Dokumen tersebut membahas tentang data analytics. Secara singkat, dokumen tersebut menjelaskan definisi dasar dari data, informasi, dan data analytics. Dokumen tersebut juga menjelaskan jenis-jenis analisis data dan siklus proses analisis datanya. Di akhir dokumen dijelaskan contoh penerapan data analytics di Direktorat Jenderal Perbendaharaan.
2. Biodata Narasumber
Nama : Ahmad Iqbal Zakyuddin, S.Kom, M.Sc
Jabatan : Kasi Pengelolaan Sains Data Perbendaharaan I, Subdit PSDSIP,
Direktorat Sistem Informasi dan Teknologi Perbendaharaan
Pendidikan : - S2 Advanced Design Informatics, The University of Edinburgh,
United Kingdom;
- S1 Ilmu Komputer, Universitas Gadjah Mada;
- DIII STAN Spes. Kebendaharaan Negara.
3. Arahan Menteri Keuangan
“Dalam era digital, informasi dan data adalah the new oil.
Ibarat oil kalau dia hanya ada di dalam bumi tidak
dieksplorasi dan dieksploitasi dan menjadi produksi
maka dia tidak memiliki value ekonomi,”
(Puncak Hari Bakti Perbendaharaan ke - 18, Kamis 27 Januari 2022)
DJPb agar dapat memanfaatkan data yang ada untuk
perbaikan kebijakan keuangan negara dalam rangka
pencapaian tujuan fiskal pemerintah (alokasi, distribusi, dan
stabilisasi)
4. Apa itu Data Analytics?
Analitik adalah penggunaan:
Data
Teknologi Informasi
Analisis Statistik
Metode Kuantitatif
Model Berbasis Matematika atau Komputer
Untuk membantu pimpinan dalam:
Mendapatkan wawasan yang lebih baik tentang operasi bisnis mereka
Membuat keputusan yang lebih baik dan berdasarkan fakta
5. Pembahasan
Definisi dasar Data, Informasi, dan Data Analytics;
Variabel dengan tipe yang berbeda;
Tipe analisis;
Metode Kuantitatif;
Siklus analytics;
Penerapan Data Analytics di DJPb.
6. Definisi Dasar
Data:
Data adalah seperangkat nilai variabel kualitatif atau kuantitatif. Data adalah informasi dalam bentuk
mentah/tidak terorganisir. Data bisa berupa fakta, figur, karakter, simbol, dan lain-lain.
Informasi:
Data yang bermakna/terorganisir
Analitik:
Penemuan, interpretasi, dan komunikasi dari pola/ringkasan yang bermakna dalam data. Analitik
bukanlah alat atau teknologi, melainkan cara berpikir dan bertindak berdasarkan data
Data Analytics:
Proses memeriksa kumpulan data untuk menarik kesimpulan tentang informasi yang dikandungnya
7. Data Analytics
Contoh Data Analytics:
Analisis Bisnis;
Analisis Risiko;
Analisis Tindak Kecurangan;
Analisis Kesehatan;
Analisis Web.
Tipe Analisis:
Descriptive Analytics (“Apa yang terjadi?”) (Agregasi Data, Penambangan Data, Ringkasan)
Predictive Analytics (“Apa yang akan terjadi?”) (Regresi, Least Squar Error)
Prescriptive Analytics (“Apa yang harus dilakukan?”) (Optimisasi, Rekomendasi)
8. Tipe Variabel
Numerikal:
Kontinu (Contoh: Ketinggian, berat, keuntungan)
Diskrit (Contoh: Barang, populasi, jumlah peserta, dan lain-lain)
Kategoris:
Kategoris Nominal (Contoh: Lokasi, kasta, jenis kelamin)
Kategoris Ordinal (Contoh: Nilai, tingkat kepanasan, tingkat kedinginan, dan lain-lain)
10. Siklus Analytics
Identifikasi Masalah
Masalah adalah situasi yang dinilai untuk diperbaiki atau dipecahkan. Masalah dapat diidentifikasikan
melalui:
Pembandingan/studi banding
Pelaporan Kinerja
Mengajukan beberapa pertanyaan mendasar:
a. Siapa yang terkena dampak dari masalah tersebut?
b. Apa yang akan terjadi jika masalah tersebut tidak dapat diselesaikan?
c. Kapan dan dimana masalah tersebut terjadi?
d. Mengapa masalah tersebut terjadi?
e. Berapa banyak orang yang sedang menangani masalah itu?
