Analisis data ada apa saja?

10 bulan yang lalu 42 tontonan

Terdapat pelbagai jenis teknik analisis data yang umum digunakan untuk mendapatkan wawasan. Teknik utama merangkumi Analisis Deskriptif, Inferensial, Regresi, Korelasi, Eksploratif, Cluster, Analisis Komponen Utama (PCA), serta Analisis Data Multivariat untuk data yang kompleks.

Maklum Balas 0 suka

Anda mungkin ingin bertanya?Lebih banyak

Apa itu analisis data? Ciri utama?

Bagi saya, analisis data ni lebih macam macam kita cuba nak faham cerita yang terselindung kat sebalik nombor-nombor yang bertimbun. Macam masa saya dulu buat projek kecil-kecilan kat rumah, nak tahu kenapa pelanggan suka beli barangan X masa gaji masuk. Tuh la, kena selongkar balik resit-resit lama, tengok tarikh, tengok apa yang depa beli. Tu pun deskriptif namanya, nak tunjuk gambaran kasar je.

Yang buat analisis data ni menarik sebab dia macam detektif. Kita tak boleh main teka-teka, kena ada bukti. Macam masa nak tentukan harga jualan produk baru, saya akan tengok data jualan produk yang sama dulu, cuba cari kaitan dengan kos bahan mentah masa tu. Itu namanya analisis regresi, nak tengok kalau satu benda naik, benda lain boleh naik sekali tak.

Ada banyak cara nak main dengan data ni, tak semua sama. Ada analisis inferensial tu, macam kita nak uji satu teori tapi guna sebahagian je data sebab tak mampu nak kumpul semua. Maksudnya, kita buat kesimpulan dari sampel untuk seluruh populasi. Macam kes nak tahu ramai orang suka makan ayam goreng kat kedai mamak, kita pergi je tanya few orang, lepas tu kita cakap semua orang suka. Kan agak berani tu.

Yang paling saya suka buat adalah analisis korelasional. Ini dia macam tengok dua benda ni ada 'hubungan' tak. Bukan sebab-musabab, tapi sekadar persamaan. Macam tengok kalau cuaca panas, ramai orang beli ais krim. Tak semestinya sebab ais krim buat panas, tapi dua-dua tu berlaku serentak. Ini berguna masa nak cari peluang baru, mana tahu ada kaitan yang kita tak pernah terfikir.

Analisis eksploratif ni pulak macam budak kecil yang baru jumpa mainan baru. Cuba pusing sana, pusing sini, tengok apa yang jadi. Kadang-kadang dapat benda yang tak disangka. Macam masa dulu nak survey kualiti servis internet, saya tak tahu nak tanya apa, jadi saya tanya je apa je yang terlintas. Lepas tu dapat idea baru pasal nak tanya tentang kelajuan download.

Kadang-kadang data tu nampak macam serabut takde pola. Masa tu la analisis cluster datang bantu. Macam dia susun barang-barangan yang serupa dalam satu bakul. Nanti senang kita nak tengok, oh grup ni suka jenis produk A, grup sana suka jenis produk B. Dulu nak buat pembungkusan hadiah, terpaksa asingkan ikut jenis, lagi cepat nampak.

Ada juga yang canggih sikit, analisis komponen utama (PCA). Ini macam dia ringkaskan banyak-banyak benda jadi few je benda penting. Nak mudahkan kerja je. Macam nak cerita pasal satu rumah, takkan nak cerita semua bilik, semua perabot. Cukup cakap rumah tu ada tiga bilik, dapur luas, ruang tamu besar. Ringkas dan padat.

Akhir sekali, analisis data multivariat ni macam dia panggil geng-geng terdekat. Tengok banyak benda serentak dan macam mana dia berinteraksi. Ini dah tahap pro punya kerja. Macam nak ramal kejayaan produk baru, tengok harga, kualiti, promosi, semua sekali. Nanti baru nampak betul-betul senario.

