BAB 5

DATA ANALISIS DALAM

AKUNTANSI
Group 2:
Bagus Hidayat Tawa (00687)
Dwi Fitriyani (00702)
Deolindo Henrique Pereira
(00719)
Menerapkan Teknik Analisis yang Sesuai
Analisis deskriptif
Informasi yang dihasilkan dari pemeriksaan data untuk memahami
masa lalu, menjawab pertanyaan “apa yang terjadi?”

Analisis diaognostik
Informasi yang mencoba untuk menentukan hubungan sebab
akibat, menjawab pertanyaan "mengapa ini terjadi?"

Analisis preskriptif
Informasi yang dihasilkan dari analisis untuk memberikan
rekomendasi tentang apa yang seharusnya terjadi, menjawab
pertanyaan “apa yang harus dilakukan?”
Gambar penerapan teknik analisis pada Ernst & Young
Menafsirkan
dan
Membagikan
Hasil kepada
,
Pemangku 1 menafsirkan hasil data adalah membaca
Kepentingan atau menilai hasil dari analisis data
2 membagikan hasil meliputi data
storytelling, data visualisasi, data
dashboard
Pertimbangan Analisis Data Tambahan
1 Mengotomatiskan langkah-langkah dalam proses analitik
Opotomatisasi adalah aplikasi mesin untuk secara otomatis melakukan tugas yang
pernah dilakukan oleh manusia.
Contohnya: fingerprint, m-banking

2 Analisis data tidak selalu alat yang tepat

 Pertimbangan Kualitas Data untuk Big Data dan
Machine Learning: Melampaui Pembersihan Data
dan Transformasi

Makalah ini membahas mengenai:

1.Tujuan dari makalah ini adalah mendeskripsikan sifat dari masalah kualitas
data dan karakteristiknya dalam konteks big data dan pembelajaran mesin.
2.Menyajikan studi kasus yang menyoroti pentingnya kualitas data dalam
tiga aplikasi yang beragam
3.Mendefinisikan kualitas data secara lebih konkret dalam beberapa dimensi
atau aspek.
4.Siklus hidup kualitas data yang digerakkan oleh tata kelola.
5.Kerangka referensi berdasarkan siklus hidup untuk kualitas data dan
implementasinya.
6.Contoh alat manajemen kualitas data.
7.Tren masa depan.
8.Kesimpulan.
Mendeskripsikan sifat dari masalah kualitas data
dan karakteristiknya dalam konteks big data dan
pembelajaran mesin
1.Tantangan Kualitas Data dalam Big Data 2. Tantangan Kualitas Data dalam Machine
- Faktor perancu: tidak tersedia data meta Learning
yang memadai -Bias dan varians trade off dalam machine
- Menangani data yang hilang seperti learning divisualisasikan menggunakan
MCAR, MAR, dan MNAR diagram bulls eye
- Menangani data duplikat dengan -Validasi silang dan boostrap
menggunakan bloomfilter -Transformasi data
- Menangani heterogenitas data dengan -Pertimbangan lainnya dengan menggunakan
melakukan ekstraksi informasi variabel reduksi
- Integrasi data semantik
Studi kasus kualitas data
1. Menggambarkan proses manual kualitas data
Contohya: infoUSA menjual data alamat surat konsumen dan bisnis.

2. Menggambarkan peran pembelajaran mesin dan data besar dalam manajemen kualitas data
Contoh: Zillow menggunakan pendekatan otomatis untuk akuisisi data, pembersihan,
transformasi, integrasi, dan agregasi.
Quora adalah situs tanya jawab di mana pertanyaan dan jawaban dikontribusikan oleh
pengguna.
 Dimensi dan penilaian kualitas data

Dimensi kualitas data memberikan dasar untuk mengukur dan memantau

kualitas data.
Penilaian awal kualitas data akan membentuk baseline. Peningkatan kualitas
data yang dihasilkan dari pembersihan data baru, transformasi, integrasi,
dan aktivitas agregasi diukur terhadap baseline
Siklus Kualitas Data yang
Didorong oleh Tata Kelola Data
- Tata kelola data adalah sekumpulan praktik terbaik dan kontrol yang dilakukan
oleh organisasi untuk secara aktif mengelola dan meningkatkan kualitas data.
- Standard tata kelola data meliputi: kamus data, referensi dan meta data, model
data dan aturan bisnis, serta peran dan tanggung jawab
- Analisis kualitas data meliputi: analisis deskriptif, analisis diagnostik, analisis
preskriptif, dan analisis prediktif
- Akuisisi data dan pembuatan semantic yang terdiri dari tiga proses: Filtering &
Sampling, Cleaning & Enrichment, dan Semantics & Meta Data Generation
- Proses TIA & Pembuatan Semantik
- Penyimpanan, Pengambilan & Pembersihan Data
- Pengukuran dan Penilaian Kualitas Data
- Pemantauan Kualitas Data
Arsitektur referensi untuk mengimplementasikan framework siklus
proses kualitas data untuk big data dan machine learning
Alat untuk manajemen
kualitas data
Analisis deskriptif
Analisis diaognostik
Analisis preskriptif
Kesimpulan
• Penelitian kualitas data terutama difokuskan pada data terstruktur
yang disimpan dalam database relasional dan sistem file
• Kemunculan sistem NoSQL untuk manajemen data besar
membuat banyak penelitian kualitas data tradisional menjadi tidak
memadai dan kurang relevan.
• Peneliti berharap penerapan sistem yang dihasilkan pada
kumpulan data skala besar dapat mengungkapkan kekuatan dan
kelemahan arsitektur yang kami usulkan.
Thank You