Analisis dan Visualisasi Data (b)

Tipe Data Analisis

1. Data Analisis – Kuantitatif

2. Data Analisis - Kualitatif

 Jenis Data Kualitatif
Jenis Analisis Data Kualitatif ini lebih bersifat non data numerik berurusan dengan data
non-numerik seperti :

● Audio
● Video
● gambar
● Teks
● Transkrip.

Contoh :

● Kue berwarna oranye, biru, dan hitam

● Era milenial trend warna rambut berwarna memiliki warna hijau, biru merah,pirang,
coklat.

“Analisis Data Kualitatif berfokus pada Non Data Numerik”

 Metode Data Kualitatif
Sebenarnya, jenis data kualitatif sangat beragam. Namun, yang paling sering digunakan
adalah pengelompokan menurut teknik pengumpulan data. Perlu diingat, teknik
pengumpulan data kualitatif sangat eksploratif. Artinya, diperlukan analisis dan penelitian
mendalam untuk bisa mendapatkan data yang sesuai. Berikut adalah jenis-jenis data
kualitatif menurut teknik pengumpulannya

1. WAWANCARA

Wawancara (one-to-one) merupakan teknik pengumpulan data

jenis ini yang paling umum, sebab teknik ini menerapkan
pendekatan personal sehingga hasil yang didapat pun akurat.
Dalam wawancara one-to-one, peneliti mengumpulkan data dari
responden secara langsung. Alur wawancara pun bebas
ditentukan peneliti, bisa informal dan mengalir seperti percakapan
biasa atau bisa juga dibuat lebih terstruktur dan sistematis.
2. FOCUS GROUP DISCUSSION
Teknik pengambilan data ini dilakukan dalam format diskusi kelompok. Biasanya, peneliti
akan mengelompokkan 6-10 orang dalam satu grup sesuai dengan karakteristik tertentu.
Jalannya diskusi akan dipandu oleh moderator.

Agar data yang didapat relevan, peneliti memilih peserta diskusi yang sesuai dengan
topik penelitian. Katakanlah Anda sedang meneliti tentang perilaku belanja online. Maka,
Anda bisa memilih responden yang sering berbelanja melalui e-Commerce atau website
toko online.
3. PENCATATAN

Teknik ini memanfaatkan dokumen yang memang

relevan dan sumber datanya bisa dipastikan.
Informasi dari dokumen tersebut bisa digunakan
untuk meneliti hal baru yang masih berkaitan

4. OBSERVASI
Dalam teknik observasi, peneliti terjun langsung
ke lingkungan yang diteliti, seolah-olah menjadi
bagian dari lingkungan tersebut. Peneliti
memperhatikan dan mencatat objek penelitian
hingga diperoleh data yang diinginkan. Selain
mencatat, peneliti juga biasanya melakukan
dokumentasi seperti memotret dan merekam
video atau audio
5. STUDI LONGITUDINAL

Disebut longitudinal karena teknik ini meneliti sumber data yang sama berulang kali
dalam periode waktu yang diperpanjang. Teknik pengumpulan data kualitatif satu ini
bisa berlangsung selama beberapa tahun, bahkan beberapa dekade. Tujuannya
adalah untuk menemukan hubungan antar subjek yang memiliki kesamaan
karakteristik
6. STUDI KASUS

Dalam teknik ini, data diperoleh dari analisis

mendalam terhadap beberapa studi kasus. Bisa
dibilang, studi kasus merupakan teknik
pengumpulan data yang fleksibel karena bisa
digunakan untuk menganalisis subjek yang
sederhana maupun kompleks. Menariknya lagi,
teknik ini bisa dikombinasikan dengan teknik lain
untuk menarik kesimpulan yang tepat

Referensi :
https://www.questionpro.com/blog/qualitative-data/
 What are the Components of Data Analytics?

1. Analisis Teks ( Text Analytics )

Implementasi dari teknik ini antara lain bisa dilihat pada kemampuan aplikasi dalam
melakukan koreksi otomatis pada ponsel atau Microsoft Word. Ini melibatkan analisis
sejumlah besar teks untuk menghasilkan Algoritma.
Aplikasi ini termasuk Analisis Linguistik dan Pengenalan Pola
2.DATA MINING (PENAMBANGAN DATA)
Proses penggalian informasi untuk mengidentifikasi pola, tren, dan data berguna yang
memungkinkan bisnis mengambil keputusan berdasarkan data dari kumpulan data yang
sangat besar

Trend Belanja
Pelanggan ?!

Data Transaksi (harian) Kumpulan Data Transaksi

10/10/2022 (Th.2022,2021,2020,2019)
Data Warehouse,Big Data
 ● Dengan kata lain, kita dapat mengatakan bahwa Penambangan Data ( Data Mining )
adalah proses pengamatan dan penyelidikan untuk mendapatkan POLA informasi
yang tersembunyi yang dipilah kedalam perspektif dan dikategorisasikan sehingga
menjadi data dan informasi yang berguna.
● Informasi yang berguna ini diharapkan dapat membantu pengambil keputusan
sehingga target yang ingin dicapai dapat terukur. Sebagai contoh di sektor bisnis,
bahwa bagaimana dari data-data tersebut dapat menemukan pola sehingga kinerja
perusahaan menjadi efisien dan efektif serta dapat melahirkan keputusan dengan
memotong biaya-biaya setelah menganalisa data-data transaksi dalam data
warehouse tersebut
Contoh :

Dalam operasionalisasi usaha Minimarket terdapat

dua kelompok produk yaitu kelompok Produk
Sembako (minyak goreng, beras, gula dll) dan
kelompok Produk Non Sembako (kosmetik,
shampo, sabun, pewangi, dll). Diawal usaha,
anggaran pembelian pemilik minimarket memberikan
porsi jumlah sembako berimbang dan sama dengan
jumlah non sembako.
● Setelah berjalan 20 bulan, pemilik Minimarket melakukan analisis terhadap data-data
transaksi hariannya dan pemilik menggunakan jasa seorang Analis. Dan dari kegiatan
Data Mining yang dilakukan didapatkan informasi sbb:
● Terdapat sebuah TREND bahwa konsumen melakukan pembelian Produk Sembako
mencapai 70%.
 Ilustrasi Data Mining

● Dari proses data mining itu juga diketahui trend penjualan Produk Minyak Goreng
mencapai transaksi 80%

70%
Penjualan
Sembako 80% Minyak
Goreng 60% Merk
kunci mas
supermarket_sales – Sheet1.csv
● Data Mining adalah proses yang digunakan oleh organisasi untuk
mengekstrak data spesifik dari database besar (Big Data) untuk
memecahkan masalah bisnis. Ini terutama mengubah Data Mentah (Raw
Data) menjadi informasi yang berguna.

Manajer Pemasaran Board of Directors

(Lihat Trend) (Lihat Omzet)
 Topik Utama
What is Data Analytics?
What are the Types of Data Analysis?
Quantitative Data Analysis
Qualitative Data Analysis
What are the Components of Data Analytics?
What is Data Visualization?
What are the Types of Data Visualization Techniques?
What are the Advantages of Data Analytics and Visualization?
What are the differences between Data Analysis and
Visualization?
Conclusion