Tutorial Data Analyst Pemula Menggunakan Excel untuk Analisis Data

Di era digital saat ini, kebutuhan akan profesional yang mampu mengolah dan menganalisis data semakin meningkat pesat. Berdasarkan laporan industri WifiTalents, permintaan untuk posisi data analyst diproyeksikan tumbuh sekitar 23 % hingga 2031, jauh di atas rata-rata semua pekerjaan lainnya, sebuah indikasi bahwa keahlian analisis data menjadi kompetensi penting di berbagai bidang bisnis dan teknologi.

Mengingat perannya yang fundamental serta kemudahannya untuk dipelajari, Excel menjadi pintu masuk ideal bagi pemula yang ingin terjun ke dunia data analytics. Artikel tutorial ini dirancang untuk membantu kamu langkah demi langkah mempelajari teknik dasar analisis data menggunakan Excel, mulai dari mengenal dataset hingga membuat dashboard sederhana yang siap dipakai untuk presentasi atau laporan.

1. Pengenalan Dataset

Pada studi kasus ini, kita akan menggunakan dataset penjualan sederhana. Dataset ini berisi data transaksi penjualan sebuah toko dengan beberapa kolom utama, yaitu Tanggal, Nama Produk, Kategori, Jumlah Terjual, dan Total Penjualan.

Tujuan analisis kita adalah memahami performa penjualan, seperti produk terlaris dan total penjualan berdasarkan kategori. Langkah pertama yang perlu dilakukan adalah memastikan data sudah tersusun rapi dalam bentuk tabel, dengan setiap kolom memiliki header yang jelas. Hal ini penting agar Excel bisa membaca data dengan benar saat proses analisis.

Baca juga: Bootcamp Data Analyst with Python & SQL

2. Format dan Pembersihan Data (Data Cleaning)

Sebelum melakukan analisis, data perlu dibersihkan terlebih dahulu. Data yang kotor bisa menghasilkan insight yang salah. Beberapa hal yang bisa dilakukan pada tahap ini adalah menghapus data duplikat, memastikan tidak ada kolom yang kosong, serta menyesuaikan format data.

Sebagai contoh, pastikan kolom Tanggal sudah menggunakan format tanggal, kolom Jumlah Terjual dan Total Penjualan berbentuk angka, bukan teks. Kita juga bisa menggunakan fitur Sort dan Filter untuk mengecek apakah ada data yang tidak wajar, seperti jumlah penjualan bernilai nol atau negatif.

3. Analisis Menggunakan Rumus Dasar

Setelah data bersih, kita bisa mulai melakukan analisis sederhana menggunakan rumus dasar Excel. Rumus seperti SUM, AVERAGE, COUNT, MAX, dan MIN sangat sering digunakan oleh Data Analyst.

Misalnya, kita bisa menggunakan fungsi SUM untuk menghitung total penjualan keseluruhan, atau AVERAGE untuk mengetahui rata-rata penjualan per transaksi. Dari sini, kita sudah mulai mendapatkan gambaran umum tentang performa penjualan toko.

4. Analisis dengan Fungsi Logika & Teks

Pada tahap ini, kita akan menggunakan fungsi yang sedikit lebih kompleks, seperti IF, AND, atau OR. Contohnya, kita bisa membuat kolom baru bernama Status Penjualan dengan fungsi IF, untuk menandai transaksi dengan nilai penjualan di atas rata-rata sebagai “Penjualan Tinggi” dan sisanya “Penjualan Rendah”.

Selain itu, fungsi teks seperti LEFT, RIGHT, atau MID dapat digunakan untuk mengekstrak informasi dari data teks, misalnya mengambil kode produk dari nama produk jika dibutuhkan. Fungsi-fungsi ini sangat membantu dalam mempersiapkan data untuk analisis lanjutan.

5. Membuat Pivot Table Pertama

Pivot Table adalah fitur penting yang wajib dikuasai oleh Data Analyst pemula. Dengan Pivot Table, kita bisa menganalisis data dalam jumlah besar hanya dalam beberapa klik. Sebagai contoh, kita bisa membuat Pivot Table untuk menampilkan total penjualan berdasarkan kategori produk. Cukup dengan memasukkan kolom Kategori ke bagian Rows dan Total Penjualan ke bagian Values, Excel akan otomatis menampilkan ringkasan datanya.

