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:
| ID | Tanggal | Produk | Kota | Jumlah | Harga | Total |
|---|---|---|---|---|---|---|
| 1 | 01/01/2026 | Laptop | Jakarta | 2 | 8000000 | 16000000 |
| 2 | 02/01/2026 | Mouse | Bandung | 5 | 100000 | 500000 |
| 3 | 03/01/2026 | Monitor | Jakarta | 3 | 2500000 | 7500000 |
| 4 | 05/01/2026 | Keyboard | Surabaya | 4 | 300000 | 1200000 |
| 5 | 07/01/2026 | Laptop | Bandung | 1 | 8000000 | 8000000 |
| 6 | 10/01/2026 | Mouse | Jakarta | 8 | 100000 | 800000 |
| 7 | 12/01/2026 | Monitor | Surabaya | 2 | 2500000 | 5000000 |
| 8 | 15/01/2026 | Keyboard | Jakarta | 6 | 300000 | 1800000 |
| 9 | 18/01/2026 | Laptop | Surabaya | 2 | 8000000 | 16000000 |
| 10 | 20/01/2026 | Monitor | Bandung | 4 | 2500000 | 10000000 |
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:
| Produk | Total Penjualan |
|---|---|
| Laptop | 40.000.000 |
| Monitor | 22.500.000 |
| Keyboard | 3.000.000 |
| Mouse | 1.300.000 |
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:
- Bersihkan dataset.
- Periksa data kosong.
- Periksa data duplikat.
- Hitung total penjualan.
- Hitung penjualan per produk.
- Hitung penjualan per kota.
- Buat beberapa Chart.
- Buat dashboard Power BI.
- Cari minimal 3 insight.
- 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.