Dari Data Mentah Menjadi
Insight yang Berbicara

📥 Lampiran Data & Data Sheet

Seluruh modul menggunakan satu dataset penjualan retail selama 2 tahun (Juli 2024 – Juni 2026, 561 baris) yang sengaja dibuat kotor agar dapat dipakai berlatih data cleaning secara nyata. Cakupan 2 tahun memungkinkan analisis year-over-year (mis. "produk apa yang laku di bulan yang sama tahun lalu?") dan dataset ini juga mengandung pola musiman tersembunyi untuk ditemukan peserta.

⬇ Download Dataset (data_penjualan_retail.csv)

Kamus Data (Data Dictionary)

Preview Data (15 baris pertama)

Masalah yang Sengaja Ditanam DIRTY DATA

• Duplikat: 5 baris muncul dua kali — ORD-2031, ORD-2131, ORD-2231, ORD-2341, ORD-2451.
• Penulisan kota tidak konsisten (±119 baris): huruf kapital semua (JAKARTA), huruf kecil semua (bandung), dan huruf kecil + spasi di akhir (surabaya␣).
• Format tanggal campur (±44 baris): YYYY-MM-DD, DD/MM/YYYY, dan 7 Sep 2025.
• Nilai kosong: kota 6 baris (mis. ORD-2026, ORD-2091), jumlah 3 baris (ORD-2061, ORD-2211, ORD-2381), harga_satuan 2 baris (ORD-2121, ORD-2301), total beberapa baris (mis. ORD-2046, ORD-2241, ORD-2441).
• Typo nama produk: Mouse Wirelless (ORD-2088, ORD-2100), Keybord Mechanical (ORD-2082, ORD-2085).
• Nilai tidak wajar: jumlah negatif pada ORD-2151 dan ORD-2401 (kemungkinan retur/salah input).
• Total salah hitung: ORD-2101 dan ORD-2281 — kolom total tidak sama dengan jumlah × harga_satuan (harus diaudit, bukan hanya dicek kosong).

1 Fundamental Data Analyst & Excel

1.1 Konsep Dasar

• Peran Data Analyst: mengubah data mentah menjadi insight untuk pengambilan keputusan.
• Alur kerja: Ask (pertanyaan bisnis) → Collect (kumpulkan data) → Clean (bersihkan) → Analyze (analisis) → Visualize (visualisasi) → Share (komunikasi insight).
• Struktur data tabular: 1 baris = 1 record/transaksi, 1 kolom = 1 variabel/atribut.

1.2 Langkah Praktik: Data Cleaning di Excel

1. Buka data_penjualan_retail.csv di Excel → simpan sebagai .xlsx.
2. Blok seluruh data → Insert → Table agar rapi dan mudah difilter.
3. Hapus duplikat: Data → Remove Duplicates (centang semua kolom). Excel akan melaporkan 5 baris duplikat dihapus.
4. Rapikan teks kota — buat kolom bantu kota_bersih:

   =PROPER(TRIM(D2))

   TRIM menghapus spasi berlebih, PROPER menyeragamkan kapitalisasi → "jakarta " menjadi "Jakarta".
5. Perbaiki typo produk: Ctrl+H (Find & Replace) → ganti Mouse Wirelless → Mouse Wireless, dan Keybord Mechanical → Keyboard Mechanical.
6. Cari sel kosong: blok data → Home → Find & Select → Go To Special → Blanks. Isi berdasarkan aturan (mis. harga_satuan Headset Gaming = 350000 dari transaksi lain).
7. Hitung ulang total agar konsisten:

   =G2*H2

8. Seragamkan tanggal: blok kolom tanggal → Data → Text to Columns → Date (DMY/YMD) → format ulang menjadi YYYY-MM-DD.

1.3 Langkah Praktik: Analisis Dasar

Contoh formula analisis (asumsikan data di tabel bernama Penjualan):

' Total revenue seluruh transaksi
=SUM(Penjualan[total])

' Total revenue kota Jakarta
=SUMIFS(Penjualan[total], Penjualan[kota_bersih], "Jakarta")

' Jumlah transaksi per produk
=COUNTIFS(Penjualan[produk], "Mouse Wireless")

' Rata-rata nilai transaksi kategori Elektronik
=AVERAGEIFS(Penjualan[total], Penjualan[kategori], "Elektronik")

Pivot Table: Insert → PivotTable → seret kota_bersih ke Rows, total ke Values (Sum) → terlihat kota dengan revenue tertinggi.

