Analisis data paling mudah dipelajari dengan mengikuti urutan kerjanya: susun data dalam tabel yang rapi, bersihkan isinya, gabungkan dengan tabel lain, hitung dan rangkum, lalu sajikan dalam grafik atau dashboard yang menjawab pertanyaan. Halaman ini memetakan semua panduan analisis data di Afapedia Studio sesuai urutan itu, beserta tools yang bisa langsung dipakai di browser tanpa mengunggah datamu ke server atau AI.

Mulai dari Sini: 3 Artikel Pertama

  1. Apa itu data analyst: contoh satu tugas analisis dari pertanyaan atasan sampai kesimpulan, skill yang dipakai sehari-hari, dan gaji di Indonesia.
  2. Format tabel data yang rapi: delapan aturan menyusun data di Excel dan Google Sheets, dan cara mengubah tabel laporan menjadi tabel data.
  3. Cara membersihkan data: spasi tersembunyi, duplikat, baris kosong, dan angka yang terbaca sebagai teks.

Ketiganya tidak butuh software berbayar. Excel versi apa pun atau Google Sheets sudah cukup.

Tahap 1: Spreadsheet

Spreadsheet adalah alat analisis yang paling sering dipakai di kantor Indonesia, termasuk oleh data analyst yang sudah mahir SQL.

Urutan lengkapnya ada di Roadmap Spreadsheet untuk Analisis Data.

Tahap 2: SQL

Begitu data terlalu besar untuk spreadsheet atau tersimpan di database aplikasi, SQL menjadi alat utama. SQL juga skill yang paling sering diuji di tes kerja data analyst.

Semua panduan di bawah memakai satu dataset penjualan kedai kopi yang sama, jadi hasil setiap query bisa kamu cocokkan sendiri.

  1. Belajar database untuk pemula: konsep SQL: tabel, relasi, dan primary key.
  2. Tempat latihan SQL gratis dan dataset siap pakai: jalankan query di browser tanpa instal apa pun.
  3. Query SQL dasar: SELECT, WHERE, ORDER BY: termasuk jebakan NULL dan urutan AND/OR.
  4. GROUP BY dan HAVING: pivot table versi SQL.
  5. SQL JOIN: INNER dan LEFT JOIN, dan kenapa total bisa membengkak setelah JOIN.
  6. CASE WHEN dan fungsi tanggal: kategori, bulan, hari, dan perbedaan fungsi di SQLite, PostgreSQL, dan MySQL.
  7. Subquery dan CTE: memecah query rumit menjadi langkah yang bisa dicek.
  8. Window function: peringkat, total berjalan, dan perbandingan dengan bulan lalu.
  9. Studi kasus analisis penjualan: dari "omzet April turun" sampai penyebab dan rekomendasi.

Urutan dan target setiap langkah ada di Roadmap SQL untuk Data Analyst.

Tahap 3: Statistik dan Grafik

Statistik yang dibutuhkan untuk analisis sehari-hari tidak banyak: rata-rata dan median, sebaran data, persentase perubahan, dan perbedaan korelasi dengan sebab-akibat. Yang penting justru memilih ukuran dan grafik yang tidak menyesatkan.

  1. Statistik dasar untuk data analyst: pusat data, sebaran, outlier, persentase perubahan, dan korelasi.
  2. Mean, median, dan modus: kapan memakai yang mana, dengan contoh gaji dan nilai pesanan.
  3. Rumus statistik deskriptif di Excel dan Google Sheets: tabel rumus beserta hasil contoh yang bisa dicocokkan.
  4. Memilih jenis grafik yang tepat: batang, garis, histogram, scatter, dan kapan pie boleh dipakai.
  5. Membuat grafik di Excel dan Google Sheets: dari tabel ringkasan sampai grafik yang siap dikirim.
  6. Data storytelling: menyampaikan temuan supaya ditindaklanjuti.

Tools pendukung: Kalkulator Statistik Deskriptif untuk menghitung semua ukuran statistik dari angka yang ditempel, dan CSV ke Grafik untuk grafik batang atau garis yang bisa diunduh sebagai PNG.

Tahap 4: Dashboard

Dashboard adalah laporan yang bisa dilihat sendiri oleh orang lain tanpa harus bertanya ke kamu. Mulai dari Google Sheets, lalu pindah ke Looker Studio kalau pembacanya banyak atau datanya dari beberapa sumber.

Lanjutan: Python

Kalau datanya terlalu besar untuk spreadsheet atau laporannya diulang setiap minggu, langkah berikutnya adalah Python dengan pandas. Mulai dari pandas untuk analisis data, yang memakai dataset yang sama dengan panduan SQL sehingga hasilnya bisa dicocokkan.

Tahap 5: AI dan Privasi Data

AI bisa mempercepat analisis, tetapi data pelanggan dan karyawan tidak boleh asal ditempel ke chatbot.

Karier: Portfolio dan Interview

Tools Data Gratis

Semua tool di bawah berjalan di browser. File dan teks yang kamu masukkan tidak dikirim ke server atau layanan AI.

Tool Dipakai untuk Panduan terkait
Pembersih Data CSV Rapikan spasi, hapus duplikat, baris dan kolom kosong Membersihkan data
Gabung Data CSV Lengkapi tabel dari tabel lain seperti VLOOKUP, cari baris tanpa pasangan XLOOKUP vs VLOOKUP
Penyamar Data Pribadi Samarkan nama, email, nomor HP, dan NIK Anonimisasi data
Kalkulator Statistik Deskriptif Rata-rata, median, simpangan baku, outlier
CSV ke Grafik Grafik batang atau garis dari CSV

Semua tools data ada di kategori Data & Analisis.

Urutan Belajar yang Disarankan

Minggu Fokus Hasil yang bisa dicek
1 sampai 2 Format tabel dan membersihkan data Satu file data pekerjaanmu yang rapi dan bisa dibuat pivot table
3 sampai 4 Rumus inti: lookup, SUMIFS, IF Laporan bulanan yang ter-update otomatis saat data baru masuk
5 sampai 8 SQL dasar sampai JOIN Query yang menjawab tiga pertanyaan bisnis dari satu database latihan
9 sampai 12 Statistik dasar, grafik, dashboard Satu dashboard satu halaman dengan kesimpulan tertulis

Kalau tujuanmu pindah karier menjadi data analyst, ikuti Roadmap Data Analyst dari Nol yang menambahkan Python, portfolio, dan persiapan wawancara.

Prinsip yang Berlaku di Semua Panduan

  • Mulai dari pertanyaan, bukan dari tools. Analisis yang baik menjawab satu pertanyaan yang jelas.
  • Simpan data mentah. Bersihkan dan olah di salinan, supaya setiap langkah bisa diulang.
  • Cek angka dengan cara kedua. Total dari pivot table dicocokkan dengan SUM, hasil AI dicocokkan dengan rumus sendiri.
  • Data orang lain bukan milikmu. Samarkan sebelum dibagikan, dan jangan unggah data pelanggan ke layanan yang tidak jelas.

Halaman ini diperbarui setiap kali ada panduan baru di kategori Analisis & Visualisasi Data.