Dalam bidang software atau bahkan bidang apa pun, kita dituntut untuk bisa mengelola data. Namun, apakah pernah terlintas di pikiranmu mengenai seluk beluk mengenai apa itu data sendiri? Yuk, kita bahas selengkapnya dalam artikel blog ini.

Apa itu Data

Oke, mari kita kenali data terlebih dahulu. Secara garis besarnya, data adalah suatu kumpulan nilai yang direpresentasikan dalam suatu format, bisa saja berupa angka atau teks, dalam nilai satuannya bisa disebut sebagai datum. 

Ketika data disusun dalam format tertentu, ia dapat mendeskripsikan suatu informasi yang berguna bagi penggunanya. Siapa penggunanya? Tentu bisa saja kita sendiri, atau seseorang yang profesional seperti data analyst, atau data scientists. 

Semua orang pasti menggunakan dan membutuhkan data pada sehari-harinya, walaupun bukan sebagai profesional. Mari kita ambil contoh pada kasus penjual dan pembeli di pasar. 

Ketika melakukan transaksi, kedua pihak (pembeli dan penjual) ini tentu harus memahami barang yang dijual atau dibeli. Penjual harus mengetahui patokan harga dari barang yang ingin dijualnya, bisa disebut sebagai ‘harga pasaran’, atau bisa pula harga netto, yakni sebelum ada tambahan laba. 

Jika mengetahui harga tersebut, penjual memiliki sebuah batas minimal untuk menentukan harga jualnya ke pelanggan. Tidak hanya itu saja, penjual kadang harus memahami karakteristik dari calon pembelinya, mungkin dari penampilannya, untuk sekadar menentukan harganya.

Jika berada pada posisi pembeli, kita harus memahami juga harga suatu barang yang akan dibeli. Di pasar, apa pun bisa terjadi, dan apa pun bisa kita tawar ketika harga barang tidak masuk akal. 

Biasanya ada beberapa penjual yang memang menjual barang dengan harga yang maksimum, apalagi jika kita tidak tahu harganya. Oleh karena itu, kita harus mengetahui harga atau perkiraan yang optimal dari barang tersebut agar bisa menawarnya dengan harga yang masuk akal bagi pembeli.

Dari kedua deskripsi di atas, bisa dipastikan inti pembahasannya adalah “harga barang”, yang menentukan pembeli dan penjual untuk bertransaksi. Nah, istilah “harga barang” ini merupakan sebuah “data” yang berguna bagi mereka. Ini menjadi penentu dan tolok ukur dari sebuah persepsi mengenai “harga” dari suatu barang yang direpresentasikan dalam sebuah nominal atau besaran uang.

Kemudian, data tidak dapat berdiri sendiri dan butuh beberapa komposisi atau bumbu agar kita bisa mencerna data tersebut. Komposisi ini bisa saja sebuah konteks, penggunaan, atau tujuan dari data hingga kita bisa mencerna maksudnya. Selain itu, bisa saja kita menganggap komposisi ini sebagai label dari data. 

Contohnya adalah data “harga” yang diambil dari kasus di atas. Jika “harga” ini hanya berdiri sendiri, tentu tidak memiliki makna apa pun. Akan tetapi jika dipasangkan dengan suatu produk (misalnya barang), itu akan memiliki makna tersendiri, dalam konteks ini adalah “harga dari suatu produk”.

Semoga dengan penjelasan tersebut, kamu menjadi paham apa itu data, ya.

Jenis-Jenis Data

Menimbang pada kasus sebelumnya, kita bisa tahu bahwa data yang digunakan adalah berupa angka, yang termasuk jenis data kuantitatif. Namun, tidak hanya satu jenis saja. Ada beberapa jenis jenis lain yang perlu kita ketahui. Yuk, simak lagi penjelasannya, ya!

Data Kualitatif

Contoh mudah dari data kualitatif adalah ia selalu berbentuk teks, bukan deretan angka. Bisa saja data ini adalah representasi dari subjektivitas atau persepsi kita terhadap sesuatu, misalnya rasa, keinginan, dan sebagainya. Oleh karena itu, representasi data ini bukan sebuah hal yang pasti. 

Misalnya, pada suatu hari kita ingin pergi ke suatu tempat makan, bisa restoran, atau bisa saja warteg. Sebelum pergi, ada beberapa dari kita yang ingin memastikan bahwa masakannya enak dan bisa juga informasi lain, misalnya ketersediaan menu. 

Maka dari itu, kita mengumpulkan data dari referensi beberapa teman yang pernah makan di luar. Dari hasil pengumpulan tersebut, kita bisa memperoleh informasi, contohnya ‘enak’ atau ‘tidaknya’ masakan dari suatu tempat makan, atau informasi lainnya. 

Data Kuantitatif

Data kuantitatif adalah data yang direpresentasikan dalam bentuk angka. Karena termasuk data angka, ia bisa diukur dan memiliki suatu skala yang pasti. 

Tolok ukur yang pasti inilah menyebabkan data ini terhindar dari subjektivitas mengenai ukurannya. Namun, bisa jadi skala ukuran yang ditetapkan subjektif atau tergantung dari masing-masing orang apabila tidak ada standar yang pasti. Salah satu contoh dari data ini adalah data ukuran suhu permukaan, data penduduk di suatu wilayah, dan sebagainya.

Penerapan dan Aplikasinya

Kini, kamu sudah mengerti tentang apa itu data. Nah, aplikasi penggunaan data ada dalam setiap lini kehidupan. Contohnya adalah kisah antara penjual dan pembeli yang sebelumnya diceritakan. Dalam hal yang lebih ilmiah atau profesional, ia digunakan juga untuk berbagai macam keperluan, seperti forecasting, data analysis, dan umumnya digunakan sebagai source of truth dari aplikasi, terutama pengolahan datanya. Berikut adalah contoh beberapa penerapan dan aplikasi data.

