Daftar Isi

Daftar Isi .................................................................................................................................................. 1

Kata Pengantar ........................................................................................................................................ 2
Pengantar ke Data Analitik ...................................................................................................................... 3
Login ke Dalam Akun SAP Analytic Cloud................................................................................................ 7
LATIHAN 1 Data Modelling (Membuat Data Model) ............................................................................. 8
LATIHAN 2 Smart Discovery (Penemuan Pintar) ................................................................................. 13
LATIHAN 2.1 Duplicate Story (Duplikasi Stori)....................................................................................... 23
LATIHAN 3 Designer Mode (Mode Desain) ......................................................................................... 25
LATIHAN 4 Data Explorer Mode (Mode Penjelajahan Data) ............................................................... 32
LATIHAN 5 Styling Mode (Mode Gaya)................................................................................................ 38

1
Kata Pengantar

Dalam rangka meningkatkan kesadaran akan kebijakan pembangunan berkelanjutan di kalangan

pemuda di negara-negara ASEAN, Asean Foundation bersama dengan SAP Analytics Cloud
mengadakan program kompetisi ASEAN Data Science Explorers (ADSE) yang ditujukan untuk para
pemuda di ASEAN. Dalam program ini, para pemuda diharapkan untuk menggunakan teknik data
analytics untuk menganalisis data-data yang relevan dengan tujuan pembangunan berkelanjutan yang
ditetapkan oleh ASEAN.

Yayasan Fatihunnur sebagai working partner Asean Foundation dan SAP mengadakan pelatihan data
analytics yang bertujuan untuk membekali para peserta dengan keterampilan dasar data analytics.
Pelatihan ini dirancang untuk mempersiapkan para peserta dalam mengikuti kompetisi ADSE serta
membantu mereka memahami konsep dasar analitika data dan memberikan keterampilan praktis
dalam menerapkan SAP Analytics Cloud dalam pekerjaan sehari-hari mereka.

Dalam modul pelatihan SAP Analytics Cloud ini, para peserta akan mempelajari keterampilan dasar
analitika data, termasuk pengolahan data dan analisis data menggunakan SAP Analytics Cloud.
Pelatihan ini sangat penting bagi para peserta yang ingin berpartisipasi dalam kompetisi ASEAN Data
Science Explorer, karena akan membekali mereka dengan keterampilan yang diperlukan untuk
memahami dan menganalisis data yang terkait dengan tujuan pembangunan berkelanjutan di ASEAN.

Selain itu, modul pelatihan SAP Analytics Cloud ini juga bertujuan untuk membantu para peserta dalam
mengikuti pelatihan (enablement session) yang diselenggarakan oleh Yayasan Fatihunnur Foundation.
Pelatihan enablement session ini dirancang khusus untuk memberikan peserta dengan keterampilan
praktis yang diperlukan untuk mengembangkan solusi berbasis data yang inovatif dan berkelanjutan
untuk masalah-masalah di bidang pembangunan berkelanjutan.

Dengan memperoleh keterampilan yang diperlukan melalui modul pelatihan SAP Analytics Cloud ini,
peserta akan lebih siap untuk mengikuti pelatihan enablement session dan berpartisipasi dalam
kompetisi ADSE, sehingga dapat memberikan kontribusi yang lebih besar dalam mencapai tujuan
pembangunan berkelanjutan di ASEAN melalui penggunaan teknologi analitika data.

Team Project ADSE – Fatihunnur Foundation

2
Pengantar ke Data Analitik

Kegiatan ADSE (ASEAN Data Science Explorers) yang diselenggarakan oleh ASEAN Foundation dan SAP
bertujuan untuk mengajak pemuda-pemudi ASEAN untuk memanfaatkan data dalam mengidentifikasi
dan mengatasi tantangan sosial, kesehatan, dan lingkungan di ASEAN. Oleh karena itu, pemahaman
tentang konsep data analytics sangat penting dalam mengikuti kegiatan ADSE.

Data analytics adalah proses pengumpulan, transformasi, dan analisis data untuk mendapatkan
wawasan atau informasi yang dapat digunakan untuk pengambilan keputusan. Data analytics
memanfaatkan teknologi dan metode analisis untuk mengubah data mentah menjadi informasi yang
berguna dan dapat diaplikasikan untuk berbagai keperluan, mulai dari mengidentifikasi tren pasar
hingga membuat strategi bisnis yang lebih efektif.

Data analytics dapat diibaratkan seperti membangun dengan balok Lego, di mana satu balok Lego
mewakili sebuah data, dan kumpulan balok Lego mewakili sebuah dataset. Seperti halnya dengan
balok Lego, data merupakan bahan mentah yang dapat digunakan untuk membangun sesuatu yang
bermanfaat dan berarti. Dengan balok Lego, kita dapat membuat apa saja yang kita bayangkan, mulai
dari menara sederhana hingga struktur kompleks. Demikian pula, data dapat digunakan untuk
menciptakan berbagai wawasan dan solusi, mulai dari mengidentifikasi tren pasar hingga
meningkatkan operasi bisnis.

Kunci keberhasilan dalam data analytics seperti halnya dengan balok Lego adalah memiliki balok yang
tepat dan mengetahui cara menggabungkannya dengan benar. Inilah yang menjadi peran penting dari
tools seperti SAP Analytics Cloud, yang menyediakan balok-balok yang dibutuhkan pengguna untuk
mengubah data mentah menjadi wawasan yang dapat diaplikasikan. Dengan menggunakan tools
tersebut untuk mengeksplorasi dan memanipulasi dataset, pengguna dapat mengidentifikasi pola dan
tren yang mungkin tidak terdeteksi sebelumnya, sehingga mereka dapat membuat keputusan yang
tepat dan mendorong pertumbuhan bisnis.

