Belajar Data Scientist Simple Hanya Dengan Excel!

Microsoft Excel bukan hanya aplikasi untuk membuat tabel atau menghitung angka. Dengan berbagai fitur pengolahan dan analisis data yang tersedia, Excel juga dapat dimanfaatkan untuk mempelajari konsep dasar yang digunakan dalam dunia data. Bagi pemula yang ingin mengenal profesi Data Scientist tetapi belum siap belajar Python atau R, Microsoft Excel bisa menjadi titik awal yang sederhana.

Mulai dari membersihkan data, melakukan analisis statistik, meringkas dataset, hingga membuat visualisasi, semuanya dapat dilakukan melalui fitur-fitur Excel. Lalu, apa saja fitur Excel yang bisa digunakan untuk belajar data? Simak pembahasannya berikut ini!

1. Analysis ToolPak Excel untuk Analisis Statistik

Salah satu fitur Microsoft Excel yang cukup bermanfaat untuk belajar data adalah Analysis ToolPak. Fitur ini menyediakan berbagai tools statistik yang dapat digunakan untuk melakukan analisis tanpa perlu menulis kode pemrograman.

Analysis ToolPak dapat digunakan untuk beberapa kebutuhan, seperti descriptive statistics, correlation, regression, histogram, ANOVA, t-test, F-test, dan analisis statistik lainnya.

Sebagai contoh, ketika memiliki dataset penjualan, kamu dapat menggunakan Descriptive Statistics untuk mengetahui nilai rata-rata, standar deviasi, nilai minimum, hingga maksimum dari data tersebut.

Fitur ini cocok untuk pemula karena proses analisis dapat dilakukan melalui menu Excel. Namun, jangan hanya berfokus pada cara mendapatkan output. Dalam belajar data, hal yang lebih penting adalah memahami arti hasil analisis dan insight yang dapat diperoleh dari data.

Dengan memahami Analysis ToolPak, kamu sudah mulai mengenal salah satu tahapan penting dalam proses analisis data.

Baca Juga: Bootcamp Data Analyst with Excel

2. Pivot Table untuk Mengolah Data dalam Jumlah Besar

Ketika dataset mulai memiliki banyak baris, melakukan analisis secara manual tentu akan memakan waktu. Di sinilah Pivot Table menjadi salah satu fitur Microsoft Excel yang sangat berguna.

Pivot Table memungkinkan pengguna meringkas data berdasarkan kategori tertentu. Misalnya, dari data transaksi kamu ingin mengetahui total penjualan berdasarkan produk, wilayah, atau bulan. Informasi tersebut dapat ditampilkan dengan cepat menggunakan Pivot Table.

Beberapa fungsi yang dapat dilakukan antara lain:

• Mengelompokkan data berdasarkan kategori.

• Menghitung SUM, COUNT, dan AVERAGE.

• Membandingkan performa berdasarkan periode.

• Melakukan filtering data.

• Membuat ringkasan dari dataset yang panjang.

Pivot Table juga membantu calon praktisi data memahami konsep data aggregation. Konsep ini nantinya akan kembali ditemukan ketika mempelajari SQL maupun tools analisis data lainnya.

Jadi, jangan hanya belajar membuat Pivot Table. Biasakan juga bertanya, "Insight apa yang bisa diperoleh dari hasil pengolahan data ini?"

3. VLOOKUP dan HLOOKUP untuk Menghubungkan Data

Dalam pekerjaan analisis data, informasi yang dibutuhkan terkadang berasal dari beberapa tabel berbeda. VLOOKUP dan HLOOKUP pada Microsoft Excel dapat membantu menghubungkan data tersebut.

VLOOKUP digunakan untuk mencari data berdasarkan kolom secara vertikal, sedangkan HLOOKUP digunakan untuk mencari data secara horizontal.

Contohnya, sebuah tabel transaksi hanya memiliki kode produk, sementara nama produk dan kategorinya berada pada tabel referensi. Dengan VLOOKUP, informasi dari tabel referensi tersebut dapat ditampilkan ke tabel transaksi.

Contoh formula VLOOKUP:

=VLOOKUP(A2;TabelProduk;2;FALSE)

Sementara itu, bentuk umum HLOOKUP adalah:

=HLOOKUP(lookup_value;tabel_array;row_index_num;FALSE)

Walaupun saat ini sudah tersedia fungsi seperti XLOOKUP yang lebih fleksibel, memahami VLOOKUP dan HLOOKUP tetap berguna karena kedua fungsi tersebut masih banyak ditemukan pada pekerjaan yang menggunakan Excel.

Kemampuan menggabungkan informasi dari beberapa tabel juga menjadi dasar penting sebelum mempelajari proses pengolahan data menggunakan database dan SQL.