11. Siklus Analytics
Formulasi Hipotesis
Membingkai pertanyaan-pertanyaan yang perlu dijawab
Mengembangkan daftar lengkap semua kemungkinan masalah yang terkait dengan program
Mengurangi daftar dengan mengeliminasi masalah yang terduplikat dan masalah yang tumpang tindih
Menggunakan pembangunan konsensus untuk menuju ke daftar masalah utama
Pengumpulan Data
Teknik pengumpulan data:
Menggunakan data yang telah dikumpulkan oleh orang lain
Secara sistematis memilih dan mengamati karakteristik orang, objek, dan peristiwa
Pertanyaan lisan responden baik secara individu atau sebagai kelompok
Mengumpulkan data berdasarkan jawaban yang telah dijawab responden dalam format tertulis
12. Siklus Analytics
Eksplorasi Data
Mengimport data
Identifikasi variabel
Pembersihan data
Meringkas data
Memilih subset data
Membangun Model
membangun model adalah proses yang sangat berulang karena tidak ada solusi final dan sempurna
Banyak pembelajaran mesin (machine learning) dan teknik statistik tersedia pada platform teknologi tradisional
13. Siklus Analytics
Validasi Model dan Evaluasi
Mirip dengan membangun model, proses dari validasi model juga merupakan proses yang sangat berulang
Terdapat banyak sekali cara untuk memvalidasi model:
Confusion Matrix
Confidence Interval
Kurva ROC
Chi kuadrat (Chi square)
Kesalahan akar-mean-kuadrat (Root mean square error)
Grafik Gain dan Lift (Gain and lift chart)
15. Analytics di Ditjen Perbendaharaan
Menganalisis Data
Setelah mendapatkan data, akan dilakukan cleansing data agar data yang ada siap untuk dianalisis. Menentukan
model yang digunakan untuk menganalisis data.
Menemukan Insight Bisnis
Mendapatkan insight dari data untuk menyelesaikan permasalahan bisnis.
Membuat Visualisasi Data
Umumnya visualisasi yang dibuat dalam bentuk dashboard akan dijadikan sebagai reporting.
Menginterpretasikan Data
Menyampaikan hasil analisis data yang telah divisualisasikan. Hasil analisis menjadi dasar dalam
pengambilan keputusan
16. Alat-Alat Data Analyst
Microsoft Excel Google Data Studio Redash Python
Oracle Analytics Cloud Domo Power BI SAS Business Intelligence
R-Studio SAP Business Objects Chartio Metabase
Tableau
17. DJP
DJPb
DJBC
SETJEN
DJPPR
BKF
Eselon I
Lainnya
BPS
Bappenas
K/L
Lainnya
DATA EKSTERNAL
DATA INTERNAL
SYSTEM DATA
ERP (Next NRP)
CRM
DATA SUMBER
SQL
Flat File,
Spreadsheet
VALIDASI DATA
PEMBERSIHAN
DATA
TRANSFORMASI
DATA
AGREGASI DATA
PENGUMPULAN
DATA
Extract, Transform, Load
ALIRAN DATA
Data Mart
DATA
WAREHOUSE
BIG
ANALYTIC
BIG
INSIGHT
• Reporting
Agregasi
• Reporting
Transaksional
• Shared Data
Internal Kemenkeu
Eksternal Kemenkeu
TRANSFORMASI
DATA
AGREGASI DATA
Extract, Transform, Load
FAST
DATA
METHOD
DASHBOARD
SHARED DATA
OLAP ANALYSIS
DATA MINING
DATA
VISUALIZATION
REPORTS
HASIL
Treasury Big Data
Ditjen Perbendaharaan