3
Jadi, jika Anda ingin memahami data analytics dan bagaimana itu dapat digunakan untuk
menggerakkan kesuksesan bisnis, maka pikirkanlah seperti membangun dengan balok Lego. Dengan
memulai dengan balok yang tepat dan menggabungkannya dengan cara yang tepat, Anda dapat
menciptakan sesuatu yang benar-benar luar biasa. Oleh karena itu, dalam modul pelatihan ini, Anda
akan mempelajari bagaimana SAP Analytics Cloud dapat digunakan sebagai tools untuk membangun
wawasan dari dataset dan mengambil keputusan yang lebih baik.

Beberapa contoh penggunaan analitika data dapat meliputi:

1. Business Intelligence (BI): Analisis data historis untuk mendapatkan wawasan bisnis yang
dapat digunakan untuk membuat keputusan yang lebih baik di masa depan.
2. Predictive Analytics: Menggunakan teknik analisis statistik dan machine learning untuk
memprediksi hasil di masa depan berdasarkan data yang tersedia.
3. Planning: Menggunakan data historis dan saat ini untuk memperkirakan kebutuhan bisnis di
masa depan dan melakukan perencanaan strategis.

Business Intelligence (BI):

Business Intelligence (BI) merupakan salah satu use case dalam SAP Analytics Cloud. BI memungkinkan
para pengguna untuk memantau, menganalisis, dan membuat laporan atas data yang telah diolah
dalam SAP Analytics Cloud. Dalam BI, pengguna dapat memilih dan menggabungkan sumber data dari
berbagai platform dalam satu tampilan, sehingga memudahkan pengambilan keputusan yang lebih
baik.

SAP Analytics Cloud memungkinkan pengguna untuk membuat laporan interaktif yang dapat diakses
melalui desktop atau perangkat mobile. Dalam BI, pengguna dapat melihat data dalam berbagai
bentuk visual seperti diagram batang, grafik garis, dan tabel. Pengguna juga dapat membuat
dashboard dengan menambahkan visualisasi data, filter, dan alat lainnya untuk memudahkan
pemahaman data.

Dalam SAP Analytics Cloud, BI juga dilengkapi dengan fitur pembuatan laporan otomatis yang dapat
membantu pengguna dalam memantau dan memperbarui data secara real-time. Hal ini sangat penting
dalam mendukung keputusan bisnis yang tepat waktu dan akurat.

4
Predictive Analytics:

Predictive Analytics merupakan salah satu use case dalam SAP Analytics Cloud yang sangat penting
untuk memprediksi hasil masa depan berdasarkan data historis. Dalam Predictive Analytics, pengguna
dapat menganalisis data masa lalu dan melakukan prediksi untuk kejadian yang akan terjadi di masa
depan. Dengan cara ini, pengguna dapat membuat keputusan yang lebih baik dan lebih akurat dalam
perencanaan dan strategi bisnis. Dalam SAP Analytics Cloud, Predictive Analytics memiliki berbagai
fitur seperti machine learning, algoritma analisis, dan statistik. Dengan fitur-fitur tersebut, pengguna
dapat memperoleh wawasan dan informasi yang lebih mendalam tentang data bisnis dan memprediksi
hasil di masa depan.

Dalam SAP Analytics Cloud, fitur Predictive Analytics dilengkapi dengan berbagai algoritma statistik
yang dapat membantu pengguna dalam memprediksi berbagai jenis hasil bisnis seperti permintaan
produk, performa penjualan, dan lain sebagainya. Dengan menggunakan teknik Machine Learning,
pengguna dapat menghasilkan model prediksi yang akurat dan dapat diandalkan.

Selain itu, SAP Analytics Cloud juga memungkinkan para pengguna untuk membuat skenario prediksi
berdasarkan berbagai asumsi. Hal ini memungkinkan para pengguna untuk memahami risiko dan
peluang dalam memperkirakan hasil bisnis di masa depan. Dalam Predictive Analytics, pengguna dapat
menghasilkan visualisasi data yang jelas dan mudah dipahami, termasuk histogram, diagram scatter,
dan lain sebagainya. Hal ini memudahkan para pengguna untuk mengevaluasi hasil prediksi dan
mengambil keputusan bisnis yang lebih baik.

Stories

Dalam program ADSE, peserta diminta untuk menggunakan SAP Analytics Cloud untuk membuat cerita
atau stories berdasarkan data yang ada. Stories dalam SAP Analytics Cloud adalah fitur yang
memungkinkan pengguna untuk menggabungkan visualisasi data dan narasi teks dalam satu dokumen
interaktif. Dengan stories, pengguna dapat memvisualisasikan data dalam bentuk grafik atau tabel,
kemudian menambahkan narasi teks untuk memberikan konteks dan penjelasan yang lebih jelas
tentang data tersebut.

Stories dapat berisi beberapa slide atau halaman, di mana masing-masing slide dapat berisi visualisasi
data yang berbeda serta narasi teks yang berbeda pula. Pengguna juga dapat menambahkan filter atau
interaktifitas pada setiap slide, sehingga pengguna yang melihat stories dapat berinteraksi dengan data
dan mendapatkan pemahaman yang lebih baik.

Fitur stories dalam SAP Analytics Cloud sangat berguna untuk membuat laporan atau presentasi yang
informatif dan menarik. Dengan memadukan visualisasi data yang menarik dan narasi teks yang jelas,
pengguna dapat menyajikan informasi yang kompleks dengan cara yang mudah dipahami dan
memudahkan pengambilan keputusan.

