Jenis Data

Ambil satu baris catatan kasir Toko Kopi Kita: teks nama menu, teks metode pembayaran, angka jumlah cangkir, angka total rupiah, dan sebuah waktu transaksi. Lima kolom itu sudah memuat hampir semua jenis data yang akan kita jumpai sepanjang Course ini. Jenis yang berbeda menuntut perlakuan berbeda — menu dihitung frekuensinya, rupiah dijumlah nilainya, dan waktu disusun urutannya. Chapter ini memetakan jenis-jenis data menurut tiga sumbu klasifikasi yang saling melengkapi, sehingga setiap kali menerima dataset baru kita tahu pertanyaan apa yang perlu diajukan lebih dulu.

Tiga Sumbu Klasifikasi #

Klasifikasi data yang kita pakai sepanjang Course bertumpu pada tiga pertanyaan sederhana:

Ketiga sumbu tersebut saling bebas: sebuah kolom bisa sekaligus kualitatif, primer, dan tabular. Karena itu membaca jenis data sebaiknya dilakukan per sumbu, bukan dengan satu kata serbaguna yang terasa praktis tetapi kabur.

Menurut Sifat: Kualitatif dan Kuantitatif #

Sumbu pertama memilah isi catatan. Data kualitatif (sering disebut categorical) merekam kategori atau label: nama menu, metode pembayaran, kota cabang. Data kuantitatif merekam hasil menghitung atau mengukur dalam bentuk bilangan: banyak cangkir, berat biji kopi dalam kilogram, nilai transaksi dalam rupiah. Pembedaan ini terasa sepele, padahal menentukan statistik apa yang sah: frekuensi dan modus untuk kualitatif, rata-rata dan median untuk kuantitatif. Kita bedah subjenis serta konsekuensinya tuntas pada chapter berikutnya.

Menurut Sumber: Data Primer dan Sekunder #

Sumbu kedua memilah asal pencatatan. Data primer kita rekam sendiri untuk kebutuhan sendiri: catatan kasir Toko Kopi Kita, hasil wawancara pelanggan, hasil pengukuran suhu ruang penyimpanan biji. Data sekunder direkam pihak lain untuk keperluan lain, lalu kita manfaatkan: data cuaca harian kota dari layanan meteorologi untuk menjelaskan naik-turunnya penjualan minuman dingin, atau data harga komoditas untuk analisis biaya bahan baku.

Perbedaan ini penting saat menilai seberapa jauh data bisa dipertanggungjawabkan untuk menjawab pertanyaan kita. Aturan main, contoh sumber resmi, dan pertimbangan hukumnya kita bahas tuntas di Section Pengumpulan Data.

Menurut Struktur #

Sumbu ketiga memilah cara data tersusun. Lima wujud berikut mencakup hampir semua data operasional:

Struktur menentukan alat: tabel masuk ke pandas, deret waktu memanfaatkan index tanggal, teks bebas perlu pengolahan bahasa, dan data lokasi memakai pustaka geografis. Pembahasan lengkapnya menunggu di chapter Struktur Data .

Membaca Sinyal Jenis Data dengan pandas #

Ketika dataset tiba, sinyal pertama yang bisa dibaca secara cepat adalah tipe kolomnya. Kita buat potongan tabel transaksi Toko Kopi Kita, lalu periksa apa yang dilaporkan pandas dan apa yang tetap harus dinilai oleh kita:

import pandas as pd

transaksi = pd.DataFrame({
    "waktu": ["2026-01-15 08:12", "2026-01-15 09:41", "2026-01-15 10:05"],
    "produk": ["kopi susu", "teh tawar", "kopi susu"],
    "metode_bayar": ["QRIS", "tunai", "QRIS"],
    "jumlah": [2, 1, 1],
    "total_rupiah": [48000, 20000, 24000],
})

print("Tipe kolom menurut pandas:")
print(transaksi.dtypes)
print()

klasifikasi = {
    "waktu": "deret waktu (struktur)",
    "produk": "kualitatif (sifat)",
    "metode_bayar": "kualitatif (sifat)",
    "jumlah": "kuantitatif (sifat)",
    "total_rupiah": "kuantitatif (sifat)",
}
print("Peta jenis tiap kolom:")
for kolom, jenis in klasifikasi.items():
    print(f"  {kolom:14} -> {jenis}")

Output yang Dihasilkan:

Tipe kolom menurut pandas:
waktu           object
produk          object
metode_bayar    object
jumlah           int64
total_rupiah     int64
dtype: object

Peta jenis tiap kolom:
  waktu          -> deret waktu (struktur)
  produk         -> kualitatif (sifat)
  metode_bayar   -> kualitatif (sifat)
  jumlah         -> kuantitatif (sifat)
  total_rupiah   -> kuantitatif (sifat)

Mari kita telaah hasil di atas:

1. transaksi.dtypes melaporkan tipe penyimpanan: object untuk teks dan int64 untuk bilangan bulat. Perhatikan bahwa kolom waktu masih berupa object — pandas belum tahu bahwa teks tersebut adalah tanggal sampai kita mengubahnya secara eksplisit dengan pd.to_datetime().
2. Kamus klasifikasi adalah penilaian analis, bukan keluaran otomatis pandas. Tipe int64 hanya mengatakan “bilangan bulat”; apakah bilangan tersebut kuantitatif sejati atau sekadar kode angka (misalnya kode pos), tetap harus kita putuskan.
3. Label (sifat) dan (struktur) menandai sumbu klasifikasi yang dipakai — pengingat bahwa satu kolom dinilai dari beberapa sudut sekaligus.

Rangkuman #

• Jenis data dibaca lewat tiga sumbu: sifat (kualitatif/kuantitatif), sumber (primer/sekunder), dan struktur (tabular, teks, gambar, deret waktu, lokasi).
• Sifat menentukan statistik yang sah; sumber menentukan seberapa jauh data menjawab pertanyaan kita; struktur menentukan alat pengolahan.
• dtypes pada pandas adalah sinyal awal yang berguna, tetapi klasifikasi sejati tetap keputusan analis.

Sumbu sifat adalah yang paling sering menentukan langkah analisis sehari-hari, sekaligus paling sering disalahpahami. Kita bedah tuntas pada chapter berikutnya, Data Kualitatif dan Kuantitatif .

Referensi #

1. pandas — User Guide
2. pandas — Intro Tutorials