini belanja dua kali dengan total Rp725.000. - Email dan nomor HP disamarkan sebagian:
b***@g****.comdan0812*****890. - NIK hanya menyisakan empat angka terakhir.
- Nomor WhatsApp di kolom catatan ikut tersamar menjadi
WA 0813-****-*766, walaupun kolom catatan sendiri dibiarkan. - Kota dan total belanja tidak berubah, karena itu yang dianalisis.
Datanya diproses di browser. File asli dan hasilnya tidak dikirim ke server Afapedia atau layanan AI mana pun.
4. Cek ulang sebelum dikirim
Buka file hasil dan baca sekilas, terutama kolom teks bebas seperti catatan, keluhan, atau alamat pengiriman. Deteksi otomatis mengenali email dan nomor HP, tetapi nama orang yang ditulis di dalam kalimat ("titip ke Pak Joko") tidak ikut tersamar. Kalau kolom itu tidak dibutuhkan, pilih Hapus kolom.
5. Kirim ke AI dan kembalikan hasilnya
Contoh prompt setelah file tersamar diunggah:
Data terlampir adalah transaksi pelanggan toko kopi, November 2026.
Kolom nama sudah diganti kode (Nama-001, dan seterusnya).
1. Hitung total belanja dan jumlah transaksi per kode pelanggan.
2. Urutkan dari total terbesar.
3. Sebutkan kota dengan rata-rata belanja per transaksi tertinggi.
Tampilkan hasilnya dalam tabel, lalu jelaskan cara menghitungnya.
Hasil AI berisi kode seperti Nama-002. Cocokkan kembali dengan nama asli memakai tabel kunci, misalnya dengan Gabung Data CSV atau XLOOKUP di spreadsheetmu. Jangan lupa cek ulang angka yang dihitung AI dengan rumus sendiri; AI bisa salah menjumlah.
Kapan Data Tersamar Masih Bisa Dikenali
Menghapus nama belum tentu membuat seseorang tidak bisa dikenali. Kombinasi beberapa kolom yang tampak aman bisa menunjuk ke satu orang:
- Tanggal lahir lengkap + kecamatan + jenis kelamin di data karyawan kantor kecil hampir pasti menunjuk ke satu nama. Ubah tanggal lahir menjadi rentang umur.
- Jabatan unik seperti "Kepala Cabang Cimahi" sama saja dengan menulis namanya. Ganti dengan level jabatan.
- NIK yang disamarkan dari belakang. Enam angka pertama NIK adalah kode provinsi, kabupaten, dan kecamatan, dan enam angka berikutnya adalah tanggal lahir. Kalau yang disisakan bagian depan, kecamatan dan tanggal lahir orangnya ikut terbaca. Itu sebabnya tool menyisakan empat angka terakhir (nomor urut), bukan bagian depannya.
- Angka yang sangat spesifik, seperti gaji direktur, langsung menunjuk ke orangnya walaupun namanya sudah kode.
Aturan praktisnya: bayangkan rekan kerja yang membaca file tersamar itu. Kalau dia bisa menebak siapa orangnya, samarkan lagi.
Kesalahan yang Sering Terjadi
- Hanya menghapus kolom nama. Email
budi.santoso@...dan nomor HP tetap menunjuk ke orang yang sama. - Lupa kolom teks bebas. Nomor HP dan alamat sering terselip di kolom catatan, keterangan, atau alamat kirim.
- Membagikan tabel kunci bersama file tersamar. Penyamarannya jadi tidak berguna. Tabel kunci tetap di perangkatmu.
- Masking yang berbeda-beda. Kalau nama disamarkan sebagian (
B*** S******), dua pelanggan berinisial sama terlihat seperti satu orang. Untuk analisis per pelanggan, pakai kode. - Menempel data mentah "sebentar saja" untuk dicoba. Sekali terkirim, data itu tidak bisa ditarik kembali.
Langkah Berikutnya
- Langkah ini bagian dari "Pakai AI tanpa membocorkan data" di Roadmap Data Analyst. Lanjutkan dengan automasi analisis data dengan AI untuk contoh prompt analisis yang lebih lengkap.
- Data masih kotor (spasi, duplikat, baris kosong)? Bersihkan dulu dengan cara membersihkan data di Excel dan Google Sheets.
- Ingin AI yang berjalan sepenuhnya di laptop sendiri untuk data yang sangat sensitif? Baca menjalankan local LLM dengan Ollama.