KELAS 10 SEMESTER 2 PERTEMUAN 2

 

Mapel TIK Kelas 10

Rangkuman Materi Perkakas Analisis Data 

Pada era internet, saat teknologi informasi sudah sedemikian maju, data tak lagi mungkin dikelola secara manual. Sebab, data tersedia dalam jumlah sangat banyak.

Perkakas analisis data adalah alat yang digunakan untuk mengolah, mengelola, dan menganalisis data agar menghasilkan informasi yang bernilai. Di sisi lain, analisis data di era internet bisa mencakup informasi yang amat banyak dan kompleks.

Oleh karena itu, keberadaan perkakas analisis data sangat membantu dalam memproses data secara cepat dan akurat. Hasil analisis itu dapat membantu pengambilan keputusan menjadi lebih tepat sasaran dan efektif. Dengan dukungan perkakas yang tepat, data dapat diubah menjadi dasar yang kuat dalam perencanaan dan strategi.

Sebagai ilustrasi sederhana, untuk membandingkan harga bahan-bahan pokok dan melihat grafik pekermbangannya bisa dilakukan secara online. Namun, data-data itu bertebaran di banyak situs web.

Alih-alih memakai cara manual dengan membuka satu per satu situs web, akan jauh lebih efektif jika memanfaatkan "robot" yang bisa mengumpulkan dan menganalisis data secara otomatis.

Ada beragam jenis teknik analisis data online tersebut, salah satunya Scraping. Adapun Scraping adalah teknik menyalin data tertentu yang dikumpulkan dari halaman web.

Dengan Scraping, data dari situs web bisa dikumpulkan dan kemudian disalin ke dalam basis data atau spreadsheet agar lebih gampang dianalisis.

Contohnya, data dari sebuah situs web lowongan pekerjaan yang memuat sangat banyak variabel, seperti jabatan, gaji, jenis pekerjaan, dan lain sebagainya, bisa dianalisis dengan memilahnya jadi kategori lebih sederhana. Dengan begitu, informasi yang diperoleh lebih terarah sesuai kebutuhan.

Namun, untuk bisa memperoleh data tersebut memerlukan perkakas analisis data. Perkakas inilah yang membantu pengumpulan dan analisis data secara otomatis. Ribuan dan bahkan jutaan data dapat dikumpulkan dan dianalisi dengan cara cepat, efektif, dan efisien.

Ada banyak jenis perkakas analisis data. Di antaranya termasuk Google Colaboratory dan Python. Mengutip dari buku Informatika Kelas X (2021) terbitan Kemdikbudristek, berikut penjelasannya:

1. Google Colaboratory (Google Colab)

Google Colab adalah alat yang berguna sebagai lingkungan pengembangan aplikasi terintegrasi secara online. Penyedianya adalah Google dan pengguna tidak perlu memasang aplikasi apa pun di komputernya, karena semua dikerjakan secara online (online IDE).

Link Google Colab dapat ditemukan di colab.research.google.com. Memakai alat ini, pengguna bisa menulis program dan melakukan pengolahan data dari internet. Pengguna pun bisa memanfaatkan berbagai fungsi dan library yang berguna untuk pengolahan data, termasuk scraping.

Google Colab dapat digunakan dengan sign-in menggunakan akun Google atau Gmail. Setelah itu, pengguna bisa membuka catatan baru dengan membuat New Notebook.

Notebook adalah istilah yang dipakai pada Google Colab untuk file kerja sebagai tempat membuat bermacam dokumen, termasuk teks dokumen, catatan, hingga teks kode program Python.

2. Python

Bahasa pemrograman membantu komunikasi manusia dengan komputer. Bahasa pemrograman digunakan untuk membuat program yang memberikan perintah pada komputer agar melakukan sesuatu tugas.

Python yang dimaksud di sini adalah bahasa pemrograman tersebut. Bahasa Python menjadi salah satu bahasa pemrograman yang kerap dipakai dalam analisis data dan punya library.

3. Koleksi Data (Web Scraping)

Pengumpulan data menjadi salah satu tahapan penting dalam analisis data. Salah satu metode yang dapat digunakan adalah web scraping, yaitu teknik mengambil data langsung dari situs web. Melalui aktivitas proyek web scraping, proses analisis data difokuskan pada pengenalan cara mengoleksi data menggunakan bahasa pemrograman Python dengan bantuan Google Colab.

Web scraping dilakukan dengan mengambil seluruh struktur halaman web dalam bentuk kode HTML. Proses ini dikenal sebagai parsing. Kode HTML tersebut kemudian diolah dengan menyeleksi bagian-bagian tertentu yang berisi informasi penting sesuai kebutuhan pengguna. Hasil seleksi ini berupa data yang telah dirangkum dari data mentah sebelumnya.

Data hasil scraping pada tahap awal umumnya masih berupa kumpulan teks yang belum tertata dan sulit dibaca. Oleh karena itu, data perlu disusun kembali agar lebih mudah dipahami. Salah satu cara penyajian yang umum digunakan adalah dalam bentuk tabel, sehingga data hasil scraping dapat dibaca dan dianalisis dengan lebih jelas.

Data yang telah dikumpulkan melalui proses scraping sebelumnya disajikan dalam bentuk tabel. Penyajian data dalam tabel memungkinkan pembaca melihat persebaran data secara tekstual. Namun, analisis data tidak berhenti pada penyajian tabel saja. Data dapat diolah lebih lanjut menjadi bentuk visual agar informasi yang terkandung di dalamnya lebih mudah dipahami.

Visualisasi data dilakukan dengan mengubah data tekstual menjadi grafik atau diagram, seperti diagram batang, diagram lingkaran, dan diagram garis. Bentuk visual ini membantu memperjelas perbandingan, pola, dan proporsi antar data.

Sebelum data dapat diolah dan divisualisasikan, data perlu dipersiapkan terlebih dahulu. Tahap ini dalam analisis data disebut pra-pemrosesan data (data preprocessing).

1. Tahap Pra-Pemrosesan Data

Tahap ini bertujuan untuk membersihkan dan menyiapkan data agar siap diolah. Data hasil scraping sering kali masih mengandung kesalahan, seperti nilai yang masih berupa teks atau format angka yang tidak sesuai untuk perhitungan.

2. Visualisasi Data

Setelah melalui pra-pemrosesan, data dapat diolah dan ditampilkan dalam bentuk visual. Salah satu bentuk visualisasi yang umum digunakan adalah diagram batang. Diagram ini menampilkan perbandingan nilai antar kategori data secara jelas.

Dalam beberapa kasus, data perlu melalui pra-pemrosesan lanjutan. Pengelompokan data yang kurang tepat dapat menyebabkan hasil visualisasi menjadi tidak akurat, misalnya ketika beberapa kategori digabung sehingga nilai yang ditampilkan menjadi menumpuk. Penyesuaian pengolahan data diperlukan agar hasil visualisasi mencerminkan kondisi yang sebenarnya.

Selain diagram batang, terdapat jenis diagram lain yang dapat digunakan sesuai dengan karakteristik data. Diagram lingkaran, misalnya, digunakan untuk menunjukkan proporsi setiap bagian terhadap keseluruhan. Pemilihan jenis visualisasi yang tepat akan membantu penyajian data menjadi lebih efektif dan informatif.