2 Introduction to SQL

2.1 Konsep Dasar

• Database = kumpulan tabel; tabel = kumpulan baris & kolom (mirip sheet Excel).
• SQL (Structured Query Language) = bahasa standar untuk mengambil dan mengolah data di database.
• Tools tanpa instalasi: SQLite Online atau DB Fiddle — cukup import file CSV sebagai tabel penjualan.

2.2 Query Dasar

-- Lihat seluruh data
SELECT * FROM penjualan;

-- Pilih kolom tertentu
SELECT order_id, produk, total FROM penjualan;

-- Filter: transaksi di Jakarta dengan total di atas 500 ribu
SELECT order_id, produk, total
FROM penjualan
WHERE kota = 'Jakarta' AND total > 500000;

-- Urutkan 5 transaksi terbesar
SELECT order_id, produk, total
FROM penjualan
ORDER BY total DESC
LIMIT 5;

2.3 Agregasi & Grouping

-- Total revenue seluruh transaksi
SELECT SUM(total) AS total_revenue FROM penjualan;

-- Revenue per kota, diurutkan dari terbesar
SELECT kota,
       COUNT(*)   AS jumlah_transaksi,
       SUM(total) AS revenue
FROM penjualan
GROUP BY kota
ORDER BY revenue DESC;

-- Produk dengan unit terjual terbanyak
SELECT produk, SUM(jumlah) AS unit_terjual
FROM penjualan
GROUP BY produk
ORDER BY unit_terjual DESC;

-- Hanya kategori dengan revenue di atas 3 juta (HAVING)
SELECT kategori, SUM(total) AS revenue
FROM penjualan
GROUP BY kategori
HAVING SUM(total) > 3000000;

2.4 Deteksi Data Kotor dengan SQL

-- Cek order_id duplikat
SELECT order_id, COUNT(*) AS jumlah
FROM penjualan
GROUP BY order_id
HAVING COUNT(*) > 1;

-- Cek variasi penulisan kota
SELECT DISTINCT kota FROM penjualan;

-- Cek baris dengan nilai kosong
SELECT * FROM penjualan
WHERE kota IS NULL OR kota = ''
   OR jumlah IS NULL OR total IS NULL;

2.5 Analisis Year-over-Year (Habit Tahun Lalu)

Karena dataset mencakup 2 tahun, kita bisa menjawab: "di bulan yang sama tahun lalu, produk apa saja yang laku?"

-- Produk yang laku di bulan Juni, dibandingkan antar tahun
SELECT strftime('%Y', tanggal) AS tahun,
       produk,
       SUM(jumlah) AS unit_terjual
FROM penjualan
WHERE strftime('%m', tanggal) = '06'
GROUP BY tahun, produk
ORDER BY tahun, unit_terjual DESC;

-- Revenue per bulan per tahun (bahan perbandingan musiman)
SELECT strftime('%m', tanggal) AS bulan,
       SUM(CASE WHEN strftime('%Y', tanggal) = '2025' THEN total ELSE 0 END) AS rev_2025,
       SUM(CASE WHEN strftime('%Y', tanggal) = '2026' THEN total ELSE 0 END) AS rev_2026
FROM penjualan
GROUP BY bulan
ORDER BY bulan;

3 Introduction to Python (Google Colab & Pandas)

3.1 Persiapan Google Colab

1. Buka colab.research.google.com → New Notebook.
2. Upload dataset: klik ikon 📁 di sidebar kiri → Upload → pilih data_penjualan_retail.csv.
3. Jalankan cell dengan Shift+Enter.

