TL;DR
Data Analysis ToolPak adalah add-in bawaan Excel yang isinya 19 alat statistik siap pakai, dari statistik deskriptif sampai regresi dan uji t. Aktifin lewat File, Options, Add-ins, pilih Excel Add-ins, klik Go, lalu centang Analysis ToolPak. Setelah aktif, tombol Data Analysis muncul di ujung kanan tab Data. Hasil keluarannya statis, jadi harus dijalanin ulang tiap kali datanya berubah.
Data Analysis ToolPak adalah add-in bawaan Excel yang isinya 19 alat statistik siap pakai, dari statistik deskriptif sampai regresi dan uji beda rata-rata.
Add-in ini udah ikut terpasang di Excel kamu. Cuma belum dinyalain, dan itu sebabnya banyak orang gak tahu dia ada.
Di sini aku tunjukin cara ngaktifin, alat mana yang paling kepakai, dan cara baca hasilnya tanpa perlu kuliah statistik dulu.
Data Analysis ToolPak adalah add-in resmi Microsoft yang nambahin alat analisis statistik ke Excel lewat satu tombol di tab Data. Kamu pilih alatnya, tunjuk range data, tentuin tempat keluaran, lalu Excel nulis hasil lengkapnya sebagai tabel. Semua perhitungan yang biasanya butuh belasan rumus jadi selesai dalam satu kotak dialog.
Bedanya sama rumus biasa ada di satu hal penting. Keluaran ToolPak itu nilai statis, bukan rumus.
Kalau data sumbernya kamu edit, hasilnya gak ikut berubah. Kamu harus jalanin ulang.
Aktivasi cuma butuh lima klik dan gak perlu unduh apa pun. Add-in-nya udah ada di komputer kamu sejak Excel dipasang, tinggal dicentang.
Di Excel untuk Windows:
Di Excel untuk Mac: buka menu Tools, pilih Excel Add-ins, centang Analysis ToolPak, klik OK.
Tombol Data Analysis muncul di ujung kanan tab Data, dalam grup bernama Analysis.
Kalau kamu juga butuh alat pemecah masalah optimasi, centang sekalian Solver Add-in yang ada tepat di bawahnya. Panduan resminya ada di halaman dukungan Microsoft.
Ada 19 alat, tapi buat kerjaan analisis bisnis harian yang beneran kepakai cuma sekitar enam. Aku kelompokkan biar kamu gampang milih.
| Kelompok | Alat | Dipakai buat |
|---|---|---|
| Ringkasan | Descriptive Statistics | Rata-rata, median, simpangan baku, kemiringan sebaran sekaligus |
| Ringkasan | Histogram | Lihat bentuk sebaran data |
| Ringkasan | Rank and Percentile | Urutan peringkat dan persentil tiap nilai |
| Hubungan | Correlation | Kekuatan hubungan antar beberapa kolom sekaligus |
| Hubungan | Covariance | Arah gerak bersama antar variabel |
| Hubungan | Regression | Pengaruh beberapa variabel terhadap satu hasil |
| Uji beda | t-Test: Two-Sample Assuming Unequal Variances | Bandingin rata-rata dua kelompok berbeda |
| Uji beda | t-Test: Paired Two Sample for Means | Bandingin sebelum dan sesudah pada objek yang sama |
| Uji beda | t-Test: Two-Sample Assuming Equal Variances | Sama, tapi kalau ragam dua kelompok dianggap sama |
| Uji beda | z-Test: Two Sample for Means | Uji beda saat ragam populasi udah diketahui |
| Uji beda | F-Test Two-Sample for Variances | Cek apakah ragam dua kelompok beda |
| Uji beda | Anova: Single Factor | Bandingin rata-rata tiga kelompok atau lebih |
| Uji beda | Anova: Two-Factor With Replication | Dua faktor sekaligus dengan pengulangan |
| Uji beda | Anova: Two-Factor Without Replication | Dua faktor tanpa pengulangan |
| Deret waktu | Moving Average | Rata-rata bergerak buat ngeliat tren |
| Deret waktu | Exponential Smoothing | Penghalusan dengan bobot menurun |
| Deret waktu | Fourier Analysis | Analisis pola berulang dalam sinyal |
| Sampling | Random Number Generation | Bikin angka acak dengan sebaran tertentu |
| Sampling | Sampling | Ambil sampel acak atau berkala dari data |
Ini alat yang paling sering aku pakai pertama kali waktu ketemu data baru. Satu klik ngasih 14 angka ringkasan sekaligus, termasuk yang susah dihitung manual kayak kemiringan sebaran.
