PRIVASI, KEAMANAN DATA DAN PENGOLAHAN DATA

A. Aspek privasi dan keamanan data

Privasi merujuk padanan dari bahasa Inggris privacy yaitu kemampuan satu atau sekelompok individu untuk mempertahankan kehidupan dan urusan personalnya dari publik.

Data dapat dibedakan menjadi berikut:

• Data pribadi (private) yaitu data diri yang berkaitan dengan seseorang atau individual yang tidak dapat dikonsumsi secara bebas. Penggunaan data pribadi untuk kepentingan pihak lain (e-commerce, penggunaan aplikasi, dsb) harus dengan persetujuan pemilik data. Kebijakan-kebijakan yang terkait dengan penggunaan data pribadi biasanya dicantumkan dalam privacy policy.
• Data publik yaitu data individu maupun kelompok yang tersedia secara bebas untuk diakses serta dimanfaatkan oleh masyarakat.

Perlindungan privasi data di Indonesia saat ini mulai mendapatkan perhatian dari Pemerintah dengan adanya UU ITE yang mengatur tentang informasi dan transaksi elektronik. Saat ini, Indonesia juga masih dalam tahap proses pembahasan RUU Perlindungan Data Pribadi. Perlindungan hak privasi memungkinan setiap orang dapat mengontrol pengumpulan, akses, dan penggunaan informasi pribadi dalam berbagai aspek.

Di ranah International, perlindungan privasi data dalam perkembangan teknologi di era digital juga merupakan salah satu isu terhangat yang menyita perhatian banyak kalangan. Hal ini menunjukkan bahwa perlindungan privasi data merupakan hal yang perlu penanganan khusus seiring perkembangan informasi global tanpa batas di era Revolusi Industri 4.0 saat ini. Aturan-aturan yang diterapkan disetiap negara juga berbeda sesuai dengan kultur di negara tersebut.

1. Teknik pengumpulan data

• Observasi: pengumpulan data dengan melakukan pengamatan.
• Questioner: pengumpulan data dengan pemberian angket kepada responden.
• Wawancara: pengumpulan data dengan melakukan tanya jawab kepada responden.
• Dokumen: catatan atau hasil rekaman dari suatu peristiwa.

2. Cara pengumpulan data

• Manual: cara pengumpulan data dengan menggunakan kertas, pulpen, dsb.
• Otomatis: cara pengumpulan data dengan menggunakan alat bantu mesin.

 

B. PENGOLAHAN DATA

Setiap keputusan atau kebijakan yang dibuat oleh pemerintah, organisasi, ataupun institusi yang lain pasti melibatkan data-data di dalamnya. Apabila pengambilan keputusan hanya didasarkan pada keinginan tanpa ada riset dari data-data di lapangan maka dapat dipastikan keputusan atau kebijakan tersebut akan tidak tepat sasaran. Oleh sebab itu, diperlukan pengolahan, visualisasi, dan interpretasi pada data untuk menghasilkan sebuah informasi sebagai bahan rujukan untuk membuat keputusan atau kebijakan.

Sebagai contoh gambar berikut:

Gambar 1. 1  Informasi Kesehatan di DIY

sumber: http://bappeda.jogjaprov.go.id/dataku/infografik/ketimpangan

Gambar diatas merupakan hasil dari pengolahan dan visualisasi data yang masih dapat diinterpretasikan menjadi informasi baru sehingga dapat digunakan sebagai bahan pertimbangan dalam membuat keputusan atau kebijakan.

 

Siklus proses Informasi:

Gambar 1. 2  Siklus Informasi

Informasi dapat dihasilkan dari proses pengumpulan, pengolahan, analisis, dan visualisasi pada data yang tentu saja memerlukan perangkat bantu untuk mempermudah melakukan proses tersebut.

1. Pemodelan Data

Pemodelan data adalah teknik yang digunakan untuk mengidentifikasi dan menentukan data yang sesuai dengan kebutuhan sistem. Pada analisis data, pemodelan data dapat diartikan sebagai langkah untuk menentukan data-data yang akan digunakan sebelum melakukan analisis data.

