Studi Kasus Data Analysis
Digital Skills
10 menit
Level 1
10 XP
“Data tanpa konteks ibarat kompas tanpa arah. Studi kasus ini akan jadi kompas kamu.”
Studi Kasus 1: Analisis Penjualan Toko Online
Latar Belakang
Sebuah toko online ingin tahu:
-
Kapan penjualan mereka paling tinggi?
-
Produk mana yang paling laris?
-
Siapa pelanggan terbaik mereka?
-
Apakah ada tren tertentu sepanjang bulan?
📊 Dataset Simulasi (sederhana tapi realistis):
| Order ID | Tanggal | Produk | Kategori | Jumlah | Harga Satuan | Total | Nama Pelanggan |
|---|---|---|---|---|---|---|---|
| 001 | 2025-01-03 | Mouse | Elektronik | 2 | 75,000 | 150,000 | Rina |
| 002 | 2025-01-04 | Buku Tulis | ATK | 5 | 7,000 | 35,000 | Budi |
| 003 | 2025-01-04 | Keyboard | Elektronik | 1 | 150,000 | 150,000 | Rina |
| 004 | 2025-01-05 | Pulpen | ATK | 10 | 3,000 | 30,000 | Dika |
🧭 Langkah Analisis:
1. Pembersihan Data
-
Cek ada yang kosong/tidak valid?
-
Format tanggal udah bener belum?
2. Statistik Deskriptif
-
Total transaksi per hari
-
Rata-rata transaksi per pelanggan
-
Produk terlaris (jumlah & total uang)
3. Visualisasi
-
Grafik penjualan harian (line chart)
-
Pie chart untuk persentase kategori produk
-
Bar chart pelanggan paling sering belanja
4. Insight
-
Penjualan naik tiap akhir pekan
-
Produk ATK paling banyak dibeli tapi nilai rupiahnya kecil
-
Rina = pelanggan paling loyal (total belanja tertinggi)
5. Rekomendasi
-
Buat promo bundling ATK biar nilai transaksinya naik
-
Kasih reward buat pelanggan loyal seperti Rina
-
Tambahkan stok elektronik menjelang weekend
🧩 Tools yang Bisa Dipakai:
-
Excel / Google Sheets
-
Power BI / Tableau (jika lanjut ke visualisasi lanjutan)
-
Python (Pandas, Matplotlib/Seaborn) — opsional untuk pengguna lanjutan
Studi Kasus 2: Analisis Data Pengunjung Website
🌐 Latar Belakang
Sebuah website edukasi berbasis microlearning ingin mengetahui:
-
Dari mana saja pengunjung datang?
-
Halaman mana yang paling sering dikunjungi?
-
Berapa lama mereka bertahan di website?
-
Kenapa sebagian besar keluar tanpa klik apa pun?
Data ini penting banget buat:
🧠 meningkatkan pengalaman pengguna (UX)
📈 memperbaiki konten & navigasi
💬 merancang strategi promosi yang lebih efektif
🧾 Dataset Simulasi:
| Session ID | Tanggal | Asal Traffic | Halaman Pertama | Durasi (menit) | Halaman Dilihat | Bounce (Y/N) |
|---|---|---|---|---|---|---|
| S001 | 2025-04-01 | /home | 3.5 | 4 | N | |
| S002 | 2025-04-01 | /promo | 0.8 | 1 | Y | |
| S003 | 2025-04-02 | Direct | /home | 2.1 | 3 | N |
| S004 | 2025-04-02 | /artikel1 | 1.0 | 1 | Y | |
| S005 | 2025-04-03 | /artikel2 | 5.0 | 5 | N |
🪜 Langkah Analisis:
1. Analisis Asal Traffic (Traffic Source)
-
Google = paling banyak? → SEO efektif
-
Instagram/Facebook = Bounce tinggi? → Promosi belum relevan atau halaman kurang menarik
2. Durasi Kunjungan
-
Rata-rata waktu di website → Indikator seberapa menarik kontennya
-
Yang kurang dari 1 menit → Cek apakah loading lambat, konten kurang menarik, atau desain membingungkan
3. Halaman Populer
-
Halaman yang paling sering jadi “landing page” bisa dianalisis buat dioptimalkan (pakai CTA, tombol daftar, dll.)
4. Bounce Rate
-
Bounce tinggi = orang datang, tapi gak klik apa-apa
➤ Mungkin layout atau pesan di halaman pertama belum “nggigit”
📌 Insight & Tindakan:
-
Tambahkan ajakan bertindak (CTA) di halaman-halaman populer
-
Perbaiki tampilan mobile kalau bounce dari Instagram tinggi
-
Coba A/B testing untuk halaman promo dan artikel