Lanjutan Data Analyst

Mini Project Data Analyst: Dari Data Mentah sampai Dashboard

Mini Project Data Analyst: Dari Data Mentah sampai Dashboard

Mini Project Data Analyst: Dari Data Mentah sampai Dashboard

Apa Itu Mini Project Data Analyst?

Setelah mempelajari berbagai materi sebelumnya, sekarang waktunya menggabungkan semuanya dalam satu latihan.

Dalam pekerjaan nyata, Data Analyst biasanya tidak langsung mendapatkan data yang sudah rapi.

Alurnya kurang lebih:

Data Mentah
↓
Memahami Data
↓
Data Cleaning
↓
Analisis
↓
Visualisasi
↓
Dashboard
↓
Insight

Di mini project ini kita akan menggunakan contoh data penjualan.

Studi Kasus

Misalnya kamu bekerja sebagai Data Analyst di sebuah perusahaan.

Perusahaan memiliki data transaksi penjualan dan ingin mengetahui:

  • Berapa total penjualan?
  • Produk apa yang paling banyak menghasilkan penjualan?
  • Kota mana yang memiliki penjualan tinggi?
  • Bagaimana perkembangan penjualan?
  • Produk mana yang perlu diperhatikan?

Tugas kamu adalah mengolah data tersebut menjadi informasi yang mudah dipahami.

Dataset

Gunakan contoh data berikut:

IDTanggalProdukKotaJumlahHargaTotal
101/01/2026LaptopJakarta2800000016000000
202/01/2026MouseBandung5100000500000
303/01/2026MonitorJakarta325000007500000
405/01/2026KeyboardSurabaya43000001200000
507/01/2026LaptopBandung180000008000000
610/01/2026MouseJakarta8100000800000
712/01/2026MonitorSurabaya225000005000000
815/01/2026KeyboardJakarta63000001800000
918/01/2026LaptopSurabaya2800000016000000
1020/01/2026MonitorBandung4250000010000000
Geser ke samping untuk melihat seluruh tabel

Data ini sengaja dibuat sederhana agar kamu bisa fokus memahami proses analisis.

Tahap 1 — Memahami Dataset

Sebelum melakukan analisis, periksa terlebih dahulu isi dataset.

Perhatikan:

Jumlah baris
Jumlah kolom
Nama kolom
Jenis data
Data kosong
Data duplikat
Data tidak konsisten

Untuk dataset ini kita memiliki:

ID
Tanggal
Produk
Kota
Jumlah
Harga
Total

Pastikan setiap kolom memiliki fungsi yang jelas.

Tahap 2 — Melakukan Data Cleaning

Periksa apakah terdapat data yang bermasalah.

Contohnya:

Laptop
laptop
LAPTOP

Ketiganya bisa dianggap sebagai produk yang sama, tetapi penulisannya berbeda.

Data tersebut perlu dibuat konsisten.

Hal yang perlu diperiksa:

  • Data kosong
  • Data duplikat
  • Spasi berlebih
  • Penulisan kategori
  • Format tanggal
  • Format angka

Tujuannya agar data siap digunakan untuk analisis.

Tahap 3 — Menghitung Total Penjualan

Jika menggunakan Excel, kita dapat menggunakan:

=SUM(G2:G11)

Rumus tersebut digunakan untuk menghitung seluruh nilai pada kolom Total.

Jika menggunakan SQL:

SELECT SUM(total) AS total_penjualan
FROM penjualan;

Hasil tersebut dapat digunakan sebagai salah satu KPI pada dashboard.

Tahap 4 — Menghitung Penjualan per Produk

Kita ingin mengetahui produk mana yang menghasilkan penjualan paling besar.

Dengan SQL:

SELECT
    produk,
    SUM(total) AS total_penjualan
FROM penjualan
GROUP BY produk
ORDER BY total_penjualan DESC;

Hasilnya akan mengelompokkan data berdasarkan produk.

Contohnya:

ProdukTotal Penjualan
Laptop40.000.000
Monitor22.500.000
Keyboard3.000.000
Mouse1.300.000
Geser ke samping untuk melihat seluruh tabel

Dengan hasil tersebut, kita bisa melihat perbedaan kontribusi penjualan setiap produk.

Tahap 5 — Menghitung Penjualan per Kota

Selanjutnya kita bisa melihat penjualan berdasarkan kota.

SELECT
    kota,
    SUM(total) AS total_penjualan
FROM penjualan
GROUP BY kota
ORDER BY total_penjualan DESC;

Hasilnya dapat digunakan untuk membuat Bar Chart di Power BI.

Tahap 6 — Membuat Ringkasan Data

Sebelum membuat dashboard, tentukan informasi utama yang ingin ditampilkan.

Contohnya:

Total Penjualan
Total Transaksi
Total Produk Terjual
Penjualan per Produk
Penjualan per Kota

Tidak semua data harus masuk ke dashboard.

Pilih informasi yang memang membantu menjawab kebutuhan perusahaan.

Tahap 7 — Membuat Dashboard Power BI

Masukkan dataset yang sudah dibersihkan ke Power BI.

Kemudian buat beberapa visualisasi.

