Perform the

Analysis: Types of
Data Analytics
 Meet the Team
EVANDRI DAKSA M M HELMI R JUHAIRIA IDRIS ATTHARIQ HARDINA DIVA
042111333218 042111333205 502310010117 FIRDAUZAN B. ANANDA
042111333169 042111333058
Kembali pada AMPS
MODEL
PERFORM THE ANALYSIS
proses evaluasi data untuk
menarik kesimpulan seperti
manipulation data dan menjalankan
tes statistik.
JENIS ANALISIS DATA
Deskriptif: Deskripsi mengenai apa yang terjadi
Diagnostik: Alasan mengapa hal itu (masa lalu) terjadi
Prediktif: Akankah terjadi di masa depan dan berapa
probabilitasnya?
Preskriptif: Apa yang akan kita lakukan jika ada sesuatu
terjadi di masa depan? Bagaimana mengoptimalkan
performa dengan mempertimbangkan hambatan yang
ada?
Contoh: Investor dengan Laporan
Keuangan
DESKRIPTIF
Berapa saldo persediaan fisik yang ada?
Statistik kinerja deskriptif: mean, median, minimum, maksimum
Berapa ROA, asset turnover, Return on Profit pada akhir tahun

DIAGNOSTIK
Mengapa beban penjualan dan administratif meningkat
dibanding perusahaan lain dalam industri yang sejenis?

PREDIKTIF
Bisakah kita memprediksi pendapatan/arus kas/laba di
masa depan dengan akurasi yang masuk akal? Apakah
ada peluang bahwa perusahaan akan bangkrut?
Contoh: Investor dengan Laporan
Keuangan
DESKRIPTIF
Berapa saldo persediaan fisik yang ada?
Statistik kinerja deskriptif: mean, median, minimum, maksimum
Berapa ROA, asset turnover, Return on Profit pada akhir tahun

DIAGNOSTIK
Mengapa beban penjualan dan administratif meningkat
dibanding perusahaan lain dalam industri yang sejenis?

PRESKRIPTIF
Bagaimana pendapatan dapat dinaikkan jika terjadi perang
dagang dengan China? Akankah perusahaan diuntungkan jika
produk obat-obatan ini sudah disetujui FDA?
 Analisis Deskriptif
Analisis Deskriptif Kegunaan Pertanyaan

Counts Seberapa frekuensi terjadinya Berapa kali penghasilan kena pajak lebih besar daripada laba bersih dalam jangka waktu 5 tahun?

Totals, sums, averages, subtotals Merangkum performa/kinerja Berapa saldo persediaan barang jadi di tangan?

Merangkum hasil nilai yang ekstrem untuk

Minimums, maximums, medians, standard deviations Berapa pengembalian dana terbesar yang ditawarkan oleh departemen layanan pelanggan, dan siapa yang menyetujuinya?
membantu menjelaskan sesuatu yang terjadi

Meringkas piutang usaha yang masih belum dilunasi

Graphs (bar charts), histograms Berapa lama piutang dari IBM telah beredar?
pelanggan

Perubahan persentase dari satu periode ke periode berikutnya

Merangkum perubahan beban dari satu periode ke
menggunakan analisis vertikal, analisis horizontal, atau ukuran Bagaimana peningkatan persentase beban dari pendapatan dalam 2 tahun?
periode selanjutnya
umum laporan keuangan