Studi kasus dalam modul

Untuk memberikan pemahaman yang lebih baik tentang bagaimana SAP Analytic Cloud (SAC) dapat
digunakan untuk kompetisi ADSE, kita akan bekerja dengan data set Covid-19 yang merupakan data riil
dan tersedia publik melalui Kaggle.

Sumber data set: https://www.kaggle.com/datasets/imdevskp/corona-virus-report

Dalam analisis ini, kita akan menjawab pertanyaan seperti:

1. Negara mana yang berhasil/terburuk dalam menghadapi pandemi?

5
 2. Kapan periode puncak terjadi?
3. Apa yang memengaruhi tingkat positivitas suatu negara?
4. Bagaimana negara-negara di ASEAN mengelola Covid-19?

Meskipun pelatihan ini memiliki struktur yang harus diikuti, Anda juga diberikan kebebasan untuk
melakukan eksplorasi data tambahan secara mandiri.

Topik dalam modul

1. Membuat Data Model (Data Modelling) - mengunggah dataset, membersihkan data dan
transformasi data.
2. Penemuan Pintar (Smart Discovery) - Otomatisasi pembuatan bagan-badan dari dataset yang
telah diunggah dengan bantuan machine learning agar Anda mendapatkan gambaran umum
mengenai informasi yang terkandung dalam dataset.
3. Mode Desainer (Designer Mode) - Memahami fungsi inti dalam membuat bagan dan diagram
di SAP Analytics Cloud.
4. Mode Penjelajahan Data (Data Explorer Mode) - Menemukan informasi lebih rinci dari
dataset Anda.
5. Permodelan (Styling) - Mampu menciptakan dashboard yang lebih estetis.

Durasi latihan untuk setiap topik adalah sekitar 20-30 menit.

6
Login ke Dalam Akun SAP Analytic Cloud
Untuk dapat mulai mengerjakan latihan 1, kita harus masuk terlebih dahulu ke dalam akun
SAP Analytic Cloud (SAC) . Berikut ini cara masuk ke dalam akun SAC anda
1. Akses link halaman login
SAC
https://bit.ly/SAClogin
Atau
https://aseandse.ap11.hc
s.cloud.sap/hub/index.ht
ml
(Kedua link di atas menuju
ke halaman yang sama)

2. Masukkan email dan

password
Pilih salah satu pasangan
email dan password dari
list akun pada gambar di
samping

3. Klik tombol Log-on

Anda berhasil masuk ke akun

SAC

7
LATIHAN 1 Data Modelling (Membuat Data Model)
Pada latihan pertama, kita akan belajar melakukan data modeling. Data Modeling adalah
aktivitas yang meliputi mengupload atau mengunggah dataset ke SAP Analityc Cloud (SAC),
menetapkan atau menentukan ukuran dan dimensi kategori, dan memperbaiki masalah kualitas data
pada dataset.

Pada latihan ini kita akan mempelajari cara :

- Mengunggah Dataset
- Memeriksa masalah pada data
- Memperbaiki data menggunakan transformation
- Menyimpan model
- Mengaplikasikan kalkulasi

Untuk mulai melakukan data

modeling, kita akan masuk ke
bagian Modeler.

1. Klik icon menu (garis tiga)

yang ada di pojok kiri
atas
2. Di dalam bagian Apps,
klik Modeler (Jika tidak
ada, klik More, menu
Modeler ada di
dalamnya)

Ada beberapa cara untuk

membuat model di SAC.

Pada latihan ini, kita akan

menggunakan dataset berupa
file excel.

8
Klik From a CSV or Excel File,
dan upload ADSE Dataset yang
ada di local device anda
Sistem akan loading untuk
membuka dataset

Pada SAC, Model adalah

representasi dari kumpulan
data dalam jumlah besar. Data
Model berisi ukuran dan
dimensi, memungkinkan
pembuatan hierarki,
metadata, geolokasi, dan
kalkulasi.
Setelah model dibuat dan
dikelola, model dapat
digunakan untuk membuat
chart dan grafik

Setelah loading, data akan

terbuka dalam bentuk yang
mirip dengan format excel.

Pada tampilan ini kita dapat

memeriksa apakah ada
masalah pada kualitas data
yang terdeteksi. Masalah
kualitas data ini harus
diperbaiki sebelum masuk ke
bagian berikutnya

Dapat dilihat bahwa ada

masalah kulaitas data pada
kolom date karena
typo/kesalahan format

Untuk memperbaikinya, kita

harus merubah Fev 24, 2020
menjadi format yang benar
yaitu 2020-02-24, seperti data
lainnya

1. Klik cell Fev 24, 2020

2. Tekan icon transform
3. Klik Create a Transform
4. Klik Replace

9
 5. Pada formula bar di
bagian atas, klik value
6. Ketikan 2020-02-24
7. Tekan Enter pada
keyboard untuk
menyimpan formula
8. Ulangi langkah di atas
untuk mengubah cell
Fev 25, 2020 menjadi
2020-02-25

Sekarang semua masalah

kualitas data sudah diperbaiki,
model dapat disimpan

9. Klik Create Model

10. Simpan ke dalam path
Public > !SAVE YOUR
FILE HERE > Indonesia >
Fatihunnur Foundation >
[Nama Master Trainer]

Simpan model anda dengan

format nama
MMDDYYYY_Nama
Contoh : 03222023_Dinda

Ingat nama model anda

Setelah disimpan, anda akan

otomatis masuk ke window
baru. Pada bagian ini anda
dapat melakukan pengaturan
lebih lanjut terhadap struktur
model anda.

