Analisis Data – Informatika Kelas 10

Kembali

Analisis Data

Informatika Kelas 10 | Kurikulum Merdeka

ANALISIS DATA

Pelajari cara mengumpulkan, mengolah, dan memvisualisasikan data! 🚀

📊

Pengenalan Data

Memahami apa itu data dan jenisnya

🔍

Koleksi Data

Cara mengumpulkan data yang efektif

⚙️

Transformasi Data

Mengolah dan membersihkan data

📈

Visualisasi Data

Membuat grafik yang informatif

/ Pengenalan Data

📊

Pertemuan 1 • 90 Menit

Pengenalan Data

Progress Belajar 0%

💾

Apa itu Data?

Data adalah kumpulan fakta, angka, teks, gambar, atau simbol yang dikumpulkan untuk tujuan tertentu. Data merupakan bahan mentah yang belum diolah menjadi informasi yang bermakna.

🔄 Dari Data ke Wisdom (Piramida DIKW)

📊

1. DATA

Fakta mentah: 85, 90, 78, 92

📈

2. INFORMATION

Data yang diolah: Rata-rata nilai = 86.25

🧠

3. KNOWLEDGE

Pemahaman: Siswa memiliki pemahaman baik

💡

4. WISDOM

Kebijaksanaan: Pertahankan metode belajar ini

⭐ Mengapa Data Sangat Penting?

🎯

Pengambilan Keputusan

Membantu membuat keputusan yang lebih tepat

🔍

Memahami Pola

Menemukan tren dan pola tersembunyi

📊

Prediksi Masa Depan

Memprediksi kejadian berdasarkan data historis

💰

Efisiensi Bisnis

Menghemat biaya dan meningkatkan profit

🎯 Jenis-jenis Data

🔢

Data Kuantitatif

Data berupa ANGKA yang dapat dihitung dan diukur secara numerik.

📍 Diskrit

Angka bulat, tidak bisa dipecah

Jumlah siswa: 30 Gol: 3 Mobil: 5 unit

📐 Kontinu

Angka desimal, bisa dipecah

Tinggi: 165.5 cm Suhu: 28.3°C Berat: 55.7 kg

📝

Data Kualitatif

Data berupa KATEGORI/LABEL yang mendeskripsikan karakteristik.

🏷️ Nominal

Kategori tanpa urutan

Warna: Merah Gender: L/P Kota: Jakarta

📊 Ordinal

Kategori dengan urutan/tingkat

Rating: ★★★★☆ Tingkat: Pemula Rank: Gold

Aspek	Kuantitatif	Kualitatif
Bentuk	Angka/Numerik	Teks/Kategori
Operasi	+, -, ×, ÷	Tidak bisa dihitung
Analisis	Rata-rata, Median, Modus	Frekuensi, Persentase
Grafik	Line, Scatter, Histogram	Bar, Pie Chart

🌟 Data dalam Kehidupan Sehari-hari

📱

Media Sosial

• Jumlah followers: 15.2K
• Like per post: 847
• Engagement rate: 5.6%
• Waktu posting terbaik: 19:00

🎮

Game Online

• Level karakter: 47
• Win rate: 62%
• Total playtime: 234 jam
• Rank: Diamond III

🏫

Sekolah

• Nilai rata-rata: 86.5
• Kehadiran: 95%
• Jumlah siswa: 32
�� Predikat: Sangat Baik

🛒

E-Commerce

• Harga produk: Rp 125.000
�� Rating: ★★★★★ 4.8
• Terjual: 2.3K
• Kategori: Elektronik

⚽

Olahraga

• Skor akhir: 3 – 1
• Penguasaan bola: 58%
• Shots on target: 12
• Man of the Match: Ronaldo

��️

Cuaca

• Suhu: 28°C
• Kelembaban: 75%
• Kecepatan angin: 12 km/jam
• Kondisi: Berawan

🏢 Studi Kasus: Netflix

Netflix mengumpulkan lebih dari 1 miliar data point setiap hari dari 200+ juta pengguna!

