Library Carpentry: Merapikan data untuk Pustakawan - Mengekspor Data dari 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 6: Mengekspor Data dari Spreadsheet

Pertanyaan

Apa saja masalah dengan file Excel?
Bagaimana cara berbagi data dari spreadsheet yang berguna untuk berbagai aplikasi?

Tujuan Pembelajaran

Menyimpan data spreadsheet dalam format file universal
Mengekspor data dari spreadsheet ke file .csv

Untuk berbagai alasan, menyimpan data yang akan Anda gunakan untuk analisis dalam format file Excel (*.xls atau *.xlsx) tidak disarankan jika Anda berharap untuk mempreservasi data dalam jangka panjang. Kenapa?

Excel adalah format proprietary, dan ada kemungkinan di masa depan teknologi untuk membukanya tidak ada lagi (atau menjadi sangat langka) sehingga menyulitkan, bahkan tidak mungkin, untuk membuka file tersebut. Bayangkan zipdisk. Berapa banyak tesis lama yang "di-backup" dan disimpan di zipdisk? Pernah mau mengambil data mentah dari salah satunya? Nah, itulah masalahnya.
Software spreadsheet lain mungkin tidak bisa membuka file yang disimpan dalam format Excel proprietary.
Versi Excel yang berbeda mungkin menangani data secara berbeda, menghasilkan inkonsistensi.

Sebagai contoh, ingat bagaimana Excel menyimpan tanggal yang kita bahas sebelumnya? Ternyata ada berbagai default untuk versi software yang berbeda, dan Anda bisa berganti-ganti di antaranya semau Anda. Jadi, misalnya Anda mengkompilasi data yang disimpan di Excel dari berbagai sumber. Ada tanggal di setiap file dan Excel menginterpretasikannya sebagai angka serial yang konsisten secara internal. Ketika Anda menggabungkan data, Excel akan mengambil angka serial dari tempat Anda mengimpornya, dan menginterpretasikannya menggunakan aturan untuk versi Excel yang Anda gunakan. Pada dasarnya, Anda bisa menambahkan kesalahan besar ke data Anda, dan itu tidak selalu tertangkap oleh metode pembersihan data manapun jika rentangnya tumpang tindih.

Solusinya: Format CSV

Menyimpan data dalam format yang universal, terbuka, dan statis akan membantu mengatasi masalah ini. Gunakan tab-delimited atau CSV (yang lebih umum).

File CSV adalah file teks biasa di mana kolom-kolom dipisahkan oleh koma (comma separated values atau CSV). Keunggulan CSV dibanding file Excel/SPSS/dll. adalah:

Kita bisa membuka dan membaca file CSV menggunakan hampir semua software, termasuk text editor sederhana
Data dalam CSV juga bisa dengan mudah diimpor ke format dan lingkungan lain, seperti SQLite dan R
Kita tidak terikat pada versi tertentu dari program tertentu yang mahal saat bekerja dengan CSV, sehingga format ini baik untuk portabilitas dan ketahanan maksimal

Sebagian besar program spreadsheet bisa menyimpan ke format teks dengan delimiter seperti CSV dengan mudah, meskipun biasanya muncul peringatan seolah-olah Anda melakukan sesuatu yang salah.

Cara menyimpan file Excel ke format *.csv:

Dari menu atas pilih 'File' dan 'Save as'
Di field 'Format', dari daftar pilih 'Comma Separated Values' (*.csv)
Periksa kembali nama file dan lokasi tempat Anda ingin menyimpannya, lalu klik 'Save'

Catatan penting: Anda bisa membuka CSV di Excel!

Catatan tentang Kompatibilitas Lintas Platform

Secara default, sebagian besar lingkungan coding dan statistik mengharapkan UNIX-style line endings (karakter ASCII LF) sebagai representasi line break. Namun, Windows menggunakan penanda line ending alternatif (karakter ASCII CR LF) secara default.

Karena itu, saat mengekspor ke CSV menggunakan Excel, data Anda dalam format teks akan terlihat seperti ini:

data1,data2<CR><LF>1,2<CR><LF>4,5<CR><LF>

Jika Anda membuka file CSV Anda di sistem yang berbeda yang tidak mem-parse karakter CR, file CSV Anda akan diinterpretasikan secara berbeda, dan Anda akan melihat karakter aneh atau mungkin string CR atau \r. Hal ini menyebabkan masalah serius pada data Anda. Misalnya, 2\r bukan bilangan bulat yang valid dan akan menghasilkan error (jika Anda beruntung) ketika Anda mencoba mengoperasikannya di R atau Python.

Beberapa solusi untuk memastikan line endings UNIX-style yang seragam pada CSV yang diekspor:

Saat mengekspor dari Excel, simpan sebagai file "Windows comma separated (.csv)"
Jika Anda menyimpan file data di bawah version control menggunakan Git, edit file .git/config di repositori untuk menerjemahkan line endings secara otomatis
Gunakan alat dos2unix (tersedia di OSX, *nix, dan Cygwin) pada file lokal untuk menstandarkan line endings

Poin Utama
Gunakan format file .csv untuk penyimpanan dan pemrosesan data

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.