Bagian 3: Merumuskan Pertanyaan

Pertanyaan adalah kemudi proyek analisis: seluruh keputusan berikutnya — kolom mana yang dibersihkan lebih dulu, teknik apa yang dipakai, grafik apa yang digambar — mengikuti pertanyaan yang kita tetapkan di sini. Pada bagian ini kita menuangkan rasa penasaran menjadi daftar pertanyaan yang terukur, lalu memetakan tiap pertanyaan ke kolom dan teknik yang akan menjawabnya. Rumusan yang baik dibuat sebelum melihat hasil analisis, supaya kita tidak memilih pertanyaan setelah tahu jawabannya — kebiasaan yang diam-diam menggeser proyek dari mencari jawaban menjadi mencari pembenaran.

Ciri Pertanyaan yang Bisa Dijawab Data #

Tidak semua pertanyaan layak masuk daftar. Tiga ciri berikut menyaringnya:

1. Terukur — jawabannya berupa angka atau keputusan ya/tidak, bukan kesan umum. “Apakah siswa yang belajar lebih lama mendapat nilai lebih tinggi?” terukur; “bagaimana semangat belajar siswa?” tidak.
2. Menyebut kolom — pertanyaan harus bisa diurai menjadi kolom mana yang dibandingkan. Bila tidak ada kolomnya, pertanyaan itu menunggu dataset lain.
3. Relevan — jawabannya akan dipakai untuk memahami sesuatu atau mengambil keputusan, bukan sekadar membuat tabel baru.

Pertanyaan yang gagal di salah satu ciri tidak dibuang — ia dicatat ulang nanti setelah datanya lengkap.

Empat Pertanyaan untuk Dataset Contoh #

Mengikuti tiga ciri di atas, kita merumuskan empat pertanyaan untuk dataset nilai siswa ini. Keempatnya sengaja mencakup tiga jenis hubungan yang berbeda: antar kolom numerik, antar kelompok, dan pola yang bisa dipakai untuk memperkirakan:

pertanyaan = [
    {
        "kode": "P1",
        "teks": "Apakah jam belajar mingguan berhubungan dengan nilai ujian?",
        "kolom": "jam_belajar_mingguan, nilai_ujian",
        "teknik": "korelasi Pearson",
    },
    {
        "kode": "P2",
        "teks": "Apakah kehadiran berhubungan dengan nilai ujian?",
        "kolom": "kehadiran_persen, nilai_ujian",
        "teknik": "korelasi Pearson",
    },
    {
        "kode": "P3",
        "teks": "Apakah rata-rata nilai kelas A dan kelas B berbeda bermakna?",
        "kolom": "kelas, nilai_ujian",
        "teknik": "uji-t dua sampel bebas",
    },
    {
        "kode": "P4",
        "teks": "Berapa perkiraan nilai ujian untuk tiap tambahan jam belajar?",
        "kolom": "jam_belajar_mingguan, nilai_ujian",
        "teknik": "regresi linear sederhana",
    },
]

print("Daftar pertanyaan analisis beserta pemetaannya:")
for p in pertanyaan:
    print(f"{p['kode']}: {p['teks']}")
    print(f"    kolom yang dipakai : {p['kolom']}")
    print(f"    teknik kandidat    : {p['teknik']}")
    print()

jawab = {p["kode"]: p["kolom"] for p in pertanyaan}
print("Seluruh kolom dataset ikut terpakai:", sorted(
    set(kolom for daftar in jawab.values() for kolom in daftar.split(", "))
))

Output yang Dihasilkan:

Daftar pertanyaan analisis beserta pemetaannya:
P1: Apakah jam belajar mingguan berhubungan dengan nilai ujian?
    kolom yang dipakai : jam_belajar_mingguan, nilai_ujian
    teknik kandidat    : korelasi Pearson

P2: Apakah kehadiran berhubungan dengan nilai ujian?
    kolom yang dipakai : kehadiran_persen, nilai_ujian
    teknik kandidat    : korelasi Pearson

