Kamu Nggak Perlu Jago Matematika buat Jadi Analis Data

Matematika yang dipakai analis data tiap hari berhenti di aritmatika: persentase, rasio, rata-rata, median, dan pembacaan sebaran. Kalkulus dan aljabar linear nggak muncul di kerjaan harian.

Aku nulis ini karena pertanyaan "aku lemah matematika, masih bisa nggak?" muncul terus di kolom komentar. Jawabannya bisa, dan alasannya bukan motivasi kosong.

Di bawah ini daftar hitungan yang beneran kepakai, kapan statistik lanjut baru dibutuhkan, dan satu contoh keputusan bisnis yang selesai cuma pakai empat operasi hitung.

Matematika apa yang beneran dipakai analis data?

Enam hal ini nutup mayoritas hitungan di pekerjaan analis harian.

Hitungan	Dipakai buat	Contoh
Persentase dan perubahan persen	Bandingkan periode	Omzet naik 12,4% dari bulan lalu
Rasio	Ukur efisiensi	Biaya iklan per pesanan Rp 18.700
Rata-rata dan median	Ringkas satu kolom angka	Nilai belanja per pelanggan
Sebaran dan persentil	Tau seberapa lebar variasinya	90% pesanan selesai di bawah 4 hari
Bobot dan kontribusi	Tau bagian mana yang paling nyumbang	Kategori snack nyumbang 41% omzet
Pertumbuhan majemuk sederhana	Proyeksi kasar	Naik 3% per bulan selama 6 bulan

Semuanya bisa dikerjain di spreadsheet. Fungsi yang paling sering aku pakai cuma AVERAGE, MEDIAN, dan sesekali STDEV.S.

Kenapa banyak orang ngira harus jago kalkulus?

Karena silabus kursus data sering nyampur dua profesi yang beda. Data scientist yang bikin model prediksi memang butuh aljabar linear dan turunan. Data analyst yang ngerjain laporan penjualan nggak.

Iklan bootcamp juga suka nampilin rumus panjang di halaman depan. Itu bikin orang ngerasa harus lolos ujian matematika dulu sebelum boleh nyentuh data.

Dari yang aku lihat di forum lowongan, deskripsi kerja analis data di perusahaan Indonesia paling sering minta tiga hal: SQL, spreadsheet, dan kemampuan bikin laporan yang kebaca. Statistik biasanya ditulis di baris "nilai tambah".

Kapan matematika lanjut baru kepakai?

Ada tiga situasi. Di luar ini, aritmatika cukup.

1. Uji A/B. Kamu perlu ngerti p-value, ukuran sampel, dan kenapa hasil beda 2% di sampel 50 orang nggak berarti apa-apa. Baca dulu penjelasan A/B testing sebelum ngerjain yang pertama.
2. Model prediksi. Waktu kamu mulai pakai regression buat prakiraan permintaan, kamu perlu ngerti asumsi dan cara baca koefisiennya. Rumusnya tetap dihitung software.
3. Deteksi anomali. Ngukur seberapa jauh satu titik dari kebiasaan butuh pemahaman sebaran dan outlier. Ini bagian statistik yang paling cepat balik modal buat analis.

Perhatiin polanya. Yang kamu butuhkan di ketiga situasi itu pemahaman kapan boleh pakai, bukan kemampuan nurunin rumusnya di kertas.

Contoh kasus: satu keputusan diskon, empat operasi hitung

Pemilik toko_berkah mau kasih diskon 15% buat ngedongkrak penjualan. Pertanyaannya sederhana: layak nggak?

Data yang ada: margin kotor rata-rata 28%, omzet bulan lalu Rp 61.400.000, jumlah transaksi 471.

Hitungannya begini.

Laba kotor sekarang  = 61.400.000 x 28%       = Rp 17.192.000
Margin setelah diskon = 28% - 15%              = 13%
Omzet impas          = 17.192.000 / 13%       = Rp 132.246.000
Kenaikan yang dibutuhkan = 132.246.000 / 61.400.000 = 2,15 kali

Artinya penjualan harus naik 115% cuma buat balik ke laba kotor yang sama. Bukan naik 15%, bukan naik 30%.

Empat operasi hitung, semuanya perkalian dan pembagian. Nggak ada rumus statistik sama sekali. Tapi hasilnya nyelamatin toko itu dari kampanye yang bikin rugi.

Ada satu angka lain dari dataset yang sama yang menarik. Rata-rata belanja tahunan 1.240 pelanggan toko_berkah ada di Rp 412.000, sementara mediannya cuma Rp 168.000. Selisihnya jauh karena ada 14 pelanggan grosir yang belanjanya rata-rata Rp 22 juta setahun.

Kalau kamu nyusun target berdasarkan angka rata-rata itu, kamu bakal ngeset target yang 2,5 kali lebih tinggi dari kebiasaan pelanggan biasa. Kesalahan ini nggak butuh matematika tingkat lanjut buat dihindari. Cukup tau bedanya rata-rata dan median.

