Modul 1 — Modul 1 — Apa yang Sebenarnya Dikerjakan Data Mining

Situasi yang mungkin sudah kamu alami

Kamu bekerja di koperasi, klinik, sekolah, distributor, atau toko daring. Suatu hari pimpinan berkata: “Data kita sudah banyak. Coba dipakai, biar penjualan naik.” Kamu mengunduh berkas ekspor dua belas bulan terakhir, membuat beberapa grafik yang rapi, dan mengirimkannya. Dua minggu berlalu. Tidak ada satu pun keputusan yang berubah.

Versi lain dari cerita yang sama: kamu sudah belajar sebuah perkakas, melatih model, dan angkanya bagus di layar. Tetapi ketika ditanya “jadi besok kami harus apa?”, tidak ada jawaban yang bisa dipakai.

Kalau salah satunya terasa akrab, masalahnya hampir tidak pernah pada perangkat lunaknya.

Tiga jalan buntu yang paling sering

Pertama, pertanyaannya tidak pernah diubah menjadi tugas. “Biar penjualan naik” bukan tugas. Tugas menyebut siapa atau apa yang dinilai, apa yang diramalkan, untuk periode kapan, dan bagaimana kita tahu hasilnya cukup baik. Tanpa itu, apa pun yang kamu hitung selalu bisa dianggap tidak menjawab.

Kedua, melompat ke alat. Orang memilih algoritma sebelum tahu bentuk jawaban yang dibutuhkan. Padahal bentuk jawaban itulah yang menentukan jenis pekerjaannya — dan kadang menentukan bahwa model tidak diperlukan sama sekali.

Ketiga, jawabannya tidak menyambung ke tindakan. Model bisa menandai 800 pelanggan berisiko berhenti, tetapi kalau tim yang menelepon hanya sanggup menghubungi 40 orang per hari, yang sebenarnya dibutuhkan adalah urutan prioritas 40 nama, bukan daftar 800 nama.

Yang bisa dan tidak bisa dijanjikan data mining

Yang bisa: menemukan pola berulang di data historis dan mengubahnya menjadi dugaan yang bisa diuji tentang kasus baru; menyusun prioritas ketika kapasitas tindakan terbatas; memperlihatkan pengelompokan yang selama ini tidak terlihat; memberi angka yang bisa diadu dengan cara kerja yang berjalan sekarang.

Yang tidak bisa: menciptakan informasi yang tidak pernah dicatat; menentukan sendiri apa yang penting bagi organisasimu; membuktikan sebab-akibat hanya dari data pengamatan; memperbaiki keputusan yang memang tidak akan pernah diambil siapa pun. Data mining juga tidak memperbaiki proses kerja yang rusak — ia hanya akan mempelajari kerusakan itu dan mengulanginya dengan rapi.

Peta jalan yang akan kita pakai berulang: CRISP-DM

Sepanjang kelas ini kita memakai kerangka kerja bernama CRISP-DM. Enam fasenya:

1. Pemahaman bisnis — mengubah kebutuhan organisasi menjadi tugas yang jelas.
2. Pemahaman data — melihat data yang benar-benar ada, bukan yang dibayangkan ada.
3. Persiapan data — menyusun tabel yang siap dipakai: menggabungkan, membersihkan, membentuk kolom penjelas.
4. Pemodelan — memilih dan melatih metode.
5. Evaluasi — menguji apakah hasilnya menjawab tujuan awal, bukan sekadar bagus secara angka.
6. Penyebaran — membuat hasilnya sampai ke tangan orang yang mengambil keputusan, secara rutin.

Dua catatan penting. Urutannya bukan garis lurus: temuan di fase pemahaman data sering memaksa kamu kembali memperbaiki rumusan di fase pertama, dan itu normal, bukan kemunduran. Kedua, CRISP-DM tidak menetapkan pembagian waktu antar fase. Angka-angka semacam “sekian persen waktu habis untuk menyiapkan data” yang sering beredar bukan bagian dari kerangkanya, jadi jangan dihafalkan sebagai aturan.

Apa yang akan kamu bisa setelah modul ini

Menentukan jenis tugas dari sebuah pertanyaan dalam beberapa menit; menuliskan pertanyaan kabur menjadi tugas yang komponennya bisa diperiksa orang lain; memutuskan dengan alasan tertulis kapan sebuah masalah cukup dijawab laporan, aturan sederhana, atau perbaikan proses; dan menunjuk posisimu di CRISP-DM beserta satu langkah berikutnya yang konkret.

Tugas kecil, kerjakan sekarang

Tulis satu pertanyaan kerja nyata dari tempatmu bekerja atau komunitasmu — apa adanya, boleh kabur. Lalu tulis tiga hal di bawahnya: siapa yang akan memakai jawabannya, keputusan apa yang berubah kalau jawabannya ada, dan data apa yang sudah tercatat hari ini. Simpan catatan ini. Kita akan memakainya di Unit 3, Unit 4, dan daftar periksa di Unit 7.

