Cara Menangani Data Kosong atau Missing Value
Belajar mengenali data kosong dalam dataset, memahami penyebabnya, dan mengetahui cara sederhana untuk menangani missing value sebelum data dianalisis.
Apa Itu Missing Value?
Missing value adalah data yang kosong atau tidak memiliki nilai.
Contohnya:
| Nama | Kota | Umur |
|---|---|---|
| Andi | Bandung | 22 |
| Budi | Jakarta | 25 |
| Citra | 21 | |
| Deni | Bandung |
Pada data tersebut:
- Kota Citra kosong
- Umur Deni kosong
Data kosong tersebut disebut missing value.
Kenapa Data Bisa Kosong?
Data bisa kosong karena berbagai alasan.
Contohnya:
- Responden tidak mengisi data
- Kesalahan saat input
- Data belum tersedia
- Kesalahan sistem
- Data tidak diperlukan untuk kondisi tertentu
Jadi, data kosong tidak selalu berarti data tersebut salah.
Cara Menemukan Data Kosong
Hal pertama yang dilakukan adalah mencari bagian dataset yang kosong.
Contohnya:
| Nama | Kota | Umur |
|---|---|---|
| Andi | Bandung | 22 |
| Budi | Jakarta | 25 |
| Citra | 21 | |
| Deni | Bandung |
Kita bisa langsung melihat bahwa ada beberapa nilai yang kosong.
Dalam Excel, kamu juga bisa menggunakan Filter untuk mencari cell yang kosong.
Apakah Data Kosong Harus Dihapus?
Tidak selalu.
Ini yang perlu dipahami.
Jangan langsung berpikir:
Data kosong = hapus.
Kita harus melihat kondisi datanya terlebih dahulu.
Misalnya hanya ada 1 data kosong dari 10.000 data.
Mungkin dampaknya kecil.
Tetapi kalau 5.000 dari 10.000 data kosong, tentu perlu diperiksa lebih lanjut.
Cara Menangani Missing Value
Ada beberapa cara sederhana.
1. Mengisi Data yang Kosong
Kalau nilai yang benar diketahui, data bisa diisi.
Contohnya:
| Nama | Kota |
|---|---|
| Andi | Bandung |
| Budi | Jakarta |
| Citra | |
| Deni | Bandung |
Jika ternyata dari sumber asli diketahui bahwa Citra berasal dari Bandung, maka data bisa diperbaiki menjadi:
| Nama | Kota |
|---|---|
| Andi | Bandung |
| Budi | Jakarta |
| Citra | Bandung |
| Deni | Bandung |
2. Menggunakan Nilai Rata-Rata
Untuk data angka tertentu, nilai kosong bisa diisi menggunakan rata-rata jika metode tersebut sesuai dengan kebutuhan analisis.
Contohnya:
| Nama | Umur |
|---|---|
| Andi | 20 |
| Budi | 25 |
| Citra | |
| Deni | 30 |
Rata-rata dari data yang tersedia:
20 + 25 + 30 = 75
75 ÷ 3 = 25
Maka nilai kosong bisa diisi 25, jika pendekatan tersebut memang sesuai dengan tujuan analisis.
3. Menghapus Baris
Jika data kosong memang tidak bisa diperbaiki dan baris tersebut tidak diperlukan, baris dapat dipertimbangkan untuk dihapus.
Contohnya:
| Nama | Umur |
|---|---|
| Andi | 22 |
| Budi | 25 |
| Citra | |
| Deni | 24 |
Jika data Citra tidak dapat digunakan dan sesuai aturan analisis, baris tersebut dapat dihapus.
Tetapi jangan menghapus data tanpa alasan.
4. Membiarkan Data Tetap Kosong
Tidak semua missing value harus diisi.
Dalam kondisi tertentu, membiarkan nilai tetap kosong bisa lebih tepat daripada memasukkan nilai yang tidak diketahui.
Yang penting adalah memahami kenapa data tersebut kosong.
Contoh Sederhana
Misalnya kamu memiliki data pelanggan:
| Nama | Umur | Kota |
|---|---|---|
| Andi | 22 | Bandung |
| Budi | 25 | Jakarta |
| Citra | 21 | |
| Deni | Bandung |
Ada dua missing value:
- Kota Citra
- Umur Deni
Jangan langsung menghapus keduanya.
Periksa dulu sumber datanya.
Mungkin data tersebut sebenarnya masih bisa ditemukan.
Jangan Mengarang Data
Ini sangat penting.
Kalau umur seseorang tidak diketahui, jangan asal menulis:
Umur = 25
hanya supaya tabel terlihat lengkap.
Data harus berdasarkan sumber atau metode pengolahan yang dapat dipertanggungjawabkan.
Jangan membuat data hanya untuk menghilangkan cell kosong.
Missing Value di Excel
Untuk mencari data kosong di Excel, kamu bisa menggunakan:
Filter → pilih data kosong
Atau menggunakan fitur:
Find & Select → Go To Special → Blanks
Dengan cara tersebut, kamu bisa menemukan cell yang kosong dengan lebih mudah.
Checklist Missing Value
Sebelum melanjutkan analisis, cek:
- Apakah ada data kosong?
- Kolom mana yang memiliki data kosong?
- Berapa banyak data yang kosong?
- Apa penyebab data tersebut kosong?
- Apakah data bisa diperbaiki?
- Apakah data perlu diisi?
- Apakah data perlu dihapus?
- Apakah data sebaiknya tetap kosong?
- Apakah setiap keputusan memiliki alasan?
Latihan
Perhatikan dataset berikut:
| Nama | Umur | Kota |
|---|---|---|
| Andi | 22 | Bandung |
| Budi | 25 | Jakarta |
| Citra | 21 | |
| Deni | Bandung | |
| Eka | 24 | Jakarta |
Coba jawab:
- Berapa missing value yang ada?
- Kolom mana yang memiliki missing value?
- Apa yang sebaiknya dilakukan terhadap data tersebut?
- Apakah semua data kosong harus dihapus?
Kesimpulan
Missing value adalah data yang kosong atau tidak memiliki nilai.
Hal penting yang perlu diingat:
Cari → Pahami → Periksa → Tentukan tindakan
Jangan langsung menghapus data kosong.
Lihat dulu penyebabnya dan tentukan cara penanganan yang sesuai dengan tujuan analisis.