Analisis rasio seperti ROA, Return on Sales, Asset Turnover, Menghitung rasio keuangan yang penting untuk
Perusahaan ritel mana (misalnya Amazon, Walmart, Target, Kroger) yang memiliki rasio Return on Asset tertinggi?
Debt-to-equity perbandingan antarperusahaan
 LO 5-4 IDENTIFY ANOMALIES/OUTLIERS
DIAGNOSTIC Hukum Benford adalah jenis analisis yang
dilakukan untuk menemukan anomali/outlier.
ANALYTICS Prinsipnya menyatakan
bahwa dalam himpunan bilangan asli yang
besar dan dihasilkan secara acak, terdapat
distribusi yang diharapkan dari digit
pertama, atau digit terdepan, dengan
jumlah angka 1 lebih banyak, angka 2 paling
banyak berikutnya, dan turun berturut-
turut ke angka 9. Jika suatu distribusi
menyimpang dari ekspektasi tersebut, kami
akan mengidentifikasinya sebagai anomali
dan menyelidikinya lebih lanjut
Menemukan Keterkaitan, Pola, atau
Hubungan Antar Variabel yang
Sebelumnya Tidak Diketahui

Lakukan Analisis Pengukuran

Analisis ini digunakan untuk mengungkap

rincian tambahan dalam data dengan
menelusuri dan merangkum data pada tingkat
yang berbeda untuk memahami mengapa
sesuatu terjadi. Dalam pendekatan ini, kami
mencari pola dalam kumpulan data dasar atau
kumpulan data eksternal untuk
mengidentifikasi potensi korelasi.
.
 Alat statistik mencari pola dalam kumpulan data dasar atau kumpulan data
eksternal untuk mengidentifikasi potensi korelasi. Contohnya adalah tabulasi silang
(metode analisis kuantitatif hubungan antara dua variabel atau lebih seperti dalam
tabel pivot), pengurutan data, dan manipulasi data.
 LO 5-5 PREDICTIVE ANALYTICS

Predictive Analytics adalah analitik yang dilakukan

untuk memberikan tinjauan ke masa depan dengan
mengidentifikasi pola dalam data historis dan menilai
kemungkinan atau
kemungkinan. Dengan ide untuk memprediksi kinerja
masa depan berdasarkan teknik statistik seperti
memprediksi penjualan untuk menghasilkan produk
yang cukup untuk memenuhi permintaan pelanggan
tanpa produksi berlebih.
 Describe the basics of
prescriptive analytics.
Analisis perspektif merupakan sebuah jenis analisis yang dimana
mendefinisikan langkah-langkah yang perlu diambil oleh organisasi atau
pebisnis untuk mencapai hasil atau decision making yang tepat.
 “Apa yang harus kita lakukan berdasarkan apa yang kita
harapkan akan terjadi?”
dan
“Bagaimana kami mengoptimalkan kinerja kami berdasarkan potensi
kendala?

