Temukan Wawasan Baru

19 Mei 2026

70+ Rumus Excel Lengkap yang Wajib Diketahui Pemula

Microsoft Excel adalah salah satu software yang paling banyak digunakan di dunia kerja. Mulai dari administrasi, finance, data analyst, HR, hingga bisnis semuanya menggunakan Excel untuk mengolah data. Karena itulah kemampuan menggunakan rumus Excel menjadi skill yang sangat penting, terutama untuk pemula yang ingin meningkatkan skill kerja atau belajar data analyst. Banyak orang hanya mengetahui rumus dasar seperti SUM dan AVERAGE, padahal Excel memiliki sangat banyak formula yang bisa membantu pekerjaan menjadi lebih cepat dan efisien. Pada artikel ini, kamu akan belajar 70+ rumus Excel lengkap mulai dari rumus dasar hingga rumus yang sering digunakan di dunia kerja dan data analyst. Kenapa Harus Belajar Rumus Excel? Menguasai rumus Excel memiliki banyak keuntungan seperti: Mempercepat PekerjaanMengolah Data Lebih MudahMembuat Laporan Lebih RapiMembantu Analisis DataSkill Penting di Dunia KerjaBerguna untuk Data Analyst Saat ini bahkan banyak lowongan kerja yang mensyaratkan kemampuan Excel dasar hingga menengah. Rumus Excel yang Paling Sering Digunakan Sebelum masuk ke daftar lengkap rumus Excel, penting untuk memahami bahwa beberapa formula jauh lebih sering digunakan dibanding lainnya. Rumus yang paling umum dipakai: SUM IFVLOOKUPHLOOKUPCOUNTIFAVERAGESUMIFINDEX MATCH Kalau kamu menguasai rumus-rumus tersebut, kamu sudah memiliki fondasi yang sangat bagus. 1. SUM SUM adalah rumus Excel penjumlahan yang digunakan untuk menjumlahkan angka secara otomatis. Contoh: =SUM(A1:A10) Rumus ini sangat sering digunakan dalam laporan penjualan dan analisis data. 2. AVERAGE AVERAGE digunakan untuk menghitung nilai rata-rata. Contoh: =AVERAGE(A1:A10) Rumus ini termasuk rumus Excel rata rata yang paling sering digunakan. 3. MAX MAX digunakan untuk mencari nilai terbesar dalam sebuah data. Contoh: =MAX(A1:A10) 4. MIN MIN digunakan untuk mencari nilai terkecil. Contoh: =MIN(A1:A10) 5. COUNT COUNT digunakan untuk menghitung jumlah sel yang berisi angka. Contoh: =COUNT(A1:A10) 6. COUNTA COUNTA digunakan untuk menghitung jumlah sel yang tidak kosong. Contoh: =COUNTA(A1:A10) 7. COUNTBLANK COUNTBLANK digunakan untuk menghitung jumlah sel kosong. Contoh: =COUNTBLANK(A1:A10) 8. IF IF adalah rumus Excel logika yang sangat populer. Contoh: =IF(A1>75,"Lulus","Tidak Lulus") 9. SUMIF SUMIF digunakan untuk menjumlahkan data dengan kriteria tertentu. Contoh: =SUMIF(A1:A10,"Makanan",B1:B10) 10. COUNTIF COUNTIF digunakan untuk menghitung jumlah data berdasarkan kondisi tertentu. Contoh: =COUNTIF(A1:A10,"Lulus") 11. VLOOKUP VLOOKUP digunakan untuk mencari data secara vertikal. Contoh: =VLOOKUP(A2,D1:F10,2,FALSE) VLOOKUP termasuk rumus Excel yang paling sering digunakan di dunia kerja. 12. HLOOKUP HLOOKUP digunakan untuk mencari data secara horizontal. Contoh: =HLOOKUP(A1,B1:F5,2,FALSE) 13. XLOOKUP XLOOKUP adalah versi modern dari VLOOKUP. Contoh: =XLOOKUP(A2,B2:B10,C2:C10) 14. INDEX INDEX digunakan untuk mengambil nilai dari posisi tertentu. Contoh: =INDEX(A1:A10,3) 15. MATCH MATCH digunakan untuk mencari posisi data. Contoh: =MATCH("Laptop",A1:A10,0) 16. INDEX MATCH INDEX MATCH sering digunakan sebagai alternatif VLOOKUP. Contoh: =INDEX(B1:B10,MATCH(A1,A1:A10,0)) 17. LEFT LEFT digunakan untuk mengambil karakter dari kiri. Contoh: =LEFT(A1,3) 18. RIGHT RIGHT digunakan untuk mengambil karakter dari kanan. Contoh: =RIGHT(A1,3) 19. MID MID digunakan untuk mengambil karakter di tengah teks. Contoh: =MID(A1,2,4) 20. LEN LEN digunakan untuk menghitung jumlah karakter. Contoh: =LEN(A1) 21. CONCAT CONCAT digunakan untuk menggabungkan teks. Contoh: =CONCAT(A1,B1) 22. TEXT TEXT digunakan untuk mengubah format data menjadi teks tertentu. Contoh: =TEXT(A1,"dd/mm/yyyy") 23. TODAY TODAY digunakan untuk menampilkan tanggal hari ini. Contoh: =TODAY() 24. NOW NOW digunakan untuk menampilkan tanggal dan jam saat ini. Contoh: =NOW() 25. DATE DATE digunakan untuk membuat format tanggal. Contoh: =DATE(2026,5,20) 26. DAY DAY digunakan untuk mengambil angka hari dari tanggal. Contoh: =DAY(A1) 27. MONTH MONTH digunakan untuk mengambil bulan dari tanggal. Contoh: =MONTH(A1) 28. YEAR