DQLab Super Giveaway! Belajar Data Science 6 Bulan hanya Rp.99.000! DAFTAR

Pakai Kode: KUPON99K. Berakhir 0 Days 21 Jam : 9 Menit : 19 Detik

Teknik Pengolahan Data Kualitatif dengan Statistika Deskriptif

Belajar Data Science di Rumah 20-Januari-2021
https://dqlab.id/files/dqlab/cache/a9a32a987c96af9272f3529986f5580b_x_Thumbnail800.jpg

Teknik pengolahan data kualitatif tidak kalah pentingnya jika dibandingkan dengan teknik pengolahan data kuantitatif. Terlebih lagi, kemajuan teknologi yang sangat pesat membuat data yang digunakan untuk dijadikan dasar penarikan kesimpulan semakin beragam, tidak hanya terbatas di data kuantitatif. Data kualitatif atau juga dikenal dengan data kategorik merupakan data yang tidak berisi angka, dan biasanya dapat berupa klasifikasi. Misalnya saja kategori tingkatan pendidikan seseorang, yaitu SD, SMP, SMA, dan kuliah.

Untuk menghadapi serta mengolah data yang hanya berisi kategori tentunya perlakuan yang diberikan tidak bisa sama dengan cara mengolah data numerik atau data kuantitatif. Analisis Statistika Deskriptif menjadi salah satu cara yang paling sederhana untuk memproses data tersebut, dimana kita akan mengetahui gambaran umum yang dimiliki oleh data. Nah, dalam artikel ini kita akan membahas beberapa elemen dari statistika deskriptif yang dapat digunakan untuk mengolah data kualitatif mu. Gimana, keliatan menarik bukan? Yuk, simak terus ulasannya!

1. Word Cloud

Word cloud merupakan salah satu bentuk analisis statistika deskriptif yang dapat digunakan untuk memberikan gambaran umum dari data yang kita miliki. Nah, apa sih word cloud itu sendiri? Word cloud adalah sebuah visualisasi dari text, dimana besarnya ukuran kata yang muncul di word cloud ini akan sangat bergantung dari jumlah frekuensi yang dimiliki oleh kata tersebut. Semakin banyak frekuensi yang dimiliki oleh sebuah kata, maka ukurannya akan semakin besar, namun sebaliknya ketika frekuensinya sangat sedikit maka ukurannya pun akan semakin sedikit. 

Word cloud ini kerap kali digunakan ketika seseorang melakukan analisis terhadap data yang berbau sentiment. Misalnya tweet ataupun hastag dalam rentang waktu tertentu dan topik tertentu, ataupun untuk data yang berupa review di aplikasi. Namun penggunaan word cloud ini tidak hanya terbatas untuk hal-hal yang telah disebutkan sebelumnya. Selama data tersebut berupa teks, maka word cloud ini dapat digunakan.

Baca juga : Ini yang Akan Kamu Pelajari di Kelas Data Science DQLab!

2. Pie Chart

Analisis deskriptif selanjutnya bisa menggunakan pie chart. Faktanya, pie Chart termasuk ke dalam chart yang paling umum digunakan untuk data kategorik, loh. Biasanya pie chart akan dipilih untuk digunakan ketika data kategori yang kita miliki tidak lebih dari 5. Wah, ternyata ada syaratnya ya, lalu apa alasannya? Sebenarnya tidak larangan yang baku, namun kita harus mengingat bahwa visualisasi yang baik adalah ketika visualisasi tersebut tidak hanya cantik namun dapat terbaca dengan baik. Ketika kategori yang dimiliki sudah sangat banyak, ukuran dari pie akan menjadi sangat kecil dan susah terbaca.

3. Bar Chart

Nah, selain dua jenis analisis deskriptif di atas, ternyata bar chart juga bisa dilirik untuk mengolah data kategorik, loh. Bar Chart bisa menjadi pilihan ketika kita ingin menampilkan data kategori namun jumlah kategorinya lebih dari 5. Hal ini terjadi karena bar chart bersifat lebih bebas dibandingkan pie chart, dimana dalam pie chart maksimal ukuran dari keseluruhan data adalah satu lingkaran atau 360 derajat. Sehingga semakin banyak data, maka sudut dari setiap data akan semakin kecil. Sedangkan pada bar chart tidak ada ukuran maksimal yang harus dipenuhi.

Baca juga : Mengenal Profesi Data Scientist

4. Mulai Terapkan Ilmunya dengan Belajar Data Science bersama DQLab!

Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industi data yang sebenarnya! Sign up sekarang untuk #MulaiBelajarData di DQLab!


Penulis : Gifa Delyani

Editor : Annissawd


Share

Postingan Terkait

Mulai Bangun Karirmu Bersama DQLab!