Data Wrangling: Apa Itu dan Kenapa Makan 70% Waktu Analis

Data wrangling adalah proses ngubah data mentah yang berantakan jadi data rapi yang siap dianalisis: mulai dari benerin format tanggal, buang baris duplikat, sampai gabungin data dari beberapa sumber.

Ini kerjaan yang nggak pernah muncul di portfolio orang, tapi makan porsi paling besar dari hari kerja seorang analis. Survei industri berkali-kali nemu angkanya di kisaran 60-80%.

Aku bahas di sini apa aja yang termasuk data wrangling, kenapa porsinya sebesar itu, dan cara mangkasnya, pakai contoh data UMKM yang beneran berantakan.

Apa itu data wrangling?

Data wrangling adalah semua kerjaan yang kamu lakuin ke data sebelum kamu bisa nanya sesuatu ke data itu. Kalau data kamu masih berupa 12 file Excel dari 6 cabang dengan nama kolom yang beda-beda, kamu belum bisa analisis apa-apa. Kerjaan nyatuinnya. Itu wrangling.

Isinya biasanya lima hal:

1. Discovery: lihat isi datanya, cari tau apa yang rusak.
2. Structuring: ngubah bentuk tabel. Dari data yang melebar (satu kolom per bulan) jadi memanjang (satu baris per bulan), misalnya.
3. Cleaning: benerin typo, buang duplikat, isi atau hapus nilai kosong.
4. Enriching: nambah kolom turunan atau gabungin sama sumber lain.
5. Validating: cek hasilnya masuk akal, terus simpan.

Istilah lain yang sering kepakai: data munging, data prep, data cleaning. Beda-beda tipis. Cek juga ETL di glossary buat versi otomatisnya.

Kenapa data wrangling makan 70% waktu analis?

Bukan karena kerjaannya susah. Karena kerjaannya nggak pernah selesai.

Empat penyebab utama yang aku lihat di lapangan:

1. Data dikumpulin sama manusia yang buru-buru

Kasir di cabang Depok ngetik "Depok". Kasir baru di shift malam ngetik "depok". Yang di Bekasi ngetik "Bekasi " pakai spasi di belakang. Buat database, itu tiga cabang berbeda.

2. Setiap sumber punya aturannya sendiri

Sistem POS ngeluarin tanggal format 2026-05-12. Export dari Excel keluarnya 12/05/2026. Data dari marketplace formatnya 12 Mei 2026. Tiga sumber, tiga format, satu kolom.

3. Angka nyimpen diri sebagai teks

"Rp 68.000" itu teks, bukan angka. Begitu juga "1.250" yang di-copy dari PDF. Kamu nggak bisa nge-SUM teks. Ini penyebab nomor satu dari error "invalid input syntax" yang bikin orang stres.

4. Nggak ada yang nyimpen langkah pembersihannya

Ini yang paling mahal. Analis bersihin data manual di Excel, bikin report, kirim. Bulan depan data baru datang. Bersihin lagi dari nol. Empat jam, tiap bulan, selamanya.

Tiga penyebab pertama itu masalah data. Penyebab keempat itu masalah proses, dan itu yang paling gampang dibenerin.

Contoh kasus: data penjualan toko_berkah yang berantakan

Toko Berkah kirim export penjualan Mei 2026: 8.412 baris dari 6 cabang. Sebelum bisa dipakai, ini yang aku temuin waktu discovery.

Query pertama yang selalu aku jalanin di data baru:

SELECT
  COUNT(*) AS total_baris,
  COUNT(*) - COUNT(tanggal) AS tanggal_kosong,
  COUNT(DISTINCT cabang) AS variasi_nama_cabang,
  SUM(CASE WHEN qty <= 0 THEN 1 ELSE 0 END) AS qty_aneh
FROM penjualan_mentah;

Hasilnya bikin kaget:

Yang dicek	Hasil	Harusnya
Total baris	8.412	-
Tanggal kosong	47	0
Variasi nama cabang	19	6
Qty nol atau minus	112	0
id_transaksi duplikat	203	0

Angka "19 variasi nama cabang" itu yang paling menarik. Cuma ada 6 cabang beneran. Sisanya kombinasi huruf besar-kecil, spasi ekstra, dan typo ("Tanggerang" pakai dua G).

Kalau kamu langsung nge-GROUP BY tanpa sadar ini, laporan kamu bakal nunjukin 19 cabang. Omzet Depok kepecah jadi tiga baris.

Cara ngerapiinnya:

SELECT
  TRIM(INITCAP(LOWER(cabang))) AS cabang_bersih,
  COUNT(*) AS jumlah_baris
FROM penjualan_mentah
GROUP BY TRIM(INITCAP(LOWER(cabang)))
ORDER BY jumlah_baris DESC;

Ini nyelesain 13 dari 19 variasi. Sisanya typo beneran, dan itu harus dipetain manual sekali, terus disimpan sebagai tabel mapping biar bulan depan nggak ngulang.

Buat duplikat, DISTINCT ON di PostgreSQL nyimpen baris terbaru per transaksi:

SELECT DISTINCT ON (id_transaksi) *
FROM penjualan_mentah
ORDER BY id_transaksi, diinput_pada DESC;

Total waktu bersihin dari nol: sekitar 3 jam. Setelah semua langkahnya jadi satu file SQL, bulan berikutnya cuma 4 menit: jalanin skrip, cek hasilnya masuk akal, selesai.