YEAR digunakan untuk mengambil tahun dari tanggal. Contoh: =YEAR(A1) 29. ROUND ROUND digunakan untuk membulatkan angka. Contoh: =ROUND(A1,2) 30. ROUNDUP ROUNDUP digunakan untuk membulatkan angka ke atas. Contoh: =ROUNDUP(A1,0) 31. ROUNDDOWN ROUNDDOWN digunakan untuk membulatkan angka ke bawah. Contoh: =ROUNDDOWN(A1,0) 32. ABS ABS digunakan untuk mengubah angka negatif menjadi positif. Contoh: =ABS(A1) 33. SQRT SQRT digunakan untuk menghitung akar kuadrat. Contoh: =SQRT(A1) 34. POWER POWER digunakan untuk menghitung pangkat. Contoh: =POWER(A1,2) 35. RAND RAND digunakan untuk menghasilkan angka random. Contoh: =RAND() 36. RANDBETWEEN RANDBETWEEN menghasilkan angka random dalam range tertentu. Contoh: =RANDBETWEEN(1,100) 37. AND AND digunakan untuk mengecek beberapa kondisi sekaligus. Contoh: =AND(A1>70,B1>70) 38. OR OR digunakan untuk mengecek salah satu kondisi benar. Contoh: =OR(A1>70,B1>70) 39. NOT NOT digunakan untuk membalik logika TRUE/FALSE. Contoh: =NOT(A1>70) 40. IFERROR IFERROR digunakan untuk menangani error. Contoh: =IFERROR(A1/B1,0) 41. TRIM TRIM digunakan untuk menghapus spasi berlebih. Contoh: =TRIM(A1) 42. SUBSTITUTE SUBSTITUTE digunakan untuk mengganti teks tertentu. Contoh: =SUBSTITUTE(A1,"lama","baru") 43. FIND FIND digunakan untuk mencari posisi karakter. Contoh: =FIND("A",A1) 44. SEARCH SEARCH digunakan untuk mencari teks tertentu. Contoh: =SEARCH("Excel",A1) 45. UPPER UPPER digunakan untuk mengubah teks menjadi huruf besar. Contoh: =UPPER(A1) 46. LOWER LOWER digunakan untuk mengubah teks menjadi huruf kecil. Contoh: =LOWER(A1) 47. PROPER PROPER digunakan untuk membuat huruf awal menjadi kapital. Contoh: =PROPER(A1) 48. ISNUMBER ISNUMBER digunakan untuk mengecek apakah data berupa angka. Contoh: =ISNUMBER(A1) 49. ISTEXT ISTEXT digunakan untuk mengecek apakah data berupa teks. Contoh: =ISTEXT(A1) 50. UNIQUE UNIQUE digunakan untuk mengambil data unik. Contoh: =UNIQUE(A1:A10) 51. FILTER FILTER digunakan untuk memfilter data berdasarkan kondisi. Contoh: =FILTER(A1:B10,B1:B10="Lulus") 52. SORT SORT digunakan untuk mengurutkan data. Contoh: =SORT(A1:A10) 53. TRANSPOSE TRANSPOSE digunakan untuk mengubah baris menjadi kolom. Contoh: =TRANSPOSE(A1:B5) 54. CHOOSE CHOOSE digunakan untuk memilih data berdasarkan index. Contoh: =CHOOSE(2,"A","B","C") 55. OFFSET OFFSET digunakan untuk mengambil referensi sel tertentu. Contoh: =OFFSET(A1,2,1) 56. INDIRECT INDIRECT digunakan untuk mengubah teks menjadi referensi sel. Contoh: =INDIRECT("A1") 57. ROW ROW digunakan untuk mengambil nomor baris. Contoh: =ROW(A1) 58. COLUMN COLUMN digunakan untuk mengambil nomor kolom. Contoh: =COLUMN(A1) 59. NETWORKDAYS NETWORKDAYS digunakan untuk menghitung jumlah hari kerja. Contoh: =NETWORKDAYS(A1,B1) 60. WORKDAY WORKDAY digunakan untuk mencari tanggal hari kerja. Contoh: =WORKDAY(A1,7) 61. EOMONTH EOMONTH digunakan untuk mencari akhir bulan. Contoh: =EOMONTH(A1,0) 62. TEXTJOIN TEXTJOIN digunakan untuk menggabungkan teks dengan separator. Contoh: =TEXTJOIN(", ",TRUE,A1:A5) 63. SWITCH SWITCH digunakan untuk mengganti banyak kondisi. Contoh: =SWITCH(A1,1,"Satu",2,"Dua") 64. IFS IFS digunakan untuk mengecek banyak kondisi. Contoh: =IFS(A1>90,"A",A1>80,"B") 65. XMATCH XMATCH digunakan untuk mencari posisi data modern. Contoh: =XMATCH("Laptop",A1:A10) 66. LET LET digunakan untuk menyimpan variable dalam formula. Contoh: =LET(x,A1*2,x+10) 67. SEQUENCE SEQUENCE digunakan untuk membuat urutan angka otomatis. Contoh: =SEQUENCE(5) 68. SUMPRODUCT SUMPRODUCT digunakan untuk mengalikan dan menjumlahkan array. Contoh: =SUMPRODUCT(A1:A5,B1:B5) 69. COUNTIFS COUNTIFS digunakan untuk menghitung data dengan banyak kondisi. Contoh: =COUNTIFS(A1:A10,"Lulus",B1:B10,">70") 70. SUMIFS SUMIFS digunakan untuk menjumlahkan data dengan banyak kondisi. Contoh: =SUMIFS(C1:C10,A1:A10,"Makanan",B1:B10,">10") Penutup Menguasai rumus Excel adalah skill penting yang sangat berguna di dunia kerja maupun data analyst. Dengan memahami formula seperti: SUMIFVLOOKUPCOUNTIFAVERAGEXLOOKUP kamu sudah memiliki fondasi yang sangat kuat untuk mengolah dan menganalisis data menggunakan Excel. Semakin sering praktik menggunakan Excel, semakin cepat juga kemampuanmu berkembang.