10
1. Klik tombol dropdown
dengan tulisan Data
Management, ubah
menjadi Model Structure

2. Pada tampilan yang

baru, klik Account

3. Bagian Account
merupakan ringkasan
dari semua ukuran pada
model yang dibuat. Kita
dapat menyesuaikan
pengaturan pada ukuran
agar sesuai

Scroll dan termukan cell

‘Positive_rate’ yang
merepresentasikan hasil
positive dari pemeriksaan
Covid-19 dalam satu hari.
Metrik ini digunakan sebagai
indetifikasi apakah tes yang
dilakukan sudah cukup untuk
mendeteksi kasus baru

Secara default SAC

mengkategorikan semua nilai
sebagai jumlah. Saat ini
Positivity rate berupa
persentase dalan bentuk
decimal, kita harus ubah
positivity rate ini sebagai
average atau rata-rata

Caranya dalah dengan

memberikan type yang sesuai
pada Exception Aggregation
Formula Types, dan Exception
Aggregation Dimensions

11
4. Pada baris yang sama
dengan positive rate , klik
cell pada kolom
Exception Aggregation
Type
5. Pilih Average

Kita memerintahkan SAC

untuk mengkalkulasikan rata-
rata positive rate dan bukan
menjumlahkan

6. Lalu pada baris yang

sama, klik cell Exception
Aggregation Dimensions,
7. klik icon model yang
berbentuk kubus di
kanan cell

8. Pada window yang

muncul, centang kotak
untuk Location dan Date

Kita meminta SAC untuk

menghitung rata rata di semua
lokasi negara dan semua
tanggal

9. Model anda seharusnya

sekarang terlihat seperti
berikut ini :
ID : positive_rate
Exception Aggregation Type :
Average
Exception Aggregation
Dimension: location, date

10. Simpan pekerjaan anda

dengan klik Save pada
bagian General

12
LATIHAN 2 Smart Discovery (Penemuan Pintar)
Setelah membuat model, kita akan melanjutkan dengan membuat visualisasi. Smart Discovery
atau penemuan pintar akan menganalisa data dengan menjalankan algoritma machine
learning dengan tujuan membantu anda untuk menjelajahi data Anda dalam konteks tertentu,
dan untuk menemukan hubungan antar kolom dalam himpunan data. Smart Discovery akan
memberikan gambaran umum tentang data Anda secara otomatis dengan membuat bagan
untuk mulai menemukan lebih banyak gambaran tentang data Anda.
Dalam latihan ini, Anda akan mempelajari cara:

1. Membuat stori menggunakan data model;

2. Mendapatkan gambaran informasi dari data anda;
3. Mengetahui entitas yang berpengaruh pada target yang anda ingin capai; serta
4. Melakukan simulasi terhadap entitas agar menghasilkan luaran sesuai target yang anda
inginkan.

Pada pojok kiri atas layar Anda, pilih ikon garis tiga yaitu (Navigation Bar / Bilah Navigasi) hingga anda
dapat melihat menu-menu yang ada didalamnya. Lalu pilih Stories.

Sebuah story adalah sebutan

untuk laporan dan visualisasi di
dalam SAP Analytics Cloud.

Kita mempunyai beberapa

pilihan untuk memulai
membuat story dengan
beberapa pilihan template:

13
Halaman responsif
cocok untuk perangkat seluler
dengan penyesuaian ukuran
secara otomatis
(direkomendasi untuk Kamu
jika membuat dari awal)
Halaman kanvas
untuk laporan yang bersifat
tetap.
Halaman grid
untuk mempermudah
penempatan grafik dengan
latarbelakang bergaris
Halaman From a Smart
Discovery (Penemuan Pintar)
Untuk menganalisa dan
memberikan gambaran umum
tentang data Anda secara
otomatis dengan membuat
bagan untuk mulai
menemukan lebih banyak
gambaran tentang data Anda

1. Untuk saat ini kita akan

memilih From a Smart
Discovery.
2. Selanjutnya akan muncul
pilihan timbul Mode Tipe
Desain. Secara default SAC
sudah memilih
Pengalaman Desain
Klasik.
3. Lalu pilih Buat

4. SAC akan meminta anda

untuk memilih Model yang
sudah anda buat di latihan
1. Pilihlah model tersebut.

Sebagai alat bantu :

• Pilih public
• !SAVE YOUR FILE HERE
• Indonesia
• Fatihunnur Foundation

14
 • Lalu pilih folder tempat
anda menyimpan Data
Model sesuai dengan
nama master trainer
yang membimbing anda.
• Tunggu beberapa saat,
laman anda akan
memproses Data Model

Catatan :
Jika anda masih tidak bisa
menemukan Data Model yang
anda buat, anda bisa meminta
izin master trainer untuk
menggunakan data model
miliknya.
Dalam Smart Discovery,
variabel target adalah apa
yang kami temukan
korelasinya antara data lain
yang tersedia. Menggunakan
pembelajaran mesin, SAC
menemukan variabel teratas
yang mempengaruhi
terhadap variabel terget ini.

5. Tujuan kita pada studi

kasus ini adalah
mengetahui Positive Rate
/ Tingkat Positif Covid-19
berdasarkan lokasi.
Maka,
Target > Positive_rate
Entitas > location

Lalu, pilih Jalankan

Tunggu beberapa saat, SAC

akan memproses stori anda.
Kecepatan koneksi internet
mempengaruhi proses ini.

