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?
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
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 UKURAN
Populasi (Population): Populasi adalah Populasi: Populasi mencakup semua individu
kumpulan lengkap dari semua elemen atau atau elemen yang relevan. Ukuran populasi
individu yang memiliki karakteristik atau dapat sangat besar, seperti semua
sifat tertentu yang sedang atau akan penduduk negara atau semua produk yang
diselidiki dalam penelitian statistik. Populasi diproduksi oleh perusahaan tertentu.
seringkali terlalu besar untuk diuji Sampel: Sampel adalah subset yang jauh
sepenuhnya, sehingga sebagian kecil dari lebih kecil dari populasi. Ukuran sampel
populasi ini dipilih sebagai sampel untuk harus dipilih dengan bijak untuk
analisis. mencerminkan karakteristik populasi dengan
Sampel (Sample): Sampel adalah subset baik, tetapi lebih mudah dikelola daripada
yang diambil dari populasi yang lebih besar. populasi yang lengkap.
Sampel digunakan untuk mewakili populasi
dalam analisis statistik. Sampel harus dipilih
secara acak atau dengan metode yang
tepat untuk memastikan
representativitasnya.
Population vs. Sample
TUJUAN Keuntungan dan Keterbatasan:
Populasi: Penelitian pada populasi sering Populasi: Keuntungannya adalah bahwa
dilakukan untuk mendapatkan pemahaman analisis populasi memberikan pemahaman
yang lebih mendalam tentang karakteristik yang lengkap tentang fenomena yang
dan perilaku keseluruhan populasi. Namun, sedang diteliti. Namun, ini seringkali tidak
seringkali tidak praktis atau terlalu mahal memungkinkan dalam praktik.
untuk mengumpulkan data dari seluruh Keterbatasannya adalah biaya dan waktu
populasi. yang dibutuhkan untuk mengumpulkan data
Sampel: Sampel digunakan untuk membuat dari seluruh populasi.
inferensi atau kesimpulan tentang populasi. Sampel: Keuntungannya adalah pengambilan
Analisis statistik pada sampel membantu sampel dapat lebih efisien dan ekonomis.
dalam membuat perkiraan tentang Namun, sampel yang tidak representatif
karakteristik populasi yang lebih besar atau ukuran sampel yang terlalu kecil dapat
tanpa harus mengumpulkan data dari menghasilkan kesimpulan yang bias atau
seluruh populasi. 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 MODE MEDIAN
Mean adalah jumlah semua nilai Mode adalah nilai yang paling Median adalah nilai tengah
dalam sampel dibagi dengan sering muncul dalam sampel. dalam urutan data yang
jumlah total nilai dalam sampel. Jika ada lebih dari satu nilai telah diurutkan. Ini adalah
Ini adalah ukuran pusat yang yang muncul dengan frekuensi ukuran pusat yang tidak
paling umum digunakan dan yang sama tertinggi, maka dipengaruhi oleh nilai
sering kali disebut sebagai sampel dikatakan memiliki ekstrem dan sering
"rata-rata.".
beberapa mode. Jika tidak ada digunakan ketika ada
nilai yang berulang, maka sampel outliers dalam data.
tidak memiliki mode.
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.
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.
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.
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
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
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?