Dua pertanyaan yang menyelesaikan hampir semua kebingungan

Sebuah pertanyaan kerja bisa terdengar rumit, tetapi jenis tugasnya biasanya sudah ketahuan dari dua pertanyaan pendek.

Pertanyaan 1 — Jawaban yang diminta itu bentuknya apa? Pilihannya empat: (a) satu kategori dari daftar yang terbatas; (b) satu angka pada skala; (c) pembagian sebuah kumpulan menjadi beberapa kelompok yang belum ditentukan sebelumnya; (d) daftar hal yang sering muncul bersamaan.

Pertanyaan 2 — Apakah data historis sudah memuat jawaban yang benar untuk kasus-kasus lama? Kalau ya, kamu punya label, dan pekerjaannya berlabel. Kalau tidak ada jawaban benar yang tercatat, pekerjaannya tidak berlabel.

Jawaban (a) dengan label mengarah ke klasifikasi. Jawaban (b) dengan label mengarah ke prediksi nilai numerik. Jawaban (c) tanpa label mengarah ke pengelompokan. Jawaban (d) mengarah ke aturan asosiasi.

Klasifikasi: menempatkan satu kasus ke satu kategori

Keluarannya kategori dari daftar yang sudah ada dan sudah bermakna bagi organisasi. Contoh: apakah pengajuan pinjaman seorang anggota koperasi akan menunggak lebih dari 30 hari; apakah sebuah ulasan aplikasi termasuk keluhan pengiriman, keluhan aplikasi, atau pujian.

Syarat mutlak: kategori itu harus tercatat di riwayat untuk kasus lama. Kalau klinik tidak pernah mencatat pasien yang tidak hadir, tidak ada yang bisa dipelajari — dan itu temuan yang harus dilaporkan, bukan hambatan yang bisa disiasati dengan algoritma.

Prediksi nilai numerik: keluarannya angka

Pertanyaannya berbunyi “berapa”, bukan “yang mana”. Contoh: berapa galon air isi ulang terjual besok di sebuah agen; berapa menit rata-rata antrean di loket pada jam sibuk; berapa rupiah tagihan listrik sebuah cabang bulan depan.

Bedanya dengan klasifikasi bukan pada datanya, melainkan pada bentuk jawabannya. “Berapa tabung elpiji terjual Sabtu depan” adalah prediksi nilai numerik. “Apakah Sabtu depan stok akan habis sebelum sore” adalah klasifikasi, meski keduanya memakai tabel penjualan yang sama.

Pengelompokan: kelompoknya belum ada, dan itu intinya

Di sini data historis tidak memuat jawaban benar. Kamu meminta mesin menyusun kelompok berdasarkan kemiripan, lalu manusia yang menafsirkan dan menamainya. Contoh: 3.000 pelanggan sebuah toko daring dikelompokkan menurut pola belanja supaya perlakuan tiap kelompok bisa dibedakan.

Tiga jebakan yang perlu kamu ingat:

1. Jumlah kelompok adalah pilihan, bukan temuan. Mesin akan tetap menghasilkan empat kelompok kalau kamu minta empat, dan tujuh kalau kamu minta tujuh.
2. Kelompok yang rapi belum tentu berguna. Kelompok dianggap berhasil kalau perlakuan terhadapnya memang bisa dibedakan dalam praktik, bukan karena grafiknya terlihat cantik.
3. Tidak ada kunci jawaban. Kamu tidak bisa mengukur “benar berapa persen”, karena tidak ada yang benar sejak awal. Yang bisa diukur adalah apakah keputusan yang mengikutinya membaik.

Aturan asosiasi: apa yang sering muncul bersamaan

Yang dicari adalah pola “kalau A muncul, B sering ikut muncul” di dalam satu kejadian: satu struk belanja, satu kunjungan, satu paket pesanan. Contoh: menu kantin sekolah yang sering dibeli bersamaan sehingga paket hemat bisa disusun masuk akal; barang yang sering muncul bersama di struk minimarket.

Ciri pembedanya: tidak ada satu target khusus yang ditetapkan sejak awal. Kamu memeriksa pasangan atau rangkaian item, bukan meramalkan satu kolom tertentu.

Peringatan: unit analisis bukan pembedanya

Kesalahan yang paling sering: mengira jenis tugas ditentukan oleh objek yang dibicarakan. Padahal “pelanggan” bisa menjadi unit untuk keempat jenis tugas sekaligus — pelanggan akan berhenti atau tidak (klasifikasi), pelanggan akan belanja berapa rupiah bulan depan (prediksi nilai numerik), pelanggan terbagi ke berapa pola belanja (pengelompokan), barang apa yang sering dibeli bersamaan oleh pelanggan (aturan asosiasi). Yang membedakan adalah bentuk jawaban dan ada tidaknya label.

Kalau tidak satu pun cocok

Ada dua kemungkinan. Pertama, pertanyaannya deskriptif: “berapa banyak keluhan bulan lalu”, “cabang mana yang penjualannya turun”. Itu dijawab dengan laporan, bukan penambangan data. Kedua, pertanyaannya sebab-akibat: “apakah diskon menyebabkan penjualan naik”. Itu menuntut rancangan khusus seperti uji coba terkendali; menemukan pola saja tidak cukup. Keduanya dibahas di Unit 3.

