Oleh: Andieni Fauziah Rahmah, Lu’lu’ Mufidah Rahma Putri, Meildha Alfriyani Tarigan

Data merupakan salah satu komponen penting dalam sebuah penelitian. Tanpa adanya data, kita tidak bisa menganalisis dan menyimpulkan apapun sehingga tujuan dari penelitian tidak akan tercapai. Data yang telah kita peroleh pun juga harus diolah dengan baik agar dapat menghasilkan kesimpulan yang akurat. Oleh karena itu, penting bagi kita untuk mengetahui lebih jauh mengenai pengolahan data. Namun, sebelum itu terlebih dahulu kita harus mengetahui arti dari data itu sendiri. Beberapa ahli telah menjelaskan mengenai pengertian sebuah data. Seperti Vercellis (2009:6), menurutnya data adalah sebuah representasi fakta yang tersusun secara terstruktur. Sedangkan menurut Drs. Jhon J. Longkutoy (1996:69), data merupakan suatu istilah majemuk dari fakta yang mengandung arti yang dihubungkan dengan kenyataan, simbol, gambar, angka, huruf yang menunjukkan suatu ide, objek, kondisi, atau situasi lainnya. Jadi, apa itu pengolahan data? Pengolahan data merupakan proses mengubah data mentah menjadi informasi yang bermanfaat untuk mencapai tujuan yang telah direncanakan. Dalam pengertian lain, menurut Jogiyanto H.M. (2012), pengolahan data berarti manipulasi dari data ke dalam bentuk yang lebih berguna.

            Pengolahan data memiliki fungsi yang juga perlu untuk kita ketahui. Salah satu cara mengolah data yang dapat kita lakukan yaitu visualisasi data. Dengan mengubah data yang diperoleh menjadi bentuk grafik, gambar, tabel, atau sejenisnya bisa mempermudah kita dalam memahami data tersebut. Selain itu, pengolahan data dapat berfungsi sebagai sarana melakukan validasi data yang telah diperoleh. Kita dapat memastikan kembali apakah data tersebut adalah data yang valid dan kredibel sehingga informasi yang dihasilkan dapat dipercaya. Pengolahan data juga berfungsi untuk menganalisis data dan menggali informasi yang merupakan representasi dari data itu sendiri. Fungsi lain dari pengolahan data yaitu kita dapat menghapus data yang kurang atau tidak relevan dengan penelitian yang dilakukan sehingga data yang ada menjadi lebih rapi dan ringkas.

            Melihat fungsinya yang begitu banyak, dapat disimpulkan manfaat pengolahan data yang diperoleh dalam penelitian yang telah dilakukan. Manfaat dari pengolahan data yang dapat diperoleh tersebut diantaranya yang pertama adalah untuk mempermudah pengambilan keputusan. Manfaat ini diperoleh karena informasi yang dihasilkan oleh pengolahan data akan sangat berguna dalam pengambilan keputusan hasil riset. Pengolahan data yang sesuai juga akan melancarkan jalannya penelitian sehari-hari, karena keadaan dapat diketahui dengan cepat, dan pengambilan keputusan dapat dilakukan dengan tepat. Di samping itu, tepatnya informasi yang didapat akan membantu peneliti dalam membuat perencanaan selanjutnya serta membantu mengawasi kegiatan dan perlakuan dalam mencapai tujuan. Manfaat lain yang tidak kalah penting yaitu pengolahan data dapat menjawab dan memenuhi kebutuhan pihak luar seperti para pemberi dana, penanggungjawab, dan pemerintah, sebagai informasi tentang keadaan penelitian, tergantung dari tujuan mereka masing-masing.

            Guna memperoleh manfaat-manfaat di atas, peneliti perlu memenuhi beberapa tahapan. Hal ini dilakukan agar pengolahan data dapat berjalan dengan baik dan menghasilkan informasi yang sesuai. Tahapan-tahapan tersebut diantaranya:

1. Pengumpulan Data dan Identifikasi

            Tahap pertama yang harus dilakukan adalah pengumpulan data yang diperlukan. Karena hasil analisis sangat tergantung dari kualitas data yang digunakan, pengumpulan data harus dilakukan secara selektif. Data-data ini dapat dikumpulkan melalui sumber primer seperti observasi, survei, wawancara, dan sebagainya, maupun melalui sumber sekunder, seperti data dari lembaga pemerintah, laporan penelitian orang lain, dan lain sebagainya. Selain itu, pada tahap ini peneliti juga harus mengidentifikasi kesesuaian dataset dan item data yang akan diolah.