Hasilnya kayak gini, dari kolom nilai transaksi harian toko_berkah:
| Ukuran | Nilai | Artinya |
|---|---|---|
| Mean | 612.400 | Rata-rata nilai per struk |
| Median | 184.000 | Nilai tengah, setengah struk di bawah ini |
| Standard Deviation | 1.847.200 | Sebaran nilai, makin besar makin bervariasi |
| Skewness | 4,82 | Sebaran miring ke kanan, ada ekor nilai besar |
| Range | 28.940.000 | Selisih terbesar dan terkecil |
| Count | 11.407 | Jumlah transaksi |
Selisih rata-rata Rp 612.400 lawan median Rp 184.000 itu sinyal paling penting di tabel ini. Jarak sejauh itu berarti ada sekelompok transaksi besar yang narik rata-rata naik.
Kalau kamu cuma lihat angka AVERAGE tanpa MEDIAN, kamu bakal salah bayangin pelanggan tipikal toko ini.
Regresi ngukur seberapa besar pengaruh satu atau beberapa variabel terhadap satu hasil, dan seberapa yakin kita pengaruh itu nyata. Di ToolPak, kamu cuma perlu nunjuk satu kolom hasil dan satu blok kolom penjelas yang letaknya bersebelahan.
Keluarannya tiga blok. Yang perlu kamu lihat cuma empat angka.
| Angka | Letak | Cara baca |
|---|---|---|
| R Square | Blok atas | Berapa bagian naik turunnya Y yang kejelasin model. 0,64 artinya 64 persen |
| Significance F | Blok ANOVA | Di bawah 0,05 artinya modelnya secara keseluruhan berarti |
| Coefficients | Blok bawah | Tiap tambahan 1 satuan X bikin Y berubah sebanyak angka ini |
| P-value | Blok bawah | Di bawah 0,05 artinya variabel itu berpengaruh nyata |
Istilah regression di glossary ngasih penjelasan konsepnya kalau kamu baru pertama ketemu.
Dari dataset ngulikdata, aku pakai 421 hari operasional toko_berkah. Kolom hasilnya total penjualan harian, kolom penjelasnya tiga: jumlah SKU yang lagi promo, penanda hari Sabtu (1 atau 0), dan penanda tanggal 25 sampai akhir bulan sebagai musim gajian.
Hasil regresinya:
| Variabel | Coefficient | P-value | Kesimpulan |
|---|---|---|---|
| Intercept | 6.240.000 | 0,000 | Penjualan dasar hari biasa |
| Jumlah SKU promo | 84.500 | 0,004 | Tiap tambahan 1 SKU promo nambah sekitar Rp 84.500 |
| Hari Sabtu | 2.410.000 | 0,000 | Sabtu nambah sekitar Rp 2,41 juta |
| Musim gajian | 318.000 | 0,187 | Gak terbukti berpengaruh |
R Square-nya 0,64. Artinya tiga variabel ini kejelasin 64 persen naik turunnya penjualan harian, dan 36 persen sisanya datang dari hal lain.
Temuan yang paling mengejutkan pemilik toko: musim gajian p-value-nya 0,187, jauh di atas 0,05. Selama ini dia nambah stok tiap tanggal 25 karena yakin ada lonjakan.
Efek hari Sabtu 7,6 kali lebih besar dari efek yang dia kira paling penting. Setelah angka ini keluar, tambahan stok digeser dari akhir bulan ke Jumat sore.
Satu catatan jujur: angka 0,187 gak membuktikan musim gajian gak berpengaruh sama sekali. Dia cuma bilang dari 421 hari ini, buktinya belum cukup kuat.
Uji t jawab satu pertanyaan: selisih rata-rata dua kelompok ini nyata atau cuma kebetulan. Dipakai waktu kamu mau tahu apakah promo, ganti tata letak, atau ganti jam buka beneran ngubah angka.
Contoh dari toko_berkah, bandingin nilai rata-rata struk 90 hari sebelum program bundling dan 90 hari sesudahnya:
| Ukuran | Sebelum | Sesudah |
|---|---|---|
| Mean | 168.200 | 191.400 |
| Observations | 90 | 90 |
| P(T<=t) two-tail | 0,013 | |
P-value 0,013 di bawah 0,05, jadi selisih Rp 23.200 itu layak dianggap nyata.
Tapi hati-hati satu hal. Uji ini gak tahu apakah penyebabnya program bundling atau hal lain yang kebetulan terjadi di periode yang sama. Buat klaim sebab akibat, kamu butuh kelompok pembanding kayak di A/B testing.
Ngarep hasilnya ikut berubah. Keluaran ToolPak itu nilai mati. Edit datanya, jalanin ulang alatnya. Kalau kamu butuh hasil hidup, pakai fungsi rumus kayak CORREL atau T.TEST.