Latihan singkat — putuskan dulu, baru baca pembahasannya

K1. Sebuah yayasan mengelola 40 taman bacaan dan ingin merancang program yang berbeda-beda, tetapi belum tahu pembagiannya seperti apa. Data: jumlah pengunjung per hari, jenis buku yang dipinjam, jam ramai. Belum ada penggolongan taman bacaan apa pun selama ini.

K2. Yayasan yang sama sudah memakai tiga golongan resmi taman bacaan selama tiga tahun dan ingin menempatkan lima taman bacaan baru ke salah satu golongan itu.

K3. Sebuah agen elpiji ingin tahu berapa tabung yang harus disetok Sabtu depan.

K4. Kantin sekolah ingin tahu menu apa saja yang sering dibeli bersamaan agar paket hemat masuk akal.

Pembahasan: K1 pengelompokan — bentuk jawabannya pembagian ke kelompok yang belum ditentukan, dan tidak ada label historis. K2 klasifikasi — golongannya sudah ada dan ada contoh berlabel selama tiga tahun. Perhatikan K1 dan K2 memakai objek yang sama persis; yang berubah hanya ada tidaknya label. K3 prediksi nilai numerik. K4 aturan asosiasi.

Fase pemahaman bisnis punya dua keluaran, bukan satu

Keluaran pertama: keputusan apakah model memang alat yang tepat. Keluaran kedua: rumusan tugas yang komponennya bisa diperiksa orang lain. Banyak pekerjaan mandek karena keluaran pertama dilewati begitu saja — orang langsung membangun model untuk masalah yang sebenarnya tidak menuntut model.

Jalankan empat penyaring berikut secara berurutan, dan tuliskan jawabannya. Jawaban tertulis inilah yang membuat keputusanmu bisa diperiksa orang lain, bukan sekadar terasa benar di kepalamu.

P1 — Apakah yang dibutuhkan sebenarnya angka masa lalu?

Ujinya: “Kalau angka yang sudah tercatat ini ditayangkan setiap Senin pagi ke orang yang mengambil keputusan, apakah keputusannya berubah?” Kalau jawabannya ya, yang dibutuhkan adalah laporan berkala, bukan model. Pertanyaan seperti “cabang mana yang penjualannya turun tiga bulan berturut-turut” sepenuhnya bisa dijawab dari data yang sudah ada; tidak ada yang perlu diramalkan.

Jangan anggap ini kegagalan. Laporan yang tepat waktu dan dibaca orang yang tepat sering memberi perubahan lebih besar daripada model yang tidak pernah dipakai.

P2 — Apakah aturan sederhana sudah cukup?

Tulis satu aturan yang muat dalam satu kalimat, misalnya “hubungi semua anggota yang telat membayar dua bulan berturut-turut”. Lalu jalankan aturan itu pada data lama dan hitung hasilnya.

Dua kemungkinan, dan keduanya berguna. Kalau hasilnya sudah memenuhi kebutuhan, berhenti di situ: aturan sederhana lebih murah dirawat, lebih mudah dijelaskan, dan tidak rusak diam-diam. Kalau belum cukup, kamu baru saja mendapat pembanding dasar — angka yang wajib dilampaui oleh model apa pun nanti. Proyek yang tidak punya pembanding dasar tidak bisa membuktikan dirinya berguna, seberapa pun bagus angkanya.

P3 — Apakah kasusnya muncul karena alur kerja yang bisa diperbaiki?

Penyaring ini paling sering dilewatkan, padahal sering paling menentukan. Ujinya dua bagian.

(a) Apakah kejadian yang mau diramalkan sebagian besar berasal dari langkah kerja yang keliru atau hilang? Tanda-tandanya khas: formulir punya kolom yang tidak ditandai wajib sehingga sering kosong; jadwal penagihan dikirim setelah tanggal jatuh tempo lewat; nomor telepon tidak pernah diperbarui sejak pendaftaran; dua petugas memakai kode barang berbeda untuk barang yang sama; status pesanan diisi belakangan secara borongan.

(b) Apakah perbaikan itu ada di dalam kendali organisasi, dan biayanya lebih kecil daripada membangun serta merawat model? Menambahkan validasi pada satu formulir, mengubah jam kirim pengingat, atau menyeragamkan kode barang biasanya jauh lebih murah daripada memelihara model selama bertahun-tahun.

Kalau kedua jawaban ya, perbaiki prosesnya. Memodelkan gejala dari proses yang rusak berarti membayar dua kali: sekali untuk modelnya, sekali lagi karena masalahnya tetap ada.

Contoh konkret. Sebuah klinik gigi ingin meramalkan pasien mana yang tidak akan datang. Ditelusuri, sebagian besar janji temu dibuat lewat pesan singkat ke ponsel resepsionis dan tidak selalu dicatat ulang ke buku jadwal. Artinya “tidak datang” di data sering berarti “tidak pernah tercatat terjadwal”. Yang harus diperbaiki adalah pencatatan janji temu — barisnya bahkan belum layak disebut data yang bisa dipercaya.