📊 Data yang Dikumpulkan:

• Kapan kamu menonton
• Apa yang kamu tonton
• Berapa lama menonton
• Device yang digunakan

🎯 Manfaat Data:

• Rekomendasi personal
• Membuat konten baru
• Optimasi streaming
• Prediksi tren

💡 Hasil: 80% konten yang ditonton berasal dari sistem rekomendasi!

/ Koleksi Data

🔍

Pertemuan 2 • 90 Menit

Koleksi Data

Progress Belajar 0%

📥

Apa itu Koleksi Data?

Koleksi Data adalah proses mengumpulkan informasi dari berbagai sumber untuk tujuan analisis. Proses ini merupakan langkah pertama dalam siklus analisis data yang berkualitas.

🔄 Siklus Koleksi Data

🎯

1. Tentukan Tujuan

Apa yang ingin kita ketahui?

📋

2. Pilih Metode

Bagaimana cara mengumpulkan?

🔍

3. Kumpulkan

Eksekusi pengumpulan data

✅

4. Validasi

Cek kualitas & akurasi data

⭐ Karakteristik Data Berkualitas

✓

Akurat

Data sesuai dengan kenyataan

✓

Lengkap

Tidak ada data yang hilang

✓

Konsisten

Format seragam di semua data

✓

Terkini

Data up-to-date dan relevan

✓

Valid

Sesuai aturan dan standar

✓

Relevan

Sesuai tujuan penelitian

🎯 Metode Koleksi Data

✍️

Metode Manual

Pengumpulan data dilakukan secara langsung oleh manusia dengan interaksi personal.

📋

1. Survei / Kuesioner

Daftar pertanyaan terstruktur untuk responden

✓ Jangkauan luas ✓ Data terstandar

✗ Respons bias ✗ Perlu waktu

Contoh: Google Forms, SurveyMonkey

🎤

2. Wawancara

Dialog langsung dengan narasumber

✓ Data mendalam ✓ Fleksibel

✗ Butuh waktu lama ✗ Biaya tinggi

Contoh: Interview langsung, Zoom meeting

👁️

3. Observasi

Pengamatan langsung perilaku atau fenomena

✓ Data alami ✓ Objektif

✗ Subyektif observer ✗ Terbatas

Contoh: Field study, Lab observation

🔬

4. Eksperimen

Manipulasi variabel dalam kondisi terkontrol

✓ Sebab-akibat jelas ✓ Terkontrol

✗ Mahal ✗ Kompleks

Contoh: A/B Testing, Lab experiment

🤖

Metode Otomatis

Pengumpulan data menggunakan teknologi dan sistem komputer secara otomatis.

🕷️

1. Web Scraping

Ekstraksi data otomatis dari website

✓ Cepat & efisien ✓ Data besar

✗ Isu legal ✗ Perlu coding

Contoh: BeautifulSoup, Scrapy, Selenium

🔌

2. API (Application Programming Interface)

Akses data terstruktur dari platform

✓ Terstruktur ✓ Real-time

✗ Rate limit ✗ Perlu akses

Contoh: Twitter API, Google Maps API

📡

3. IoT Sensor

Pengumpulan data otomatis dari perangkat

✓ 24/7 monitoring ✓ Akurat

✗ Biaya hardware ✗ Maintenance

Contoh: Sensor suhu, GPS tracker

📊

4. Log Files & Analytics

Data perilaku pengguna dari sistem

✓ Pasif ✓ Detail tinggi

✗ Privacy concern ✗ Volume besar

Contoh: Google Analytics, Server logs

Aspek	Manual	Otomatis
Kecepatan	Lambat	Sangat Cepat
Biaya Awal	Rendah	Tinggi
Volume Data	Terbatas	Sangat Besar
Akurasi	Tergantung manusia	Konsisten tinggi
Kedalaman Info	Mendalam & kontekstual	Kuantitatif & terstruktur

🛠️ Tools & Platform Koleksi Data

📝

Google Forms

Survey online gratis yang mudah digunakan

Gratis Mudah Integrasi

✓ Real-time response • ✓ Auto spreadsheet

🐵

SurveyMonkey

Platform survey profesional dengan analytics

Premium Advanced

✓ Template profesional • ✓ Skip logic

✨

Typeform

Survey interaktif dengan UX menarik

Freemium Beautiful

✓ One question at time • ✓ Conversational

📊

Google Analytics

Tracking perilaku pengunjung website

Gratis Powerful

✓ Real-time data • ✓ Detailed reports

🐍

Python + Libraries

Web scraping & API automation

Open Source Coding

✓ BeautifulSoup • ✓ Scrapy • ✓ Pandas

📮

Postman

Testing & mengakses API dengan mudah

Freemium API

✓ No coding needed • ✓ Collection

🏢 Studi Kasus: Tokopedia

Tokopedia mengumpulkan jutaan data transaksi setiap hari dari 100+ juta pengguna aktif!