4 Langkah analisis data?

4 Langkah Analisis Data? Kawan, Ini Bukan Main Teka Silang Kata tau! Tapi aku faham la, orang ingat senang macam kupas bawang. Salah besar!

Mula-mula, bab Pengumpulan Data. Kau bayangkan, aku dulu pernah nak kumpul data untuk projek sekolah, rasa macam cari jarum dalam timbunan sampah satu kampung. Kau kumpul je lah semua benda yang rasa-rasa berkaitan. Dari resit minyak motor kau, sampai la status WhatsApp makcik bawang kau yang update pasal kucing dia sakit. Semua angkut!

Pastu, datang fasa Seleksi dan Editing. Ini fasa kau kena jadi tukang kebun gila, cabut semua rumpai-rumpai yang tak guna. Data mentah tu, banyak sangat habuk dan pasirnya. Kadang-kadang ada data yang sama berulang-ulang kali, macam lagu raya diulang tiap tahun. Kena buang atau betulkan. Jangan simpan, nanti jadi sarang tikus, data pun merosot.

Lagi satu, Pengkodean (Coding). Ini macam kau ajar budak kecik cakap guna bahasa kod. Setiap jawapan atau maklumat, kau bagi nombor atau label. Contoh, 'lelaki' jadi 1, 'perempuan' jadi 2. Jangan main hantam je, nanti robot pun tak faham apa yang kau nak cakap. Kena sistematik, barulah nampak macam kerja orang cerdik sikit.

Last skali, Penyajian Data. Dah penat buat kerja gila tadi, masa ni lah nak tayang masterpiece kau. Buat dalam graf bar, carta pai, atau jadual. Macam hidang lauk kenduri, kena cantik, kemas. Kalau kau main campak je, orang pandang pun tak lalu, apatah lagi nak faham. Nanti bos bagi senyuman manis, tapi dia sumpah seranah dalam hati.

Ini perincian lain untuk kau:

Pembersihan Data: Proses membetulkan atau membuang data yang rosak, tidak tepat, atau tidak relevan. Sangat kritikal untuk kualiti analisis.
Analisis Deskriptif: Ringkasan data untuk memahami ciri-ciri utama. Guna statistik asas macam purata, median, mod.
Analisis Inferensial: Menggunakan sampel data untuk membuat kesimpulan tentang populasi yang lebih besar. Libatkan ujian hipotesis dan ramalan.
Visualisasi Data: Menggunakan graf dan carta untuk memudahkan pemahaman corak dan trend dalam data. Penting untuk komunikasi hasil.

Analisis terdiri dari apa saja?

Aku ingat lagi betul-betul pening kepala aku masa tu, dalam tahun 2021, masa PKP dah mula longgar sikit. Kawan baik aku, Si Azlan, dia punya kedai kopi nama 'Kopi Kita' kat Damansara Perdana tu, merudum teruk jualan. Dia ajak aku tolong fikirkan. Mula-mula, sumpah aku rasa kosong. Duduk depan laporan jualan yang penuh nombor, aku cuma nampak angka merah, angka hijau, tapi tak faham apa punca. Macam mana nak selamatkan?

Aku cakap kat Azlan, "Lan, kita kena pecah-pecahkan semua ni. Tak boleh tengok macam ni je." Dia blur, aku lagi blur sebenarnya. Tapi aku paksa diri. Aku mula dengan senarai barang apa yang laku, berapa banyak jual hari apa, siapa yang beli. Itu kira analisis deskriptif lah tu. Kita cuma describe apa yang berlaku, kau tahu tak? Tengok data mentah. Dari situ aku nampak, eh, kopi ais gula melaka dia tu memang laku gila, tapi cuma waktu tengah hari sampai petang. Malam tak sangat.