Catatan penting: perbaikan proses dan model tidak selalu bersaing. Sering perbaikan proses harus lebih dulu supaya datanya layak dipakai, dan model baru masuk akal setelah lubang alur kerjanya ditutup.

P4 — Barulah model

Model layak dicoba kalau empat hal ini terpenuhi: keputusannya berulang, jumlah kasusnya banyak, kapasitas tindakannya terbatas sehingga urutan prioritas benar-benar bernilai, dan ada riwayat yang memuat hasilnya. Kalau keputusan hanya diambil sekali setahun oleh satu orang, biaya membangun dan merawat model jarang sepadan.

Empat komponen rumusan tugas

Setelah lolos P4, tulis empat komponen ini. Kalau salah satu tidak bisa kamu tulis, kamu belum selesai di fase pertama.

1. Unit analisis. Satu baris data mewakili apa: satu pelanggan, satu transaksi, satu janji temu, satu hari, atau satu pasangan pelanggan-bulan? Ujinya: sebutkan kira-kira berapa baris yang ada dalam setahun terakhir. Kalau kamu tidak bisa menyebut angkanya, unit analisismu belum jelas.

2. Variabel target beserta jendela waktunya. Definisi harus operasional — bisa dihitung dari data tanpa perdebatan. “Menunggak” harus diterjemahkan menjadi berapa hari lewat jatuh tempo. Sebutkan juga kapan prediksi dibuat dan periode mana yang diramalkan. Lalu satu aturan ketat: hanya informasi yang sudah tersedia pada saat prediksi dibuat yang boleh dipakai sebagai penjelas.

3. Ukuran keberhasilan. Angka yang dihitung dari kenyataan setelah tindakan, dan sebaiknya terikat pada kapasitas nyata. Kalau tim hanya sanggup menghubungi 30 orang per hari, ukurlah ketepatan pada 30 nama teratas, bukan ketepatan di seluruh daftar.

4. Pembanding dasar. Apa yang terjadi kalau model tidak ada: cara kerja yang berjalan sekarang, atau aturan sederhana dari P2. Harus diukur dengan cara yang sama pada data yang sama.

Kapan boleh pindah ke fase berikutnya

Kamu masih berada di fase pemahaman bisnis. Syarat pindah ke fase pemahaman data: keempat komponen sudah tertulis dan disetujui orang yang akan memakai hasilnya. Aturan umum yang berlaku di semua fase — kalau kamu tidak bisa menyebut keluaran fase yang sedang kamu kerjakan, kamu belum benar-benar berada di fase itu.

Kasus

Klinik Pratama Rawa Melati (nama rekaan) melayani sekitar 120 janji temu kontrol per hari kerja. Semua angka di unit ini adalah angka rekaan untuk latihan. Yang perlu kamu tiru adalah caranya, bukan angkanya.

Kepala klinik berkata: “Banyak slot dokter kosong padahal sudah dijadwalkan. Bisa nggak data kunjungan dipakai supaya tidak begitu?”

Langkah 1 — Tulis pertanyaannya apa adanya

Catat kalimat aslinya tanpa diperhalus. Kalimat asli menyimpan asumsi pengucapnya, dan nanti kamu perlu menunjukkan bagian mana yang kamu ubah.

Langkah 2 — Lewatkan empat penyaring

P1 (laporan). Laporan bulanan jumlah ketidakhadiran sudah ada dan sudah dibaca kepala klinik. Ia tetap tidak tahu harus menelepon siapa besok sore. Laporan saja tidak menutup kebutuhan ini.

P2 (aturan sederhana). Belum pernah diuji. Kita akan mengujinya di Langkah 7 dan memakainya sebagai pembanding dasar.

P3 (perbaikan proses). Ditelusuri lebih dulu, dan ditemukan dua hal. Pertama, sebagian nomor telepon pasien sudah tidak aktif karena tidak pernah diperbarui sejak pendaftaran pertama — diperbaiki lewat proses: petugas mengonfirmasi nomor setiap kali pasien datang. Kedua, pengingat hanya terkirim kalau petugas sempat — diperbaiki dengan pengingat otomatis satu hari sebelumnya untuk semua pasien. Keduanya dikerjakan lebih dulu karena murah dan berada dalam kendali klinik. Setelah keduanya berjalan, sisa masalahnya jelas: pengingat otomatis saja tidak cukup, sementara petugas hanya sanggup menelepon 30 pasien per hari. Memilih 30 nama mana — itulah yang tersisa.

P4 (model). Keputusannya berulang setiap hari kerja, jumlah kasusnya banyak, kapasitas tindakannya terbatas, dan status kehadiran tercatat. Model layak dicoba.

Langkah 3 — Jenis tugas

Bentuk jawaban: untuk setiap janji temu besok, “akan hadir” atau “tidak hadir”. Satu kategori dari daftar terbatas, dan riwayat memuat jawabannya. Jadi klasifikasi. Bukan pengelompokan, karena kategorinya sudah ada dan sudah bermakna. Bukan prediksi nilai numerik, karena tidak ada angka yang diminta.