📊 Metode Koleksi:

• Click tracking di app/web
• Log transaksi otomatis
• Review & rating produk
• Survey kepuasan pelanggan

🎯 Hasil Analisis:

• Rekomendasi produk personal
• Deteksi fraud transaksi
• Optimasi harga dinamis
• Prediksi demand produk

💡 Impact: Peningkatan konversi penjualan hingga 40% dengan personalisasi!

/ Transformasi Data

⚙️

Pertemuan 3 • 90 Menit

Transformasi Data

Progress Belajar 0%

🔄

Apa itu Transformasi Data?

Transformasi Data adalah proses mengubah, membersihkan, dan menyusun data mentah menjadi format yang siap dianalisis. Proses ini penting karena data mentah sering kali berantakan dan tidak konsisten.

�� Alur Transformasi Data

📥

1. DATA MENTAH (Raw Data)

Data kotor: duplikat, kosong, format tidak konsisten

❌ Belum siap

⬇️

🧹

2. CLEANING (Pembersihan)

Hapus duplikat, isi nilai kosong, standarisasi format

⚙️ Proses

⬇️

🔧

3. TRANSFORMATION (Pengolahan)

Filter, sort, agregasi, kalkulasi dengan fungsi

⚙️ Proses

⬇️

📊

4. DATA BERSIH (Clean Data)

Data rapi, konsisten, siap untuk analisis & visualisasi

✅ Siap

⭐ Mengapa Transformasi Data Sangat Penting?

🎯

Akurasi Analisis

Data kotor = hasil analisis salah!

⚡

Efisiensi Kerja

Hemat waktu dengan data yang rapi

🔍

Insight Lebih Baik

Temukan pola tersembunyi dengan mudah

📈

Visualisasi Sempurna

Grafik yang indah dari data bersih

🛠️ Teknik-teknik Transformasi Data

🧹

Data Cleaning (Pembersihan)

🗑️ Hapus Duplikat

Menghilangkan data yang sama persis

Excel: Data → Remove Duplicates

📝 Isi Data Kosong

Mengisi nilai yang hilang (null/blank)

Strategi: Mean, Median, atau 0

✂️ Hapus Spasi Berlebih

Menghapus spasi di awal/akhir text

=TRIM(A1)

🔤 Standarisasi Format

Menyeragamkan huruf besar/kecil

=UPPER(A1) atau =LOWER(A1)

🔍

Data Filtering (Penyaringan)

📌 Filter Dasar

Menampilkan data berdasarkan kriteria tertentu

Contoh: Tampilkan siswa dengan nilai ≥ 80

=FILTER(A2:C100, C2:C100>=80)

🎯 Filter Kompleks

Kombinasi beberapa kondisi (AND/OR)

Contoh: Nilai ≥ 80 DAN Kelas = “X-1”

=FILTER(A2:C100, (C2:C100>=80)*(B2:B100="X-1"))

🔢

Data Sorting (Pengurutan)

⬆️ Sort Ascending

Urutan dari kecil ke besar (A-Z, 0-9)

=SORT(A2:C100, 3, TRUE)

Urutkan kolom 3 ascending

⬇️ Sort Descending

Urutan dari besar ke kecil (Z-A, 9-0)

=SORT(A2:C100, 3, FALSE)

Urutkan kolom 3 descending

��

Data Aggregation (Agregasi)

Σ Total

=SUM(A1:A100)

μ Rata-rata

=AVERAGE(A1:A100)

↑ Max

=MAX(A1:A100)

↓ Min

=MIN(A1:A100)

# Hitung

=COUNT(A1:A100)

? Hitung Jika

=COUNTIF(A1:A100,">80")