Itu bedanya wrangling manual sama wrangling yang kecatat.

Gimana cara mangkas waktu data wrangling?

Tiga langkah, urut dari yang paling berdampak:

1. Benerin di sumbernya

Nama cabang harusnya dropdown, bukan kolom teks bebas. Tanggal harusnya date picker. Satu perubahan di form input bisa ngilangin 3 jam pembersihan per bulan, selamanya.

Ini kerjaan yang paling sering dilewatin analis, soalnya rasanya "bukan kerjaan aku". Padahal ini yang paling nghemat waktu kamu sendiri.

2. Jadiin skrip, jangan klik-klik

Setiap langkah pembersihan yang kamu lakuin manual, tulis sebagai SQL atau Python. Bukan biar keliatan canggih, biar bulan depan kamu nggak ngulang, dan biar orang lain bisa lihat apa yang kamu ubah.

Aturan praktisnya: kalau kamu bakal ngelakuin ini lebih dari dua kali, bikin skrip.

3. Satu tabel bersih buat semua orang

Kalau tiga analis di kantor kamu masing-masing bersihin data yang sama dengan caranya sendiri, kalian bakal punya tiga angka omzet yang beda. Bikin satu tabel bersih hasil wrangling, taruh di database, semua orang ambil dari situ.

Kesalahan umum waktu data wrangling

• Hapus baris yang ada nilai kosong tanpa mikir. Kalau 47 baris tanggalnya kosong, cari tau kenapa dulu. Bisa jadi itu retur yang emang nggak punya tanggal jual.
• Ngubah data mentah langsung. Jangan pernah timpa file asli. Simpan mentahnya, bikin tabel bersih terpisah. Kalau salah, kamu bisa balik.
• Nggak nyatet asumsi. Kamu mutusin "Tanggerang" = "Tangerang". Tulis di komentar skrip. Enam bulan lagi kamu nggak inget.
• Bersihin sambil analisis. Pisahin dua tahap ini. Kalau kecampur, kamu nggak akan bisa jelasin dari mana angka akhirnya datang.
• Percaya data yang keliatan rapi. Data yang keliatan bersih justru sering nyimpen masalah paling halus, kayak angka yang formatnya teks.

FAQ

Apa bedanya data wrangling, data cleaning, dan ETL?

Data cleaning itu bagian dari data wrangling: fokusnya benerin nilai yang salah, kosong, atau duplikat. Data wrangling lebih luas: termasuk ngubah bentuk tabel, gabungin sumber, dan bikin kolom turunan. ETL istilah engineering buat pipeline otomatis yang jalan terjadwal. Wrangling biasanya eksploratif dan manual dulu, baru dijadiin ETL kalau kepakai berulang.

Tool apa yang paling bagus buat data wrangling?

Tergantung ukuran data. Di bawah 100 ribu baris, Excel atau Google Sheets plus Power Query masih nyaman. Di atas itu, pakai SQL langsung di database, atau Python dengan pandas. Buat data yang sumbernya banyak dan harus jalan rutin, pakai dbt atau tool ETL. Yang penting bukan tool-nya, tapi langkahnya kecatat dan bisa diulang.

Beneran 70% waktu analis habis buat data wrangling?

Angkanya bervariasi antara 60-80% tergantung survei dan kematangan data di perusahaan. Yang konsisten: bagian terbesar waktu analis bukan bikin model atau chart, tapi ngerapiin data. Di perusahaan yang data warehouse-nya rapi, angka ini bisa turun ke 30-40%. Di UMKM yang datanya masih di spreadsheet, bisa lebih dari 80%.

Gimana cara ngurangin waktu data wrangling?

Tiga langkah paling berdampak. Satu, benerin di sumbernya, pakai dropdown dan validasi input di form, jangan biarin orang ngetik nama cabang bebas. Dua, jadiin skrip semua langkah pembersihan, jangan klik-klik manual. Tiga, bikin satu tabel bersih yang dipakai bareng-bareng, jangan tiap orang bersihin versinya sendiri.

Data wrangling itu skill yang dicari perusahaan nggak?

Iya, dan sering jadi pembeda di interview. Banyak kandidat bisa nulis query di data yang udah rapi. Yang lebih jarang: bisa lihat data mentah berantakan, nyebut masalahnya satu per satu, dan nyusun rencana bersihinnya. Kalau kamu bisa jelasin gimana cara nangani tanggal yang formatnya campur dan nama yang typo, kamu udah di atas rata-rata.

Penutup

Ringkasannya:

• Data wrangling itu 60-80% kerjaan analis, dan itu normal. Bukan tanda kamu lambat.
• Yang bikin lama bukan pembersihannya, tapi ngulang pembersihan yang sama tiap bulan. Jadiin skrip.
• Sebelum analisis apa pun, jalanin query pengecekan: berapa nilai kosong, berapa variasi nama, berapa duplikat.

Skill dasarnya SQL. Latihan fungsi pembersih teks di TRIM dan COALESCE, atau baca definisi data cleaning di glossary. Buat referensi fungsi teks yang lengkap, dokumentasi PostgreSQL string functions paling enak dipakai.

Lanjut baca: Belajar SQL Pakai AI dan Pivot Table Google Sheets.