📘 Apa yang Akan Dipelajari?

Pada artikel ini kamu akan mempelajari:

Tips menjaga kualitas data sebelum melakukan analisis.

💡 Mengapa Data Cleaning Itu Penting?

Setelah mengenal berbagai library Python yang digunakan dalam Data Analysis, langkah berikutnya adalah memahami kualitas data yang akan dianalisis. Dalam praktiknya, data yang diperoleh dari survei, sistem informasi, atau hasil transaksi sering kali belum siap digunakan karena masih mengandung berbagai kesalahan.

Masalah seperti data yang kosong (missing value), penulisan yang tidak konsisten, data ganda (duplicate), maupun tipe data yang tidak sesuai dapat memengaruhi hasil analisis. Oleh karena itu, proses data cleaning menjadi salah satu tahapan penting sebelum melakukan eksplorasi data (Exploratory Data Analysis atau EDA) maupun pembuatan model analisis.

⚠️ Sebelum Memulai

Sebelum mengikuti artikel ini, pastikan kamu telah:

💻 Apa Itu Data Cleaning?

Data cleaning adalah proses memperbaiki atau membersihkan data agar memiliki kualitas yang baik dan siap digunakan untuk proses analisis. Tujuan utama dari proses ini adalah memastikan data yang digunakan akurat, lengkap, dan konsisten.

Sebagai contoh, perhatikan data berikut.

Pada contoh tersebut terdapat beberapa masalah, seperti:

• Nilai umur milik Budi kosong.
• Data Andi muncul dua kali.
• Nilai umur Citra ditulis dalam bentuk teks, bukan angka.

Jika data seperti ini langsung dianalisis, hasil yang diperoleh dapat menjadi kurang akurat.

💻 Contoh Membaca Dataset Menggunakan Pandas

Sebelum membersihkan data, kita perlu membacanya terlebih dahulu.

Output:

Penjelasan:

Dataset di atas sengaja dibuat memiliki beberapa kesalahan agar lebih mudah memahami pentingnya proses data cleaning.

🔍 Memeriksa Kondisi Dataset

Setelah dataset berhasil dibuat, langkah berikutnya adalah memeriksa kondisi data. Tahapan ini bertujuan untuk mengetahui apakah terdapat data yang kosong, tipe data yang kurang sesuai, atau data yang terduplikasi sebelum dilakukan proses pembersihan.

1. Melihat Struktur Dataset

data.info()

Penjelasan:
Fungsi info() menampilkan jumlah baris, jumlah kolom, tipe data setiap kolom, serta jumlah data yang terisi (non-null). Informasi ini membantu mengidentifikasi adanya data yang kosong maupun tipe data yang tidak sesuai.

2. Melihat Isi Dataset

data.head()

Penjelasan:
Fungsi head() digunakan untuk menampilkan beberapa baris pertama dari dataset sehingga pengguna dapat melihat isi data secara cepat tanpa harus menampilkan seluruh dataset.

3. Memeriksa Missing Value

data.isnull().sum()

Penjelasan:
Fungsi isnull().sum() menghitung jumlah data yang kosong pada setiap kolom. Dari hasil tersebut dapat diketahui bahwa kolom Umur masih memiliki satu nilai yang belum terisi.

4. Memeriksa Data Duplikat

data.duplicated().sum()

Penjelasan:
Fungsi duplicated().sum() digunakan untuk mengetahui jumlah data yang terduplikasi. Jika hasilnya lebih dari nol, berarti terdapat data yang muncul lebih dari satu kali dan perlu diperiksa lebih lanjut

📊 Jenis Masalah yang Sering Ditemukan pada Data

🧪 Mini Praktik

Jalankan kode berikut.

Output:

Perhatikan bahwa terdapat nilai None dan NaN, yang menunjukkan adanya data yang belum lengkap. Pada artikel berikutnya, kita akan mempelajari berbagai teknik untuk menangani kondisi tersebut.

📖 Tahukah Kamu?

Dalam banyak proyek Data Analysis, proses data cleaning dapat menghabiskan sebagian besar waktu pengerjaan. Hal ini karena kualitas data sangat menentukan hasil analisis dan keputusan yang akan diambil berdasarkan data tersebut

💼 Dalam Dunia Kerja

Seorang Data Analyst tidak langsung membuat grafik atau laporan setelah menerima dataset. Langkah pertama yang biasanya dilakukan adalah memeriksa kualitas data, mencari nilai yang hilang, data ganda, maupun kesalahan penulisan. Proses ini membantu memastikan bahwa hasil analisis dapat dipercaya dan digunakan sebagai dasar pengambilan keputusan.

❌ Kesalahan yang Sering Dilakukan Pemula

Beberapa kesalahan yang sering terjadi antara lain:

• Langsung membuat grafik tanpa memeriksa kualitas data.
• Mengabaikan nilai yang kosong.
• Tidak memeriksa data ganda.
• Menganggap semua data sudah benar hanya karena berasal dari sistem komputer.

⭐ Tips Belajar

• Biasakan memeriksa dataset sebelum mulai menganalisis.
• Gunakan fungsi head(), info(), dan describe() untuk mengenali isi dataset.
• Jangan terburu-buru menghapus data sebelum mengetahui penyebab masalahnya.
• Dokumentasikan setiap perubahan yang dilakukan selama proses data cleaning.

🎯 Kesimpulan

Data cleaning merupakan tahapan awal yang sangat penting dalam proses Data Analysis. Dataset yang terlihat lengkap belum tentu memiliki kualitas yang baik untuk dianalisis. Dengan melakukan pemeriksaan dan pembersihan data sejak awal, hasil analisis akan menjadi lebih akurat dan dapat dipercaya.

Pada artikel berikutnya, kita akan mempelajari lebih dalam mengenai struktur dataset, termasuk cara mengenali baris, kolom, tipe data, serta bagaimana menilai kualitas sebuah dataset sebelum dianalisis.