Baca juga: Data Analyst vs Data Scientist

6. Menjawab Pertanyaan Analisis

Setelah Pivot Table dibuat, kita bisa mulai menjawab pertanyaan analisis dari studi kasus ini.

Beberapa contoh pertanyaan yang bisa dijawab adalah:

• Produk apa yang paling laris?

• Kategori mana yang menghasilkan penjualan terbesar?

• Bagaimana tren penjualan berdasarkan waktu?

Dengan mengatur ulang field di Pivot Table, kita bisa mendapatkan jawaban dari pertanyaan-pertanyaan tersebut tanpa perlu membuat rumus tambahan.

7. Membuat Grafik Dasar

Agar hasil analisis lebih mudah dipahami, kita bisa mengubah data dari Pivot Table menjadi grafik. Excel menyediakan berbagai jenis grafik, seperti column chart, line chart, dan pie chart.

Misalnya, kita bisa menggunakan column chart untuk membandingkan total penjualan antar kategori, atau line chart untuk melihat tren penjualan dari waktu ke waktu. Visualisasi ini sangat membantu saat kita perlu mempresentasikan hasil analisis ke orang lain.

8. Dashboard Sederhana untuk Pemula

Tahap terakhir adalah membuat dashboard sederhana. Dashboard ini berisi kumpulan grafik dan ringkasan data utama dalam satu halaman. Kita bisa menggabungkan Pivot Table, grafik penjualan, dan total penjualan utama agar mudah dibaca.

Untuk pemula, dashboard tidak perlu rumit. Fokus saja pada tampilan yang rapi, jelas, dan informatif. Dengan dashboard ini, kita sudah melakukan simulasi sederhana pekerjaan seorang Data Analyst menggunakan Excel.

Melalui tutorial ini, kita telah melihat bahwa Excel merupakan tools yang sangat powerful untuk Data Analyst pemula. Mulai dari mengenal dataset, membersihkan data, melakukan analisis dengan rumus dan fungsi logika, hingga menyajikan insight dalam bentuk grafik dan dashboard sederhana, semua bisa dilakukan hanya dengan Excel.

Skill ini bukan hanya berguna untuk belajar, tetapi juga sangat relevan dengan kebutuhan dunia kerja saat ini. Namun, seiring bertambahnya kompleksitas data dan kebutuhan analisis yang lebih mendalam, seorang Data Analyst juga perlu menguasai tools lanjutan seperti Python dan SQL. Kedua tools ini banyak digunakan untuk mengolah data dalam jumlah besar, melakukan analisis yang lebih kompleks, serta bekerja langsung dengan database.

Jika kamu ingin melanjutkan perjalanan belajar sebagai Data Analyst secara lebih terstruktur dan praktis, kamu bisa mempertimbangkan program Bootcamp Data Analyst with Python and SQL dari DQLab.

Program ini dirancang untuk membantu pemula memahami skill yang dibutuhkan industri, lengkap dengan studi kasus dan project nyata. Dengan fondasi Excel yang sudah kamu pelajari di tutorial ini, melangkah ke level berikutnya akan terasa jauh lebih siap dan percaya diri.

FAQ:

1. Apakah saya harus mahir Excel dulu sebelum belajar Data Analyst?

Tidak harus langsung mahir. Yang terpenting adalah memahami dasar-dasar Excel untuk analisis data, seperti data cleaning, rumus dasar, Pivot Table, dan grafik. Semua hal tersebut sudah cukup untuk memulai belajar Data Analyst dari nol.

2. Apa perbedaan analisis data menggunakan Excel dan Python?

Excel cocok untuk analisis data skala kecil hingga menengah dan mudah dipahami tanpa coding. Sementara itu, Python lebih fleksibel dan powerful untuk mengolah data besar, automasi analisis, dan eksplorasi data yang lebih kompleks. Keduanya saling melengkapi, bukan saling menggantikan.