🎯 Tujuan:
Memperkenalkan alat-alat populer yang digunakan dalam pekerjaan data analysis, dari yang paling dasar sampai yang umum di dunia kerja.

1. Spreadsheet (Microsoft Excel / Google Sheets)

• Fungsi utama: mengelola data, membuat tabel, menghitung nilai, membuat grafik sederhana.

• Skill penting:

  • VLOOKUP / XLOOKUP

  • IF dan fungsi logika lainnya

  • Pivot Table

  • Chart (grafik batang, garis, pie)

2. SQL (Structured Query Language)

• Fungsi utama: mengambil dan mengolah data dari database.

• Contoh query sederhana:

  SELECT name, age FROM users WHERE age > 18;
  

3. Tools Visualisasi Data

• Power BI (Microsoft): untuk dashboard profesional

• Tableau: visualisasi interaktif

• Google Data Studio: gratis dan cocok buat pemula

• Skill penting: bikin grafik, filter, dashboard interaktif

4. Python / R (opsional tapi powerful)

• Cocok buat data analyst level menengah ke atas

• Library Python yang sering dipakai:

  • pandas (olah data tabel)

  • matplotlib dan seaborn (grafik)

  • numpy (hitung cepat)

🎯 Tujuan:
Memberi gambaran kemampuan utama yang harus dikuasai oleh seorang data analyst.

1. Kemampuan Mengelola Data (Data Wrangling)

• Membersihkan data: hapus duplikat, isi yang kosong, salah format

• Gabung beberapa dataset

• Ubah format data (tanggal, angka, teks)

2. Analisis Deskriptif

• Menghitung: rata-rata, median, modus

• Melihat distribusi data

• Membuat summary statistik dasar

3. Visualisasi Data

• Bikin grafik yang ngomong sendiri

• Bisa tunjukkan tren, perbandingan, dan insight

• Contoh:

  • Tren penjualan per bulan

  • Perbandingan hasil survey pria vs wanita

4. Komunikasi Data

• Mampu menjelaskan insight ke orang awam

• Bisa buat laporan atau presentasi singkat

• Tidak hanya "menampilkan angka", tapi juga menjawab:
  ➤ So what? Apa artinya angka ini?

🎯 Tujuan:
Memahami langkah-langkah umum yang dilakukan dalam proyek data analysis.

Langkah-langkah umum:

1. Mengumpulkan Data

   • Dari spreadsheet, database, API, atau file CSV

2. Membersihkan Data

   • Cek data kosong, format tidak sesuai, outlier

3. Analisis Data

   • Gunakan rumus, query, atau coding

   • Buat statistik deskriptif

4. Visualisasi dan Insight

   • Buat grafik dan dashboard

   • Jelaskan temuan dalam bahasa sederhana

5. Presentasi atau Pelaporan

   • Gunakan PowerPoint atau tools visual

   • Sampaikan apa arti data bagi bisnis atau pengguna