19 Mei 2026

10 Tools Data Analyst yang Wajib Dipelajari Pemula di 2026

Di era digital seperti sekarang, profesi data analyst menjadi salah satu pekerjaan yang paling banyak dicari perusahaan. Hampir semua bisnis mulai dari startup, e-commerce, perbankan, hingga perusahaan teknologi membutuhkan data analyst untuk membantu mengambil keputusan berdasarkan data. Banyak pemula yang ingin belajar data analyst sering bingung harus mulai dari mana. Apakah harus belajar coding? Haruskah langsung belajar machine learning? Atau cukup menguasai Excel saja? Sebenarnya, menjadi data analyst tidak harus langsung mempelajari hal yang rumit. Yang paling penting adalah memahami tools yang memang digunakan di dunia kerja. Dengan menguasai tools yang tepat, proses belajar data analyst akan jauh lebih terarah dan mudah. Pada artikel ini, kita akan membahas 10 tools data analyst yang wajib dipelajari pemula beserta fungsi, kegunaan, dan alasan kenapa tools tersebut penting di dunia kerja. 1. Microsoft Excel Kalau berbicara tentang data analyst, Excel adalah tools pertama yang wajib dipelajari. Bahkan hingga sekarang, banyak perusahaan masih menggunakan Excel untuk analisis data sehari-hari. Excel sangat cocok untuk pemula karena mudah dipelajari dan memiliki banyak fitur penting seperti: Sorting DataFilteringPivot TableData CleaningFormula & FungsiVisualisasi Data Sederhana Beberapa Rumus Excel yang sering digunakan data analyst: VLOOKUPXLOOKUPIFSUMIFSCOUNTIFSINDEX MATCHTEXTDATE Excel biasanya digunakan untuk: Membuat laporan penjualanAnalisis data customerRekap transaksiDashboard sederhanaMembersihkan data Banyak pemula meremehkan Excel karena terlihat sederhana. Padahal, kemampuan Excel yang baik bisa menjadi nilai tambah besar ketika melamar pekerjaan data analyst. Jika kamu masih pemula, Excel adalah tempat terbaik untuk memulai perjalanan belajar data analyst. 2. SQL SQL atau Structured Query Language adalah bahasa yang digunakan untuk mengambil dan mengelola data dari database. Hampir semua perusahaan modern menyimpan data mereka di database. Karena itu, kemampuan SQL menjadi skill wajib untuk data analyst. Dengan SQL, kamu bisa: Mengambil dataMemfilter dataMenggabungkan tabelMenghitung dataMembuat laporanMencari insight bisnis Contoh query sederhana: SELECT product_name, SUM(sales) FROM transactions GROUP BY product_name; Beberapa konsep SQL penting untuk pemula: SELECTWHEREGROUP BYORDER BYJOINHAVINGSubqueryAggregate Functions SQL sangat penting karena: Lebih cepat dibanding analisis manualDigunakan hampir di semua perusahaanSkill wajib di banyak lowongan data analyst Kalau ingin serius menjadi data analyst, belajar SQL adalah investasi yang sangat bagus. 3. Google Sheets Google Sheets adalah alternatif spreadsheet berbasis cloud yang mirip dengan Excel. Kelebihan Google Sheets: Bisa kolaborasi real-timeGratis digunakanMudah diaksesCocok untuk kerja timIntegrasi dengan Google Workspace Banyak startup dan perusahaan modern menggunakan Google Sheets karena lebih praktis untuk kolaborasi. Google Sheets juga memiliki fitur: Pivot tableChartConditional formattingFormulaAutomation sederhana Untuk pemula, Google Sheets sangat cocok dipelajari bersamaan dengan Excel karena konsepnya hampir sama. 4. Power BI Power BI adalah tools visualisasi data yang sangat populer di dunia kerja. Dengan Power BI, data analyst dapat membuat: Dashboard interaktifLaporan bisnisVisualisasi dataKPI monitoringGrafik profesional Power BI banyak digunakan perusahaan karena: Mudah digunakanIntegrasi dengan Excel dan databaseVisualisasi sangat bagusCocok untuk business intelligence Contoh penggunaan Power BI: Dashboard penjualanAnalisis performa cabangMonitoring target bisnisLaporan keuangan Untuk pemula, Power BI adalah salah satu tools terbaik untuk belajar data visualization. 5. Tableau Selain Power BI, Tableau juga merupakan tools visualisasi data yang populer. Tableau terkenal karena: Visualisasi yang sangat interaktifDrag and drop interfaceMudah membuat dashboard profesional Biasanya Tableau digunakan oleh: Perusahaan besarTim business intelligenceAnalis data profesional Kelebihan Tableau: Visualisasi lebih fleksibelBanyak pilihan chartPerforma bagus untuk data besar Namun untuk pemula, Power BI biasanya lebih mudah dipelajari dibanding Tableau. 