Setelah SAC selesai

memproses data anda, akan
muncul 4 menu yaitu :
• Overview / Gambaran
Umum
• Key Influences / Pengaruh
Kunci
• Unexpected Values / Nilai
Tak Terduga dan

15
• Simulation / Simulasi

Pada tahap ini, kita akan mulai

dengan Overview / Gambaran
Umum
Analisa Hasil Penemuan
Pintar

Positive_rate
Positive rate adalah metrik
yang digunakan untuk
mengukur proporsi tes yang
menghasilkan hasil positif dari
total tes yang dilakukan. Ini
adalah indikator penting
dalam mengukur sejauh mana
penyebaran virus dan
seberapa efektif pengujian
dilakukan.
Positive rate yang tinggi bisa
mengindikasikan bahwa lebih
banyak orang terinfeksi oleh
virus dan hanya kasus yang
parah atau orang dengan
gejala yang diuji. Dalam
skenario ini, mungkin ada
lebih banyak kasus yang tidak
terdeteksi.
Positive rate yang rendah
menunjukkan bahwa
pengujian mencakup sebagian
besar populasi dan mampu
mengidentifikasi kasus COVID-
19 yang ringan atau tanpa
gejala. Ini adalah indikator
bahwa kapasitas pengujian
cukup baik untuk
mengendalikan penyebaran
virus.
Positive rate yang menurun
dapat menunjukkan bahwa
langkah-langkah
pengendalian, seperti
karantina, isolasi, dan
pelacakan kontak, berhasil
dalam mengendalikan
penyebaran virus.
Idealnya, positive rate harus
rendah (di bawah 5% sesuai
dengan pedoman WHO) dan
tetap konsisten atau menurun

16
seiring waktu, yang
menunjukkan bahwa
penyebaran virus telah
dikendalikan dan sistem
pengujian cukup baik untuk
mengidentifikasi sebagian
besar kasus.

Berdasarkan hasil Penemuan

Pintar, menunjukkan bahwa
rata-rata positive rate
berdasarkan 117 lokasi
sebesar 0.09 atau 9%. Jika
mengacu pada standar WHO,
angka ini tergolong tinggi.
Dengan positive rate
tertendah sebesar +0.00 dan
tertinggi 0.33 atau 33%.
Bagan disebelah kanan
menunjukkan distribusi data,
yang menyatakan bahwa :
• 18 negara memiliki rentang
positive rate antara 0 – 2%
• 14 negara memiliki rentang
positive rate antara 2% - 4%
• 19 negara memiliki rentang
positive rate antara 4% - 6%
• 16 negara memiliki rentang
positive rate antara 6% - 8%
• 11 negara memiliki rentang
positive rate antara 8% -
11%
• 9 negara memiliki rentang
positive rate antara 11% -
13%
• 6 negara memiliki rentang
positive rate antara 13% -
15%
• 4 negara memiliki rentang
positive rate antara 15% -
17%
• 6 negara memiliki rentang
positive rate antara 17% -
19% dan 19% - 21%
• 3 negara memiliki rentang
positive rate antara 21% -
23% dan 27% - 29%
• 2 negara memiliki rentang
positive rate antara 31% -
33%

17
Positive_rate over time
positive_rate dari waktu ke
waktu

SAC hadir dengan kemampuan

prediktif yang memungkinkan
Anda untuk Prakiraan hasil
berdasarkan pola historis.
Lihatlah perkiraan prediktif di
area kiri bawah layar Anda.
Terdapat tren positivity rate
selama 2 tahun terakhir.
Kita bahkan dapat mengamati
ramalan tentang prakiraan
positive rate akan meningkat
dalam beberapa bulan ke
depan pada area yang
berwarna biru muda pada
tren.

Jika dilihat dari pola historis

disamping, positive_rate
tertinggi mencapai 16% pada
17 Januari 2020 dan terendah
1% pada 11 Februari 2020.

Masih banyak lagi yang dapat

dibaca dari pola historis
berikut.

Jika kita klik Forecast, SAC

memberikan skor prediktif
otomatis untuk semua
perkiraan. Sebuah skor 5
adalah yang tertinggi, yang
membuat Prakiraan lebih
dapat diterima dan valid.

(Aturan umum SAC : data

senilai 5 tahun dapat
digunakan untuk memprediksi
1 tahun di depan)

6. Sekarang kita akan

mencoba menambahkan
komponen lain ke dalam
forecasting
• Pilih lingkaran dengan
titik tiga di sudut kanan
atas bagan forecast
• Pilih Add

18
 • Pilih Forecast
• Pilih Advanced Options
• Pilih Linear Regression

Maka bagan akan berubah

menjadi seperti gambar
disamping.

Apa perbedaan dengan bagan

sebelumnya?

Badan ini telah diperbaharui

dengan menerapkan Regresi
Linear.

(perhatikan garis putus-putus

ditengah garis forecast, itulah
Regresi Linear)

Regresi linier adalah metode

yang digunakan untuk
memprediksi suatu nilai
berdasarkan hubungan antara
dua variabel atau lebih.
Bayangkan Anda memiliki
grafik dengan titik-titik yang
merepresentasikan data.
Regresi linier membantu kita
menemukan garis terbaik
yang bisa melalui titik-titik ini.

Dalam regresi linier, kita

memiliki dua jenis variabel:
- Variabel dependen (yang
ingin kita prediksi) -
Misalnya, jumlah kasus
COVID-19.
- Variabel independen
(yang mempengaruhi
variabel dependen) -
Misalnya, jumlah tes yang
dilakukan atau tingkat
vaksinasi.

Regresi linier mencoba

menemukan hubungan antara
variabel dependen dan
independen dengan cara yang
sederhana dan mudah
dipahami. Hubungan ini
diwujudkan dalam bentuk

19
persamaan matematika yang
melibatkan variabel-variabel
ini.
Positive_rate berdasarkan
lokasi.

Pada bagan ini, Anda dapat

melihat 10 negara dengan
tingkat positive rate tertinggi,
pertama Mexico dengan 33%,
Oman 33%, Bolivia 29%,
Tunisia 27%, dan seterusnya
hingga Dominican Republic
20%.