prescriptive analytics
dapat didefinisikan analisis preskriptif
sebagai penyelidikan yang dilakukan
untuk mengidentifikasi pilihan terbaik
mengingat kendala atau kondisi yang
berubah.
analisis preskriptif terbagi menjadi
lima kategori besar untuk
membantu menentukan apa yang
harus dilakukan berdasarkan apa
yang diharapkan akan terjadi:
1. Sensitivity analytics.
2. Capital budgeting.
3. Marginal (or incremental)
analytics.
4. Goal-seek analytics.
5. What-if scenario analytics.
 SUMMARY OF
ANALYSES USED
TO ADDRESS
ACCOUNTING
QUESTIONS
LO 5-7
 Population vs. Sample
DEFINISI
Populasi (Population): Populasi adalah
kumpulan lengkap dari semua elemen atau
individu yang memiliki karakteristik atau
sifat tertentu yang sedang atau akan
diselidiki dalam penelitian statistik. Populasi
seringkali terlalu besar untuk diuji
sepenuhnya, sehingga sebagian kecil dari
populasi ini dipilih sebagai sampel untuk
analisis.
Sampel (Sample): Sampel adalah subset
yang diambil dari populasi yang lebih besar.
Sampel digunakan untuk mewakili populasi
dalam analisis statistik. Sampel harus dipilih
secara acak atau dengan metode yang
tepat untuk memastikan
representativitasnya.
UKURAN
Populasi: Populasi mencakup semua individu
atau elemen yang relevan. Ukuran populasi
dapat sangat besar, seperti semua
penduduk negara atau semua produk yang
diproduksi oleh perusahaan tertentu.
Sampel: Sampel adalah subset yang jauh
lebih kecil dari populasi. Ukuran sampel
harus dipilih dengan bijak untuk
mencerminkan karakteristik populasi dengan
baik, tetapi lebih mudah dikelola daripada
populasi yang lengkap.
 Population vs. Sample
TUJUAN
Populasi: Penelitian pada populasi sering
dilakukan untuk mendapatkan pemahaman
yang lebih mendalam tentang karakteristik
dan perilaku keseluruhan populasi. Namun,
seringkali tidak praktis atau terlalu mahal
untuk mengumpulkan data dari seluruh
populasi.
Sampel: Sampel digunakan untuk membuat
inferensi atau kesimpulan tentang populasi.
Analisis statistik pada sampel membantu
dalam membuat perkiraan tentang
karakteristik populasi yang lebih besar
tanpa harus mengumpulkan data dari
seluruh populasi.
Keuntungan dan Keterbatasan:
Populasi: Keuntungannya adalah bahwa
analisis populasi memberikan pemahaman
yang lengkap tentang fenomena yang
sedang diteliti. Namun, ini seringkali tidak
memungkinkan dalam praktik.
Keterbatasannya adalah biaya dan waktu
yang dibutuhkan untuk mengumpulkan data
dari seluruh populasi.
Sampel: Keuntungannya adalah pengambilan
sampel dapat lebih efisien dan ekonomis.
Namun, sampel yang tidak representatif
atau ukuran sampel yang terlalu kecil dapat
menghasilkan kesimpulan yang bias atau
tidak akurat tentang populasi.
Parameters vs. Statistics
Jika parameter adalah karakteristik suatu populasi, statistik adalah
karakteristik sampel. Rata-rata populasi (atau mean) adalah parameter
(pengukuran populasi tersebut) yang kita sebut dengan huruf Yunani mu (μ).
Misalnya, rata-rata populasi toko yang tutup pada hari Minggu mungkin sebesar
24 persen. Namun, karena kami hanya dapat mensurvei sampel, hasil survei
sampel akan berupa x-bar rata-rata statistik sampel, atau . Jika kita tidak
mengetahui rata-rata populasi sebenarnya, μ, kita akan menggunakan rata-
rata sampel, atau , untuk membuat kesimpulan tentang rata-rata populasi
sebenarnya
 Describing the Sample
Mean Median Mode
MEAN
Mean adalah jumlah semua nilai
dalam sampel dibagi dengan
jumlah total nilai dalam sampel.
Ini adalah ukuran pusat yang
paling umum digunakan dan
sering kali disebut sebagai
"rata-rata.".
MODE
Mode adalah nilai yang paling
sering muncul dalam sampel.
Jika ada lebih dari satu nilai
yang muncul dengan frekuensi
yang sama tertinggi, maka
sampel dikatakan memiliki
beberapa mode. Jika tidak ada
nilai yang berulang, maka sampel
tidak memiliki mode.
MEDIAN
Median adalah nilai tengah
dalam urutan data yang
telah diurutkan. Ini adalah
ukuran pusat yang tidak
dipengaruhi oleh nilai
ekstrem dan sering
digunakan ketika ada
outliers dalam data.
Describing the Spread (or Variability)
of the Data

Langkah selanjutnya setelah mendeskripsikan kecenderungan sentral data adalah menilai penyebarannya, atau
variabilitasnya. Hal ini mungkin termasuk mempertimbangkan nilai maksimum dan minimum serta perbedaan
antara kedua nilai tersebut, yang kita definisikan sebagai rentang. Ukuran penyebaran atau variabilitas yang
paling umum adalah deviasi standar dan varians, dimana setiap observasi dalam sampel adalah X, dan jumlah
observasi adalah n. Simpangan baku suatu sampel adalah s dan varians sampelnya, s².
Semakin besar deviasi atau varians standar sampel, semakin besar pula variabilitasnya. Misalnya, analis
keuangan sering kali mengukur volatilitas harga saham menggunakan standar deviasi atau varians, sebagai
ukuran risiko. Semakin besar deviasi standar (dan volatilitas), maka saham tersebut akan dianggap semakin
berisiko.
 Probability Distributions
Distribusi probabilitas adalah properti (atau fungsi) statistik yang menggambarkan
kemungkinan nilai variabel acak dan kemungkinan bahwa variabel acak berada dalam
rentang tertentu.