Database dalam Software

Hakikat diciptakannya sebuah software, atau biasa disebut program, adalah digunakan untuk mengolah data, dan menampilkannya dalam format tertentu. Ada kondisi ketika sebuah data disimpan dalam sebuah penyimpanan yang biasa kita kenal sebagai basis data atau database. Dengan adanya database, aplikasi dapat menyimpan data apa pun yang terkait dengan fungsinya, misalnya adalah data user.

Database biasanya dijalankan oleh suatu sistem tersendiri dalam aplikasi atau juga bisa jadi satu kesatuan utuh dari aplikasi. Dilansir dari blog “Developers? Yuk, kenalan apa itu Database Server?”, ada lima macam database sebagai berikut.

Relational Database

Relational database adalah suatu konsep bahwa record data akan disimpan dan terorganisasi dalam bentuk tabel: baris dan kolom. Relasional berarti setiap record dapat mempunyai relasi dan menyebabkan suatu data antara tabel satu dengan yang lainnya saling memiliki ketergantungan. Cara mengakses jenis database ini adalah dengan melakukan suatu perintah kueri dengan menggunakan bahasa SQL (structured query language).

NoSQL Database

Database ini didesain untuk kebutuhan data yang tidak terstruktur, tidak seperti pada format relasional database sebelumnya. Sebab tidak terstruktur, format data yang disimpan pada tiap aplikasi pasti berbeda-beda dan tidak ada standar yang mengatur. Aplikasi dapat menyimpan dengan bebas format data mereka tanpa harus memikirkan organisasi baris dan kolom seperti pada database relasional.

Contoh dari NoSQL database adalah pasangan key-value, JSON, dan sebagainya.

Object-Oriented Database

Jenis ini menggabungkan konsep object-oriented pada bahasa pemrograman dengan prinsip relasi database. Data dikelola dalam bentuk kelas dan objek, ketika suatu class merepresentasikan template atau cetak biru dari suatu objek. Setiap objek memiliki struktur data dan metode sendiri, dan dapat dioperasikan untuk mengelola data pada objek tersebut. 

Contoh dari object-oriented database adalah Realm, atau Room pada Android.

Graph Database

Jenis database ini didesain khusus untuk mengelola data yang saling terhubung dengan suatu relasi. Relasi ini bisa disebut juga sebagai data grafik. Dalam data grafik tersebut terkandung beberapa item yang direpresentasikan, seperti node, edge, dan property. 

Node merepresentasikan suatu entitas. Edge merepresentasikan suatu relasi yang menghubungkan antar titik, serta properti merupakan informasi yang dimiliki oleh suatu titik.

Time-Series Database

Database ini dioptimalkan untuk penyimpanan data yang bersifat rangkaian waktu dan diatur berdasarkan catatan waktu, yang nantinya akan ditampilkan dalam suatu grafik data berdasarkan urutan waktu. 

Contoh implementasi dari penggunaan database ini ialah pemantauan data harga saham, data user bulanan, penjualan tahunan, suhu ruangan per jam, dan sebagainya.

Data Analysis

Kian hari, data yang dikumpulkan dari sebuah form atau aplikasi menjadi semakin banyak, menjadi sebuah bucket khusus yang menyimpan data yang bisa kita analisis, dan membentuk sebuah big data. 

Dari big data itulah kita bisa melakukan analisis terkait tren data yang dikumpulkan. Nantinya, berdasarkan tren tersebut, bisa dilakukan pengambilan kesimpulan terkait keputusan bisnis yang diambil atau mirip seperti kasus penjual-pembeli yang sebelumnya kita bahas.

Ada pula profesi khusus yang berkaitan dengan analisis ini. Profesi yang berkaitan dengan hal tersebut adalah data analyst dan data scientist. 

Mengutip dari blog “Data Analyst, Apa itu? Mari Mengenal Pengertian dan Perannya!”, ada perbedaan yang mendasar dari data scientist dan juga data analyst. Data Analyst lebih berfokus terhadap analisis data-data internal perusahaan dan dapat berpengaruh besar terhadap pengambilan keputusan. Sementara itu, ranah pekerjaan Data Scientist lebih ke arah merancang algoritma dari data yang tersedia sehingga dapat memberikan prediksi yang lebih akurat.

Pada kasus lain, tren analisis ini bertambah kian pesat tiap harinya; terutama dalam algoritma artificial intelligence, wabil khusus pada kasus machine learning, bertumbuh dengan cepat. 

Pengembangan kemampuan algoritma dalam hal analisis terkait teks memberi pengaruh besar; contoh dalam kasus yang lebih besar adalah ChatGPT. Ia menganalisis data dalam ukuran yang besar (big data) untuk dapat memahami karakteristik pengetahuan dari berbagai hal, salah satunya adalah cara untuk belajar merespons input yang diketik oleh manusia. Responsnya pun sangat mendekati bahasa manusia dan tidak terbayangkan banyaknya data yang ia analisis agar bisa mencapai kondisi tersebut.

Cukup menarik memang ketika kita membahas data. Ada banyak hal yang bisa kita perbuat untuk mengelola dan menganalisisnya. Namun, jangan sampai pengelolaan terhadap data menjerumuskan kita untuk berbuat hal-hal yang negatif, ya! Setiap negara atau kelompok negara pasti memiliki undang-undang atau regulasi yang mengatur tentang pengelolaan data, seperti GDPR pada Uni Eropa, dan di Indonesia diatur menurut UU No. 27 tahun 2022. 

Anyway, jangan sampai menjerumuskan ke hal-hal negatif, ya, jika berurusan dengan data! Adios!