Langkah 4 — Unit analisis

Satu baris = satu janji temu, bukan satu pasien. Keputusan diambil per janji temu, dan pasien yang sama bisa punya beberapa jadwal dengan risiko berbeda. Perkiraan jumlah baris setahun: 120 janji temu × sekitar 250 hari kerja ≈ 30.000 baris.

Langkah 5 — Variabel target dan jendela waktu

Target: “pasien tidak hadir pada janji temunya dan tidak membatalkan paling lambat dua jam sebelum jadwal.” Definisi ini bisa dihitung karena klinik mencatat status kehadiran sekaligus waktu pembatalan.

Waktu prediksi: setiap hari kerja pukul 16.00, untuk janji temu keesokan harinya.

Aturan ketat: hanya informasi yang sudah ada pada pukul 16.00 boleh dipakai. Kolom seperti “apakah pasien menjawab telepon petugas” baru terisi setelah keputusan diambil, jadi dilarang masuk.

Langkah 6 — Ukuran keberhasilan terikat kapasitas

Kapasitasnya 30 telepon per hari. Ukurannya: dari 30 nama teratas, berapa yang benar-benar tidak hadir keesokan harinya.

Langkah 7 — Pembanding dasar: dijalankan, bukan ditebak

Aturan sederhana dari P2: “pasien yang dalam enam bulan terakhir pernah tidak hadir minimal satu kali dan janji temunya sebelum pukul 09.00.”

Ada kekurangan yang sering luput. Aturan seperti ini berbentuk benar/salah, sehingga hasilnya himpunan nama, bukan urutan. Pada hari rata-rata ada 46 janji temu yang lolos, padahal kuota hanya 30. Maka spesifikasinya harus ditambah aturan pengurut dan pemutus seri: urutkan menurut jumlah ketidakhadiran enam bulan terakhir (terbanyak dulu), lalu jam janji temu paling pagi, lalu nomor rekam medis terkecil. Kalau yang lolos kurang dari 30, sisa kuota diisi janji temu lain hari itu urut jam paling pagi. Dengan aturan selengkap ini, siapa pun yang menjalankannya mendapat 30 nama yang sama.

Hasil menjalankannya pada 20 hari kerja terakhir: rata-rata 9 dari 30 nama benar-benar tidak hadir, yaitu 30 persen. Itulah pembanding dasarnya.

Godaan yang harus ditolak: mengambil angka ketidakhadiran keseluruhan klinik — misalnya 12 dari 100 janji temu — lalu mengalikannya dengan 30 seolah-olah 30 nama itu diambil acak. Daftar yang disusun oleh sebuah aturan bukan sampel acak; ia bisa lebih baik atau lebih buruk daripada rata-rata, dan kita tidak tahu tanpa menjalankannya. Kalau data lama tidak memungkinkan aturan itu dijalankan, tulis angkanya sebagai asumsi yang harus diperiksa di fase pemahaman data, jangan menyamarkannya sebagai hasil pengukuran.

Target model: dari 30 nama teratas, minimal 18 benar-benar tidak hadir (60 persen), diukur pada empat minggu data yang tidak dipakai melatih. Itu dua kali lipat pembanding.

Asumsi lain yang dicatat: kapasitas 30 telepon dianggap tetap; pencatatan kehadiran dianggap konsisten sepanjang dua belas bulan — kalau ternyata beberapa bulan pertama tidak mencatat status kehadiran, periode itu dibuang dan pembanding dihitung ulang.

Langkah 8 — Posisi di CRISP-DM dan satu langkah berikutnya

Seluruh Langkah 1–7 adalah fase pemahaman bisnis. Fase ini selesai ketika lembar rumusan disetujui kepala klinik.

Satu langkah berikutnya yang konkret: meminta petugas rekam medis mengekstrak tabel janji temu dua belas bulan terakhir dengan kolom nomor rekam medis yang disamarkan, tanggal dan jam janji, poli, cara pembuatan janji, tanggal pembuatan janji, status kehadiran, waktu pembatalan, dan jumlah ketidakhadiran sebelumnya — tenggat Jumat pekan depan. Minta hanya kolom yang diperlukan dan samarkan identitas pasien.

Latihan

Sebuah agen air minum isi ulang ingin berhenti kehabisan stok di akhir pekan. Rumuskan empat komponennya.

Contoh jawaban: unit analisis satu hari per titik penjualan; target jumlah galon terjual pada hari berikutnya, diramalkan setiap sore untuk esok hari; ukuran keberhasilan rata-rata selisih galon antara ramalan dan kenyataan; pembanding dasar “sediakan sebanyak penjualan hari yang sama pekan lalu”, dihitung pada empat pekan terakhir.

Kriteria lulus untuk jawabanmu: (1) unit analisis menyebut satuan baris yang bisa dihitung jumlahnya; (2) target bisa dihitung dari data tanpa perdebatan; (3) waktu prediksi disebut eksplisit; (4) ukuran keberhasilan berupa angka dari kenyataan, bukan kata sifat; (5) pembanding dasar bisa dijalankan pada data lama dan menghasilkan angka.