Kesalahan hitung yang paling sering kejadian

• Persentase dari basis kecil. Naik 300% dari 2 transaksi jadi 8 transaksi. Angkanya heboh, dampaknya nggak ada. Selalu tulis angka mutlaknya di sebelah persennya.
• Rata-rata dari rata-rata. Ngerata-ratain tingkat konversi 5 toko tanpa nimbang jumlah sesinya bikin hasilnya melenceng. Pakai total bagi total.
• Nyampur persen dan poin persen. Konversi naik dari 2% ke 3% itu naik 1 poin persen, atau naik 50%. Dua kalimat itu artinya beda jauh di rapat.
• Rata-rata di data yang miring. Kayak contoh pelanggan grosir tadi. Cek median dulu sebelum percaya rata-rata.
• Pembulatan yang numpuk. Bulatin tiap baris lalu dijumlahin bikin total meleset dari hitungan asli. Bulatkan cuma di tampilan akhir.

Gimana cara ngejar bagian matematika yang kamu rasa kurang?

1. Ambil data milikmu sendiri. Rekap belanja pribadi tiga bulan terakhir. Data yang kamu kenal bikin salah hitung langsung kerasa.
2. Latih persentase dulu selama seminggu. Hitung perubahan bulan ke bulan, kontribusi tiap kategori, dan rasio pengeluaran ke pemasukan.
3. Minggu kedua, bandingin rata-rata dan median. Cari satu kolom yang dua angkanya beda jauh, lalu cari tau kenapa.
4. Minggu ketiga, baca sebaran. Urutkan datanya, lihat nilai di posisi 10% terbawah dan 10% teratas. Ini persentil, dan cara mikirnya kepakai terus.
5. Baru sentuh statistik uji. Setelah tiga minggu itu, materi uji A/B jauh lebih gampang nyangkut.

Definisi resmi tiap fungsi statistik bisa kamu cek di dokumentasi Microsoft kalau kamu kerja di Excel.

Keterampilan yang lebih menentukan dari matematika

Dua hal ini yang dari pengalamanku paling sering jadi pembeda antara analis yang hasilnya dipakai dan yang laporannya cuma diarsipkan.

Pertama, ketelitian mendefinisikan angka. Apa itu pelanggan aktif, transaksi mana yang dihitung, periode mana yang dipakai. Cara nyimpan definisi ini rapi aku bahas di tulisan soal semantic layer.

Kedua, kemampuan menjelaskan. Angka yang benar tapi nggak kejelasin ke manajer sama nilainya dengan angka yang nggak pernah dihitung.

Kalau kamu mau latihan nyusun angka jadi cerita yang runut, struktur di tulisan metric tree bisa langsung kamu tiru.

FAQ

Apa aku perlu belajar kalkulus buat jadi data analyst?

Nggak buat pekerjaan analis harian. Kalkulus baru relevan kalau kamu masuk ke machine learning tingkat dalam dan mau ngerti cara kerja optimasi model dari dalam. Untuk posisi data analyst yang ngerjain laporan, dashboard, dan analisis penjualan, kamu nggak akan pernah nurunin fungsi seumur kerja.

Seberapa penting statistik untuk analis data pemula?

Cukup penting, tapi bagian yang dipakai lebih sempit dari yang kamu bayangkan. Kuasai dulu rata-rata, median, sebaran, persentil, dan cara baca outlier. Uji hipotesis dan interval kepercayaan baru dibutuhkan waktu kamu ngerjain uji A/B. Itu pun rumusnya dihitung tool, kamu tinggal ngerti syarat pakainya.

Aku lulusan bahasa, apa masih bisa masuk data?

Bisa, dan latar belakang bahasa itu keuntungan di bagian yang paling sering jadi titik lemah analis. Sebagian besar analisis gagal dipakai bukan karena hitungannya salah, tapi karena hasilnya nggak kejelasin ke orang yang harus ambil keputusan. Kamu masih perlu belajar SQL dan spreadsheet, tapi itu keterampilan yang bisa dilatih dalam hitungan bulan.

Kalau matematikaku lemah, mulai dari mana?

Mulai dari persentase dan rasio, dua hal yang muncul di hampir semua laporan. Latih dengan data nyata milik kamu sendiri, misalnya rekap belanja bulanan. Setelah itu pelajari beda rata-rata dan median, lalu cara baca sebaran. Tiga topik ini nutup mayoritas hitungan yang dipakai di kerjaan analis.

Apa tanda kemampuan matematikaku udah cukup?

Kalau kamu bisa lihat satu tabel penjualan dan langsung tau angka mana yang menyesatkan, kemampuanmu udah cukup buat mulai kerja. Contohnya sadar bahwa rata-rata ketarik segelintir pembeli besar, atau sadar kenaikan 200% terdengar heboh padahal basisnya cuma 3 transaksi. Kesadaran kayak gini lebih berharga dari hafalan rumus.

Penutup

Tiga poin yang layak kamu simpan. Pekerjaan analis harian jalan pakai persen, rasio, rata-rata, dan median. Statistik lanjut cuma muncul di tiga situasi khusus, dan rumusnya dihitung software. Kesalahan yang paling mahal, kayak contoh diskon 15% yang butuh kenaikan penjualan 115% tadi, ketahuan pakai kalkulator biasa.

Coba ambil satu laporan yang kamu punya minggu ini. Hitung mediannya di samping rata-rata, lihat selisihnya. Kalau jauh, kamu baru nemu cerita yang selama ini kelewat.

Mau mulai dari keterampilan yang paling sering diminta di lowongan? Kulik latihan SQL di NgulikSQL, gratis buat modul pertamanya.