📊 Fungsi Excel/Spreadsheet Populer

🔢 Fungsi Matematika

=SUM(range) Penjumlahan

Menjumlahkan semua angka dalam range

Contoh: =SUM(A1:A10)

=AVERAGE(range) Rata-rata

Menghitung nilai rata-rata

Contoh: =AVERAGE(B2:B50)

=ROUND(num, digit) Pembulatan

Membulatkan angka ke digit tertentu

Contoh: =ROUND(3.14159, 2) → 3.14

📈 Fungsi Statistik

=MAX(range) Nilai Tertinggi

Mencari nilai maksimum/terbesar

Contoh: =MAX(C1:C100)

=MIN(range) Nilai Terendah

Mencari nilai minimum/terkecil

Contoh: =MIN(C1:C100)

=MEDIAN(range) Nilai Tengah

Mencari nilai tengah setelah diurutkan

Contoh: =MEDIAN(D2:D50)

🧠 Fungsi Logika

=IF(kondisi, jika_benar, jika_salah)

Melakukan pengecekan kondisi

Contoh: =IF(A1>80, "Lulus", "Tidak Lulus")

=COUNTIF(range, kriteria)

Menghitung sel yang memenuhi kriteria

Contoh: =COUNTIF(B2:B100, ">80")

=SUMIF(range, kriteria, sum_range)

Menjumlahkan sel yang memenuhi kriteria

Contoh: =SUMIF(A2:A100, "Lulus", C2:C100)

📝 Fungsi Teks

=TRIM(text)

Menghapus spasi berlebih

Contoh: =TRIM(" Hello ") → "Hello"

=UPPER(text) / =LOWER(text)

Mengubah huruf besar/kecil

Contoh: =UPPER("hello") → "HELLO"

=CONCATENATE(text1, text2, …)

Menggabungkan beberapa teks

Contoh: =CONCATENATE("Hello", " ", "World")

📄 Excel Cheat Sheet

Daftar lengkap fungsi-fungsi Excel yang sering digunakan

📥 Download

🎮 Simulasi: Mini Spreadsheet Interaktif

📖 Cara Menggunakan

Praktikkan fungsi Excel dengan data siswa di bawah! Klik tombol untuk menjalankan berbagai fungsi transformasi data.

No	Nama	Kelas	Nilai	Status

🎮 Simulasi & Game

Praktik langsung mengolah data secara interaktif.

📊 Spreadsheet Mini

Nama	Nilai
Andi	85
Budi	72
Citra	90

Hasil akan muncul di sini…

/ LKPD Interaktif

📝

Tugas Akhir • 90 Menit

LKPD Interaktif – Analisis Data

📋 Petunjuk Pengerjaan

✅ Isi semua kolom identitas dan jawaban dengan lengkap

✅ Jawab setiap pertanyaan dengan jelas dan rinci

✅ Setelah selesai, klik tombol “Generate PDF” untuk mengunduh jawaban dalam format PDF

✅ Upload file PDF ke Google Classroom sebagai tugas

✅ Batas waktu pengumpulan: Sesuai yang ditentukan guru

👤 IDENTITAS SISWA

Nama Lengkap *

Kelas *

Nomor Absen *

Tanggal Pengerjaan *

📊 BAGIAN A: PENGENALAN DATA (20 poin)

1. Jelaskan pengertian DATA menurut pemahamanmu! (5 poin)

2. Sebutkan dan jelaskan perbedaan antara data KUANTITATIF dan KUALITATIF beserta contohnya masing-masing! (10 poin)

3. Jelaskan urutan Piramida DIKW (Data → Information → Knowledge → Wisdom) dan berikan contoh nyata! (5 poin)

🔍 BAGIAN B: KOLEKSI DATA (25 poin)

4. Sebutkan dan jelaskan 3 metode koleksi data MANUAL beserta kelebihan dan kekurangannya! (10 poin)

5. Jelaskan apa yang dimaksud dengan Web Scraping dan API! Sebutkan perbedaan keduanya! (10 poin)

6. Sebutkan 5 karakteristik data yang berkualitas! (5 poin)

⚙️ BAGIAN C: TRANSFORMASI DATA (30 poin)

