1
Kata Pengantar
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.
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.
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) 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.
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.
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.
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.
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)
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.
- Mengunggah Dataset
- Memeriksa masalah pada data
- Memperbaiki data menggunakan transformation
- Menyimpan model
- Mengaplikasikan kalkulasi
8
Klik From a CSV or Excel File,
dan upload ADSE Dataset yang
ada di local device anda
Sistem akan loading untuk
membuka dataset
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
10
1. Klik tombol dropdown
dengan tulisan Data
Management, ubah
menjadi Model Structure
3. Bagian Account
merupakan ringkasan
dari semua ukuran pada
model yang dibuat. Kita
dapat menyesuaikan
pengaturan pada ukuran
agar sesuai
11
4. Pada baris yang sama
dengan positive rate , klik
cell pada kolom
Exception Aggregation
Type
5. Pilih Average
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:
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.
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
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.
15
• Simulation / Simulasi
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.
17
Positive_rate over time
positive_rate dari waktu ke
waktu
18
• Pilih Forecast
• Pilih Advanced Options
• Pilih Linear Regression
19
persamaan matematika yang
melibatkan variabel-variabel
ini.
Positive_rate berdasarkan
lokasi.
20
lain, fitur ini membantu Anda
memahami faktor apa yang
paling penting dalam
menentukan hasil variabel
yang Anda minati.
21
Selanjutnya, kita akan
membahas Simulation.
Penamaan files :
Mmddyyy_Nama
Lengkap
Contoh :
03242023_Fulanah binti
Fulan
Lalu pilih OK
22
Latihan 3 silahkan pilih Ikon
Home.
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
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:
26
kemiskinan, PDB, gaji, biaya,
populasi, dll.
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?
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.
Pilih Lembar kerja “4. Data Explorer Mode”, seperti gambar di bawah
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
Hasil
33
Pada tahap kedua anda telah
berhasil membuat grafik time
series – dengan memasukkan
variable “date”, untuk
perkembangan covid di negara
kita (Indonesia)
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.
Sebelum memulai,
tahapan/Latihan 3, terlebih
dahulu seluruh, variable kita
“un-check” terlebih dahulu
34
3. Menyaring/Memfilter dan
memilih negara-negara 1. Measure : Total Confirmed Cases
tertentu
Tahapan
1. Measure: Total Confirmed
Cases.
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
Result
36
5. Cari kembali grafik pada
mode Story. Biasanya,
grafik berada di sisi kiri
layar.
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.
• 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.
38
3. Selanjutnya, pilih
Backround Color sesuai
keinginan Anda. Sebagai
contoh saya akan memilih
warna kuning.
39
Selanjutnya, gulirkan kursor
Anda kebawah hingga
menemukan tulisan Font dan
Number Format 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
41