Namun, berdasarkan data

dikatakan bahwa Oman
memiliki positive rate tertinggi
7. Untuk menjelajahi lebih
lanjut, Anda bisa klik View
More

Data tersebut menjelaskan

lebih detail peningkatan dan
penurunan positive rate Oman
dari tanggal 23 Juli 2020
sampai 30 Juli 2020 yang
menunjukkan bahwa positive
rate Oman terakhir ada pada
tingkatan 36%.

Selanjutnya, kita akan

membahas Key Influencers.

Fitur "Key Influencers" pada

SAP Analytics Cloud adalah
alat analisis yang membantu
mengidentifikasi faktor atau
variabel yang memiliki
pengaruh paling signifikan
terhadap variabel target yang
Anda analisis. Dengan kata

20
lain, fitur ini membantu Anda
memahami faktor apa yang
paling penting dalam
menentukan hasil variabel
yang Anda minati.

Pada studi kasus covid-19 ini

kita ingin mengidentifikasi
variabel apa yang memiliki
pengaruh paling signifikan
pada positive_rate.

Normalnya, key influence akan

memberikan 3 tingkatan
pengaruh yaitu Strong,
Moderate dan Weak. Strong
menunjukkan bahwa variabel
tersebut berpengaruh kuat
terhadap target, Moderate
menunjukkan pengaruh
sedang dan Weak
menunjukkan pengaruh
lemah.

Ternyata berdasarkan data

covid-19 yang kita miliki tidak
terlihat variabel yang
berpengaruh Kuat maupun
Sedang, yang terlihat hanya
pengaruh Lemah / Weak.

Kita akan mengabaikan

variabel dengan keterangan
”per million, per thousand,
dan smoothed” karena
variabel tersebut hanya alat
bantu perhitungan dalam
dataset.

Dapat kita lihat bahwa yang

mempengaruhi positive rate
meskipun lemah adalah
variabel life expectacy
(harapan hidup),
gdp_per_capita (rata-rata
pendapatan per orang), total
cases (total kasus), dan
extreme poverty (tingkat
kemiskinan).

21
Selanjutnya, kita akan
membahas Simulation.

Sebagai salah satu fungsi

dasar SAC yaitu Simulasi, pada
tab ini Anda dapat
memodifikasi variabel agar
menghasilkan outcome yang
diinginkan. Dalam studi kasus
ini Anda dapat memodifikasi
variabel untuk menurunkan
positive_rate sesuai yang
Anda inginkan.

8. Silahkan ubah variabel-

variabel berikut lalu pilih
Simulate. Ubah variabel
hingga Anda dapat
menurunkan positive rate
minimal menjadi 9%.

9. Setelah mencapai tahap ini

silahkan Save stori anda
dengan cara :
• Pilih ikon Save yang ada
di Pojok kiri atas layar
Anda
• Pilih My Files
• Pilih Public
• Pilih !SAVE YOUR FILE
HERE
• Pilih Indonesia
• Pilih Fatihunnur
Foundation
• Terakhir pilih Folder
sesuai nama Master
Trainer.

Penamaan files :
Mmddyyy_Nama
Lengkap
Contoh :
03242023_Fulanah binti
Fulan

Lalu pilih OK

Kita sudah menyelesaikan

Latihan 2. Untuk lanjut ke

22
 Latihan 3 silahkan pilih Ikon
Home.

LATIHAN 2.1 Duplicate Story (Duplikasi Stori)

Pada latihan ini, kita akan belajar cara menduplikasi story pada SAP. Story yang akan kita
duplikasi pada lathian ini yaitu story template ADSE yang akan digunakan untuk latihan-latihan
berikutnya.
Dalam latihan ini, Anda akan memperlajari cara:
1. Menduplikasi story

23
Duplikasi Story Template
ADSE

Tahapan:
1. Masuk halaman Home
dengan mengklik tombol
berlambang rumah
2. Masuk halaman Catalog
dengan mengklik tombol
bertuliskan catalog
3. Klik tombol Open pada
kotak story “!ADSE 2023
Training Exercise [START
HERE]”
4. Klik tombol edit pada pojok
kanan atas story
5. Klik tombol ikon save di
pojok kiri atas story
6. pilih Save As...
7. Pilih My Files
8. Pilih Public
9. Pilih !SAVE YOUR FILE HERE
10. Pilih Indonesia
11. Pilih Fatihunnur
Foundation
12. Pilih Folder sesuai nama
Master Trainer
13. Ubah nama file dengan
format mmddyyy_Nama
Lengkap
14. Klik tombol OK

Penamaan files :
mmddyyy_Nama Lengkap
Contoh : 03242023_Fulanah
binti Fulan

24
LATIHAN 3 Designer Mode (Mode Desain)
Setelah berhasil menduplikasi story template ADSE 2023, latihan selanjutnya yaitu latihan
penggunaan Mode Desainer. Dengan Mode Desainer Anda dapat melakukan perubahan pada
laporan atau story Anda pada SAP. Mode Desainer sendiri memiliki 2 bagian yaitu, Mode
Builder dan Mode Styling. Mode Builder memungkinkan Anda untuk membuat bagan,
memodifikasi bagan, memindahkan/menyeret bagan, dll. Sedangkan, Mode Styling Mode
Styling memungkinkan Anda untuk memodifikasi warna, font, dll. Mode ini akan dibahas pada
latihan bagian terakhir.
Dalam latihan ini, Anda akan memperlajari cara:
2. Membuat grafik bagan
3. Mempopulasi / mengisi grafik bagan
4. Memilih fields (measures & dimensions)
5. Merangking data
6. Menduplikat grafik bagan

Pilih Lembar kerja “3. Designer Mode”, seperti gambar di bawah

1. Membuka Designer Mode

Untuk membuka designer

mode klik tombol bertuliskan
“Designer” pada pojok kanan
atas tab seperti gambar di
samping.