7. Jelaskan urutan alur Transformasi Data dari Data Mentah sampai Data Bersih! (5 poin)

8. Sebutkan dan jelaskan 4 teknik Data Cleaning beserta fungsi Excel yang digunakan! (10 poin)

9. Jelaskan perbedaan antara fungsi FILTER dan SORT dalam Excel! Berikan contoh penggunaannya! (10 poin)

10. Mengapa transformasi data sangat penting sebelum melakukan analisis? Apa dampaknya jika tidak dilakukan? (5 poin)

💼 BAGIAN D: STUDI KASUS (25 poin)

📖 Baca Kasus Berikut:

Kamu adalah seorang analis data di sebuah sekolah. Kepala sekolah memintamu untuk menganalisis data nilai ujian 100 siswa kelas X yang tersimpan dalam file Excel. Data tersebut masih berantakan: ada nama siswa yang duplikat, beberapa nilai kosong, format nama tidak konsisten (ada yang huruf besar semua, ada yang huruf kecil), dan ada spasi berlebih di beberapa sel.

Kepala sekolah ingin mengetahui:
• Rata-rata nilai kelas
• Siswa dengan nilai tertinggi dan terendah
• Jumlah siswa yang lulus (nilai ≥ 75)
• Daftar siswa yang perlu remedial (nilai < 75)

11. Sebutkan langkah-langkah transformasi data yang harus kamu lakukan untuk membersihkan data tersebut! (10 poin)

12. Tuliskan fungsi Excel yang akan kamu gunakan untuk menjawab setiap pertanyaan kepala sekolah! (10 poin)

13. Metode visualisasi apa yang cocok untuk menampilkan hasil analisis ini? Jelaskan alasannya! (5 poin)

💡 Tips Pengerjaan:

✓ Jawab dengan kalimat sendiri, hindari copy-paste

✓ Berikan contoh konkret untuk memperjelas jawaban

✓ Gunakan bahasa yang baik dan benar

✓ Preview dulu sebelum generate PDF

ANALISIS DATA

Pengenalan Data

Koleksi Data

Transformasi Data

Visualisasi Data

Pengenalan Data

Apa itu Data?

🔄 Dari Data ke Wisdom (Piramida DIKW)

1. DATA

2. INFORMATION

3. KNOWLEDGE

4. WISDOM

⭐ Mengapa Data Sangat Penting?

Pengambilan Keputusan

Memahami Pola

Prediksi Masa Depan

Efisiensi Bisnis

🎯 Jenis-jenis Data

Data Kuantitatif

📍 Diskrit

📐 Kontinu

Data Kualitatif

🏷️ Nominal

📊 Ordinal

🌟 Data dalam Kehidupan Sehari-hari

Media Sosial

Game Online

Sekolah

E-Commerce

Olahraga

Cuaca

🏢 Studi Kasus: Netflix

📊 Data yang Dikumpulkan:

🎯 Manfaat Data:

🎬 Video Pembelajaran

Tentang Video Ini

📚 Video Rekomendasi Lainnya

Big Data Explained

Data Science untuk Pemula

🎮 Simulasi Interaktif: Identifikasi Data

📖 Cara Bermain

Selamat!

❓ Kuis Pemahaman

Quiz Selesai!

Koleksi Data

Apa itu Koleksi Data?

🔄 Siklus Koleksi Data

1. Tentukan Tujuan

2. Pilih Metode

3. Kumpulkan

4. Validasi

⭐ Karakteristik Data Berkualitas

Akurat

Lengkap

Konsisten

Terkini

Valid

Relevan

🎯 Metode Koleksi Data

Metode Manual

1. Survei / Kuesioner

2. Wawancara

3. Observasi

4. Eksperimen

Metode Otomatis

1. Web Scraping

2. API (Application Programming Interface)

3. IoT Sensor

4. Log Files & Analytics

🛠️ Tools & Platform Koleksi Data

Google Forms

SurveyMonkey

Typeform

Google Analytics

Python + Libraries

Postman

🏢 Studi Kasus: Tokopedia

📊 Metode Koleksi:

🎯 Hasil Analisis:

🎬 Video Pembelajaran

�� Alur Transformasi Data