Cara membuat data dictionary merupakan salah satu langkah penting dalam mendokumentasikan dataset pada proyek data analysis. Data Dictionary digunakan untuk menjelaskan nama kolom, tipe data, deskripsi, dan contoh nilai dari setiap kolom dalam dataset. Dengan dokumentasi ini, struktur dataset menjadi lebih mudah dipahami ketika digunakan kembali dalam proses analisis atau dibagikan kepada orang lain.

Data Dictionary membantu menjelaskan nama kolom, tipe data, deskripsi, dan contoh nilai dari setiap kolom yang terdapat dalam dataset. Dengan dokumentasi ini, struktur dataset menjadi lebih mudah dipahami ketika digunakan kembali dalam proses analisis atau dibagikan kepada orang lain.

Pada praktik kali ini, kita akan membuat dataset penjualan sederhana menggunakan Python dan Pandas, memeriksa tipe datanya, kemudian membuat Data Dictionary dan menyimpannya dalam format CSV.

Dalam praktik cara membuat data dictionary, informasi yang dicatat perlu disesuaikan dengan struktur dataset yang digunakan. Pada contoh ini, dokumentasi dibuat berdasarkan dataset penjualan yang memiliki tujuh kolom, yaitu tanggal, produk, kategori, kota, jumlah, harga, dan pendapatan.

Apa Itu Data Dictionary?

Data Dictionary adalah dokumentasi yang menjelaskan struktur dan arti setiap kolom dalam sebuah dataset.

Informasi yang dicantumkan dapat disesuaikan dengan kebutuhan proyek. Pada praktik ini, Data Dictionary memiliki empat informasi utama:

• nama_kolom — nama kolom pada dataset.
• tipe_data — jenis data yang digunakan.
• deskripsi — penjelasan mengenai isi kolom.
• contoh — contoh nilai yang terdapat pada kolom.

Sebagai contoh, kolom pendapatan memiliki tipe data integer dan digunakan untuk menyimpan total pendapatan dari sebuah transaksi.

Menyiapkan Dataset Penjualan

Langkah pertama adalah membuat dataset penjualan menggunakan Pandas. Dataset ini terdiri dari tanggal transaksi, produk, kategori, kota, jumlah produk, harga satuan, dan pendapatan.

import pandas as pd

data = [
    ["2026-03-01", "Keyboard", "Aksesoris", "Tegal", 3, 150000],
    ["2026-03-02", "Mouse", "Aksesoris", "Brebes", 5, 75000],
    ["2026-03-03", "Headset", "Audio", "Semarang", 2, 200000],
    ["2026-03-04", "Webcam", "Kamera", "Tegal", 1, 250000],
    ["2026-03-05", "Keyboard", "Aksesoris", "Brebes", 4, 150000],
    ["2026-03-06", "Mouse", "Aksesoris", "Semarang", 6, 75000],
    ["2026-03-07", "Headset", "Audio", "Tegal", 3, 200000],
    ["2026-03-08", "Webcam", "Kamera", "Brebes", 2, 250000],
    ["2026-03-09", "Keyboard", "Aksesoris", "Semarang", 5, 150000],
    ["2026-03-10", "Mouse", "Aksesoris", "Tegal", 4, 75000]
]

df = pd.DataFrame(
    data,
    columns=[
        "tanggal",
        "produk",
        "kategori",
        "kota",
        "jumlah",
        "harga"
    ]
)

df["pendapatan"] = df["jumlah"] * df["harga"]

df.to_csv("dataset_penjualan_week11.csv", index=False)

print("Dataset berhasil dibuat!")
print("Jumlah baris:", len(df))
print("Jumlah kolom:", len(df.columns))

Hasilnya menunjukkan bahwa dataset berhasil dibuat dengan 10 baris dan 7 kolom.

Dataset kemudian dapat ditampilkan untuk melihat data yang telah dibuat.

df

Dari dataset tersebut terdapat tujuh kolom, yaitu tanggal, produk, kategori, kota, jumlah, harga, dan pendapatan.

Memeriksa Tipe Data Dataset

Sebelum membuat Data Dictionary, tipe data setiap kolom perlu diperiksa terlebih dahulu. Pandas menyediakan fungsi info() untuk melihat struktur DataFrame.

df.info()

Pada pemeriksaan awal, kolom tanggal masih memiliki tipe data object, sedangkan kolom jumlah, harga, dan pendapatan memiliki tipe data int64.

Kolom tanggal nantinya digunakan sebagai tanggal transaksi, sehingga tipe datanya dapat dikonversi menjadi datetime.

df["tanggal"] = pd.to_datetime(df["tanggal"])
df.info()

Setelah dikonversi, tipe data kolom tanggal berubah menjadi datetime64[ns].

Pengecekan tipe data ini penting karena Data Dictionary sebaiknya menggambarkan struktur data yang digunakan dalam proses analisis.