Ada tiga tipe analisis data yang dapat digunakan pada pembuatan pemodelan data, yaitu:

• Deskriptif: menggambarkan/mendeskripsikan kejadian yang telah dan sedang terjadi. Identifikasi pada data deskriptif juga dapat menggunakan algoritma klastering yaitu dengan cara mengkalsifikasikan/mengelompokkan data berdasarkan kategori/klaster.
• Prediktif: membuat prediksi kejadian dan hasil diwaktu yang akan dating.

Salah satu metode yang dapat digunakan adalah  dengan pohon keputusan (decision tree). Proses prediksi menggunakan metode ini dapat dilakukan dengan cara break down permasalahan kompleks menjadi lebih sederhana sehingga dapat menginterpretasikan keputusan sebagai solusi dari suatu permasalahan.

• Preskriptif: memberikan rekomendasi untuk pengambilan keputusan dan tindakan yang akan dilakukan dimasa yang akan dating. Metode yang dapat digunakan pada proses analisis data preskriptif diantaranya adalah Analytic Hierarchy Process (AHP) dan Simple Additive Method (SAW).

Contoh: Pemodelan data untuk data penjualan mobil

Gambar. Pemodelan Data

1. Simulasi data

Simulasi data adalah cara untuk mendemonstrasikan analisis dari hasil identifikasi/ pemodelan data dalam bentuk tiruan sehingga dapat meminimalisir kegagalan.

Contoh: simulasi data dari tabel data penjualan mobil berikut ini

Gambar. Data Penjualan Mobil

No	Deskriptif	Prediktif	Preskriptif
1	Data penjualan perbulan (kriteria: penjualan paling tinggi ke paling rendah) –        Tanggal order (bulan dan tahun) –        Jumlah pesanan –        Kantor cabang –        Kantor cabang negara	Prediksi penjualan di bulan setelahnya	Saran penambahan stok barang
2	Data penjualan jenis mobil yang paling laris 1 tahun terakhir –        Tanggal order (bulan dan tahun) –        Nama produk –        Kategori produk –        Jumlah pesanan	Prediksi produk dan kategori mobil yang akan menguasai pasar di tahun depan	Saran penambahan produksi dengan produk dan kategori yang sama/membuat produk baru yang memiliki kualitas, fitur, dan kegunaan sama dengan produk yang laris
3	Data keuntungan tahun terakhir di setiap cabang –        Tanggal order (bulan dan tahun) –        Harga beli –        Harga dijual –        Keuntungan	Prediksi kantor cabang yang memberikan keuntungan tahun yang akan datang	Penentuan target penjualan sesuai dengan hasil laporan keuntungan

 

1. Visualisasi data

Visualisasi data adalah proses menampilkan data dalam bentuk yang lebih sederhana sehingga dapat mempermudah orang awam untuk membaca sebuah informasi. Contoh visualisasi data:

Gambar. Tabel Visualisasi Data Penjualan Mobil

Dari tabel visualisasi di atas dapat di peroleh data kantor cabang yang paling banyak melakukan penjualan per bulan. Penjualan paling tinggi di tandai dengan warna hijau dan paling rendah warna merah. Pembuatan visualisasi ini dapat dibuat menggunakan fitur Ms. Excel yaitu  pivot table dan Conditional Formatting tipe Color Scales.

Gambar. Grafik Visualisasi Data Penjualan Mobil

Dari grafik di atas dapat dilihat peningkatan/penurunan data penjualan per bulan pada setiap kantor cabang. Pembuatan visualisasi ini dapat dibuat dengan menggunakan fitur Ms. Excel pivot chart/chart.

 

1. Pengolahan data

Setelah melakukan pengumpulan data dengan manual atau otomatis, langkah selanjutnya untuk mendapatkan informasi baru dari data tersebut adalah melakukan pengolahan dan visualisasi data. Proses pengolahan dan visualisasi pada data dapat dilakukan dengan menggunakan perangkat bantu, salah satunya adalah Spreadsheet. Berikut ini rumus dan fitur-fitur yang dapat digunakan untuk melakukan proses tersebut:

1. Rumus Spreadsheet

• Fungsi Matematika
  1. SUM

Digunakan untuk menjumlahkan data yang diinginkan.

