ANALISIS DATA
Tim Penyusun:
1. Mengapa AD
2. Capaian Pembelajaran & Struktur Materi Analisis Data dalam Fase E
3. Alur Pembelajaran Bimtek AD
4. Prinsip Pembelajaran AD
5. Contoh Kasus & Projek Analisis Data
Mengapa AD?
Analisis Data dalam Informatika
• AD sangat relevan untuk berbagai mata pelajaran lain terutama terkait STEM
untuk mengamati, memodelkan, dan menyimpulkan fenomena alam, fisis,
sosial, maupun hasil eksperimen
• Fenomena big data logika berpikir berhadapan dengan data besar perlu
dibangun sejak dini melalui kemampuan untuk menganalisis data dalam skala
kecil, sedang, dan selanjutnya kian membesar dan kompleks.
Analisis Data
• Definisi
• Data analysis is a process of inspecting, cleansing, transforming, and modelling data with the goal of discovering
useful information, informing conclusions, and supporting decision-making [Wikipedia]
• Data analysis is the process of collecting, modeling, and analyzing data to extract insights that support decision-
making. [ https://www.datapine.com/blog/data-analysis-methods-and-techniques/ ]
• There are several methods and techniques to perform analysis depending on the domain and the aim of the
analysis.
• Penting untuk mempelajari CP Analisis Data pada mata Pelajaran Matematika
• AD Math : penerapan matematika terhadap model data dan mendapatkan simpulannya (misalnya hasil visualisasi
• AD IF : focus ke proses pengoalahan data untuk menghasilkan informasi bermakna
• Mengacu ke Model I-P-O Komputer
• Input : mengumpulkan dan entry data, bisa manual atau otomatis
• Proses : sorting, searching, indexing, clustering/classification, data mining, .....
• Output : visualisasi data dalam berbagai bentuk visual
• Membaca bermakna data sangat penting, untuk menalar (mis. Hindari hoax, presentasi dengan data tak
lengkap sehingga simpulan berupa fallacy, validasi data, verifikasi data
• Analisis data dapat dikaitkan/dipadukan dengan BK, AP, DSI, TIK, PLB bahkan dengan mata pelajaran
lain. BK perlu diintegrasikan pada setiap unit pembelajaran AD
7
Analisis Data, Pemodelan dan Simulasi
• Tiga hal tersebut merupakan satu kesatuan yang berkesinambungan
• Analisis Data dihubungkan dengan elemen Computational Thinking “pengenalan
pola” yang akan jelas dengan visualisasi
• Berhubungan erat dengan bidang ilmu lain, terutama Matematika dan Sain
• Statistik
• Probabilitas
• Analisis dan Interpretasi data membutuhkan pengetahuan domain/bidang yang
dianalisis, misalnya : analisis data pertanian, perkembangan penduduk, pariwisata
(dipakai sebagai contoh pada buku SMP)
• Tambahan: di tingkat perguruan tinggi, sudah ada model data standard untuk berbagai
domain [bidang ilmu tertentu]. Model data berbeda dengan model persoalan ! Model data
muncul sebagai hasil berpikir komputasional
8
“Analisis data” dapat dilakukan jika data ada
Data Input - HOTS exercice
Nah, ini baru
• Data yang dibutuhkan bisa sedikit atau banyak. Tentu, siswa akan belajar berjenjang
• Banyak volumenya
untuk input!
• Kompleksitas strukturnya (banyak elemen, dan elemen terstruktur), tempat penyimpanannya
• Saat ini ada banyak cara yang pernah kita alami untuk input data:
• Tanggung jawab 1 orang,
• Sebar formulir kertas, lalu Entry manual ke file excel
• Minta dikirim lewat sms/WA
• Data banyak orang, mau cepat - ini hanya contoh maaf menyebut merk
• Sebar WA, copy-copy
• Google sheet, bisa diakses banyak orang
• Google Form
• Data sumbernya intrenet
• Cara manual ?
