Pengambilan Keputusan Berbasis Data

Materi Pembelajaran Interaktif Informatika Kelas 11

Tujuan Pembelajaran

Memahami konsep pengambilan keputusan berbasis data dan pentingnya data dalam pengambilan keputusan yang akurat

Mampu menginterpretasi hasil analisis data dari berbagai bentuk visualisasi dan metrik statistik

Dapat menganalisis studi kasus prediksi dan pengambilan keputusan menggunakan data nyata

Mengembangkan kemampuan berpikir kritis dalam mengevaluasi informasi berbasis data

Capaian Pembelajaran

Setelah mempelajari materi ini, peserta didik diharapkan:

  • Mengidentifikasi langkah-langkah dalam proses pengambilan keputusan berbasis data
  • Membaca dan menginterpretasikan berbagai jenis grafik, tabel, dan diagram data
  • Menerapkan teknik analisis data sederhana untuk memecahkan masalah
  • Menyusun rekomendasi keputusan berdasarkan bukti data yang valid

Daftar Isi Materi

1. Pengambilan Keputusan Berbasis Data

Konsep dasar, jenis-jenis data, dan tahapan pengambilan keputusan

2. Interpretasi Hasil Analisis Data

Memahami grafik, tabel, metrik statistik, dan visualisasi data

3. Studi Kasus Prediksi & Keputusan

Contoh nyata penerapan analisis data dalam berbagai bidang

Pengambilan Keputusan Berbasis Data

Apa itu Pengambilan Keputusan Berbasis Data?

Pengambilan Keputusan Berbasis Data (Data-Driven Decision Making/D3M) adalah proses mengumpulkan, menganalisis, dan menggunakan data sebagai dasar untuk membuat keputusan yang lebih objektif, akurat, dan efektif.

Data Analytics Dashboard

Visualisasi data membantu dalam pengambilan keputusan yang lebih baik

Dalam era digital saat ini, hampir setiap aktivitas menghasilkan data. Mulai dari transaksi online, aktivitas media sosial, sensor IoT, hingga data kesehatan. Data-data ini jika diolah dengan benar dapat memberikan insights (wawasan) berharga untuk pengambilan keputusan.

Jenis-Jenis Data

Data Kualitatif

Data yang bersifat deskriptif dan tidak dapat diukur dengan angka.

  • Warna favorit
  • Ulasan produk
  • Feedback pengguna
  • Opini/komentar

Data Kuantitatif

Data yang dapat diukur dan dinyatakan dalam bentuk angka.

  • Tinggi badan
  • Nilai ujian
  • Penjualan bulanan
  • Suhu, berat

Contoh Nyata dalam Kehidupan Sehari-hari

Toko Online

Seorang pemilik toko online menggunakan data penjualan 6 bulan terakhir untuk memutuskan produk mana yang harus ditambah stoknya. Dari data, ia menemukan bahwa produk A laku 5x lebih banyak dibanding produk B. Keputusan: fokus pada pemasaran produk A.

Restoran

Sebuah restoran menganalisis data pesanan pelanggan selama setahun. Data menunjukkan 70% pelanggan memesan menu vegetarian. Keputusan: menambah variasi menu vegetarian dan mengurangi menu daging.

Transportasi

Perusahaan bus menggunakan data GPS dan penumpang untuk menentukan rute terbaik. Data menunjukkan rute A macet 2 jam setiap pagi. Keputusan: mengubah jadwal keberangkatan lebih awal 30 menit.

Langkah-Langkah Pengambilan Keputusan Berbasis Data

1

Identifikasi Masalah

Tentukan apa yang ingin dipecahkan atau diputuskan

2

Kumpulkan Data

Gather data dari berbagai sumber yang relevan

3

Analisis Data

Proses, bersihkan, dan analisis data yang terkumpul

4

Interpretasi Hasil

Pahami apa yang dikatakan data tersebut

5

Ambil Keputusan

Buat keputusan berdasarkan bukti data

6

Evaluasi & Monitoring

Pantau hasil dan evaluasi keputusan yang diambil

Interaktif: Coba Kuis!

Sebuah sekolah ingin menentukan jam les tambahan yang paling cocok. Data survei menunjukkan:

  • 60% siswa memilih jam 16:00
  • 25% siswa memilih jam 17:00
  • 15% siswa memilih jam 18:00

Keputusan terbaik berdasarkan data adalah?

Tanya AI: Contoh Interaktif

Pelajari lebih dalam dengan bantuan AI. Klik tombol di bawah untuk melihat penjelasan dari AI tentang konsep kunci!

Poin Penting

  • Pengambilan keputusan berbasis data lebih objektif dan terukur
  • Data kualitatif bersifat deskriptif, data kuantitatif bersifat numerik
  • Proses D3M meliputi: identifikasi, pengumpulan, analisis, interpretasi, keputusan, dan evaluasi
  • Semua bidang dapat menerapkan pengambilan keputusan berbasis data

Sumber Referensi

  • Buku Informatika Kelas XI, Kemendikbud RI, 2021
  • Provost, F., & Fawcett, T. (2013). Data Science for Business. O'Reilly Media
  • Power, D. J. (2008). Decision Support Systems. DSS Resources
  • www.kemdikbud.go.id

Kuis Kilat AI ✨

Uji pemahamanmu dengan soal yang dibuat oleh AI secara real-time!