Rumus dasar: =SUM(number1, number2, …)

Rumus aplikatif: =SUM(A3:A10)

2. SUMIF

Digunakan untuk menjulahkan data dengan kriteria tertentu.

Rumus dasar: =SUMIF(range, criteria, [sum_range])

Rumus aplikatif: =SUMIF(A2:A10,”>50”) atau

=SUMIF(A2:A10,”>50”,B2:B10)

 

• Fungsi Statistik

1. AVERAGE

Digunakan untuk mengembalikan nilai rata-rata.

Rumus dasar: =AVERAGE(number1, [number2], …)

Rumus aplikatif: =AVERAGE(A3:A10)

2. AVERAGEIF

Digunakan untuk mengembalikan nilai rata-rata dengan kriteria tertentu

Rumus dasar: =AVERAGE(range, criteria, [average_range])

Rumus aplikatif: =AVERAGE(A3:A10, “<500”) atau

=AVERAGE(A3:A10, “<500”, B3:B10)

3. COUNT

Digunakan untuk menghitung jumlah data dari range sel.

Rumus dasar: =COUNT(number1, [number2], …)

Rumus Aplikatif: =COUNT(A3:A10)

4. COUNTIF

Digunakan untuk menghitung jumlah data dari range sel dengan kriteria tertentu.

Rumus dasar: =COUNTIF(range, criteria)

Rumus Aplikatif: =COUNTIF(A3:A10, “Lulus”)

5. MAX

Digunakan untuk mencari nilai tertinggi/terbesar dari range sel.

Rumus dasar: =MAX(number1, [number2], …)

Rumus Aplikatif: =MAX(A3:A10)

6. MIN

Digunakan untuk mencari nilai terendah/terkecil dari range sel.

Rumus dasar: =MIN(number1, [number2], …)

Rumus Aplikatif: =MIN(A3:A10)

7. AVG

Digunakan untuk menghitung peringkat dari range  sel.

Rumus dasar: =RANK.AVG(number, ref, [order])

Rumus Aplikatif: =RANK(A3,$A$3:$A$10,0)

 

• Fungsi Lookup

1. Fungsi VLOOKUP

Digunakan untuk membaca suatu data tabel secara vertikal, kemudian mengambil nilai yang diinginkan pada tabel tersebut berdasarkan kunci tertentu.

Rumus dasar:

=VLOOKUP(lookup_value,table_array,col_index_num,[range_lookup])

Rumus Aplikatif: =VLOOKUP(A5,$A$15:$E$19,2,FALSE)

Keterangan:

• Lookup_value: sel referensi/nilai yang hendak dijadikan kunci dalam pencarian data
• Table_array: tabel/range yang merupakan tabel yang menyimpan data yang hendak kita cari
• Col_index_num: nomor kolom yang hendak kita ambil nilainya
• Range_lookup: nilai logika TRUE / FALSE yang mana VLOOKUP akan mencari data secara tepat (FALSE) atau secara kira-kira atau pendekatan (TRUE)

2. Fungsi HLOOKUP

Digunakan untuk membaca suatu data tabel secara horisontal, kemudian mengambil nilai yang diinginkan pada tabel tersebut berdasarkan kunci tertentu.

Rumus dasar : =HLOOKUP(lookup_value,table_array,row_index_num,[range_lookup])

Rumus Aplikatif: =HLOOKUP(A5,$A$15:$E$19,2,FALSE)

 

• Fungsi Logika

1. Fungsi AND

Digunakan untuk menguji beberapa nilai atau kondisi sekaligus. Fungsi AND digunakan untuk mngembalikan nilai True jika semua kondisi argumen dipenuhi dan nilai False jika salah satu kondisi agumen tidak dipenuhi.

Rumus dasar: =AND(logical1, logical2, …)

Rumus Aplikatif: =AND(C6>=77, D6>=77, E6>=77), misal C5 berisi 80, D6 berisi 95, dan E6 berisi 78 maka hasil dari rumus adalah True dan jika misal C5 berisi 80, D6 berisi 70, dan E6 berisi 78 maka hasil dari rumus adalah False.

2. Fungsi OR

Digunakan untuk menguji beberapa nilai atau kondisi sekaligus. Fungsi OR digunakan untuk mngembalikan nilai True jika salah satu kondisi argumen dipenuhi dan nilai False jika tidak ada agumen yang dipenuhi.