• Cara otomatis ?
• Data input harus diyakinkan benar, tidak ada kesalahan
• Ingat Kembali dan perhatikan saat kita membuat akun di bank. Bagaimana petugas meyakinkan data benar ?
• Cara mana yang paling efektif, efisien, optimal ?
• Setiap cara punya kelebihan dan kekurangan
9
Siklus Pengolahan Data
Pengumpulan
Data
Publikasi Pengolahan
Hasil Data
Analisis dan
Visualisasi
Interpretasi
Data
Data
Capaian Pembelajaran & Struktur Materi
Analisis Data dalam Fase E
Capaian Pembelajaran AD Fase E
• Capaian pembelajaran (CP) elemen AD pada akhir fase E:
Peserta didik mampu: menjelaskan aspek privasi dan keamanan data,
mengumpulkan data secara otomatis dari berbagai sumber data,
memodelkan data berbagai bidang, menerapkan seluruh siklus
pengolahan data (pengumpulan, pengolahan, visualisasi, analisis dan
interpretasi data, publikasi) dengan menggunakan perkakas yang sesuai,
menerapkan strategi pengelolaan data yang tepat guna dengan
mempertimbangkan volume dan kompleksitasnya.
• Contoh:
⮚ ATP Informatika SMA Buku Siswa dan Buku Guru Informatika kelas X
dan XI terbitan Kementerian Pendidikan, Kebudayaan, Riset, dan
Teknologi Republik Indonesia (2021).
Peta Konsep Materi AD dalam Fase E
Deskripsi Ringkas Materi AD dalam Fase E
No Konsep Deskripsi ringkas
1. Pengertian & Arti Penting Data, ● Arti data
Privasi Data, Keamanan Data, ● Berbagai tipe dan format data
serta Analisis Data ● Privasi Data
● Keamanan Data
● Analisis data dan arti pentingnya
16
Keterkaitan AD dengan Elemen Lain dalam Informatika
2. Peserta didik diajak secara bertahap memahami kasus dan merancang solusinya
dengan memanfaatkan kemampuan berpikir komputasional (dekomposisi,
abstraksi, pengenalan pola, algoritma).
3. Peserta didik dapat diajak bereksplorasi dengan jumlah data mulai dari yang
sedikit hingga banyak serta membandingkan cara pengolahan keduanya → peserta
didik dapat mengenali efisiensi dan efektifitas pengolahan data tanpa menggunakan
alat bantu maupun jika menggunakan alat bantu.
Praktik Baik Pembelajaran AD secara Plugged & Unplugged
4. Kegiatan secara unplugged:
■ guru membuat lembar kerja versi plugged nya untuk didemokan ke
peserta didik.
■ membangkitkan “efek wow” yang membuat peserta didik bisa melihat
perbedaan plugged dan unplugged serta memahami otomasi
■ Contoh?
5. Kegiatan plugged:
■ perlu pengenalan penggunaan aplikasi pengolah lembar kerja
■ fitur yang dipakai dibatasi sesuai CP
■ data yang banyak diberikan, tidak diketik
Contoh Kasus dalam Pembelajaran AD
Contoh Kasus Pembelajaran AD Fase E
Di SMA Merdeka, terdapat 3 orang guru Informatika yang mengajar di kelas X
yang memiliki 3 kelas paralel. Semua guru tersebut telah memasukkan nilai
PTS dan PAS ke dalam lembar kerja menggunakan aplikasi pengolah lembar
kerja. Berdasar nilai PTS dan PAS, telah dihitung nilai akhir (NA) dengan rumus
NA = (0,4 x PTS) + (0,6 x PAS). Nilai akhir telah dikonversi menjadi nilai huruf
Projek
(NH) dengan ketentuan sebagai berikut: AD
80.00 < NA <= 100.00 : A Fase D
70.00 < NA <= 80.00 : B
60.00 < NA <= 70.00 : C
NA < 60.00 : D