Lepas tu, aku terfikir, kenapa kedai seberang sana tu, walaupun kopi dia tak sedap mana, tapi selalu ramai orang muda? Haa, kat situ aku start membandingkan. Itu yang orang panggil analisis komparatif tu. Aku bandingkan harga dia, menu dia, cara dia marketing kat Instagram. Kita kena bandingkan dua benda atau lebih untuk cari beza atau persamaan dia. Aku rasa, mungkin target pelanggan dia lain. Kedai kita ni, pelanggan setia semua pakcik makcik area situ.

Paling best, bila aku perasan satu corak ni. Tiap kali Azlan buat promo "Kopi + Kek Bawah RM10", jualan kopi ais gula melaka tu mesti naik mendadak, sekali dengan kek. Macam ada hubungan kuat gila antara dua benda tu. Itu lah analisis korelasi. Kita cuba cari hubungan antara dua pembolehubah atau lebih. Bukan sebab musabab tau, cuma ada pattern yang bergerak sekali. Ini buat aku terfikir, adakah promo tu betul-betul yang mendorong jualan kopi, atau kebetulan je?

Baru-baru ni, Azlan cuba buat "Happy Hour" dari pukul 3 petang sampai 5 petang. Jualan masa tu melonjak naik terus. Dia kata, "Ni mesti sebab harga murah, orang rushing datang!" Dan aku rasa dia ada poin. Bila kita dah yakin satu perkara menyebabkan perkara lain berlaku, itu lah analisis kausalitas. Ini yang paling susah sikit, sebab kita kena buktikan ada sebab dan akibat. Macam, sebab turun harga, maka jualan naik. Pengalaman tu memang mengajar aku banyak benda pasal apa tu "analisis". Rasa macam dapat superpower pulak boleh faham benda-benda yang pening ni. Betul-betul rasa teruja dan lega dapat bantu Azlan.

Ini sebenarnya yang dinamakan analisis. Analisis adalah proses pemeriksaan dan penguraian sesuatu topik atau data secara teliti untuk memahami komponennya, mengenal pasti hubungan, dan membuat kesimpulan yang bermakna.

Secara umumnya, ada empat jenis kaedah analisis utama yang selalu digunakan:

Analisis Deskriptif: Kaedah ini fokus pada penerangan dan ringkasan data sedia ada. Ia menjawab soalan "apa yang berlaku?" Contohnya, mengira purata jualan harian atau melihat demografi pelanggan.
Analisis Komparatif: Kaedah ini melibatkan membandingkan dua atau lebih set data atau kumpulan untuk mengenal pasti persamaan, perbezaan, atau trend. Ia menjawab soalan "bagaimana ia berbeza atau serupa?" Contohnya, membandingkan prestasi jualan antara cawangan berlainan.
Analisis Korelasi: Kaedah ini bertujuan untuk mengenal pasti hubungan atau perkaitan antara dua atau lebih pembolehubah. Ia menjawab soalan "adakah terdapat hubungan antara X dan Y?" Tetapi, ia tidak membuktikan sebab-akibat. Contohnya, hubungan antara perbelanjaan iklan dan jumlah jualan.
Analisis Kausalitas: Kaedah ini fokus pada mengenal pasti hubungan sebab dan akibat. Ia menjawab soalan "mengapa ia berlaku?" atau "apa yang menyebabkan ini berlaku?" Ini memerlukan bukti kukuh bahawa satu pembolehubah secara langsung mempengaruhi yang lain. Contohnya, kajian impak kempen pemasaran baru terhadap peningkatan jualan.

Bagaimana 5 proses analisis data yang benar?

Menentukan arah analisis adalah krusial. Tanpanya, usaha menjadi sia-sia.

Mengumpul data. Bukan sekadar mengumpul, tapi yang relevan.

Membersihkan data. Sisa yang tidak perlu dibuang.

Menganalisis data. Mencari corak, menemukan kebenaran.

Menginterpretasi temuan. Memberi makna pada angka.