1. “Data mining akan menemukan sendiri apa yang penting”

Kenapa keliru. Metode penambangan data mencari pola pada kolom yang kamu berikan, terhadap target yang kamu tetapkan. Ia tidak tahu klinikmu ingin mengurangi slot kosong atau menaikkan kepuasan pasien; keduanya menghasilkan target berbeda dan model berbeda.

Yang benar. Manusia yang menetapkan apa yang penting. Kalimat “nanti kita lihat saja apa yang muncul dari datanya” hampir selalu berujung pada tumpukan grafik tanpa keputusan. Kalau target belum bisa kamu tulis dalam satu kalimat operasional, pekerjaanmu masih di fase pemahaman bisnis.

2. “Pakai saja semua kolom yang tersedia, biar hasilnya bagus”

Kenapa keliru. Sebagian kolom baru terisi setelah peristiwa yang mau kamu ramalkan terjadi. Kolom “jumlah panggilan penagihan bulan ini” terisi karena anggota sudah telat. Kolom “alasan pembatalan” terisi karena pasien sudah batal. Model yang memakainya akan tampak sangat akurat saat diuji di data lama, lalu gagal total saat dipakai — karena pada saat prediksi dibuat, kolom itu masih kosong.

Yang benar. Terapkan aturan dari Unit 3: hanya informasi yang sudah tersedia pada waktu prediksi boleh dipakai. Cara memeriksanya sederhana — untuk setiap kolom, tanyakan “kolom ini terisi jam berapa, dan apakah sudah terisi pada saat keputusan diambil?”

3. “Akurasi 95 persen berarti modelnya berguna”

Kenapa keliru. Kalau hanya 5 dari 100 pasien yang tidak hadir, model yang menebak “semua pasien hadir” tanpa berpikir sudah mendapat akurasi 95 persen — dan sama sekali tidak berguna, karena tidak pernah menunjuk satu nama pun untuk ditelepon.

Yang benar. Angka tunggal tidak bermakna tanpa pembanding dasar dan tanpa kaitan ke kapasitas tindakan. Ukur hal yang benar-benar dipakai: dari sekian nama teratas yang sanggup ditangani tim, berapa yang tepat. Lalu bandingkan dengan cara kerja sekarang atau aturan sederhana, diukur pada data yang sama.

4. “Hasil pengelompokan otomatis bermakna, tinggal dinamai”

Kenapa keliru. Metode pengelompokan akan selalu memberi kelompok, bahkan pada data yang sebenarnya tidak punya kelompok alami. Jumlah kelompok adalah pilihanmu, dan kelompok yang terlihat rapi di grafik bisa saja hanya mencerminkan perbedaan satuan atau kolom yang mendominasi karena angkanya besar.

Yang benar. Sebuah pengelompokan baru layak dipakai kalau lolos dua uji. Pertama, apakah kamu bisa menjelaskan tiap kelompok dengan kalimat yang dimengerti orang lapangan. Kedua — dan ini yang menentukan — apakah perlakuan terhadap tiap kelompok memang akan dibedakan dalam praktik. Kalau semua kelompok tetap diperlakukan sama, pengelompokan itu tidak mengubah apa pun, seberapa pun cantik grafiknya. Ingat juga bahwa di pengelompokan tidak ada kunci jawaban, jadi jangan menuntut angka “benar berapa persen”.

5. “CRISP-DM dikerjakan sekali, lurus dari fase satu ke fase enam”

Kenapa keliru. Fase pemahaman data hampir selalu mengungkap hal yang mengubah rumusan awal: kolom yang dikira ada ternyata kosong sejak bulan tertentu, definisi “aktif” berbeda antar cabang, atau riwayat hanya tersimpan tiga bulan. Memaksa maju dengan rumusan yang sudah terbukti keliru menghasilkan model yang menjawab pertanyaan yang salah.

Yang benar. Kembali ke fase sebelumnya adalah bagian normal dari pekerjaan, bukan tanda kegagalan. Yang penting, setiap kali kamu mundur, catat apa yang memicunya dan apa yang berubah dari rumusan. Catatan itu yang membuat pekerjaanmu bisa ditelusuri orang lain.

6. “Kalau kesimpulannya tidak perlu model, berarti proyeknya gagal”

Kenapa keliru. Anggapan ini membuat orang memaksakan model pada masalah yang jawabannya sudah ada di laporan, atau yang akarnya ada di alur kerja. Hasilnya: model yang mahal dirawat, sulit dijelaskan, dan tetap tidak menutup masalah aslinya.

Yang benar. Empat penyaring di Unit 3 adalah pekerjaan analisis yang sah, dan tiga di antaranya bisa berakhir tanpa model. “Cukup laporan berkala”, “cukup aturan sederhana”, dan “perbaiki dulu prosesnya” adalah hasil kerja yang bisa dipertanggungjawabkan — asalkan alasannya tertulis dan bisa diperiksa. Khusus untuk perbaikan proses, perlu ditambahkan: sering ia bukan pengganti model, melainkan syarat sebelumnya. Kalau nomor telepon tidak pernah diperbarui atau janji temu tidak dicatat, tidak ada model yang bisa menyelamatkan data seperti itu. Perbaiki alurnya, kumpulkan data yang layak selama beberapa bulan, baru pertimbangkan model lagi.