3.2 Load & Eksplorasi Data

import pandas as pd

df = pd.read_csv('data_penjualan_retail.csv')

df.head(10)        # lihat 10 baris pertama
df.info()          # tipe data & jumlah nilai kosong per kolom
df.describe()      # statistik ringkas kolom angka
df.shape           # (561, 9) -> 561 baris, 9 kolom

3.3 Data Cleaning dengan Pandas

# 1. Hapus baris duplikat (561 -> 556 baris)
df = df.drop_duplicates()

# 2. Seragamkan penulisan kota: hapus spasi + kapitalisasi awal
df['kota'] = df['kota'].str.strip().str.title()

# 3. Perbaiki typo nama produk
df['produk'] = df['produk'].replace({
    'Mouse Wirelless': 'Mouse Wireless',
    'Keybord Mechanical': 'Keyboard Mechanical'
})

# 4. Seragamkan format tanggal (format campuran -> datetime)
df['tanggal'] = pd.to_datetime(df['tanggal'], format='mixed', dayfirst=True)

# 5. Isi harga satuan kosong berdasarkan harga produk yang sama
df['harga_satuan'] = df.groupby('produk')['harga_satuan'] \
                       .transform(lambda x: x.fillna(x.median()))

# 6. Tangani jumlah kosong / negatif
df['jumlah'] = df['jumlah'].fillna(1)          # asumsi minimal beli 1
df['jumlah'] = df['jumlah'].abs()              # -1 dianggap salah input

# 7. Hitung ulang kolom total agar konsisten
df['total'] = df['jumlah'] * df['harga_satuan']

# 8. Cek hasil akhir
df.info()
df.isna().sum()    # pastikan tidak ada nilai kosong tersisa

3.4 Analisis & Visualisasi

# Revenue per kota
df.groupby('kota')['total'].sum().sort_values(ascending=False)

# Produk terlaris berdasarkan unit
df.groupby('produk')['jumlah'].sum().sort_values(ascending=False)

# Tren revenue bulanan
df['bulan'] = df['tanggal'].dt.to_period('M')
tren = df.groupby('bulan')['total'].sum()
tren.plot(kind='line', marker='o', title='Tren Revenue Bulanan')

# --- Analisis Year-over-Year: habit tahun lalu di bulan yang sama ---
df['tahun'] = df['tanggal'].dt.year
df['no_bulan'] = df['tanggal'].dt.month

# Produk yang laku di bulan Juni, dibandingkan antar tahun
juni = df[df['no_bulan'] == 6]
juni.pivot_table(index='produk', columns='tahun', values='jumlah', aggfunc='sum')

# Pola musiman: unit terjual per produk per bulan (cikal bakal heatmap)
df.pivot_table(index='produk', columns='no_bulan', values='jumlah', aggfunc='sum')

# Simpan data bersih untuk dipakai di Power BI
df.to_csv('data_penjualan_bersih.csv', index=False)

4 Power BI — Visualisasi & Mini Dashboard

4.1 Prinsip Visualisasi Singkat

• Perbandingan antar kategori → Bar chart.
• Tren dari waktu ke waktu → Line chart.
• Angka kunci (KPI) → Card.
• Proporsi (maks. 4–5 bagian) → Pie/Donut chart.
• Hindari chart junk: 3D, warna berlebihan, terlalu banyak visual dalam satu halaman.

4.2 Langkah Import & Transformasi

1. Buka Power BI Desktop → Get Data → Text/CSV → pilih data_penjualan_bersih.csv (hasil Modul 3; boleh juga CSV mentah untuk berlatih cleaning di Power Query).
2. Klik Transform Data (Power Query) dan pastikan:
   • tanggal bertipe Date; jumlah, harga_satuan, total bertipe Whole Number.
   • Jika memakai data mentah: Remove Duplicates, Transform → Format → Trim & Capitalize Each Word pada kolom kota, Replace Values untuk typo produk.
3. Close & Apply.