Rumus dasar: =OR(logical1, logical2, …)

Rumus Aplikatif: =OR(C6>=77, D6>=77, E6>=77), misal C5 berisi 80, D6 berisi 95, dan E6 berisi 78 maka hasil dari rumus adalah True, jika C5 berisi 80, D6 berisi 70, dan E6 berisi 78 maka hasil dari rumus adalah True, jika C5 berisi 60, D6 berisi 70, dan E6 berisi 76 maka hasil dari rumus adalah False.

3. Fungsi IF

Digunakan untuk menguji beberapa nilai atau kondisi dan digunakan untuk mngembalikan nilai berdasarkan kondisi yang sudah ditentukan.

Rumus dasar: =IF(logical_test, value_if_true, value_if_false)

Fungsi if dibagi menjadi 2 macam, yaitu:

• Fungsi IF Tunggal

Digunakan hanya untuk mencari satu nilai benar dan satu nilai salah. Sehingga pada fungsi ini hanya memiliki sebuah kondisi karena jika tidak memenuhi kondisi maka dianggap sebagai nilai salah. Jumlah if dalam fungsi ini adalah 1.

Contoh:

Kondisi: Siswa dikatakan Tuntas jika nilai lebih besar sama dengan 77. Jika tidak memenuhi berarti Remidi.

Rumus Aplikatif: =IF(A5>=77,”Tuntas”,”Remidi”), jika A5 berisi nilai 80 maka hasil dari rumus tersebut adalah Tuntas. Jika A5 berisi nilai 70 maka hasil dari rumus adalah Remidi.

• Fungsi IF Bersarang

Digunakan untuk mencari beberapa nilai benar dan satu nilai salah. Sehingga pada fungsi ini akan memiliki kondisi benar lebih dari satu. Jumlah if dalam fungsi ini adalah jumlah kondisi dikurangi satu (n-1).

Contoh:

Gambar 1. 3  Tabel Kriteria Nilai

Jumlah kondisi ada 7. Jumlah If adalah 6 (7-1).

Rumus Aplikatif: =IF(C6>=100, ”Error”, IF(C6>=95, ”A”, IF(C6>=85, “B”, IF(C6>=75, ”C”, IF(C6>=60, ”D”, IF(C6>=0, ”E”, ”Error”))))))

 

1. Ikon Spreadsheet (Ms. Excel)

• Autosum

Fitur ini terdapat pada menu Home grup Editing dan menu Formulas grup Function Library, berikut ini penjelasan tentang ikon-ikon pada Autosum:

No	Ikon	Nama	Kegunaan
1		Autosum	melakukan penghitungan cepat (seperti: sum, average, max, min, count)

• Sort & Filter

Fitur ini terdapat pada menu Home grup Editing dan menu Data grup Sort & Filter, berikut ini penjelasan tentang ikon-ikon pada Autosum:

No	Ikon	Nama	Kegunaan
1		Sort A to Z	mengurutkan data dari data terkecil ke terbesar
2		Sort Z to A	menGurutkan data dari data terbesar ke terkecil
3		Custom Sort	memilih opsi lebih lanjut dengan menambahkan kriteria tertentu
4		Filter	menyaring data yang diseleksi

• Grup Tables

Grup Tables merupakan salah satu fitur yang terdapat pada menu Insert, berikut ini ikon-ikon yang ada pada grup Tables:

No	Ikon	Nama	Kegunaan
1		Pivot Table	membuat rangkuman, melakukan analisa, eksplorasi data, serta mempresentasikannya.
2		Recommended Pivot Tables	menyisipkan tabel pivot dari data yang diinginkan dengan rekomendasi dari excel
3		Table	menyisipkan tabel

 

1. Interpretasi Data
2. Pengertian

Interpretasi data adalah kegiatan menggabungkan hasil analisis dengan kriteria tertentu untuk menemukan makna dari data yang telah diperoleh.

1. Fungsi

Interpretasi data digunakan untuk mengevaluasi atau merefleksi hasil dari analaisis dan visualisasi data.