Apa yang diuji di sini

Kuis ini tidak menanyakan definisi. Keempat soalnya berisi kasus baru yang belum pernah muncul di unit mana pun, dan masing-masing menuntut satu keputusan: jenis tugas apa yang tepat, alat apa yang sebenarnya dibutuhkan, cacat mana yang paling serius pada sebuah rancangan, dan pekerjaan sedang berada di fase mana. Kamu tidak akan menemukan jawabannya dengan mencocokkan kata kunci; kamu harus menjalankan prosedur yang sudah dilatih di Unit 2 sampai Unit 4.

Cara mengerjakan

Sediakan sekitar 15 menit dan kertas kosong. Kerjakan sekali jalan tanpa membuka unit sebelumnya. Kalau kamu tersesat, itu justru informasi berharga tentang bagian mana yang perlu kamu baca ulang.

Untuk setiap soal, lakukan tiga hal ini sebelum melihat pilihan jawaban:

1. Baca kasusnya dua kali. Bacaan pertama untuk menangkap situasinya, bacaan kedua untuk mencari fakta-fakta yang menentukan: apakah ada penggolongan yang sudah dipakai selama ini, apakah ada riwayat yang memuat hasil, kapan sebuah kolom terisi, siapa yang belum menyatakan setuju.
2. Tulis jawabanmu sendiri di kertas, dalam satu kalimat, sebelum matamu turun ke pilihan A sampai D. Ini penting. Empat pilihan yang tersedia dirancang supaya semuanya terdengar masuk akal, dan orang yang membaca pilihan lebih dulu cenderung memilih yang paling familier, bukan yang paling tepat.
3. Tulis satu kalimat alasan. Kalau alasanmu tidak bisa ditulis, kamu sedang menebak — dan itu perlu kamu ketahui sekarang, bukan nanti saat kasus sungguhan.

Prosedur yang perlu kamu bawa

Untuk soal tentang jenis tugas, jalankan dua pertanyaan dari Unit 2: bentuk jawaban yang diminta apa, dan apakah data historis sudah memuat jawaban benar untuk kasus lama. Berhati-hatilah pada objek yang dibicarakan — objek yang sama bisa melahirkan empat jenis tugas berbeda, jadi jangan memutuskan dari objeknya.

Untuk soal tentang alat yang dibutuhkan, jalankan empat penyaring dari Unit 3 secara berurutan: laporan, aturan sederhana, perbaikan proses, baru model. Jangan lompat ke penyaring terakhir hanya karena soalnya muncul di kelas data mining.

Untuk soal tentang cacat rancangan, periksa empat komponen: unit analisis, target beserta jendela waktunya, ukuran keberhasilan, dan pembanding dasar. Beri perhatian khusus pada waktu — kapan setiap kolom terisi, dan apakah kolom itu sudah ada saat prediksi dibuat.

Untuk soal tentang posisi pekerjaan, ingat bahwa tiap fase CRISP-DM punya keluaran sendiri. Cara tercepat menempatkan diri adalah bertanya: keluaran apa yang belum ada? Fase tempat keluaran itu seharusnya lahir, di situlah pekerjaanmu berada.

Setelah selesai

Cocokkan jawabanmu dengan kunci dan baca seluruh pembahasan — termasuk pembahasan soal yang kamu jawab benar. Pembahasan menjelaskan bukan hanya kenapa satu pilihan benar, tetapi juga kenapa tiga pilihan lain salah, dan bagian kedua itu biasanya yang paling banyak mengajari.

Patokan sederhana: kalau kamu benar tiga atau empat, lanjut ke unit rangkuman. Kalau benar dua, baca ulang unit yang bersangkutan sebelum melanjutkan — soal jenis tugas mengarah ke Unit 2, soal alat yang dibutuhkan ke Unit 3, soal cacat rancangan ke Unit 3 dan Unit 4, soal posisi fase ke Unit 1 dan Langkah 8 di Unit 4. Kalau benar satu atau nol, jangan lanjut dulu; ulangi Unit 2 dan Unit 3 dengan mengerjakan latihannya, bukan sekadar membacanya.

Satu hal terakhir. Kalau kamu memilih jawaban yang salah tetapi alasan tertulismu masuk akal, simpan alasan itu dan bandingkan dengan pembahasan. Selisih antara alasanmu dan pembahasan adalah bahan belajar yang paling tajam dari kuis ini.

Yang sudah kamu pegang sekarang

Jenis tugas ditentukan oleh bentuk jawaban, bukan oleh objek yang dibicarakan. Dua pertanyaan menyelesaikan hampir semua kebingungan: jawaban yang diminta berbentuk apa, dan apakah data historis sudah memuat jawaban benar untuk kasus lama. Kategori dengan label berarti klasifikasi; angka dengan label berarti prediksi nilai numerik; pembagian kelompok yang belum ditentukan berarti pengelompokan; hal-hal yang sering muncul bersamaan dalam satu kejadian berarti aturan asosiasi. Objek yang sama — pelanggan, taman bacaan, titik bank sampah — bisa melahirkan keempatnya.