4.3 Membuat Measure (DAX)

Total Revenue = SUM(penjualan[total])

Jumlah Transaksi = COUNTROWS(penjualan)

Rata-rata Nilai Order = DIVIDE([Total Revenue], [Jumlah Transaksi])

Total Unit Terjual = SUM(penjualan[jumlah])

Time intelligence (perbandingan tahun lalu) — buat dulu tabel tanggal: Modeling → New Table → TabelTanggal = CALENDARAUTO(), lalu hubungkan ke kolom tanggal:

Revenue Tahun Lalu = CALCULATE([Total Revenue], SAMEPERIODLASTYEAR(TabelTanggal[Date]))

YoY Growth % = DIVIDE([Total Revenue] - [Revenue Tahun Lalu], [Revenue Tahun Lalu])

4.4 Menyusun Mini Dashboard (1 Halaman)

Uji interaktivitas: klik salah satu kota di bar chart → semua visual lain otomatis terfilter (cross-filtering).

5 Integrated Study Case

5.1 Skenario Bisnis

Anda adalah Data Analyst di toko online "TokoTech". Manajer memberi Anda data penjualan mentah 2 tahun terakhir (Juli 2024 – Juni 2026) (data_penjualan_retail.csv) dan meminta laporan untuk rapat evaluasi tahunan.

5.2 Pertanyaan Bisnis yang Harus Dijawab

1. Produk apa yang paling laris (berdasarkan unit) dan produk apa penyumbang revenue terbesar? Apakah keduanya sama?
2. Kota mana dengan revenue tertinggi, dan bagaimana urutan keempat kota?
3. Bagaimana tren revenue bulanan selama 2 tahun? Bulan apa yang selalu tertinggi — apakah polanya berulang tiap tahun?
4. Kategori mana yang mendominasi revenue, dan berapa persen kontribusinya?
5. (YoY) Dibanding bulan yang sama tahun lalu, produk apa yang lebih laku dan yang menurun? Pola kebiasaan (habit) musiman apa yang bisa Anda temukan?
6. (Bonus) Masalah kualitas data apa saja yang Anda temukan, dan keputusan apa yang Anda ambil untuk masing-masing?

5.3 Langkah Pengerjaan

1. Cleaning — pilih Excel (Modul 1) atau Pandas (Modul 3). Dokumentasikan setiap keputusan (mis. "jumlah -1 diubah menjadi 1 karena diasumsikan salah input").
2. Analysis — jawab pertanyaan bisnis dengan Pivot Table, SQL, atau Pandas.
3. Dashboard — tuangkan jawaban ke satu halaman Power BI mengikuti pola Modul 4.
4. Insight — tulis 3–5 kalimat insight + 1 rekomendasi aksi. Insight yang baik: angka + konteks + rekomendasi. Contoh pola: "Monitor 24 inch menyumbang X% revenue meski unitnya sedikit — pertimbangkan bundling dengan aksesoris untuk menaikkan basket size."

💡 Insight Lanjutan — di atas Fundamental

Peta Kemungkinan Insight

Contoh Implementasi Cepat (Pandas)

# 3. Pertumbuhan bulanan (MoM %)
tren = df.groupby(df['tanggal'].dt.to_period('M'))['total'].sum()
tren.pct_change().mul(100).round(1)

# 4. Pareto 80/20: persentase kumulatif revenue per produk
rev = df.groupby('produk')['total'].sum().sort_values(ascending=False)
(rev.cumsum() / rev.sum() * 100).round(1)

# 6. Pelanggan top: frekuensi order & total belanja
df.groupby('nama_pelanggan').agg(
    frekuensi=('order_id', 'nunique'),
    total_belanja=('total', 'sum')
).sort_values('total_belanja', ascending=False).head(10)

# 7. Afinitas kota x produk (unit terjual)
pd.crosstab(df['kota'], df['produk'], values=df['jumlah'], aggfunc='sum')