Interpretasi Hasil Analisis Data

Mengapa Interpretasi Data Penting?

Setelah data dikumpulkan dan dianalisis, langkah selanjutnya adalah menginterpretasi atau memberikan makna terhadap hasil analisis tersebut. Interpretasi yang benar akan menghasilkan keputusan yang tepat, sedangkan interpretasi yang salah dapat menyesatkan.

Data Visualization

Berbagai jenis visualisasi data membantu interpretasi

Jenis-Jenis Visualisasi Data

Grafik Batang (Bar Chart)

A
B
C

Digunakan untuk membandingkan nilai antar kategori. Contoh: perbandingan nilai siswa antar kelas.

Diagram Lingkaran (Pie Chart)

Menunjukkan proporsi atau persentase dari keseluruhan. Contoh: persentase pemilih tiap calon ketua OSIS.

Grafik Garis (Line Chart)

Menampilkan tren data dari waktu ke waktu. Contoh: perkembangan nilai siswa per semester.

Membaca dan Menginterpretasikan Tabel

Tabel: Nilai Ujian Matematika Kelas 11A

Nama Nilai Status
Ahmad85Lulus
Budi72Lulus
Citra65Remedial
Dewi90Lulus
Eko68Remedial

Interpretasi:

  • Rata-rata nilai kelas: 76
  • Jumlah siswa lulus: 3 orang (60%)
  • Jumlah siswa remedial: 2 orang (40%)
  • Nilai tertinggi: Dewi (90)
  • Nilai terendah: Citra (65)

Metrik Statistik Dasar

Mean (Rata-rata)

Mean = Jumlah nilai / Jumlah data

Contoh: Nilai 70, 80, 90
Mean = (70+80+90)/3 = 80

Median (Nilai Tengah)

Nilai di tengah setelah diurutkan

Contoh: 65, 70, 80, 85, 90
Median = 80

Modus (Nilai Terbanyak)

Nilai yang paling sering muncul

Contoh: 70, 75, 75, 80, 85
Modus = 75

Rentang (Range)

Range = Nilai max - Nilai min

Contoh: 50, 60, 70, 80, 90
Range = 90-50 = 40

Contoh Interpretasi dalam Kehidupan Nyata

Skenario: Toko Buku

Sebuah toko buku mengumpulkan data penjualan selama 6 bulan:

Jan
50
Feb
80
Mar
120
Apr
70
Mei
90
Jun
150

Analisis dan Keputusan:

  • Tren: Penjualan meningkat drastis di bulan Maret dan Juni
  • Investigasi: Maret = ujian nasional, Juni = awal tahun ajaran baru
  • Keputusan: Tambah stok buku pelajaran di bulan Februari dan Mei

Interaktif: Latihan Interpretasi

Perhatikan data suhu harian selama seminggu:

Hari Sen Sel Rab Kam Jum Sab Min
Suhu (°C) 28 30 32 31 29 27 26

Pertanyaan:

  1. Rata-rata suhu seminggu adalah? [Lihat Jawaban] 28.76°C atau sekitar 29°C
  2. Suhu tertinggi terjadi hari? [Lihat Jawaban] Rabu (32°C)
  3. Selisih suhu tertinggi dan terendah? [Lihat Jawaban] 6°C (32°C - 26°C)

Tanya AI: Contoh Interaktif

Pelajari lebih dalam tentang interpretasi data dengan bantuan AI!

Poin Penting

  • Pilih jenis visualisasi yang sesuai dengan tipe data dan tujuan analisis
  • Mean, median, dan modus memberikan informasi berbeda tentang pusat data
  • Selalu perhatikan konteks saat menginterpretasikan data
  • Visualisasi yang baik membuat data lebih mudah dipahami

Sumber Referensi

  • Cleveland, W. S. (1993). Visualizing Data. Hobart Press
  • Few, S. (2009). Now You See It. Analytics Press
  • Munzner, T. (2014). Visualization Analysis and Design. CRC Press
  • Khan Academy - Statistics

Kuis Kilat AI ✨

Uji pemahamanmu dengan soal yang dibuat oleh AI secara real-time!

Studi Kasus Prediksi & Pengambilan Keputusan

Implementasi nyata data dalam berbagai bidang kehidupan

Mengapa Studi Kasus Penting?

Studi kasus memungkinkan kita melihat bagaimana teori pengambilan keputusan berbasis data diterapkan dalam situasi nyata. Dengan mempelajari studi kasus, kita dapat memahami tantangan, solusi, dan hasil yang diperoleh.

Business Analysis

Analisis data untuk pengambilan keputusan strategis

Studi Kasus 1: Prediksi Cuaca

Badan Meteorologi Nasional

Masalah:

BMKG perlu memprediksi cuaca untuk peringatan dini bencana alam. Data historis 10 tahun menunjukkan pola tertentu.

