Dimensi kualitas data yang mengukur seberapa lengkap data yang tersedia, yaitu seberapa sedikit nilai yang hilang (null, kosong, atau tidak diisi) dalam dataset.
Data Completeness adalah dimensi kualitas data yang mengukur proporsi data yang terisi dibandingkan dengan total yang seharusnya tersedia. Data yang tidak lengkap (memiliki nilai null atau missing) dapat menyebabkan analisis yang bias dan keputusan yang keliru.
Data bisa tidak lengkap karena berbagai alasan:
| Tipe | Deskripsi | Implikasi |
|---|---|---|
| MCAR (Missing Completely At Random) | Hilang secara acak, tidak ada pola | Bisa di-drop atau impute dengan aman |
| MAR (Missing At Random) | Hilang berdasarkan nilai kolom lain | Harus impute dengan mempertimbangkan kolom terkait |
| MNAR (Missing Not At Random) | Hilang karena nilai itu sendiri | Berbahaya - bisa menyebabkan bias sistematis |
Ukuran seberapa baik data memenuhi kebutuhan penggunaannya, mencakup enam dimensi utama: akurasi, kelengkapan, konsistensi, aktualitas, validitas, dan keunikan.
Dimensi kualitas data yang mengukur seberapa benar data merepresentasikan realita atau sumber kebenaran yang seharusnya, termasuk ketepatan nilai, format, dan konteks.
Udah paham Data Completeness? Lanjut latihan SQL dan Excel yuk!
Latihan interaktif, langsung di browser.