25
2. Membuat Grafik Bagan

Tahapan:
1. Klik bagan berwarna kuning
pada bagian kanan story
2. Pastikan sudah berada
dalam mode Designer dan
sudah pada bagian Builder
3. Pastikan data model yang
terpilih adalah Covid 19 Test
Data
4. Pilih Line Graph pada
kategori Trend
5. Pilih Total Confirmed Cases
sebagai measure Anda
6. Pilih Date sebagai
dimension Anda
7. Pada bagian kanan Date
dimension pilih icon Set
Hierarchy (icon ketiga)
8. setelah terpilih, Set
Hierarchy ke level 4

Pertanyaan:
Pada tanggal berapakah
jumlah kasus (cases) tertinggi?

Catatan Belajar:

Measure dan Dimension

adalah konsep inti pada tools
analitik seperti SAC. Semua
data yang berada pada dataset
harus dikategorikan sebagai
measure atau dimension.

Measure berisi nilai numerik

dan kuantitatif yang dapat
Anda ukur atau hitung.
Measure dapat diagregasi
(jumlah, rata-rata, median,
dll.). Dalam dataset ini, jumlah
kasus Covid, kematian dan
kesembuhan adalah measure.
Contoh measure lain: tingkat
melek huruf, tingkat

26
kemiskinan, PDB, gaji, biaya,
populasi, dll.

Dimension berisi nilai

kualitatif (seperti nama,
tanggal, atau data geografis).
Anda dapat menggunakan
dimension untuk
mengkategorikan,
mengelompokkan, dan
mengungkapkan detail dalam
data Anda. Dalam dataset ini,
negara/lokasi dan tanggal
dianggap sebagai dimension.
Contoh dimension lain: jenis
kelamin, status pendidikan,
status perkawinan, profesi,
golongan pendapatan.

27
3. Membuat Grafik Bagan
dengan Pemeringkatan

Tahapan:
1. Klik bagan berwarna kuning
pada bagian kanan story
2. Pastikan sudah berada
dalam mode Designer dan
sudah pada bagian Builder
3. Pastikan data model yang
terpilih adalah Covid 19 Test
Data
4. Pilih Bar/Column pada
kategori Comparison
5. Measure: Total Confirmed
Cases
6. Dimension: Country/Region
7. Klik bagan dan klik ion “...”
pada pojok kanan atas bagan
8. Arahkan kursor mouse anda
dan klik pada Rank >
Country/Region > Top 5 untuk
melakukan pemeringkatan 5
besar

Pertanyaan:
Manakah 5 negara teratas
dengan jumlah kasus (cases)
tertinggi?

28
29
4. Membuat Grafik Bagan
dengan Fitur Duplikasi

Tahapan:
1. Klik bagan yang telah anda
buat pada tahap sebelumnya
2. Klik icon “...” pada pojok
kanan atas bagan
3. Arahkan kursor mouse Anda
dan klik pada Copy >
Duplicate
4. Sejajarkan bagan anda agar
sejajar dengan bagan diatas
(Anda dapat menyeret bagan
Anda)
5. Pastikan sudah berada
dalam mode Designer dan
sudah pada bagian Builder
6. Pada bagian measure
hilangkan Total Confirmed
Cases
7. Pada bagian measure pilih
Death
8. Klik bagan dan klik ion “...”
pada pojok kanan atas bagan
9. Arahkan kursor mouse anda
dan klik pada Rank >
Country/Region > Top 5 untuk
melakukan pemeringkatan 5
besar

Pertanyaan:
Manakah 5 negara teratas
dengan jumlah kematian
(deaths) tertinggi?

Selamat! Anda telah

menyelesaikan latihan Mode
Designer. Silahkan lanjut ke
latihan berikutnya.

30
31
LATIHAN 4 Data Explorer Mode (Mode Penjelajahan Data)

Data Explorer Mode adalah salah satu fitur yang tersedia di SAP Analytics Cloud yang memungkinkan
pengguna untuk memeriksa, menganalisis, dan memanipulasi data secara interaktif menggunakan
tampilan grafis yang intuitif. Dalam mode ini, pengguna dapat memvisualisasikan data dari berbagai
sumber dalam bentuk tabel, grafik, dan diagram lainnya.

Selain itu, Data Explorer Mode juga memungkinkan pengguna untuk melakukan pengolahan data
seperti penghapusan kolom, filter, perataan, penggabungan, dan agregasi data. Seluruh proses
pengolahan data dilakukan secara visual dan interaktif, sehingga pengguna dapat melihat hasilnya
secara langsung.

Data Explorer Mode sangat berguna bagi pengguna yang ingin menjelajahi data secara bebas dan
mencari insight baru yang mungkin tersembunyi dalam data mereka. Fitur ini juga memungkinkan
pengguna untuk menyaring data dengan cepat dan mudah, sehingga mereka dapat memusatkan
perhatian pada data yang paling relevan dan signifikan.

Dalam latihan ini, Anda akan mempelajari cara:

1. Membuka explorer data

2. Melakukan analisis ad hoc
3. Menyaring dan memilih negara-negara tertentu
4. Mengurutkan dari yang tertinggi hingga yang terendah
5. Menyalin grafik ke cerita Anda

Pilih Lembar kerja “4. Data Explorer Mode”, seperti gambar di bawah

1. Membuka explorer data

Untuk membuka “explorer

data, pilih tombol data
seperti gambar di samping

32
2. Melakukan analisis ad hoc
Measure: Total Confirmed Cases
"Coba visualisasikan data
untuk negara Anda sendiri
dengan memilihnya dari daftar
negara/wilayah yang tersedia."