Data yang Dianalisis:

  • Suhu, kelembaban, tekanan udara harian
  • Kecepatan dan arah angin
  • Curah hujan historis
  • Fenomena El Niño dan La Niña

Analisis:

Pola data menunjukkan ketika suhu permukaan laut di Pasifik naik 2°C (El Niño), curah hujan di Indonesia turun 40%.

Keputusan:

Sistem peringatan dini dikembangkan dengan 85% akurasi prediksi, membantu petani menentukan waktu tanam.

Studi Kasus 2: E-Commerce

Toko Online Fashion

Masalah:

Banyak barang yang tidak laku dan terjebak di gudang, sementara barang populer sering kehabisan stok.

Data yang Dianalisis:

  • History pembelian 2 tahun
  • Produk yang sering dibrowse tapi tidak dibeli
  • Data demografi pembeli
  • Tren musiman (lebaran, tahun baru)

Analisis:

Temuan: Produk warna hitam dan navy laku 3x lebih cepat di bulan Oktober-Desember (persiapan liburan).

Temuan: Ukuran M dan L mencakup 65% penjualan.

Keputusan:

  • Tambah stok warna hitam/navy 3 bulan sebelum akhir tahun
  • Kurangi varian ukuran S dan XL, fokus pada M dan L
  • Implementasi sistem rekomendasi produk

Hasil: Penjualan naik 35%, stok menumpuk berkurang 50%

Studi Kasus 3: Sekolah - Peningkatan Nilai

SMA Negeri 1 Contoh

Masalah:

Nilai ujian nasional mata pelajaran Matematika dan IPA menurun selama 3 tahun berturut-turut.

Data yang Dikumpulkan:

Faktor Data
Waktu belajar siswaRata-rata 2 jam/hari
Penggunaan fasilitas perpustakaanHanya 15% siswa
Kehadiran siswa85% (15% bolos)
Rasio guru:siswa1:40 (overload)

Analisis:

Korelasi menunjukkan siswa yang bolos >10x per semester memiliki nilai 30% lebih rendah. Siswa yang menggunakan perpustakaan memiliki nilai 25% lebih tinggi.

Keputusan:

Tambah jam les sore gratis
Program wajib kunjung perpustakaan 2x/minggu
Sistem notifikasi otomatis untuk orang tua jika siswa bolos
Rekrut 3 guru tambahan untuk mengurangi rasio

Interaktif: Simulasi Keputusan

Skenario: Kedai Kopi Baru

Anda akan membuka kedai kopi. Data survei 100 orang di lokasi tersebut:

Kopi Hitam
45%
Kopi Susu
35%
Minuman Non-Kopi
20%

Range Harga yang Diterima:

70% bersedia membayar Rp15.000-25.000

80% mengunjungi kedai kopi 15:00-18:00

Pilih Keputusan Anda:

Langkah-Langkah Menyelesaikan Studi Kasus

1

Pahami Konteks

Baca dan pahami situasi, siapa pihak terkait, dan apa yang menjadi masalah.

2

Identifikasi Data Relevan

Tentukan data apa yang tersedia dan apa yang perlu dikumpulkan.

3

Analisis dan Temukan Pola

Cari tren, korelasi, dan insight dari data yang ada.

4

Buat Alternatif Keputusan

Susun beberapa opsi keputusan berdasarkan hasil analisis.

5

Pilih dan Jalankan

Pilih keputusan terbaik dan implementasikan dengan monitoring.

Tanya AI: Contoh Interaktif

Pelajari lebih dalam tentang studi kasus dengan bantuan AI!

Poin Penting

  • Studi kasus membantu memahami aplikasi nyata pengambilan keputusan berbasis data
  • Identifikasi masalah yang tepat adalah kunci keberhasilan analisis
  • Data historis sangat berharga untuk memprediksi tren masa depan
  • Keputusan harus dievaluasi dan disesuaikan berdasarkan hasil monitoring

Sumber Referensi

  • Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics. Harvard Business Press
  • Siegel, E. (2013). Predictive Analytics. Wiley
  • Buku Pedoman Informatika SMA, Kemendikbud, 2020
  • DQLab - Data Science Learning

Kuis Kilat AI ✨

Uji pemahamanmu dengan soal yang dibuat oleh AI secara real-time!

Tugas Interaktif

Uji pemahamanmu dengan berbagai tantangan seru!

Identitas Peserta Didik

Silakan lengkapi data diri Anda sebelum memulai pengerjaan tugas interaktif.

Kirim Nilai Tugas Interaktif

Pastikan semua tugas sudah dikerjakan sebelum mengirim nilai.

Total Skor Tugas: 0 / 100
Nama: -
Kelas: -

Kuis Interaktif

Uji pemahamanmu tentang Pengambilan Keputusan Berbasis Data

Identitas Peserta Kuis

Silakan lengkapi data diri Anda sebelum memulai kuis.