Ketika membayangkan pekerjaan seorang data analyst, mungkin yang terlintas adalah membuat dashboard, mencari pola dalam data, atau menghasilkan insight untuk membantu pengambilan keputusan. Namun, sebelum sampai ke tahap tersebut, ada satu pekerjaan yang sering kali membutuhkan banyak waktu: data cleaning.

Dalam praktiknya, data yang diterima seorang analis tidak selalu siap digunakan. Ada nilai yang kosong, format yang tidak konsisten, baris duplikat, hingga informasi yang terlihat benar tetapi sebenarnya tidak masuk akal.

Akibatnya, proses membersihkan dan memvalidasi data bisa memakan waktu lebih lama daripada proses analisis itu sendiri.

Mengapa demikian?

Data di Dunia Nyata Tidak Selalu Rapi

Bayangkan sebuah perusahaan ingin menganalisis transaksi penjualan selama satu tahun. Data dikumpulkan dari beberapa cabang dan disimpan dalam file Excel.

Sekilas, seluruh file memiliki kolom yang sama: tanggal transaksi, nama produk, jumlah barang, harga, dan total penjualan.

Namun, ketika data digabungkan, mulai terlihat beberapa masalah.

Tanggal	Produk	Jumlah	Harga
2026-01-05	Laptop	2	7500000
05/01/2026	laptop	1	7500000
2026-01-06	Mouse		150000
2026-01-07	Keyboard	-3	350000
2026-01-08	Laptop	1	7500000

Contoh sederhana ini memperlihatkan beberapa persoalan.

Format tanggal tidak konsisten. Nama produk ditulis dengan kapitalisasi berbeda. Ada jumlah barang yang kosong, dan terdapat transaksi dengan jumlah negatif.

Apakah jumlah negatif tersebut merupakan kesalahan input? Atau sebenarnya transaksi retur?

Pertanyaan terakhir menunjukkan bahwa data cleaning bukan sekadar memperbaiki format. Analis juga perlu memahami konteks bisnis di balik data.

1. Data Cleaning Membutuhkan Pemahaman Konteks

Salah satu kesalahan yang sering dilakukan pemula adalah menganggap setiap data yang terlihat tidak biasa harus diperbaiki atau dihapus.

Padahal, nilai yang tidak biasa belum tentu salah.

Sebagai contoh, transaksi dengan jumlah barang negatif mungkin merupakan pencatatan pengembalian barang. Jika langsung dihapus, hasil perhitungan penjualan bersih bisa menjadi tidak akurat.

Hal serupa berlaku untuk nilai kosong.

Kolom diskon yang kosong bisa berarti pelanggan tidak mendapatkan diskon. Namun, bisa juga berarti sistem gagal mencatat informasi tersebut.

Kedua kondisi ini memerlukan perlakuan berbeda.

Karena itu, sebelum membersihkan data, seorang analis perlu memahami definisi setiap kolom, bagaimana data dikumpulkan, serta aturan bisnis yang berlaku.

2. Satu Masalah Data Bisa Memengaruhi Banyak Hasil Analisis

Misalnya sebuah perusahaan ingin menghitung total penjualan berdasarkan produk.

Jika nama produk ditulis sebagai Laptop, laptop, dan LAPTOP, sistem dapat menganggapnya sebagai tiga kategori berbeda.

Akibatnya, total penjualan produk Laptop terpecah menjadi beberapa kelompok.

Masalah yang terlihat kecil ini bisa berdampak pada dashboard, laporan bulanan, hingga keputusan persediaan barang.

Begitu pula dengan data duplikat. Jika satu transaksi tercatat dua kali, pendapatan perusahaan bisa terlihat lebih besar daripada kondisi sebenarnya.

Inilah alasan proses validasi penting dilakukan sebelum data digunakan untuk menghasilkan insight.

