Library Carpentry: Merapikan data untuk Pustakawan - Memformat Tabel Data di Spreadsheet

Terjemahan bebas oleh Chrisna Adhi Pranoto untuk materi Library Carpentry: Tidy data for librarians Lisensi asli: CC-BY 4.0 oleh The Carpentries

Episode 2: Memformat Tabel Data di Spreadsheet

Pertanyaan

Bagaimana data seharusnya diformat di spreadsheet?

Tujuan Pembelajaran

Mendeskripsikan praktik terbaik untuk entri dan pemformatan data di spreadsheet
Menerapkan praktik terbaik untuk mengatur variabel dan observasi di spreadsheet

Kesalahan paling umum yang dilakukan adalah memperlakukan spreadsheet seperti buku catatan yang mengandalkan konteks, catatan di pinggir, tata letak spasial data dan kolom untuk menyampaikan informasi. Sebagai manusia, kita biasanya bisa menginterpretasikan hal-hal tersebut, tapi komputer itu "bodoh" dalam hal ini. Kecuali kita menjelaskan kepada komputer apa arti setiap hal (dan itu bisa sangat sulit!), komputer tidak akan bisa memahami bagaimana data kita saling berhubungan.

Dengan kekuatan komputer, kita bisa mengelola dan menganalisis data dengan cara yang jauh lebih efektif dan cepat. Tapi untuk memanfaatkan kekuatan itu, kita harus menyiapkan data agar bisa dipahami oleh komputer (dan komputer itu sangat harfiah yang hanya mengerti apa yang tertulis secara eksplisit).

Inilah mengapa sangat penting untuk menyiapkan tabel yang terformat dengan baik sebelum Anda bahkan mulai mengumpulkan data untuk dianalisis. Organisasi data adalah fondasi dari seluruh pekerjaan berbasis data Anda. Data yang tidak terorganisir akan mempersulit pekerjaan Anda, jadi perhatikan organisasi data saat melakukan entri data. Anda ingin mengorganisir data dengan cara yang memudahkan program lain dan orang lain untuk memahami dan menggunakan data tersebut.

Catatan: Layout/format terbaik (begitu juga software dan antarmukanya) untuk entri data dan analisis data bisa berbeda. Penting untuk mempertimbangkan hal ini, dan idealnya mengotomatiskan konversi dari satu format ke format lainnya.

Melacak Analisis Anda

Saat bekerja dengan spreadsheet selama proses pembersihan atau analisis data, sangat mudah untuk berakhir dengan spreadsheet yang terlihat sangat berbeda dari yang Anda mulai. Agar bisa mereproduksi analisis Anda atau memahami apa yang sudah Anda lakukan ketika pimpinan meminta analisis yang berbeda, Anda sebaiknya:

Buat file baru dengan data yang sudah dibersihkan atau dianalisis. Jangan ubah dataset aslinya, atau Anda tidak akan pernah tahu dari mana Anda mulai!
Catat langkah-langkah yang Anda ambil dalam proses pembersihan atau analisis. Perlakukan langkah-langkah ini seperti langkah dalam eksperimen. Kami menyarankan Anda melakukan ini dalam file teks biasa (plain text) yang disimpan di folder yang sama dengan file data.
Dokumentasikan alur kerja Anda dengan jelas. Sama seperti Anda mendokumentasikan tindakan penting dalam proyek penelitian, penting untuk menyimpan catatan yang jelas tentang alur kerja Anda.

Bentuk sampel dari dokumen yang mungkin akan kita gunakan :

Kita akan coba gunakan prinsip ini untuk latihan pada serial ini.

Menyusun Data di Spreadsheet

Berikut adalah aturan-aturan dasar dalam menggunakan program spreadsheet untuk data:

Letakkan semua variabel Anda di kolom — hal yang Anda ukur, seperti "panjang" atau "jumlah pengunjung".
Letakkan setiap observasi di barisnya sendiri.
Jangan gabungkan beberapa informasi dalam satu sel. Kadang tampaknya hanya satu hal, tapi pikirkan apakah itu satu-satunya cara Anda ingin menggunakan atau mengurutkan data tersebut.
Biarkan data mentah tetap mentah — jangan utak-atik!
Ekspor data yang sudah dibersihkan ke format berbasis teks seperti CSV. Ini memastikan siapa pun bisa menggunakan data tersebut, dan merupakan format yang diperlukan oleh sebagian besar repositori data.

Sebagai contoh, kita punya data kehadiran dan instruksi dari workshop manajemen data penelitian sebelumnya. Beberapa orang berbeda memasukkan data ke dalam satu spreadsheet yang sama. Mereka mencatat hal-hal seperti tanggal, jumlah peserta, dan siapa yang memfasilitasi workshop tersebut.

Kalau data dicatat seperti ini:

masalahnya adalah jumlah peserta dari berbagai kategori, seperti peneliti pascasarjana (PGR), asisten peneliti postdoktoral (PDRA), dan lainnya yang semuanya digabung dalam satu kolom yang sama. Jadi kalau kita ingin melihat kehadiran khusus dari kelompok peneliti pascasarjana saja, data seperti ini akan sangat menyulitkan. Sebaliknya, kalau kita pisahkan setiap kategori peserta ke kolom masing-masing, analisisnya akan jauh lebih mudah dilakukan.

Kolom untuk Variabel dan Baris untuk Observasi

Aturan sederhananya, saat menyiapkan lembar data, adalah: kolom = variabel, baris = observasi, sel = data (nilai).

Latihan
Kita akan mengambil versi berantakan dari beberapa data pelatihan perpustakaan dan membersihkannya:
Unduh data dari sini.
Buka data di program spreadsheet.
Anda akan melihat ada tiga tab. Berbagai orang telah merekam statistik kehadiran pelatihan sepanjang 2016 dan 2017, masing-masing dengan caranya sendiri. Sekarang Anda diminta untuk mengevaluasi program pelatihan dan ingin mulai melakukan analisis statistik dengan data tersebut.
Bersama rekan di samping Anda, rapikan data yang berantakan itu agar bisa dipahami oleh komputer. Bersihkan tab 2016 dan 2017, lalu gabungkan semuanya dalam satu spreadsheet.
Setelah latihan ini, kita akan diskusi bersama tentang apa yang salah dengan data tersebut dan bagaimana Anda memperbaikinya.

Penting! Jangan lupa saran pertama kita: buat file baru untuk data yang sudah dibersihkan, dan jangan pernah mengubah data asli (mentah).

Sumber Bacaan: Hadley Wickham, Tidy Data, Vol. 59, Issue 10, Sep 2014, Journal of Statistical Software. http://www.jstatsoft.org/v59/i10

Poin Utama
Gunakan satu kolom untuk satu variabel
Gunakan satu baris untuk satu observasi
Gunakan satu sel untuk satu nilai
Jangan pernah mengubah data mentah Anda. Selalu buat salinan sebelum melakukan perubahan apapun
Simpan semua langkah yang Anda ambil untuk membersihkan data dalam file teks biasa

Materi ini merupakan terjemahan bebas oleh Chrisna Adhi Pranoto untuk materi Library Carpentry: Tidy data for librarians yang dilisensikan di bawah CC-BY 4.0 oleh The Carpentries