Cara Membuat Data Dictionary dengan Pandas

Setelah struktur dataset diketahui, langkah berikutnya adalah membuat Data Dictionary menggunakan Pandas DataFrame.

data_dictionary = pd.DataFrame({
    "nama_kolom": [
        "tanggal",
        "produk",
        "kategori",
        "kota",
        "jumlah",
        "harga",
        "pendapatan"
    ],
    "tipe_data": [
        "datetime",
        "string",
        "string",
        "string",
        "integer",
        "integer",
        "integer"
    ],
    "deskripsi": [
        "Tanggal transaksi",
        "Nama produk yang dijual",
        "Kategori produk",
        "Kota tempat transaksi",
        "Jumlah produk yang terjual",
        "Harga satuan produk",
        "Total pendapatan dari transaksi"
    ],
    "contoh": [
        "2026-03-01",
        "Keyboard",
        "Aksesoris",
        "Tegal",
        "3",
        "150000",
        "450000"
    ]
})

data_dictionary

Data Dictionary yang dihasilkan berisi informasi untuk setiap kolom dalam dataset.

Dari tabel tersebut, setiap kolom dataset sudah memiliki informasi yang menjelaskan fungsi dan contoh nilainya. Dokumentasi seperti ini dapat membantu ketika dataset digunakan kembali pada tahap analisis berikutnya.

Menyimpan Data Dictionary ke CSV

Data Dictionary yang sudah dibuat dapat disimpan sebagai file CSV agar dapat digunakan sebagai dokumentasi terpisah dari dataset utama.

data_dictionary.to_csv(
    "data_dictionary_week11.csv",
    index=False
)

print("Data Dictionary berhasil disimpan!")

Output:

Data Dictionary berhasil disimpan!

Pada tahap ini terdapat dua file utama yang digunakan dalam praktik:

dataset_penjualan_week11.csv
data_dictionary_week11.csv

Dataset berisi data transaksi, sedangkan Data Dictionary berisi dokumentasi mengenai struktur dataset.

Memastikan File Berhasil Dibuat

Kita dapat memeriksa file yang tersedia pada folder kerja menggunakan modul os.

import os

print("File yang tersedia:")
for file in os.listdir():
    if "week11" in file:
        print("-", file)

Output:

File yang tersedia:
- data_dictionary_week11.csv
- dataset_penjualan_week11.csv

Pengecekan ini memastikan bahwa dataset dan Data Dictionary telah tersimpan pada folder kerja.

Membaca Kembali Data Dictionary

Langkah terakhir adalah membaca kembali file Data Dictionary yang sudah disimpan. Cara ini digunakan untuk memastikan file CSV dapat dibuka dan isinya tetap tersedia.

dictionary_check = pd.read_csv("data_dictionary_week11.csv")

print("Isi Data Dictionary:")
print(dictionary_check)

Output menunjukkan kembali tujuh kolom yang telah didokumentasikan.

Isi Data Dictionary:
   nama_kolom tipe_data                        deskripsi      contoh
0     tanggal  datetime                Tanggal transaksi  2026-03-01
1      produk    string          Nama produk yang dijual    Keyboard
2    kategori    string                  Kategori produk   Aksesoris
3        kota    string            Kota tempat transaksi       Tegal
4      jumlah   integer       Jumlah produk yang terjual           3
5       harga   integer              Harga satuan produk      150000
6  pendapatan   integer  Total pendapatan dari transaksi      450000

Dengan membaca kembali file yang telah disimpan, kita dapat melakukan validasi sederhana bahwa dokumentasi berhasil dibuat dan dapat digunakan kembali.

Struktur File Akhir

Setelah seluruh proses selesai, struktur file yang digunakan dalam praktik adalah:

week11_data_dictionary/
├── dataset_penjualan_week11.csv
└── data_dictionary_week11.csv

Kedua file tersebut memiliki fungsi yang berbeda. dataset_penjualan_week11.csv digunakan sebagai dataset utama, sedangkan data_dictionary_week11.csv digunakan untuk menjelaskan struktur dan isi dataset.

Mengapa Data Dictionary Penting?

Data Dictionary dapat membantu menjaga dokumentasi dataset tetap jelas. Beberapa informasi yang dapat diketahui dengan cepat antara lain nama kolom, tipe data, arti kolom, dan contoh nilainya.

Dokumentasi ini juga berguna ketika proyek dikerjakan kembali setelah beberapa waktu atau ketika dataset perlu dipahami oleh orang lain. Dengan adanya Data Dictionary, pengguna tidak harus menebak fungsi setiap kolom hanya berdasarkan nama kolomnya.

Dalam proyek data analysis, dokumentasi sederhana seperti ini dapat menjadi bagian dari dokumentasi proyek secara keseluruhan, terutama ketika dataset akan digunakan dalam beberapa tahap analisis.

Kesimpulan

Data Dictionary merupakan salah satu bagian penting dalam dokumentasi proyek data analysis. Pada praktik ini, Data Dictionary dibuat menggunakan Pandas berdasarkan dataset penjualan yang terdiri dari tujuh kolom.

Tahapan yang dilakukan meliputi pembuatan dataset, pemeriksaan tipe data, konversi kolom tanggal menjadi datetime, pembuatan Data Dictionary, penyimpanan ke CSV, serta validasi dengan membaca kembali file yang telah dibuat.

Hasil akhirnya adalah dua file, yaitu dataset utama dan Data Dictionary. Dengan dokumentasi tersebut, struktur dataset menjadi lebih mudah dipahami dan dapat digunakan sebagai referensi pada proses analisis selanjutnya.

Penulis

Ditulis oleh Maulana Aldi Pradana