Dokumen tersebut membahas tentang pengolahan dan analisis data dalam pelatihan kompetensi PPIH Arab Saudi tahun 2020. Terdapat penjelasan mengenai proses pengolahan data seperti pengartian, pengolahan, duplikasi, editing, sorting, dan contoh bentuk pengolahan data. Juga dijelaskan tentang analisis data, langkah-langkahnya, dan kualitas data meliputi akurasi, kelengkapan, kebaruan, konsistensi dan relevansi. Metode membersih
2. Pengolahan Data
Proses mengartikan data-data sesuai dengan rancangan,
tujuan dan sebagainya.
Proses memanipulasi data menjadi bentuk yang informatif.
Merekam atau memindahkan data dari satu bentuk ke
bentuk lainnya
Duplikasi data dari satu data menjadi beberapa data dalam
bentuk yang mungkin berbeda
Pemeriksaan dan editing data guna menghindari kesalahan
data
Sorting atau mengurutkan data berdasarkan kategori
tertentu
Contoh Bentuk Pengolahan Data
Menggabungkan data, menghitung data ,
mencari data dan lain sebagainya..
3. Analisis Data
analisis data adalah "semua cara untuk menilai data, menilai
tren dari waktu ke waktu, dan membandingkan satu sektor
dengan sektor lain. Ini juga bisa mencakup berbagai cara
data divisualisasikan. "Analisis data melibatkan pertanyaan
tentang apa yang terjadi, apa yang terjadi, dan apa yang
akan terjadi (analytics predictif)
(Dennis Junk)
“Analisis umumnya adalah fase tanya jawab yang mengarah
ke tahap pengambilan keputusan dalam keseluruhan proses”
4. Langkah Analisis Data
GwenShapira
arsiteksolusidiClouderadanOracleACEDirector
Tentukan Tujuan
• mengembangkan cara untuk menentukan apakah proses berjalan
menuju sasarannya
Identifikasi sasaran
• Identifikasi sasaran dan indikator untuk memberi ruang lingkup dan
fokus pada analisis data
Pengumpulan data
• Kumpulkan data sebanyak mungkin dari beragam sumber untuk
membangun model yang lebih baik dan mendapatkan wawasan yang
lebih dapat ditindaklanjuti
Membersihkan data
• Meningkatkan kualitas data untuk menghasilkan hasil yang benar dan
menghindari kesimpulan yang salah untuk memastikan keakuratannya
atau hanya meningkatkan keakuratan
Bangun tim ahli data
Optimalkan dan ulangi
• Selesaikan model analisis data Anda sehingga Anda dapat mengulangi
proses untuk menghasilkan prediksi yang akurat, mencapai sasaran,
dan memantau dan melaporkan secara konsisten
5. Kualitas Data / Informasi
Menurut Mark Mosley (2008), dalam bukunya “Dictionary of
Data Management”, pengertian kualitas data adalah level
data yang menyatakan data tersebut akurat (accurate),
lengkap (complete), timely (update), konsisten (consistent)
sesuai dengan semua kebutuhan peraturan bisnis dan
relevan.
Accurate
• Kesesuaian data dengan standar atau ukuran
nilai sebenarnya (fakta)
Complete
• Semua variabel wajib dalam data ada nilainya
Timely
• Data merupakan data terbaru/update bukan
informasi usang/terlambat
Consistent
• Nilai keseluruhan data sama meskipun ditinjau
dari berbagai variabel
Relevan
• Data memiliki relevansi/manfaat bagi pengguna
DataHarus:
6. Metode Membersihkan Data
Duplicate Elimination
• Menentukan apakah dua atau
lebih data merupakan
representasi dari entitas yang
sama
Guna menemukan data duplikat atau telah terjadinya
duplikasi data bisa menggunakan cara :
• Membandingkan semua data berdsarkan variabel yang
telah ditentukan.
• Proses pembandingan dapat diawali dengan pengurutan
data terlebih dahulu.
• Guna mempermudah, dapat menggunakan pemberian
nilai atau bobot dari data yang terurut
7. Metode Membersihkan Data
Inconsistency Detection
• Menentukan inkonsistensi data
karena adanya kesalahan dalam
entry
Guna menemukan kesalahan data bisa menggunakan cara :
• Memahami lingkup, batasan atau ketentuan data
• Menentapkan rumusan/kodifikasi data yang tidak sesuai
• Pengecekan data yang tidak sesuai, bisa menggunakan
pencarian data atau filter data berdasarkan rumusan
yang telah dibuat.
8. Metode Membersihkan Data
Handling Missing Entries
• Mengatasi data yang hilang Guna menemukan missing data bisa menggunakan cara :
• Memahami lingkup, batasan atau ketentuan alur proses
sistem
• Penggabungan data dari berbagai proses dalam sebuah
alur sistem
• Menentapkan rumusan/kodifikasi data yang tidak sesuai
• Pengecekan data yang tidak sesuai, bisa menggunakan
pencarian data atau filter data berdasarkan rumusan
yang telah dibuat.
9. 4
Contoh : data alur pelayanan KKHI
Terdapat data yang tidak sesuai dari gambaran diatas :
1. Waktu registrasi masuk lebih awal dari waktu pemeriksaan
2. Waktu masuk rawat inap lebih awal daripada waktu pemeriksaan
3. Data Jemaah sudah keluar dari rawat inap tetapi di data registrasi masih belum keluar
4. Data terakhir belum ada data pemeriksaannya sedangkan jemaah sudah teregistrasi dan sudah
masuk rawat inap.