2. Penyaringan dan Input Data

            Penyaringan data merupakan proses memilih bagian data yang lebih kecil dari kumpulan data asli agar lebih mudah dianalisis. Tahap penyaringan data merupakan bagian yang krusial dalam pengolahan data. Pada tahap ini, data akan dipilah dan disaring, mana yang akan benar-benar digunakan sebagai input. Data ekstra yang tidak dapat digunakan atau tidak dapat diproses lebih lanjut akan dihapus sehingga proses pengolahan data menjadi efisien. Tahap ini juga disebut dengan tahap cleansing atau pembersihan data.

            Penyaringan data dapat digunakan dalam melihat hasil untuk jangka waktu tertentu, menghitung hasil untuk kelompok minat tertentu, mengecualikan pengamatan yang salah atau “buruk” dari analisis, serta melatih dan memvalidasi model statistik. Dalam tahap penyaringan, kita diharuskan untuk menentukan aturan atau logika untuk mengidentifikasi kasus yang ingin disertakan. Penyaringan juga dapat disebut sebagai data “subsetting”, atau data “drill-down”. Memfilter data melibatkan aturan untuk pengamatan yang diperlukan, memilih observasi yang sesuai dengan aturan, dan melakukan analisis hanya dengan menggunakan informasi yang terkandung dalam pengamatan yang dipilih.

            Penyaringan data juga akan menjawab kebutuhan dasar untuk sebagian besar penelitian yaitu memperoleh hasil untuk kelompok yang berbeda dalam data. Yang mana, dalam setiap kasus, aturan logis akan menentukan apakah setiap kasus dalam sampel dikecualikan atau disertakan. Terkadang penyaringan dilakukan secara implisit. Misalnya, dalam penelitian survei, kolom tab silang sesuai dengan kasus pemfilteran khusus, di mana hasil yang difilter dihitung secara terpisah untuk setiap kolom, dan hasilnya ditampilkan berdampingan.

            Seperti yang telah disinggung sebelumnya, salah satu alasan untuk memfilter data adalah untuk menghilangkan pengamatan yang mungkin mengandung kesalahan atau tidak diinginkan untuk dianalisis. Misalnya, Anda mungkin ingin menghapus responden yang tidak menyelesaikan survei, responden yang mengikuti survei dan memilih jawaban tanpa memperhatikan apa yang mereka jawab (“speeder”), atau kasus di mana data yang dimasukkan secara manual telah dimasukkan dengan kesalahan. Di bidang penelitian lain, terdapat teknik multivariat yang hanya dapat diterapkan untuk kasus di mana ada informasi lengkap untuk semua variabel yang diukur, dan filter dapat dibangun untuk menghilangkan kasus di mana beberapa pengamatan hilang.

            Setelah tujuan-tujuan di atas tercapai, penyaringan data akan dapat membantu memeriksa hasil dengan mengevaluasi kinerja algoritma dan model statistik. Pemeriksaan ini dilakukan dengan prinsip membagi sampel menjadi dua atau lebih kelompok, dan kemudian menerapkan analisis secara independen untuk setiap kelompok dan membandingkan hasilnya. Pemfilteran semacam ini akan memilih kasus dari data secara acak, daripada menggunakan beberapa aturan yang didasarkan pada data. Ini memastikan perbandingan yang valid dan sering disebut sebagai pelatihan, pengujian, dan validasi.

3. Pengolahan Data

            Tahap ini merupakan tahap ‘puncak’ dimana data akan diolah baik dengan cara elektronik, pengolahan data mekanik, sistem pemrosesan, atau cara pengolahan lainnya. Umumnya, pada tahap ini digunakan tools maupun software pengolahan data khusus guna meminimalisir human error, khususnya untuk data yang berukuran besar. Penggunaan tools ini juga akan mempengaruhi lama waktu pengolahan selain karena kompleksitas data dan volume data input. Namun, waktu tersebut dapat di efisiensi melalui dua langkah sebelumnya.

4. Output Data atau Hasil Pengolahan

            Data yang sudah diproses akan menghasilkan output pada langkah ini. Oleh karena itu, tahap ini menjadi tahap terakhir dalam siklus pengolahan data. Setelah output didapati, output ini akan ditafsirkan menjadi informasi berupa kalimat atau laporan yang berisi diagram dan grafik sehingga mudah dipahami orang lain. Output yang dihasilkan juga dapat disimpan dengan berbagai cara dan digunakan kembali sebagai input untuk pengolahan data selanjutnya. Salah satu cara penyimpanan yang umum dilakukan adalah pada sistem database atau data warehouse.