Tahapan :
Measure: Total Confirmed Cases
Country/Region: [Your Country]
Date: Click on Date

Country/Region: [Your Country]

Date: Click on Date

Hasil

33
Pada tahap kedua anda telah
berhasil membuat grafik time
series – dengan memasukkan
variable “date”, untuk
perkembangan covid di negara
kita (Indonesia)

Dengan hasil seperti di

samping

Catatan :
Grafik ini, dapat kita gunakan
jika Menyusun sebuah stories
dengan cara mengcopy. (untuk
Latihan kali ini kita tidak
memindahkan ke stories yang
telah ada.

Pada Latihan selanjutnya kita

akan membuat grafik batang
yang menggambarkan jumlah
“Confirmed Cases” pada
masing-masing negara, seperti
hasil disamping.

Untuk dapat membuat grafik

seperti itu, tahapan-
tahapannya akan disajikan
pada Latihan 3.

Sebelum memulai,
tahapan/Latihan 3, terlebih
dahulu seluruh, variable kita
“un-check” terlebih dahulu

Pastikan sudah seperti gambar

di samping

34
3. Menyaring/Memfilter dan
memilih negara-negara 1. Measure : Total Confirmed Cases
tertentu

Tahapan
1. Measure: Total Confirmed
Cases.

2. Klik pada Negara/Region Result

untuk memastikan bahwa
negara atau wilayah tersebut
terhighlight.

35
3. Cari dan pilih negara-negara Pada kotak search, ketik indonesia, lalu pilih
SEA di bawah ini. (Brunei not
in dataset).

• Burma
• Cambodia
• Timor-Leste
• Indonesia
Selanjutnya, pada kotak search juga, ketik burma, lalu pilih (perhatikan log
• Laos fiter angkanya berbah menjadi 2)
• Malaysia
• Philippines
• Singapore
• Thailand
• Vietnam

Lanjutkan plihan hingga Vietnam (sudah 10 negara terpilih)

Result

4. Copy the generated chart

to the Data Explorer Mode
page.
Klik

36
5. Cari kembali grafik pada
mode Story. Biasanya,
grafik berada di sisi kiri
layar.

Kamu dapat menggeser

batas kotak grafik untuk
memindahkannya. Kamu
juga dapat mengubah
ukurannya dengan menarik
sudut kanan bawah.

Klik ikon "..." di bagian

kanan atasnya.

Arahkan kursor mouse

Anda ke Sort ➡ Total
Confirmed Cases ➡
Highest to Lowest.

37
LATIHAN 5 Styling Mode (Mode Gaya)
Mode Gaya (Styling Mode) adalah salah satu fitur di SAP Analytics Cloud yang berfungsi untuk
membuat tampilan bagan atau grafik menjadi lebih menarik, estetik dan nyaman dipandang.

Apa perbedaan Mode Styling dengan Mode Builder?

• Mode Builder, akan memengaruhi konten dan data yang mengisi bagan tertentu.
• Mode Gaya, akan berperan pada tampilan dan nuansa, pemformatan, warna, font & ukuran
yang dapat disesuaikan agar tempilan storyboard menjadi lebih estetik.

Catatan: Warna grafik batang diubah dalam mode Builder, bukan mode Designer.

Dalam latihan ini, Anda akan mempelajari cara :

1. Membuka panel gaya

2. Mengganti warna latarbelakang
3. Mengganti jenis tulis (fonts)
4. Mengganti format angka dan skala
1. Pada tahap ini, pilihlah 5.
Styling hingga tampilan
seperti gambar disamping

Pada latihan ini, Anda akan

merubah bagan yang ada
disebelah kiri menjadi seperti
bagan yang disebelah kanan

2. Cara merubah gaya bagan

:
• Gulirkan kursor anda
kebawah hingga
seperti gambar
disamping
• Klik Bagan nya
• Lalu, dipojok kanan
atas pilih Designer
• Lalu pilih Styling

38
3. Selanjutnya, pilih
Backround Color sesuai
keinginan Anda. Sebagai
contoh saya akan memilih
warna kuning.

Setelah memilih warna

latarbelakang, selanjutnya
Anda bisa menentukan Border
agar tampilan bagan menjadi
lebih bersih.
Anda dapat memilih salah
satu dari pilihan border
dibawah ini :
• Bottom border (border
dibawah)
• Left border (border kiri)
• Top border (border atas)
• Right border (border kanan)
• All borders (semua sisi
diborder)
• Top and bottom borders
(hanya atas dan bawah yang
di border)
• Left and right borders (hanya
kiri dan kanan yang di
border)
• No border (tidak di border
sama sekali)

4. Sebagai contoh saya akan

memilih All Borders

39
Selanjutnya, gulirkan kursor
Anda kebawah hingga
menemukan tulisan Font dan
Number Format seperti
gambar disamping

Pada bagian Font,

5. Ubah font menjadi Lato

dengan ukuran 18

Hingga menjadi seperti

gambar disamping

40
6. Pada bagian Number
Format,
• Ubah Scale menjadi
Thousand (ribuan)
untuk mengurangi
banyaknya angka 0
pada bagan sehingga
terlihat lebih
sederhana
• Ubah Decimal Places
menjadi 0

Hingga menjadi seperti

gambar disamping

Maka bagan Total cases per

country/region for actual akan
menjadi seperti ini

SELAMAT ANDA TELAH

MENYELESAIKAN 5 LATIHAN
PADA STUDI KASUS COVID-19

41