6. Python Python adalah bahasa pemrograman yang sangat populer di bidang data. Walaupun tidak semua data analyst harus menjadi programmer, Python sangat membantu untuk analisis data yang lebih kompleks. Python biasanya digunakan untuk: Data cleaningAutomationData analysisMachine learningWeb scraping Library Python yang sering digunakan data analyst: pandasnumpymatplotlibseabornscikit-learn Contoh sederhana penggunaan Python: import pandas as pd data = pd.read_csv("sales.csv") print(data.head()) Python cocok dipelajari setelah memahami dasar Excel dan SQL. 7. R Programming R adalah bahasa pemrograman khusus untuk statistik dan analisis data. Walaupun popularitasnya kalah dari Python, R masih banyak digunakan di: AkademikRisetStatistikData science Kelebihan R: Kuat untuk statistikVisualisasi bagusBanyak package analisis Namun untuk pemula, Python biasanya lebih fleksibel dan lebih banyak digunakan industri. 8. Looker Studio Looker Studio sebelumnya dikenal sebagai Google Data Studio. Tools ini digunakan untuk membuat dashboard online secara gratis. Kelebihan Looker Studio: GratisMudah digunakanIntegrasi dengan Google AnalyticsCocok untuk digital marketing dashboard Biasanya digunakan untuk: Laporan websiteAnalisis trafficDashboard marketingLaporan campaign Bagi pemula yang tertarik data analyst atau digital marketing analyst, Looker Studio sangat worth it dipelajari. 9. Jupyter Notebook Jupyter Notebook adalah tools yang sering digunakan untuk menjalankan kode Python dalam analisis data. Kelebihan Jupyter Notebook: Mudah digunakanCocok untuk belajarBisa menggabungkan code dan dokumentasiPopuler di data science Banyak data analyst dan data scientist menggunakan Jupyter Notebook untuk: Eksplorasi dataTesting analysisMembuat laporan analisis Kalau kamu belajar Python untuk data analyst, kemungkinan besar kamu akan menggunakan Jupyter Notebook. 10. Apache Spark Apache Spark adalah tools untuk memproses data dalam jumlah besar. Biasanya digunakan oleh: Perusahaan besarBig data engineerData engineerAdvanced data analyst Spark mampu memproses jutaan hingga miliaran data dengan cepat. Namun untuk pemula, Spark belum wajib dipelajari di awal. Fokus utama tetap: ExcelSQLPower BIPython Setelah memahami dasar tersebut, baru mulai mempelajari tools big data seperti Spark. Tools Mana yang Harus Dipelajari Terlebih Dahulu? Banyak pemula mencoba belajar semuanya sekaligus dan akhirnya malah bingung sendiri. Agar lebih efektif, berikut urutan belajar yang direkomendasikan: ExcelSQLGoogle SheetsPower BIPythonTableauLooker StudioJupyter NotebookRApache Spark Dengan urutan ini, proses belajar akan terasa lebih mudah dan tidak terlalu overwhelming. Apakah Harus Bisa Coding untuk Menjadi Data Analyst? Jawabannya: tidak selalu. Banyak data analyst pemula memulai karir hanya dengan: ExcelSQLdashboard tools Namun, kemampuan coding seperti Python tetap menjadi nilai tambah besar karena: Membantu automationAnalisis lebih kompleksMeningkatkan peluang karir Karena itu, belajar coding dasar tetap sangat direkomendasikan. Belajar Data Analyst untuk Pemula Kalau kamu ingin mulai belajar data analyst, fokuslah pada skill yang benar-benar digunakan di dunia kerja. Untuk pemula, skill paling penting adalah: ExcelSQLData cleaningDashboardAnalisis bisnis dasar Di Easy Coding, kamu juga bisa belajar: kelas Excel untuk data analystSQL untuk pemulaDasar analisis dataProject portfolio Dengan belajar melalui project, proses memahami data analyst biasanya jadi jauh lebih cepat dibanding hanya menonton teori saja. Penutup Menjadi data analyst tidak harus dimulai dari hal yang rumit. Yang paling penting adalah memahami tools yang memang digunakan di industri. Excel dan SQL adalah dua skill paling wajib untuk pemula karena hampir semua pekerjaan data analyst membutuhkannya. Setelah itu, kamu bisa melanjutkan ke Power BI, Python, dan tools lainnya. Semakin sering praktik menggunakan data nyata, semakin cepat juga kemampuan analisismu berkembang. Jadi, tools mana yang paling ingin kamu pelajari terlebih dahulu?