1. Teknik

Teknik Interpretasi data dapat dilakukan sebagai berikut: (1) perluas hasil analisis dengan mengajukan pertanyaan berkenaan dengan hubungan, perbedaan antara hasil analisis, penyebab, implikasi dari hasil analisis sebelumnya, (2) hubungkan temuan dengan pengalaman pribadi, (3) berilah pandangan kritis dari hasil analisis yang dilakukan, (4) hubungkan hasil-hasil analisis dengan teori, (5) hubungkan atau tinjaulah dari teori yang relevan dengan permasalahan yang dihadapi.

Contoh:

No	Deskriptif	Prediktif	Preskriptif
1	Data penjualan perbulan (kriteria: penjualan paling tinggi ke paling rendah) –         Tanggal order (bulan dan tahun) –         Jumlah pesanan –         Kantor cabang –         Kantor cabang negara	Prediksi penjualan di bulan setelahnya	Saran penambahan stok barang
2	Data penjualan jenis mobil yang paling laris 1 tahun terakhir –         Tanggal order (bulan dan tahun) –         Nama produk –         Kategori produk –         Jumlah pesanan	Prediksi produk dan kategori mobil yang akan menguasai pasar di tahun depan	Saran penambahan produksi dengan produk dan kategori yang sama/membuat produk baru yang memiliki kualitas, fitur, dan kegunaan sama dengan produk yang laris
3	Data keuntungan tahun terakhir di setiap cabang –         Tanggal order (bulan dan tahun) –         Harga beli –         Harga dijual –         Keuntungan	Prediksi kantor cabang yang memberikan keuntungan tahun yang akan datang	Penentuan target penjualan sesuai dengan hasil laporan keuntungan

 

Perhatikn tabel di atas, bagian kolom prediktif dan preskriptif merupakan contoh dari interpretasi data yang dilakukan dari hasil analisis data pada bagian kolom deskriptif. Dengan kata lain, analisis prediktif dan preskriptif merupakan penemuan makna dari analisis deskriptif.

1. Publikasi Data

Publikasi data merupakan kegiatan menyampaikan informasi dari hasil analisis, visualisasi, dan interpretasi data kepada orang lain.

Contoh: melalui presentasi, penyampaian informasi melalui web, infografis, dsb.

Macam-macam diagram

Terdapat beberapa jenis diagram yang biasa digunakan, diantaranya sebagai berikut :

1. Diagram Lingkaran (Pie)

• Merupakan penyajian data yang memperlihatkan persentase atau derajar (sudut).
• Kelebihan : menghemat space, dapat memperlihatkan perbandingan masing-masing ukuran data
• Kekurangan : tidak memperlihatkan ukuran data atau frekuensi masing-masing data
  2. Diagram Batang
• Merupakan bentuk penyajian data yang bersifat kronologis
• Kelebihan : bentuknya memudahkan orang untuk memahaminya secara langsung, mudah dalam membandingkan statistic, mudah untuk mengetahui nilai statistic pada suatu kurun waktu
• Kekurangan : hanya menampilkan nilai total atau rata-rata, tidak menampilkan datum.
  3. Diagram Garis
• Digunakan untuk menyajikan data yang berkesinambungan, seperti suhu badan pasien, curah hujan per bulan, tinggi permukaan air laut, dll.

 

• Conditional Formatting

Fitur ini terdapat pada menu Home grup Styles, berikut ini penjelasan tentang ikon-ikon pada Conditional Formatting:

No	Ikon	Nama	Kegunaan
1		Conditional Formatting	melakukan format dengan kondisi tertentu
2		Highlight Cells Rules	memberikan format khusus berdasarkan aturan/rules yang ditentukan
3		Top/Bottom Rules	memberikan format khusus kepada beberapa data yang mendekati atau memenuhi aturan yang ditentukan
4		Data bars	memberikan visualisasi dalam bentuk batang pada sel. Semakin panjang batang yang ditampilkan, semakin data mendekati rules yang ditentukan
5		Color Scales	memberikan format sel berupa fill warna sesuai pemenuhan aturan data
6		Icon Sets	memberikan format sel berupa ikon tambahan pada sel berdasarkan pemenuhan aturan data

 

