Lembar Kerja Peserta — Integrated Study Case

✍️ Identitas Peserta

Nama Lengkap

Asal Instansi / Pekerjaan

Batch / Tanggal Pelatihan

Tools yang Dipilih

📋 Brief Kasus & Persiapan

Anda adalah Data Analyst di toko online "TokoTech". Manajer memberi Anda data penjualan mentah 2 tahun terakhir (Juli 2024 – Juni 2026) dan meminta laporan untuk rapat evaluasi tahunan. Dataset ini sengaja kotor — bagian dari tantangan Anda adalah menemukan dan membereskannya.

Kolom data: order_id · tanggal · nama_pelanggan · kota · produk · kategori · jumlah · harga_satuan · total. Ingat: kolom total seharusnya selalu = jumlah × harga_satuan.

Checklist Tujuan Pembelajaran

Centang saat Anda merasa sudah mampu melakukannya:

Membersihkan data kotor (duplikat, nilai kosong, format tidak konsisten, typo)

Menganalisis data untuk menjawab pertanyaan bisnis (Pivot / SQL / Pandas)

Membuat mini dashboard interaktif di Power BI

Membandingkan data tahun ini vs tahun lalu (Year-over-Year)

Menulis insight: angka + konteks + rekomendasi aksi

Mendokumentasikan setiap keputusan cleaning yang diambil

1️⃣ Fase 1 — Data Cleaning ±30 menit

Periksa data mentah, temukan masalah kualitas data, dan isi log keputusan cleaning berikut. Setiap masalah yang ditemukan harus tercatat beserta keputusan Anda — inilah yang dinilai.

#	Masalah yang Ditemukan	Kolom / Contoh Baris	Keputusan yang Diambil	Alasan
1
2
3
4
5
6
7

Hasil akhir cleaning saya: dari baris mentah menjadi transaksi bersih.

2️⃣ Fase 2 — Analysis ±30 menit

Jawab setiap pertanyaan bisnis di bawah dengan data hasil cleaning. Tuliskan angka jawaban Anda, bukan sekadar kesimpulan.

Q1 · Produk Terlaris vs Penyumbang Revenue Terbesar

Metrik	Jawaban	Angka Pendukung
Produk terlaris berdasarkan unit
Produk penyumbang revenue terbesar

Apakah keduanya sama? Jelaskan singkat:

Q2 · Revenue per Kota

Peringkat	Kota	Revenue
1
2
3
4

Q3 · Tren Revenue Bulanan (2 Tahun)

Pertanyaan	Jawaban
Bulan dengan revenue tertinggi sepanjang data
Apakah puncak itu berulang di tahun berikutnya? Polanya?

Q4 · Dominasi Kategori

Kategori dengan revenue terbesar: · Kontribusi: % dari total revenue.

Q5 · Year-over-Year: Habit Tahun Lalu 🔄

Bandingkan produk yang laku di bulan yang sama, tahun lalu vs tahun ini (pilih satu bulan, mis. Juni):

Produk	Unit — Bulan (tahun lalu)	Unit — Bulan (tahun ini)	Naik ⬆ / Turun ⬇

Pola kebiasaan (habit) musiman yang saya temukan:

Q6 · Audit Kualitas Data (Bonus)

Berapa jenis masalah berbeda yang Anda temukan? jenis — sudah Anda catat di Fase 1. Yang paling tersembunyi menurut saya:

3️⃣ Fase 3 — Dashboard ±30 menit

Tuangkan jawaban Fase 2 ke dalam 1 halaman dashboard Power BI. Checklist kelengkapan:

KPI Card: Total Revenue

KPI Card: Jumlah Transaksi

KPI Card: Rata-rata Nilai Order

Bar chart: Revenue per Kota

Bar chart: Unit Terjual per Produk

Line chart: Tren Revenue per Bulan (+ perbandingan tahun lalu jika sempat)

Matrix atau visual musiman: Produk × Bulan

Slicer interaktif (kategori / tahun / tanggal)

Sudah diuji: klik satu visual → visual lain ikut terfilter

Nama file dashboard (.pbix):

4️⃣ Fase 4 — Insight & Rekomendasi ±15 menit

Insight yang baik mengikuti pola angka + konteks + rekomendasi. Tulis minimal 3 insight:

Insight 1

Insight 2

Insight 3

Satu rekomendasi aksi untuk TokoTech

⭐ Rubrik Penilaian (Transparan)

Komponen	Bobot	Yang Dinilai
Cleaning	30	Masalah ditemukan, keputusan tepat & terdokumentasi di log Fase 1
Analisis	30	Jawaban Q1–Q6 benar, berdasar pada data, angka dituliskan
Dashboard	25	Kelengkapan visual Fase 3, rapi, interaktif
Insight	15	Pola angka + konteks + rekomendasi; minimal 3 insight
Total	100

Catatan: angka final boleh sedikit berbeda antar peserta tergantung keputusan cleaning (mis. mengisi vs menghapus baris kosong). Yang dinilai adalah konsistensi dan alasan di balik setiap keputusan — bukan angka mutlaknya.