4. Data Cleaning dan Visualisasi Menggunakan Excel

Sebelum melakukan analisis, data perlu dipastikan dalam kondisi yang baik. Proses ini dikenal sebagai data cleaning.

Microsoft Excel memiliki berbagai fitur yang dapat membantu membersihkan data, seperti Remove Duplicates, Find & Replace, Text to Columns, serta formula seperti TRIM, CLEAN, UPPER, LOWER, dan PROPER.

Misalnya, dalam satu kolom terdapat data:

Jakarta
JAKARTA
jakarta

Ketiga data tersebut mungkin sebenarnya merujuk pada objek yang sama. Jika tidak dibersihkan, hasil analisis dapat menjadi kurang akurat.

Setelah data lebih rapi, kamu dapat melanjutkan ke tahap data visualization menggunakan berbagai jenis chart seperti bar chart, line chart, column chart, maupun scatter plot.

Visualisasi membantu mengubah kumpulan angka menjadi informasi yang lebih mudah dipahami. Dari grafik penjualan, misalnya, kamu dapat melihat tren kenaikan, penurunan, atau perbedaan performa antar kategori.

Tahapan cleaning → analysis → visualization inilah yang membuat penggunaan Excel relevan untuk mengenalkan alur kerja analisis data kepada pemula.

5. Excel sebagai Langkah Awal Belajar Data Scientist

Lalu, apakah benar kita bisa belajar Data Scientist simple hanya dengan Excel?

Jawabannya adalah Excel bisa menjadi langkah awal, tetapi belum cukup untuk menjadi Data Scientist secara keseluruhan.

Microsoft Excel dapat membantu kamu memahami berbagai konsep dasar, mulai dari data cleaning, pengolahan data, statistik, eksplorasi data, hingga visualisasi. Konsep tersebut akan menjadi fondasi ketika nantinya kamu belajar tools yang lebih advanced.

Untuk menjadi Data Scientist, kamu tetap perlu mempelajari kemampuan lain seperti SQL, Python atau R, statistik, machine learning, serta pemahaman terhadap permasalahan bisnis.

Jadi, tidak perlu berpikir bahwa belajar Excel adalah langkah yang ketinggalan zaman. Justru, jika kamu sudah terbiasa menggunakan Excel, kamu memiliki modal untuk memahami bagaimana data diolah sebelum beralih ke tools yang lebih kompleks.

Dengan kata lain, Microsoft Excel bukan tujuan akhir, melainkan salah satu pintu masuk untuk mulai belajar dunia data.

Baca juga: Belajar Fungsi Tanggal & Waktu di Excel

FAQ

1. Apakah Microsoft Excel cukup untuk menjadi Data Scientist?

Excel cukup baik sebagai langkah awal belajar data, tetapi belum cukup untuk menguasai seluruh kompetensi Data Scientist. Kamu tetap perlu mempelajari SQL, Python atau R, statistik, machine learning, dan kemampuan analisis lainnya.

2. Apa saja fitur Microsoft Excel yang perlu dipelajari untuk analisis data?

Beberapa fitur yang dapat diprioritaskan adalah Pivot Table, Analysis ToolPak, VLOOKUP/HLOOKUP, XLOOKUP, Conditional Formatting, formula statistik, data cleaning tools, dan visualisasi data.

3. Apakah pemula bisa belajar Data Scientist menggunakan Excel?

Bisa. Excel memiliki tampilan yang relatif mudah dipahami dan memungkinkan pemula mempelajari konsep pengolahan serta analisis data tanpa harus langsung belajar coding.

4. Mengapa harus belajar Excel sebelum Python?

Tidak wajib, tetapi Excel dapat membantu pemula memahami konsep dasar seperti data cleaning, aggregation, statistik, dan visualisasi. Konsep tersebut akan tetap berguna ketika nantinya berpindah ke Python atau tools data lainnya.

5. Apakah belajar Excel masih relevan di era AI?

Masih. Excel tetap berguna untuk pengolahan data, reporting, eksplorasi data, dan analisis bisnis. Yang terpenting bukan hanya menguasai tools, tetapi memahami bagaimana data digunakan untuk menghasilkan insight dan mendukung pengambilan keputusan.

Jadi, belajar Data Scientist simple hanya dengan Excel bisa menjadi pilihan menarik bagi pemula yang ingin mulai mengenal dunia data. Kuasai dasar-dasarnya terlebih dahulu, lalu lanjutkan secara bertahap ke SQL, Python, dan teknologi data lainnya.

Kalau ingin belajar Excel untuk kebutuhan analisis data secara lebih terarah, kamu bisa mulai melalui Bootcamp Data Analyst with Excel dari DQLab.