21 Maret 2026

Data Analyst Ngapain Aja? Tugas, Skill, dan Contoh Kerja Sehari-hari

Banyak orang tertarik masuk ke dunia data karena peluang karirnya besar. Namun masih banyak yang bertanya, data analyst ngapain aja sebenarnya di dunia kerja? Profesi Data Analyst memiliki peran penting dalam membantu perusahaan mengambil keputusan berdasarkan data. Hampir semua perusahaan modern sekarang mengandalkan data untuk memahami pelanggan, meningkatkan penjualan, dan mengembangkan strategi bisnis. Jika kamu baru mulai belajar dunia data, kamu juga bisa membaca panduan lengkap tentang data analyst belajar apa saja agar tahu skill apa saja yang perlu dipelajari. Di artikel ini kita akan membahas secara lengkap apa saja yang dilakukan Data Analyst dalam pekerjaan sehari-hari. 1. Mengumpulkan data dari berbagai sumber Salah satu tugas utama Data Analyst adalah mengumpulkan data yang akan dianalisis. Data ini bisa berasal dari berbagai sumber seperti: Database perusahaanWebsite analyticsData penjualanData pelangganSurvey pengguna Contohnya, jika kamu bekerja di perusahaan e-commerce, kamu mungkin akan mengumpulkan data seperti: Jumlah transaksiProduk yang paling larisPerilaku pelangganSumber traffic website Data ini nantinya akan digunakan untuk proses analisis data lebih lanjut. 2. Membersihkan Data (Data Cleaning) Setelah data dikumpulkan, langkah berikutnya adalah melakukan data cleaning. Proses ini merupakan salah satu tahap paling penting dalam analisis data. Data cleaning adalah proses membersihkan data dari kesalahan, duplikasi, atau inkonsistensi agar data siap digunakan dalam analisis. Data yang tidak bersih bisa menyebabkan hasil analisis menjadi tidak akurat. Dalam pekerjaan sehari-hari, Data Analyst sering menemukan berbagai masalah pada data, seperti berikut: 1. Data Duplikat Data duplikat adalah data yang muncul lebih dari satu kali dalam dataset. Contohnya, satu transaksi pelanggan tercatat dua kali di database. Jika tidak dihapus, hal ini bisa membuat laporan penjualan terlihat lebih tinggi dari yang sebenarnya. IDNama PelangganEmail PelangganKota1Andiandi@email.comJakarta2Budibudi@email.comBandung3Andiandi@email.comJakarta Biasanya Data Analyst akan menghapus duplikat menggunakan: Fitur Remove Duplicates di ExcelQuery SQLScript Python 2. Missing Values (Data Hilang) Missing values adalah data yang tidak memiliki nilai. Contohnya seperti kolom umur pelanggan yang kosong atau data kota yang tidak terisi. IDNama PelangganUmurKota1Andi25Jakarta2BudiBandung3Siti35 Cara mengatasinya bisa dengan: Menghapus data yang tidak lengkapMengisi nilai dengan rata-rata (mean)Mengganti dengan data yang paling sering muncul 3. Format Data Tidak Konsisten Masalah lain yang sering terjadi adalah format data yang berbeda-beda. Contohnya format tanggal yang tidak sama seperti ini: IDNamaTanggal Lahir1Andi01/01/19952Budi1995-01-013Siti1 Jan 1995 Jika format ini tidak disamakan, proses analisis atau pengolahan data bisa mengalami error. 4. Outlier Outlier adalah data yang nilainya jauh berbeda dari pola umum. Misalnya, rata-rata pembelian pelanggan adalah Rp100.000, tetapi ada satu data pembelian sebesar Rp10.000.000. IDNamaGaji1Andi10.000.0002Budi12.000.0003Siti1.000.000.000 Data seperti ini perlu dianalisis apakah merupakan kesalahan input atau memang transaksi khusus. 5. Kesalahan Ejaan atau Tipe Data Kesalahan ini juga sering terjadi dalam dataset, misalnya: Penulisan kota yang berbeda seperti "Jakarta", "jakarta", atau "JKT"Angka tersimpan sebagai teksData kategori yang tidak konsisten Masalah seperti ini bisa mengganggu proses analisis dan membuat hasil laporan menjadi tidak akurat. Berikut contohnya pada sebuah tabel IDNamaKota1AndiJakarta2Budijakarta3SitiJKT Karena itu, proses data cleaning sangat penting untuk: Meningkatkan kualitas dataMenghindari kesalahan analisisMengurangi biasMembantu perusahaan mengambil keputusan yang lebih tepat Beberapa tools yang sering digunakan Data Analyst untuk melakukan data cleaning antara lain: Microsoft Excel atau Google SheetsSQLPython (Pandas, NumPy)OpenRefine Dalam praktiknya, banyak Data Analyst pemula mulai melakukan data cleaning menggunakan Microsoft Excel sebelum menggunakan tools yang lebih advanced. Jika kamu ingin belajar data cleaning seperti yang digunakan di dunia kerja, kamu bisa mulai dari kelas berikut: Atau kalau kamu sudah menguasai Analisis Data menggunakan Microsoft Excel, Kamu bisa upgrade skill kamu ke SQL dan juga Power BI. Kelas ini dilengkapi dengan Studi Kasus menggunakan data sebanyak 128.000+ data sehingga kamu akan belajar dan dilatih cara mengolah dan menganalisa data yang BESAR. 3. Menganalisis Data untuk Menemukan Insight Setelah data siap digunakan, Data Analyst mulai melakukan analisis data. Tujuan analisis ini adalah untuk menemukan insight yang berguna bagi perusahaan. Contohnya seperti: Produk apa yang paling banyak dibeli pelangganKota mana yang memiliki penjualan tertinggiWaktu terbaik untuk menjalankan promosiPerilaku pelanggan saat menggunakan aplikasi Dari hasil analisis ini, perusahaan bisa membuat keputusan bisnis yang lebih tepat. 4. Membuat Laporan dan Dashboard Selain menganalisis data, Data Analyst juga bertugas membuat laporan yang mudah dipahami oleh tim lain. Laporan ini biasanya dibuat dalam bentuk: DashboardGrafikChartReport mingguan atau bulanan Tools yang sering digunakan: ExcelPower BITableauGoogle Data Studio Dashboard ini membantu manajer atau CEO memahami kondisi bisnis secara cepat. 5. Memberikan Rekomendasi Bisnis Tugas Data Analyst tidak hanya melihat angka, tetapi juga memberikan rekomendasi berdasarkan data. Misalnya: Menyarankan produk mana yang perlu dipromosikanMenganalisis kampanye marketingMenemukan peluang bisnis baru Inilah alasan kenapa Data Analyst sangat penting bagi perusahaan. Jika dibandingkan dengan peran lain seperti Business Analyst, ada beberapa perbedaan yang cukup jelas. Kamu bisa membaca penjelasan lengkapnya di artikel ini: Business Analyst vs Data Analyst Contoh Pekerjaan Data Analyst Sehari-hari Agar lebih mudah dipahami, berikut contoh aktivitas seorang Data Analyst dalam satu hari kerja: Memeriksa data penjualan terbaruMengupdate dashboard bisnisMenganalisis performa produkMembuat laporan untuk tim marketingMengolah data menggunakan Excel atau SQL Meskipun terlihat sederhana, pekerjaan ini sangat penting karena keputusan perusahaan sering dibuat berdasarkan data yang dianalisis oleh Data Analyst. Skill yang Biasanya Dimiliki Data Analyst Agar bisa melakukan semua tugas tersebut, seorang Data Analyst biasanya memiliki beberapa skill penting seperti: Analisis dataExcelSQLData visualizationStatistik dasarProblem solving Skill ini biasanya dipelajari secara bertahap oleh pemula yang ingin masuk ke dunia data. Kenapa Banyak Orang Ingin Menjadi Data Analyst? Profesi ini menjadi populer karena beberapa alasan: Permintaan tinggi di banyak industriGaji yang cukup kompetitifBisa bekerja di berbagai perusahaanPeluang karir berkembang Bahkan banyak orang yang sebelumnya tidak memiliki background IT akhirnya belajar data analysis dan berhasil berkarir di bidang ini. Kesimpulan Jadi, jika kamu masih bertanya data analyst ngapain aja, jawabannya cukup banyak. Mulai dari mengumpulkan data, membersihkan data, menganalisis data, hingga membuat laporan dan memberikan rekomendasi bisnis. Profesi ini sangat penting di era digital karena hampir semua perusahaan sekarang menggunakan data untuk mengambil keputusan. Jika kamu tertarik memulai karir di bidang ini, langkah pertama yang bisa dilakukan adalah mempelajari dasar-dasar analisis data dan tools yang digunakan oleh Data Analyst.

