Sabtu, 02 September 2017

Sulit Menganalisis Data? Inilah Caranya

Analisis data deskriptif, sumber foto: dokpri.

Beberapa waktu lalu, kita telah ngobrol soal beberapa cara menyajikan data. Setelah memahami dan kita mampu menyajikan data, seringkali kita mengalami kesulitan bagaimana caranya melakukan analisis terhadap data tersebut. Kemampuan menganalisis data memang dipengaruhi oleh seberapa kritis seseorang analis dalam mengaitkan atau mengkolaborasikan antara dekskripsi data terhadap fenomena yang terjadi di lapangan. Tetapi tak perlu risau, kemampuan menganalisis data juga bisa dipelajari sejak dini dan bisa dilakukan oleh siapa saja.

Hal pertama yang dapat kita gunakan sebagai modal menganalisis data adalah dengan melihat rata-rata data, varians serta standar deviasi data.

Hal kedua yang perlu kita perhatikan dalam melakukan analisis data ada beberapa, yaitu (1) mengamati nilai data terbesar dan terkecil, (2) mengamati proporsi data terbesar dan terkecil, (3) mengamati nilai data pencilan (outlier) dan (4) mengamati nilai data yang dipengaruhi oleh waktu.
Sajian data dalam grafik garis, sumber foto: dokpri.

Bila kita mendapati sajian data dalam bentuk grafik garis, maka analisis yang bisa kita lakukan adalah melihat nilai data yang tertinggi (lihat A) dan nilai data terendah (lihat B). Berikut kita misalkan saja:

Berdasarkan data harga cabai, pada tanggal 31 Agustus terjadi kenaikan harga sampai sekian rupiah per kilogram. Kenaikan harga itu diperkirakan menjadi efek menjelang Hari Raya Idul Adha. Sedangkan pada tanggal 20 Oktober, harga cabai menurun hingga mencapai sekian rupiah per kilogram. Hal ini disebabkan oleh permintaan konsumen yang turun akibat persediaan cabai melimpah.
Sajian data dalam bentuk grafik batang, sumber foto: dokpri.

Demikian halnya jika kita dihadapkan dengan data bentuk grafik batang. Yang kita analisis adalah unit data dengan batang tertinggi (lihat A) dan unit data dengan batang yang paling kecil (lihat B).

Sebagai contoh misalkan PDRB Kabupaten tertentu pada tahun 2017 adalah sebesar sekian juta rupiah. Sedangkan pada tahun 2018 menunjukkan nilai PDRB yang paling kecil sepanjang beberapa tahun terakhir, yaitu sekian juta rupiah.

Pada tahun 2017, lapangan usaha informasi dan komunikasi meningkat tajam karena adanya pembangunan dan penambahan saluran kabel optik untuk menunjang internet kecamatan. Tahun 2018 terjadi penurunan akibat berkurangnya nilai tambah lapangan usaha pertambangan akibat penyetopan izin usaha tambang sebagai dampak UU Minerba.
Sajian data berbentuk grafik lingkaran, sumber foto: dokpri.

Untuk sajian data yang diberikan dalam bentuk grafik lingkaran, kita dapat menganalisisnya dengan melihat proporsi unit data yang paling besar dan proporsi yang paling kecil.

Pada gambar, kita bisa melihat bahwa proporsi atau share A, B, C begitu besar, ini bisa jadi modal untuk analisis kita. Besarnya proporsi ini menunjukkan unit data atau informasi yang berperan besar terhadap keseluruhan. Sebaliknya, proporsi unit data yang paling kecil dapat kita terjemahkan sebagai peluang sekaligus tantangan kita bagaimana caranya untuk meningkatkan perannya terhadap keseluruhan.
Sajian data dalam bentuk grafik garis, sumber foto: dokpri.

Selain analisis dapat kita lakukan seperti kondisi di atas, adapun kita perlu melakukan analisis terhadap waktu untuk data-data yang bersifat musiman, misalnya data produksi padi tiap bulan, data penjualan es ketika musim hujan dan musim kemarau, dan data musiman sejenisnya.

Data musiman ini dapat kita analisis dengan melihat kapan waktu yang menunjukkan nilai data naik dan kapan saatnya turun. Ini bermanfaat bagi kita dalam rangka mengamati perilaku atau pola sebuah data.

Sebagai contoh misalnya data penjualan es, ada kecenderungan penjualannya menurun saat musim hujan karena suhu lingkungan dingin. Sedangkan pada musim kemarau, penjualan es meningkat karena permintaan meningkat akibat suhu lingkungan panas.
Sajian data dalam bentuk box plot, sumber foto: dokpri.

Jika dalam deskripsi data kita menggunakan box plot, di sana ada kemungkinan kita mendapati adanya pencilan data (outlier). Maka, untuk menganalisisnya, kita ulas terlebih dahulu mengenai rata-rata datanya seberapa besar, baru kemudian kita amati unit amatan berapa yang menjadi pencilan data. Pencilan data ini bisa juga dianalisis secara terpisah karena meskipun ia dapat memperbesar standar deviasi data, adanya pencilan juga perlu kita perhatikan nasibnya. Mengapa? Karena pencilan juga memberi kita sebuah informasi mengenai fenomena riil data.