Card

Buat Card untuk:

Total Penjualan

dan:

Total Transaksi

Column Chart

Gunakan Column Chart untuk:

Penjualan per Produk

Bar Chart

Gunakan Bar Chart untuk:

Penjualan per Kota

Line Chart

Jika dataset memiliki data dari beberapa tanggal atau bulan, gunakan Line Chart untuk melihat perkembangan penjualan.

Slicer

Tambahkan Slicer berdasarkan:

Kota
Produk
Tanggal

Dengan begitu dashboard dapat digunakan secara interaktif.

Tahap 8 — Menyusun Dashboard

Contoh struktur dashboard:

------------------------------------------------
              DASHBOARD PENJUALAN
------------------------------------------------

[ TOTAL PENJUALAN ]    [ TOTAL TRANSAKSI ]

------------------------------------------------

          PENJUALAN PER PRODUK

        █████████████
        ████████
        ████
        ██

------------------------------------------------

          PENJUALAN PER KOTA

        ███████████
        ███████
        █████

------------------------------------------------

          TREN PENJUALAN

             ●
           ●   ●
         ●       ●

------------------------------------------------

[ Kota ] [ Produk ] [ Tanggal ]
------------------------------------------------

Dashboard tidak perlu terlalu banyak elemen.

Yang penting informasi utamanya terlihat jelas.

Tahap 9 — Mencari Insight

Setelah dashboard selesai, pekerjaan Data Analyst belum selesai.

Kita harus membaca hasil analisis dan menemukan informasi penting.

Contohnya:

Produk dengan kontribusi penjualan terbesar adalah Laptop.

Penjualan dapat dibandingkan berdasarkan masing-masing kota.

Data transaksi dapat digunakan untuk melihat pola penjualan berdasarkan waktu.

Insight harus berdasarkan data yang sudah dianalisis.

Jangan membuat kesimpulan yang tidak didukung oleh data.

Tahap 10 — Membuat Kesimpulan

Setelah menemukan insight, buat kesimpulan sederhana.

Contohnya:

Berdasarkan data penjualan yang dianalisis, terdapat perbedaan nilai penjualan antarproduk dan antarkota. Data tersebut dapat digunakan sebagai dasar untuk melakukan evaluasi penjualan dan menentukan analisis lebih lanjut.

Kesimpulan tidak perlu panjang.

Yang penting jelas dan berdasarkan data.

Tools yang Digunakan

Dalam project ini kamu bisa menggunakan beberapa tools:

Excel
↓
Membersihkan dan mengecek data

SQL
↓
Mengambil dan menganalisis data

Power BI
↓
Membuat visualisasi dan dashboard

Tidak harus menggunakan semuanya sekaligus.

Untuk latihan pertama, kamu bahkan bisa menggunakan:

Excel → Power BI

Setelah memahami alurnya, baru belajar menggunakan SQL.

Hasil Akhir Project

Jika semua tahap sudah selesai, kamu akan memiliki:

Dataset
+
Data Cleaning
+
Analisis
+
Visualisasi
+
Dashboard
+
Insight

Project sederhana seperti ini sudah bisa menjadi latihan untuk memahami alur kerja Data Analyst.

Bisa Dijadikan Portfolio

Project ini juga bisa dikembangkan menjadi portfolio.

Contohnya kamu bisa membuat project dengan judul:

Sales Performance Dashboard

Isi portfolio:

1. Dataset
2. Data Cleaning
3. Analisis
4. SQL Query
5. Power BI Dashboard
6. Insight
7. Kesimpulan

Kemudian tampilkan screenshot dashboard dan jelaskan proses pembuatannya.

Latihan

Sekarang coba buat mini project sendiri.

Gunakan minimal 30–50 data transaksi.

Dataset minimal memiliki:

ID
Tanggal
Produk
Kota
Jumlah
Harga
Total

Kemudian lakukan:

  1. Bersihkan dataset.
  2. Periksa data kosong.
  3. Periksa data duplikat.
  4. Hitung total penjualan.
  5. Hitung penjualan per produk.
  6. Hitung penjualan per kota.
  7. Buat beberapa Chart.
  8. Buat dashboard Power BI.
  9. Cari minimal 3 insight.
  10. Buat kesimpulan berdasarkan data.

Checklist

  • Bisa memahami dataset
  • Bisa melakukan data cleaning sederhana
  • Bisa menggunakan Excel untuk analisis
  • Bisa menggunakan SQL dasar
  • Bisa menggunakan GROUP BY
  • Bisa membuat visualisasi
  • Bisa menggunakan Power BI
  • Bisa membuat dashboard sederhana
  • Bisa menemukan insight
  • Bisa membuat kesimpulan berdasarkan data

Kesimpulan

Alur kerja Data Analyst sebenarnya bisa dipahami dengan sederhana:

DATA
↓
CLEANING
↓
ANALISIS
↓
VISUALISASI
↓
DASHBOARD
↓
INSIGHT
↓
KESIMPULAN

Kamu tidak harus langsung menguasai semua tools.

Mulai dari Excel, kemudian belajar SQL, lalu gunakan Power BI untuk membuat visualisasi dan dashboard.

Yang paling penting adalah memahami proses berpikirnya:

Data → Analisis → Informasi → Insight

Dengan memahami alur tersebut, kamu sudah memiliki dasar untuk mulai mengembangkan skill sebagai Data Analyst.

Kategori: Data Analyst