21 Maret 2026

Data Analyst Belajar Apa Saja? Panduan Lengkap untuk Pemula

Banyak orang tertarik masuk ke dunia data karena peluang karirnya semakin besar. Namun pertanyaan yang paling sering muncul adalah data analyst belajar apa saja jika ingin memulai dari nol. Seorang Data Analyst memiliki peran penting dalam membantu perusahaan mengambil keputusan berdasarkan data. Mereka mengumpulkan, menganalisis, dan mengubah data menjadi insight yang berguna untuk bisnis. Jika kamu masih bingung tentang peran profesi ini, kamu juga bisa membaca artikel kami tentang Perbedaan Business Analyst vs Data Analyst untuk memahami gambaran besarnya. Di artikel ini kita akan membahas secara lengkap skill, tools, dan roadmap yang perlu dipelajari untuk menjadi Data Analyst. 1. Dasar Analisis Data Hal pertama yang harus dipelajari adalah dasar dari analisis data itu sendiri. Seorang Data Analyst harus memahami bagaimana cara membaca data, menemukan pola, dan menarik kesimpulan yang bisa digunakan oleh perusahaan. Beberapa konsep dasar yang biasanya dipelajari antara lain: Jenis-jenis dataData cleaningExploratory data analysisData visualizationStatistik dasar Konsep ini penting karena hampir semua pekerjaan Data Analyst dimulai dari memahami data terlebih dahulu. 2. Belajar Microsoft Excel Salah satu skill yang paling penting dan sering digunakan oleh Data Analyst adalah Microsoft Excel. Bahkan banyak perusahaan masih menggunakan Excel untuk analisis data sehari-hari. Beberapa hal yang biasanya dipelajari di Excel antara lain: Rumus dasar dan lanjutanPivot tableData cleaningAnalisis data penjualanMembuat Dashboard untuk laporan bisnis Jika kamu ingin mulai belajar Excel untuk analisis data, kamu bisa mengikuti kelas yang disediakan oleh Easy Coding. Di kelas ini kamu akan belajar bagaimana menganalisis data seperti yang dilakukan di dunia kerja. Kelas ini dilengkapi dengan Studi Kasus menggunakan data sebanyak 128.000+ data sehingga kamu akan belajar dan dilatih cara mengolah dan menganalisa data yang BESAR. 3. Belajar SQL Setelah memahami Excel, skill berikutnya yang biasanya dipelajari oleh Data Analyst adalah SQL. SQL digunakan untuk mengambil data dari database perusahaan. Hampir semua perusahaan teknologi menggunakan database untuk menyimpan data pelanggan, transaksi, dan aktivitas pengguna. Beberapa hal yang dipelajari dalam SQL antara lain: Select dataFilter dataJoin tableAggregasi dataMembuat query analisis Skill SQL sangat penting karena banyak pekerjaan Data Analyst membutuhkan kemampuan mengambil data langsung dari database. 4. Data Visualization (Power BI atau Tableau) Setelah data dianalisis, langkah berikutnya adalah menyajikan data dalam bentuk visual yang mudah dipahami. Di sinilah Data Analyst menggunakan tools seperti: Power BITableauGoogle Data Studio Tools ini digunakan untuk membuat dashboard yang membantu perusahaan memahami performa bisnis mereka. Jika kamu ingin belajar mengenai SQL dan membuat dashboard profesional menggunakan Power BI, kamu bisa mengikuti kelas berikut. Kelas ini dirancang untuk membantu kamu memahami analisis data yang digunakan di industri. Menggunakan data sebanyak 128.000+ data, berawal dari mengakses database menggunakan SQL, belajar Query pada SQL, hingga membuat dashboard menggunakan Power BI. 5. Memahami Bisnis Selain skill teknis, seorang Data Analyst juga harus memahami konteks bisnis. Tujuan utama analisis data adalah membantu perusahaan membuat keputusan yang lebih baik. Misalnya: Menganalisis penjualan produk Melihat perilaku pelanggan Menemukan peluang bisnis Mengurangi kerugian perusahaan Karena itu, kemampuan berpikir analitis dan memahami bisnis sangat penting bagi seorang Data Analyst. Roadmap Belajar Data Analyst untuk Pemula Jika kamu masih bingung harus mulai dari mana, berikut urutan belajar yang paling umum: Belajar dasar analisis data Belajar Excel Belajar SQL Belajar data visualization Mengerjakan project analisis data Dengan mengikuti roadmap ini, kamu bisa membangun skill Data Analyst secara bertahap. Apakah Harus Bisa Coding? Banyak orang berpikir bahwa untuk menjadi Data Analyst harus jago coding. Sebenarnya tidak selalu. Banyak Data Analyst memulai karir mereka hanya dengan Excel dan SQL terlebih dahulu. Setelah itu barulah mereka belajar Python jika diperlukan. Yang paling penting adalah kemampuan memahami data dan menemukan insight dari data tersebut. KESIMPULAN Jadi jika kamu masih bertanya data analyst belajar apa saja, jawabannya adalah mempelajari analisis data, Excel, SQL, data visualization, serta memahami bisnis. Dengan skill tersebut, kamu sudah memiliki dasar yang cukup kuat untuk memulai karir sebagai Data Analyst.