Normal Distributions Uniform Distributions

Poisson Distributions
Normal Distribution
Distribusi normal adalah distribusi probabilitas berbentuk
lonceng yang simetris terhadap meannya, dengan titik
data yang lebih dekat ke mean lebih sering dibandingkan
dengan titik data yang lebih jauh dari meannya.

Distribusi normal bisa dibilang merupakan distribusi

probabilitas yang paling penting karena sangat cocok.
Banyak fenomena alami yang terjadi di dalam dan di luar
akuntansi, mulai dari distribusi laba atas aset (ROA) untuk
kinerja perusahaan hingga tinggi badan, berat badan, dan
IQ populasi manusia. Seperti ditunjukkan pada gambar
disamping, data dalam satu deviasi standar (+/− satu
deviasi standar) mencakup 68 persen titik data; dalam dua
standar deviasi, 95 persen titik data; dalam tiga standar
deviasi, 99,7 persen titik data.
 Uniform Distribution and Poisson
Distribution

Uniform Distribution adalah distribusi probabilitas

dimana semua hasil memiliki kemungkinan yang sama.
 Uniform Distribution and Poisson
Distribution

Distribusi Poisson adalah distribusi yang didefinisikan sebagai

jumlah rata-rata kejadian per interval ruang atau waktu. Hal ini
ditandai dengan memiliki mean yang rendah dan sangat condong ke
kanan.
 Hypothesis Testing
Biasanya hipotesis dipasangkan menjadi dua: hipotesis nol dan hipotesis
alternatif.

Yang pertama adalah kasus dasar (base case) yang sering disebut
hipotesis nol (null hipotesis) dan mengasumsikan hubungan yang
dihipotesiskan tidak ada, yaitu tidak ada perbedaan yang signifikan
antara dua sampel atau populasi.

Hipotesis alternatif adalah kasus yang diyakini benar oleh manajemen.

Artinya, hipotesis alternatif adalah kebalikan dari hipotesis nol, atau hasil
potensial yang mungkin diharapkan oleh analis.
 Statistical Testing
Kami menggambarkan temuan sebagai signifikan secara
statistik dengan menafsirkan nilai p dari uji statistik. Uji
statistik hipotesis dapat menghasilkan nilai p. Nilai p adalah hasil
pengujian yang menolak atau gagal menolak hipotesis nol. Nilai p
dibandingkan dengan nilai ambang batas, yang disebut tingkat
signifikansi (atau alfa). Nilai umum yang digunakan untuk alfa
adalah 5 persen atau 0,05 (seperti halnya 1 persen atau 0,01).
 The Confidence Interval