P3: Apakah rata-rata nilai kelas A dan kelas B berbeda bermakna?
    kolom yang dipakai : kelas, nilai_ujian
    teknik kandidat    : uji-t dua sampel bebas

P4: Berapa perkiraan nilai ujian untuk tiap tambahan jam belajar?
    kolom yang dipakai : jam_belajar_mingguan, nilai_ujian
    teknik kandidat    : regresi linear sederhana

Seluruh kolom dataset ikut terpakai: ['jam_belajar_mingguan', 'kehadiran_persen', 'kelas', 'nilai_ujian']

Mari kita bedah cara kerja pemetaan tersebut:

1. Satu kamus per pertanyaan — tiap pertanyaan menyimpan teks, kolom, dan teknik kandidatnya dalam satu struktur. Daftar kamus seperti ini mudah diperluas: menambah P5 cukup menambah satu elemen.
2. Kolom eksplisit sejak awal — dengan menuliskan kolom yang dipakai, kita langsung tahu bahwa P3 bergantung pada kolom kelas, sehingga masalah penulisan kelas yang tidak konsisten (temuan Bagian 4 nanti) harus beres sebelum P3 dijawab.
3. set(...) pada baris terakhir mengumpulkan seluruh kolom yang terpakai lalu mengurutkannya — hasilnya empat dari lima kolom. Kolom siswa tidak masuk karena hanya berperan sebagai penanda baris, bukan bahan analisis; ia tetap penting untuk membaca hasil per siswa.
4. Teknik masih berstatus kandidat — pemetaan ini rencana, bukan putusan akhir. Bagian 7 akan menguji apakah tiap teknik memang layak, termasuk prasyaratnya.

Tabel Pemetaan sebagai Kontrak Kerja #

Daftar di atas diringkas menjadi satu tabel yang menjadi kontrak kerja sepanjang proyek:

Kontrak ini punya dua sifat yang perlu dijaga. Pertama, setiap pertanyaan menuntut pembersihan kolomnya — karena P2 memakai kehadiran_persen, sel - pada kolom itu harus ditangani sebelum jawaban P2 bisa dipercaya. Kedua, jawaban bisa saja “tidak ada hubungan” atau “tidak bermakna” — itu jawaban sah yang harus diterima apa adanya, bukan alasan mengganti teknik sampai keluar hasil yang diinginkan.

Menulis Versi Anda Sendiri #

Tibalah bagian yang membedakan proyek ini dari empat proyek sebelumnya: sekarang giliran Anda. Ambil dataset pilihan Anda dari Bagian 1, buka dokumentasinya dari Bagian 2, lalu tulis tiga sampai lima pertanyaan dengan pola yang sama. Dua panduan praktisnya:

1. Mulai dari verba tanya yang menentukan teknik. “Apakah … berhubungan?” mengarah ke korelasi; “apakah … berbeda?” mengarah ke uji antar kelompok; “berapa perkiraan …?” mengarah ke regresi. Memilih verba tanya yang tepat di awal membuat Bagian 7 nyaris otomatis.
2. Periksa setiap pertanyaan terhadap kolom yang tersedia. Bila sebuah pertanyaan membutuhkan kolom yang tidak ada, coret dengan jujur — atau catat sebagai alasan mencari dataset tambahan, bukan alasan mengarang data.

Setelah daftar Anda jadi, simpan baik-baik: tabel pemetaan itu akan Anda isi jawabannya bertahap pada Bagian 8, dan menjadi kerangka bagian temuan pada laporan akhir di Bagian 11.

Kontrak kerja sudah dipegang: empat pertanyaan, kolomnya jelas, teknik kandidatnya tertulis. Sebelum menghitung apa pun, kita perlu memastikan data yang akan dihitung memang layak pakai — pekerjaan itu dimulai pada Bagian 4: Memvalidasi Data .