3. Membersihkan Data Tidak Selalu Bisa Diotomatisasi

Python, SQL, Power Query, dan berbagai tools lainnya dapat membantu mempercepat proses data cleaning.

Sebagai contoh, menggunakan pandas untuk mengidentifikasi nilai kosong cukup dilakukan dengan:

import pandas as pd

df = pd.read_csv("penjualan.csv")

print(df.isna().sum())

Untuk mencari baris yang identik:

print(df.duplicated().sum())

Namun, kedua perintah tersebut hanya membantu menemukan indikasi masalah.

Jika ditemukan 500 baris duplikat, apakah seluruhnya harus dihapus?

Belum tentu.

Dua transaksi dengan produk, harga, dan tanggal yang sama bisa saja merupakan transaksi berbeda. Karena itu, identifikasi duplikasi sebaiknya menggunakan ID transaksi atau kombinasi kolom yang memang ditetapkan sebagai identitas unik.

Tools dapat mengotomatisasi pemeriksaan, tetapi keputusan tentang bagaimana data harus diperlakukan tetap membutuhkan pemahaman terhadap data tersebut.

4. Proses Data Cleaning Sering Berulang

Data cleaning juga jarang selesai dalam satu kali proses.

Misalnya, setelah data dibersihkan, analis mulai membuat visualisasi penjualan bulanan. Namun, ditemukan lonjakan transaksi yang tidak wajar pada salah satu bulan.

Ketika ditelusuri, ternyata terdapat perubahan format tanggal pada sebagian data.

Analis harus kembali memeriksa proses transformasi, memperbaiki aturan parsing tanggal, dan menjalankan ulang analisis.

Proses seperti ini merupakan bagian normal dari pekerjaan analitik.

Analisis dan data cleaning bukan dua tahapan yang selalu berjalan secara linear. Keduanya sering dilakukan secara iteratif.

5. Bagaimana Membuat Data Cleaning Lebih Efisien?

Meskipun membutuhkan waktu, proses data cleaning dapat dibuat lebih sistematis.

• Mulai dengan data profiling. Periksa tipe data, jumlah nilai kosong, nilai unik, rentang numerik, dan kemungkinan duplikasi sebelum melakukan perubahan.
• Tetapkan aturan validasi. Misalnya, jumlah transaksi tidak boleh negatif kecuali untuk transaksi retur, atau setiap transaksi wajib memiliki ID unik.
• Dokumentasikan transformasi. Catat alasan perubahan data, bukan hanya kode yang digunakan. Dokumentasi membantu ketika hasil analisis perlu diperiksa kembali.
• Gunakan proses yang dapat diulang. Daripada mengedit data secara manual berulang kali, gunakan SQL, Python, atau Power Query untuk membangun langkah pembersihan yang konsisten.
• Validasi hasil akhir. Bandingkan jumlah baris, total transaksi, dan indikator penting sebelum serta sesudah proses cleaning untuk memastikan tidak ada perubahan yang tidak disengaja.

Data Cleaning Bukan Sekadar Pekerjaan Persiapan

Data cleaning sering dianggap sebagai pekerjaan pendahuluan sebelum analisis yang sesungguhnya dimulai.

Padahal, keputusan yang dibuat pada tahap ini dapat menentukan apakah hasil analisis bisa dipercaya.

Dashboard yang menarik tidak banyak membantu jika data di belakangnya mengandung duplikasi. Model machine learning dengan akurasi tinggi pun dapat menghasilkan kesimpulan keliru apabila data yang digunakan tidak merepresentasikan kondisi sebenarnya.

Karena itu, keterampilan data cleaning bukan hanya tentang menguasai fungsi pandas atau query SQL, tetapi juga kemampuan memahami proses bisnis, menemukan anomali, dan mempertanggungjawabkan kualitas data.

Pada akhirnya, tujuan analisis data bukan sekadar menghasilkan angka atau visualisasi, melainkan menyediakan informasi yang cukup andal untuk digunakan dalam pengambilan keputusan.