Tingkat signifikansi dapat dihitung dengan mengurangkan alpha dari

1 untuk memberikan tingkat kepercayaan hipotesis berdasarkan uji
statistik data. Interval kepercayaan mengukur probabilitas suatu
parameter populasi berada di antara dua nilai yang ditetapkan.
Interpreting the Statistical Output from a Sample
t-Test of a Difference of Means of Two Groups
Uji-t sampel adalah uji statistik yang digunakan untuk
membandingkan rata-rata dua set data observasi. Misalnya,
mungkin membandingkan cara dua kelompok independen. Atau
bisa juga uji t berpasangan pada kelompok perusahaan yang
sama tetapi pada waktu yang berbeda. Uji-t tersebut dapat
membandingkan rata-rata pengembalian aset (ROA)
perusahaan di industri ritel pada tahun 2020 dengan rata-rata
ROA perusahaan yang sama di industri ritel pada tahun 2021.
Interpreting the Statistical Output from a Sample
t-Test of a Difference of Means of Two Groups
 Interpreting the Statistical Output from a
Regression
Regresi digunakan untuk membantu mengukur
hubungan antara satu variabel keluaran dengan
berbagai masukan. Kita dapat menganggapnya
seperti persamaan aljabar di mana y adalah
variabel terikat dan x adalah variabel bebas,
dengan y = f(x).
Interpreting the Statistical Output from a
Regression
 PERFORM THE ANALYSIS USING MICROSOFT EXCEL
TOOLS/FUNCTIONS

Excel dapat digunakan untuk mengekstrak dan memanipulasi data, menganalisis

data, atau berbagi cerita dengan memvisualisasikan data.
Jenis Analisis Tertentu yang
Jenis Analisis Data Akuntansi Alat/ Fungsi MIcrosoft Excel
Digunakan

SUM(), COUNT(), COUNTIF().

Statistik deskriptif seperti jumlah,
total, jumlah, rata-rata, laporan
standar, laporan keuangan:
Deskriptif
histogram, plot kotak, grafik,
bagan
AVERAGE().
SUBTOTAL().
MEDIAN(); Pivottables; quartiles,
quintiles, deciles, charts/graphs
Analysis toolpak:
histogram, descriptive statistics
 PERFORM THE ANALYSIS USING MICROSOFT EXCEL
TOOLS/FUNCTIONS

Pivottables;
Varians, perbedaan ekspektasi, korelasi,
Analysis toolpak:
mengidentifikasi outlier/anomali (fuzzy lookup);
Testing of means of various groups (t-test),
Diagnosis pengujian urutan, penelusuran dan roll-up untuk
correlation, rank, and percentile
mendapatkan detail bila diperlukan, tabel pivot
(tabulasi silang); pengelompokan analisis
Conditional formatting Excel add-in: Fuzzy lookup
komponen utama, pengujian hipotesis

Klasifikasi, regresi, deret waktu Analysis toolpak: correlation, regression,

Prediktif
forecasting sheet

Pengoptimalan, skenario bagaimana-jika, analisis

What-if analytics, sensitivity analytics, scenario
Bersifat Menentukan sensitivitas, simulasi, pembelajaran mesin
manager, goal seek, NPV), IRR()
 THE EXCEL DATA ANALYSIS TOOLPAK

Membantu melakukan sebagian besar analisis data yang akan kita gunakan dalam
teks ini untuk menjalankan korelasi, membentuk histogram, menjalankan regresi,
atau melakukan analisis serupa lainnya menggunakan Alat Analisis Data Excel

File> Options > Add-Ins>Manage Excel Add-Ins

 THE EXCEL DATA ANALYSIS TOOLPAK

File> Options > Add-Ins>Manage

Excel Add-Ins

Data > Analysis > Data Analysis.

 THE EXCEL DATA ANALYSIS TOOLPAK

Penggunaan alat analisis data berikut menggunakan Excel Data Analysis Toolpak:
Korelasi: Untuk memahami apakah dan sejauh mana variabel terkait satu sama lain.
Deskriptif Statis: Untuk memahami statistik dasar, termasuk mean, deviasi standar,
minimum, dan maksimum suatu kumpulan data.
Histogram: Untuk memahami frekuensi data menggunakan tampilan persegi panjang
dengan luas sebanding dengan frekuensi dasar data.
Regresi: Untuk memahami hubungan antara nilai variabel terikat tertentu dan
masukan variabel independen.
T-Test: Untuk memahami probabilitas perbedaan statistik rata-rata antara keduanya
dua sampel independen atau sampel berpasangan sepanjang waktu.
 Thank You!
DO YOU HAVE ANY QUESTIONS FOR US?