20 Maret 2026

Business Analyst vs Data Analyst: Perbedaan, Tugas, Gaji, dan Mana yang Lebih Bagus

Banyak orang yang tertarik masuk ke dunia teknologi dan data sering bingung memilih antara Business Analyst dan Data Analyst. Kedua profesi ini sama-sama bekerja dengan data, tetapi sebenarnya memiliki fokus pekerjaan yang cukup berbeda. Jika kamu sedang mempertimbangkan karir di bidang data, penting untuk memahami perbedaan antara kedua role ini agar kamu tidak salah memilih jalur karir. Di artikel ini kita akan membahas secara lengkap: Apa itu Business AnalystApa itu Data AnalystPerbedaan Business Analyst vs Data AnalystTugas masing-masing pekerjaanSkill yang dibutuhkanGaji Business Analyst dan Data Analyst di IndonesiaMana yang lebih cocok untuk pemula Apa Itu Business Analyst? Business Analyst adalah seseorang yang bertugas membantu perusahaan memahami masalah bisnis dan mencari solusi yang tepat menggunakan data, analisis proses, dan strategi. Mereka biasanya bekerja di antara tim bisnis dan tim teknologi. Artinya, Business Analyst menjadi penghubung antara: ManajemenDeveloperData teamStakeholder perusahaan Tujuan utama Business Analyst adalah meningkatkan performa bisnis perusahaan. Contohnya: Perusahaan ingin meningkatkan penjualan. Business Analyst akan: Menganalisis masalahMengumpulkan kebutuhan bisnisMembuat rekomendasi strategiBerkomunikasi dengan tim teknis Tugas Business Analyst Beberapa tugas utama Business Analyst adalah: Menganalisis proses bisnisMengumpulkan kebutuhan dari stakeholderMembuat dokumentasi requirementMengidentifikasi masalah bisnisMembantu perusahaan meningkatkan efisiensiMembuat laporan analisis bisnisBerkomunikasi dengan tim developer Business Analyst biasanya lebih sering melakukan: MeetingDiskusi strategiAnalisis proses bisnis Skill yang Dibutuhkan Business Analyst Untuk menjadi Business Analyst, ada beberapa skill penting yang harus dimiliki: Business thinkingCommunication skillProblem solvingAnalisis proses bisnisRequirement gatheringBasic data analysisPresentation skill Kadang Business Analyst juga perlu memahami tools seperti: ExcelSQL (basic)JiraPowerPoint Apa itu Data Analyst Data Analyst adalah seseorang yang bertugas mengolah dan menganalisis data untuk menemukan insight yang bisa membantu perusahaan mengambil keputusan yang lebih baik. Banyak orang juga bertanya sebenarnya data analyst ngapain aja dalam pekerjaan sehari-hari. Secara umum, seorang Data Analyst akan mengumpulkan data dari berbagai sumber, membersihkan data agar siap dianalisis, lalu mengolahnya menggunakan tools seperti Excel, SQL, atau Python. Setelah itu mereka membuat dashboard atau laporan yang membantu perusahaan memahami kondisi bisnis dan mengambil keputusan yang lebih tepat. Jika Business Analyst fokus pada bisnis, maka Data Analyst fokus pada data. Data Analyst biasanya bekerja dengan: DatabaseData reportDashboardStatistik Contohnya: Perusahaan ingin tahu: Produk mana yang paling laris?Kenapa penjualan turun?Customer paling banyak berasal dari mana? Data Analyst akan menggunakan data untuk menjawab pertanyaan tersebut. Tugas Data Analyst Berikut beberapa tugas utama Data Analyst: Mengumpulkan data dari berbagai sumberMembersihkan data (data cleaning)Menganalisis data menggunakan SQL atau ExcelMembuat dashboardMenemukan trend dalam dataMembuat laporan analisisMemberikan insight kepada perusahaan Seorang Data Analyst biasanya lebih sering bekerja dengan: DataQuery databaseDashboard analytics Tools yang digunakan Data Analyst Jika kamu tertarik masuk ke bidang ini, mungkin kamu juga bertanya data analyst belajar apa saja. Biasanya seorang pemula akan mulai belajar dasar analisis data, statistik sederhana, Excel, SQL, serta tools visualisasi data seperti Power BI atau Tableau. Selain itu, memahami cara membaca data dan menarik insight bisnis juga menjadi skill yang sangat penting. Tools yang sering digunakan oleh Data Analyst antara lain: ExcelSQLPower BITableauPythonGoogle Data Studio Untuk pemula, biasanya dimulai dari: Excel → SQL → Power BI Ingin memulai karir Data Analyst? Banyak Data Analyst memulai dari skill dasar seperti Excel untuk menganalisis data bisnis. Jika kamu masih pemula dan ingin belajar dari nol, kamu bisa mulai dari kelas berikut. Kelas ini dilengkapi dengan Studi Kasus menggunakan data sebanyak 128.000+ data sehingga kamu akan belajar dan dilatih cara mengolah dan menganalisa data yang BESAR. Perbedaan Business Analyst vs Data Analyst Berikut perbandingan yang lebih jelas: Business Analyst fokus pada strategi bisnis dan kebutuhan perusahaan. Data Analyst fokus pada analisis data dan insight. Perbedaan lainnya: Business Analyst lebih banyak meeting dan komunikasi dengan tim bisnis. Data Analyst lebih banyak