• Chart

Fitur ini terdapat pada menu Insert grup Charts, pada dasarnya chart  digunakan untuk membuat grafik dari data yang diseleksi. Ada beberapa tipe grafik yang disediakan oleh Ms. Excel, berikut ini penjelasan tentang tipe-tipe grafik tersebut:

No	Ikon	Nama	Kegunaan
1		Recommended Charts	menyisipkan grafik data sesuai dengan rekomendasi excel
2		Insert Column or Bar Chart	menyisipkan grafik yang menggambarkan tentang perbandingan nilai dengan kategori
3		Insert Hierarchy Chart	menyisipkan grafik yang digunakan untuk membandingkan bagian dari keseluruhan data hirarki secara terstruktur
4		Insert Waterfall or Stock Chart	menyisipkan grafik untuk laporan keuangan dan data penjualan
5		Insert Line or Area Chart	menyisipkan grafik untuk menampilkan data dari waktu ke waktu dari beberapa kategori
6		Insert a Statistic Chart	menyisipkan grafik untuk menampilkan analisis data statistik
7		Insert Combo Chart	menyisipkan grafik yang digunakan untuk menandai data-data yang memiliki perbedaan jenis (untuk data yang besar dan gabungan data)
8		Insert Pie or Doughnut Chart	menyisipkan grafik yang digunakan untuk menampilkan kontribusi antara suatu nilai dengan nilai total (digunakan jika total data 100%)
9		Insert Scatter (X, Y) or Bubble Chart	menyisipkan grafik yang digunakan untuk menampilkan hubungan antar nilai dari beberapa waktu
10		Insert Surface or Radar Chart	menyisipkan grafik 2 dimensi dan radar
11		PivotChart	menyisipkan grafik untuk rekapitulasi data dan digunakan untuk merepresentasikan data yang rumit

 

• Sparklines

Fitur ini terdapat pada menu Insert grup Sparklines. Sparklines berfungsi untuk menampilkan data dalam bentuk grafik yang sederhana. Sparklines digunakan dalam penyajian data dalam bentuk Dashboard biasanya digunakan sebagai alat untuk menampilkan fluktuasi atau pergerakan suatu data. Berikut ini penjelasan tentang ikon-ikon pada Sparklines:

No	Ikon	Nama	Kegunaan
1		Line	menyisipkan grafik bentuk garis dalam ukuran kecil yang terletak dalam sel untuk merepresentasikan baris data yang diseleksi
2		Column	menyisipkan grafik bentuk kolom (diagram batang) dalam ukuran kecil yang terletak dalam sel untuk merepresentasikan baris data yang diseleksi
3		Win/loss	menyisipkan grafik dalam ukuran kecil untuk tipe data number dengan nilai positif dan negatif yang terletak dalam sel untuk merepresentasikan baris data yang diseleksi

 

1. Glosarium

Kata	Keterangan
Data	suatu kumpulan yang terdiri dari fakta-fakta untuk memberikan gambaran yang luas terkait dengan suatu keadaan
Informasi	data yang sudah diolah menjadi bentuk yang bernilai atau bermakna
Analisis Data	proses mengecek, membersihkan, dan membuat pemodelan data dengan tujuan menemukan informasi yang bermanfaat, sehingga dapat digunakan sebagai rujukan dalam membuat sebuah keputusan
Visualisasi Data	proses menampilkan data dalam bentuk yang lebih sederhana sehingga dapat mempermudah orang awam untuk membaca sebuah informasi.
Interpretasi Data	suatu kegiatan yang menggabungkan hasil analisis dengan pernyataan, kriteria, atau standar tertentu untuk menemukan makna dari data yang dikumpulkan untuk menjawab permasalahan pembelajaran yang sedang diperbaik suatu kegiatan yang menggabungkan hasil analisis dengan pernyataan, kriteria, atau standar tertentu untuk menemukan makna dari data yang dikumpulkan untuk menjawab permasalahan pembelajaran yang sedang diperbaiki kegiatan menggabungkan hasil analisis dengan kriteria tertentu untuk menemukan makna dari data yang telah diperoleh.
Publikasi Data	kegiatan menyampaikan informasi dari hasil analisis, visualisasi, data interpretasi data kepada orang lain.