Mengenal Data Cleaning dan Kenapa Data Harus Dibersihkan
Memahami apa itu data cleaning, contoh masalah pada dataset, dan langkah sederhana untuk membersihkan data sebelum digunakan untuk analisis.
Apa Itu Data Cleaning?
Data cleaning adalah proses memperbaiki atau merapikan data yang memiliki kesalahan, data kosong, duplikat, atau format yang tidak konsisten.
Sederhananya:
Data Mentah → Dibersihkan → Data Siap Dianalisis
Contohnya:
| Nama | Kota | Umur |
|---|---|---|
| Andi | Bandung | 22 |
| Budi | Jakarta | 25 |
| Citra | bandung | 21 |
| Deni | Bandung |
Ada beberapa masalah:
-
Penulisan
Bandungtidak konsisten - Umur Deni kosong
Data seperti ini perlu dibersihkan terlebih dahulu.
Kenapa Data Cleaning Penting?
Karena data yang salah bisa menghasilkan analisis yang salah.
Misalnya:
| Kota | Penjualan |
|---|---|
| Bandung | 10.000.000 |
| bandung | 5.000.000 |
| BANDUNG | 7.000.000 |
Kalau langsung dibuat analisis berdasarkan kota, sistem bisa menganggap ketiganya sebagai kota yang berbeda.
Padahal sebenarnya:
Bandung = bandung = BANDUNG
Setelah dibersihkan:
| Kota | Penjualan |
|---|---|
| Bandung | 10.000.000 |
| Bandung | 5.000.000 |
| Bandung | 7.000.000 |
Sekarang data lebih mudah dianalisis.
Masalah yang Sering Ditemukan
Ada beberapa masalah sederhana yang sering ditemukan dalam dataset.
Data Kosong
Contohnya:
| Nama | Kota | Umur |
|---|---|---|
| Andi | Bandung | 22 |
| Budi | Jakarta | 25 |
| Citra | 21 |
Kolom Kota milik Citra kosong.
Ini disebut missing value.
Data Duplikat
Contohnya:
| ID | Nama | Produk |
|---|---|---|
| 001 | Andi | Laptop |
| 002 | Budi | Mouse |
| 001 | Andi | Laptop |
ID 001 muncul dua kali.
Kita perlu mengecek apakah data tersebut memang transaksi berbeda atau hanya duplikat.
Penulisan Tidak Konsisten
Contohnya:
Bandung bandung BANDUNG Bdng
Jika semuanya memang merujuk pada kota Bandung, penulisannya perlu diseragamkan.
Format Angka Berbeda
Contohnya:
5000000 5.000.000 Rp5.000.000
Ketiganya bisa memiliki arti yang sama, tetapi formatnya berbeda.
Sebelum melakukan perhitungan, format data perlu diperiksa.
Format Tanggal Berbeda
Contohnya:
01/09/2026 2026-09-01 1 September 2026
Tanggalnya bisa sama, tetapi formatnya berbeda.
Data tanggal sebaiknya dibuat konsisten.
Langkah Dasar Data Cleaning
Untuk pemula, cukup pahami langkah berikut:
1. Cek Data
↓
2. Cari Data Kosong
↓
3. Cari Data Duplikat
↓
4. Perbaiki Data yang Salah
↓
5. Samakan Format
↓
6. Cek Kembali
Tidak perlu langsung menggunakan teknik yang rumit.
Data Cleaning dengan Excel
Karena Excel sering digunakan untuk mengolah data, beberapa fitur yang akan sering digunakan adalah:
- Sort
- Filter
- Remove Duplicates
- Find & Replace
- Text to Columns
- Format Cells
Contohnya jika ingin mencari data bandung, kamu bisa menggunakan Find & Replace untuk menggantinya menjadi Bandung.
Contoh Sederhana
Data awal:
| Nama | Kota | Produk |
|---|---|---|
| Andi | Bandung | Laptop |
| Budi | bandung | Mouse |
| Citra | BANDUNG | Keyboard |
| Deni | Jakarta | Laptop |
| Deni | Jakarta | Laptop |
Setelah dicek ditemukan:
Masalah 1
Bandung, bandung, dan BANDUNG tidak konsisten.
Masalah 2
Data Deni muncul dua kali.
Setelah dibersihkan:
| Nama | Kota | Produk |
|---|---|---|
| Andi | Bandung | Laptop |
| Budi | Bandung | Mouse |
| Citra | Bandung | Keyboard |
| Deni | Jakarta | Laptop |
Sekarang dataset lebih rapi.
Jangan Asal Menghapus Data
Ini penting.
Data cleaning bukan berarti:
“Kalau datanya aneh, langsung hapus.”
Contohnya ada umur:
| Nama | Umur |
|---|---|
| Andi | 22 |
| Budi | 25 |
| Citra | 150 |
Jangan langsung menghapus data Citra.
Kita harus mengecek terlebih dahulu.
Bisa saja:
- Data memang salah input
- Data merupakan kesalahan sistem
- Atau ada penjelasan lain
Jadi setiap perubahan data harus memiliki alasan.
Checklist Data Cleaning
Sebelum data digunakan untuk analisis, cek:
- Ada data kosong?
- Ada data duplikat?
- Ada penulisan yang tidak konsisten?
- Ada angka yang salah?
- Format tanggal sudah sama?
- Format angka sudah benar?
- Ada data yang terlihat tidak wajar?
- Setiap perubahan data memiliki alasan?
Latihan
Perhatikan data berikut:
| Nama | Kota | Umur |
|---|---|---|
| Andi | Bandung | 22 |
| Budi | bandung | 25 |
| Citra | Jakarta | 21 |
| Deni | 24 | |
| Andi | Bandung | 22 |
Coba cari masalah pada dataset tersebut.
Jawab:
- Apakah ada data kosong?
- Apakah ada data duplikat?
- Apakah ada penulisan yang tidak konsisten?
- Bagaimana cara merapikan data tersebut?
Kesimpulan
Data cleaning adalah proses membersihkan dan memperbaiki data sebelum digunakan untuk analisis.
Masalah yang paling dasar biasanya berupa:
Data kosong
Data duplikat
Format tidak konsisten
Data salah
Penulisan tidak konsisten
Ingat:
Data yang rapi membantu menghasilkan analisis yang lebih tepat.