Kolom X regresi gak bersebelahan. Alat Regression minta seluruh variabel penjelas dalam satu blok yang nyambung. Salin dulu kolomnya jadi berdampingan sebelum jalanin.
Baris kosong di tengah data. Sel kosong bikin hitungan meleset atau error. Bersihin dulu, atau saring baris kosongnya keluar.
Baca R Square tinggi sebagai bukti sebab akibat. R Square 0,9 cuma bilang model cocok sama datanya. Dia gak bilang X yang nyebabin Y.
Lupa centang Labels. Kalau baris judul ikut masuk range tapi kotak Labels gak dicentang, Excel bakal nganggap teks judul sebagai data dan hasilnya error.
Pakai uji t buat data yang sebarannya miring parah. Nilai transaksi ritel biasanya miring ke kanan. Buat data kayak gini, bandingin median lebih jujur, atau ubah dulu datanya jadi log.
Nyimpan hasil di sheet yang sama lalu ketimpa. Pilih New Worksheet Ply biar tiap jalan punya sheet sendiri dan gampang dibandingin.
Add-in-nya belum diaktifkan. Buka File, pilih Options, klik Add-ins, di kotak Manage pilih Excel Add-ins lalu klik Go, centang Analysis ToolPak, klik OK. Tombolnya muncul di ujung kanan tab Data dalam grup Analysis. Di Excel untuk Mac, jalurnya lewat menu Tools lalu Excel Add-ins.
Karena keluarannya berupa nilai statis, bukan rumus yang terhubung ke data sumber. Kamu harus jalanin ulang alatnya setiap kali data berubah. Kalau kamu butuh hasil yang ikut berubah otomatis, pakai fungsi rumus kayak CORREL, LINEST, atau T.TEST yang hitung ulang sendiri tiap ada perubahan sel.
P-value adalah peluang munculnya hasil sekuat itu kalau sebenarnya gak ada pengaruh sama sekali. Nilai di bawah 0,05 biasanya dianggap cukup buat bilang pengaruhnya nyata, bukan kebetulan. Nilai 0,32 artinya pola yang kamu lihat gampang muncul dari keacakan biasa. Ambang 0,05 itu kesepakatan, bukan hukum alam.
Alat Regression di ToolPak menerima maksimal 16 variabel bebas dalam satu jalan. Kalau modelmu butuh lebih, pakai fungsi LINEST yang batasnya lebih longgar, atau pindah ke Python maupun R. Untuk analisis bisnis harian, 16 hampir selalu lebih dari cukup dan model dengan variabel sebanyak itu biasanya susah dijelaskan ke tim.
Ada di Excel untuk Windows dan Mac versi desktop, termasuk Microsoft 365 dan versi sekali beli kayak Excel 2019 dan 2021. Yang gak punya cuma Excel di browser dan Excel di ponsel. Google Sheets juga gak punya add-in ini, tapi punya alat pengganti dari pihak ketiga dan fungsi statistik bawaan yang mirip.
Tiga hal yang perlu kamu bawa.
Aktifin ToolPak sekarang, prosesnya lima klik dan add-in-nya udah ada di komputermu. Tombolnya nongol di ujung kanan tab Data.
Mulai dari Descriptive Statistics tiap kali ketemu data baru. Selisih antara rata-rata dan median sering langsung ngasih tahu bentuk masalahnya.
Baca p-value sebelum percaya sama koefisien. Angka besar dengan p-value 0,19 lebih baik kamu abaikan dulu.
Coba jalanin Descriptive Statistics di kolom penjualan bulan lalu sore ini. Butuh dua menit, dan angka skewness-nya biasanya bikin kamu lihat data itu dengan cara berbeda.
Kalau kamu masih ngerapikan dasar-dasarnya dulu, pengertian Microsoft Excel nutup konsep sel dan rumusnya. Dan buat data penjualan berurut waktu, dekomposisi time series ngasih cara misahin tren dari pola musiman sebelum kamu masukin ke regresi. Sebaran datanya sendiri bisa kamu cek cepat pakai STDEV.S.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Punya ratusan angka dan mau tau sebarannya masuk ke rentang mana aja? FREQUENCY ngitung distribusi frekuensi sekali jalan, tanpa nulis COUNTIFS berkali-kali.
SUMIFS ribet kalau kriterianya banyak dan sering ganti. Rumus database Excel kayak DSUM baca kriteria dari sel terpisah, jadi kamu tinggal ubah tabel kecil tanpa nyentuh rumus.
DATEDIF ngasih umur bulat, tapi kadang kamu butuh angka desimal kayak 27,6 tahun buat hitung masa kerja atau bunga. YEARFRAC ngasih pecahan tahun dengan presisi.