            Seperti yang kita ketahui pengolahan data sangat diperlukan dalam kehidupan sehari-hari.  Ketika menjalankan sebuah bisnis atau organisasi pasti memerlukan pengolahan data yang akurat. Dulu orang-orang akan melakukan pengolahan data secara manual, tetapi kini pengolahan data juga dapat dilakukan dengan menggunakan software dan bantuan teknologi lainnya. Dalam penerapannya, pengolahan data bisa kita bedakan berdasarkan metodenya. Ada beberapa metode yang kerap kali digunakan para peneliti dalam pengolahan data, antara lain:

1. Metode Manual

            Metode ini sering kali disebut dengan metode tradisional, mengapa demikian? Karena metode manual ini merupakan metode pengolahan data yang tidak menggunakan perangkat lunak apapun. Keunggulan dari metode ini adalah biaya yang dikeluarkan sedikit, tetapi risiko kesalahan metode ini sangat tinggi. Sebagai contoh dari metode ini yaitu para peneliti mengolah data yang ada di dokumen fisik.

2. Metode Mekanik

            Metode mekanik merupakan metode pengolahan data yang menggunakan perangkat sederhana seperti kalkulator untuk menghitung, mesin tik, dan mesin cetak. Metode ini hanya bisa memproses data yang sederhana dengan risiko kesalahan lebih kecil dibandingkan metode manual.

3. Metode Elektronik

            Metode elektronik merupakan metode pengolahan data yang paling cepat dan akurat karena sudah menggunakan perangkat lunak. Contohnya, mengolah data menggunakan microsoft excel.

            Di dalam metode pengolahan data juga terdapat perbedaan tipe data. Umumnya perbedaan tipe data ini didasari oleh sumber data dan proses pengolahan data yang dilakukan oleh peneliti. Beberapa tipe data yang umum diketahui oleh banyak orang antara lain:

1. Batch processing

               Batch processing adalah tipe data yang dikumpulkan dalam bentuk kelompok-kelompok tertentu (batch). Umumnya, tipe ini digunakan untuk data dalam jumlah yang  besar, seperti sistem pembayaran atau payroll.

2. Realtime processing

               Realtime processing adalah tipe data dalam skala kecil yang diproses dalam waktu yang singkat. Tipe data ini diproses hanya dalam hitungan detik saja. Contohnya, proses pengambilan uang di ATM.

3. Online processing

               Tipe pengolahan data ini menggunakan CPU, dengan estimasi waktu sesegera mungkin. Data yang masuk ke sistem akan diproses untuk dibaca dan dianalisis, biasanya online processing diaplikasikan pada saat proses pemindaian barcode.

4. Multiprocessing

               Tipe pengolahan jenis ini akan memproses data dengan cara memilih data ke dalam bentuk frame dan platform pemrosesan data menggunakan dua atau lebih CPU dengan satu sistem komputer atau dikenal juga dengan parallel processing. Contoh dari tipe ini biasa digunakan dalam prakiraan cuaca.

5. Time-sharing

               Time-sharing merupakan tipe jenis data yang mengalokasikan komputer dan data dalam kurun waktu tertentu, baik itu untuk sebagian pengguna maupun secara simultan.

            Setelah mengetahui manfaat dan tahapan dari pengolahan data dan penyaringan data, maka akan ada output yang dihasilkan dari tahapan tersebut yaitu berupa informasi. Informasi ini dapat menjadi insight bagi penggunanya. Oleh karena itu, informasi yang diperoleh dari output hasil dari pengolahan data harus diperhatikan dan dipahami dengan baik. Adapun output yang bisa didapatkan yaitu berupa informasi grafik dan diagram, dokumen yang berisi teks, tabel, maupun gambar atau infografik. Output yang dihasilkan ini perlu didistribusikan atau diserahkan kepada pihak terkait yang memerlukan informasi tersebut untuk dilakukan proses evaluasi. Setelah data dievaluasi, maka output ini bisa disimpan ke sebuah storage untuk dijadikan sebagai bahan input pengolahan data selanjutnya.

DAFTAR PUSTAKA

Asmara, Rini & Alhamidi. (2017). Pengolahan Data Rehabilitasi Penyalahgunaan       Narkoba pada Klinik Aqilah Payakumbuh. Jurnal J-Click: Jurnal Sistem Informasi         dan Manajemen Informatika, 4(1), 74-83. Diakses 05 Juli 2022, dari STMIK      Jayanusa Padang.

Davita, Annisa Widya. 2021. Mengenal Tahapan Siklus Pengolahan Data. Diakses pada        27 juni 2022, dari https://dqlab.id/mengenal-tahapan-siklus-pengolahan-data

Facer, Chris. 2018. What is Data Filtering?. Diakses pada 27 Juni 2022, dari             https://www.displayr.com/what-is-data-filtering/

Galuh, Annisa Widya. 2021. Siklus Pengolahan Data Yang Dikembangkan Yang Wajib           Kamu Ketahui. Diakses pada 28 Juni 2022, dari https://www.dqlab.id/pahami-        pengertian-dan-siklus-pengolahan-data-pada-komputer

Nugroho, Oktian Fajar. 2018. Pengumpulan dan Pengolahan Data. Diakses pada 28 Juni      2022, dari https://www.coursehero.com/file/61239065/2-7587-esa153-            092018-doc1doc/