Tidak semua masalah menuntut model. Empat penyaring dijalankan berurutan dan jawabannya ditulis: apakah cukup laporan berkala (P1), apakah cukup aturan sederhana yang diuji pada data lama (P2), apakah kasusnya lahir dari alur kerja yang bisa diperbaiki dengan biaya lebih kecil dan berada dalam kendali organisasi (P3), baru apakah model layak dicoba (P4). Perbaikan proses sering bukan pengganti model melainkan syarat sebelumnya: data yang lahir dari pencatatan yang bolong tidak bisa diselamatkan metode apa pun.

Rumusan tugas punya empat komponen — unit analisis, variabel target beserta jendela waktunya, ukuran keberhasilan, dan pembanding dasar. Dua aturan yang paling sering dilanggar: hanya informasi yang sudah tersedia pada saat prediksi boleh dipakai, dan pembanding dasar harus dijalankan pada data lama, bukan ditebak dari rata-rata keseluruhan.

CRISP-DM memberi tahu kamu ada di mana. Enam fasenya: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, penyebaran. Tiap fase punya keluaran. Kalau kamu tidak bisa menyebut keluaran fase yang sedang dikerjakan, kamu belum benar-benar berada di sana. Mundur ke fase sebelumnya normal, asal ada pemicu yang kamu catat.

Daftar periksa mandiri

Ambil catatan pertanyaan kerja yang kamu tulis di Unit 1. Jawab tujuh butir berikut secara tertulis. Setiap butir punya kriteria lulus; kalau ada satu saja yang belum lulus, selesaikan dulu sebelum lanjut ke modul berikutnya.

1. Jenis tugas. Lulus kalau: kamu menyebut satu dari empat jenis tugas, disertai satu kalimat yang menyebut bentuk jawaban yang diminta dan ada tidaknya label di data historis.

2. Penyaring laporan dan aturan sederhana. Lulus kalau: kamu bisa menuliskan kenapa laporan berkala saja tidak menutup kebutuhan, dan kamu sudah menuliskan satu aturan sederhana dalam satu kalimat berikut rencana menjalankannya pada data lama.

3. Penyaring perbaikan proses. Lulus kalau: kamu sudah memeriksa apakah kejadian yang mau diramalkan lahir dari langkah kerja yang keliru atau hilang, dan menuliskan hasilnya — entah “tidak ada temuan”, atau “ada, ini perbaikannya, ini perkiraan biayanya, dan ini yang harus dikerjakan lebih dulu”.

4. Unit analisis. Lulus kalau: kamu menyebut satu baris data mewakili apa, dan bisa menyebut kira-kira berapa banyak baris yang ada dalam setahun terakhir.

5. Target dan jendela waktu. Lulus kalau: definisi targetmu bisa dihitung dari data tanpa perdebatan, kamu menyebut kapan prediksi dibuat, dan kamu sudah memeriksa daftar kolom penjelasmu untuk memastikan semuanya sudah terisi pada saat itu.

6. Ukuran keberhasilan dan pembanding dasar. Lulus kalau: ukuranmu berupa angka yang dihitung dari kenyataan setelah tindakan dan terikat pada kapasitas nyata, serta pembandingmu bisa dijalankan pada data lama dan menghasilkan angka. Kalau angka pembanding belum bisa diukur, ia ditulis sebagai asumsi beserta cara memeriksanya — bukan disajikan seolah hasil pengukuran. Kalau pembandingmu berbentuk aturan benar/salah, kamu sudah menetapkan cara mengurutkan dan cara memutus seri.

7. Posisi dan langkah berikutnya. Lulus kalau: kamu menyebut satu fase CRISP-DM tempat pekerjaanmu berada sekarang, dan satu langkah berikutnya yang punya pelaku, keluaran, dan tenggat — misalnya “meminta bagian penjualan mengekstrak tabel transaksi dua belas bulan dengan kolom A, B, C, tenggat Jumat pekan depan”.

Jawaban yang sah, meski tanpa model

Kalau daftar periksa membawamu ke kesimpulan “cukup laporan berkala”, “cukup aturan sederhana”, atau “perbaiki dulu prosesnya, baru kumpulkan data yang layak”, itu bukan kegagalan. Ketiganya adalah hasil kerja yang sah selama alasannya tertulis dan bisa diperiksa orang lain. Tulis kesimpulan itu beserta bukti yang mendasarinya, lalu sampaikan kepada orang yang mengajukan pertanyaan awal.

Apa yang menunggu di modul berikutnya

Modul berikutnya masuk ke fase pemahaman dan persiapan data: melihat data yang benar-benar ada, mengenali kolom yang menyesatkan, dan menyusun tabel yang siap dipakai. Bawa lembar rumusanmu — ia akan langsung dipakai, dan besar kemungkinan kamu akan mengubahnya setelah melihat datanya sendiri. Itu memang tujuannya.