bekerja dengan data dan tools analisis. Jika disederhanakan: Business Analyst fokus pada memahami masalah bisnis dan mencari solusi strategis. Data Analyst fokus pada menganalisis data untuk menemukan insight yang membantu perusahaan mengambil keputusan. Perbedaan singkat Business Analyst dengan Data Analyst: AspekBusiness AnalystData AnalystFokusStrategi bisnisAnalisis DataSkill UtamaBusiness ThinkingSQL dan Analisis DataToolsExcel, JiraExcel, SQL, Power BI, PythonTujuanMeningkatkan BisnisMenemukan Insight Mana yang lebih sulit? Sebenarnya tidak ada yang lebih sulit, karena keduanya membutuhkan skill yang berbeda. Namun secara umum: Business Analyst lebih membutuhkan kemampuan komunikasi dan analisis bisnis. Sedangkan Data Analyst membutuhkan kemampuan teknis seperti: SQLData analysisDashboardStatistik dasar Jika kamu lebih suka bekerja dengan angka dan data, biasanya Data Analyst lebih cocok. Gaji Business Analyst vs Data Analyst di Indonesia Gaji kedua profesi ini cukup kompetitif. Perkiraan gaji di Indonesia: Business Analyst Rp 8 juta – Rp 20 juta per bulan Data Analyst Rp 7 juta – Rp 18 juta per bulan Untuk level senior, gaji bisa jauh lebih tinggi. Beberapa faktor yang mempengaruhi gaji: Pengalaman kerjaSkill teknisPerusahaan tempat bekerjaLokasi kerja Jika kamu memiliki skill tambahan seperti Python atau Machine Learning, gaji bisa meningkat. Career Path Business Analyst Peluang karir sebagai Business Analyst juga sangat luas di berbagai industri. Banyak orang juga penasaran sebenarnya Business Analyst bisa bekerja dimana saja. Profesi ini dibutuhkan di perusahaan teknologi, perbankan, startup, perusahaan konsultan, hingga perusahaan besar yang ingin meningkatkan efisiensi bisnis mereka. Seorang Business Analyst biasanya bekerja di tim yang berhubungan langsung dengan strategi perusahaan. Mereka membantu mengidentifikasi masalah dalam proses bisnis, menganalisis kebutuhan perusahaan, serta memberikan rekomendasi solusi yang dapat meningkatkan performa bisnis. Karena perannya yang strategis, Business Analyst sering menjadi penghubung antara tim bisnis dan tim teknis dalam sebuah organisasi. Karir Business Analyst biasanya berkembang seperti ini: Junior Business AnalystBusiness AnalystSenior Business AnalystProduct ManagerHead of Strategy Role ini sering berkembang ke posisi manajemen. Career Path Data Analyst Salah satu alasan banyak orang tertarik menjadi Data Analyst adalah karena peluang kerjanya cukup luas. Tidak sedikit yang penasaran data analyst bisa kerja dimana. Profesi ini dibutuhkan di berbagai industri seperti startup teknologi, perbankan, e-commerce, perusahaan retail, hingga perusahaan konsultan bisnis. Hampir semua perusahaan yang memiliki data pelanggan atau data penjualan membutuhkan seorang Data Analyst. Karir Data Analyst biasanya berkembang seperti ini: Junior Data AnalystData AnalystSenior Data AnalystData ScientistHead of Data Banyak Data Scientist yang memulai karir sebagai Data Analyst. Mana yang Lebih Cocok untuk Pemula? Jika kamu baru ingin masuk ke dunia data, biasanya jalur Data Analyst lebih mudah untuk dimulai. Alasannya: Roadmap belajarnya jelasBanyak tutorial onlineBanyak peluang kerjaSkill bisa dipelajari secara bertahap Namun, jika kamu lebih suka strategi bisnis dan komunikasi, maka Business Analyst bisa menjadi pilihan yang lebih cocok. Cara Memulai Karir Data Analyst Banyak calon profesional juga sering bertanya data analyst ambil jurusan apa jika ingin masuk ke bidang ini. Pada umumnya, Skill Data Analyst tidak memerlukan kuliah atau gelar sarjana untuk dipelajari. Namun, beberapa jurusan yang relevan antara lain Statistik, Matematika, Sistem Informasi, Teknik Informatika, atau Data Science. Namun sebenarnya saat ini banyak juga Data Analyst yang berasal dari jurusan lain karena skill analisis data bisa dipelajari melalui kursus online dan latihan proyek. Jika kamu ingin menjadi Data Analyst, berikut roadmap sederhana yang bisa kamu ikuti: Belajar ExcelBelajar SQLBelajar data visualizationMembuat project data analysisMembuat portfolio dashboard Portfolio sangat penting karena perusahaan biasanya ingin melihat project yang pernah kamu buat. Kesimpulan Perbedaan utama antara Business Analyst dan Data Analyst terletak pada fokus pekerjaan mereka. Business Analyst berfokus pada strategi bisnis dan proses perusahaan, sedangkan Data Analyst berfokus pada analisis data untuk menemukan insight yang membantu perusahaan mengambil keputusan. Kedua profesi ini sangat dibutuhkan di era digital saat ini, terutama karena banyak perusahaan mulai menggunakan data untuk mengembangkan bisnis mereka. Jika kamu masih pemula dan tertarik masuk ke dunia data, Data Analyst sering menjadi jalur yang lebih mudah untuk dimulai.