Kamus
72 istilah data, satu kalimat masing-masing
Orang berhenti di awal biasanya gara-gara kosakata. Bukan matematika, bukan koding. Satu lowongan dibuka, delapan kata asing muncul, lalu tabnya ditutup lagi.
Istilah Inggris di sini sengaja tidak diterjemahkan. Anda akan bertemu kata-kata ini dalam bentuk aslinya di lowongan, di dokumentasi, dan di rapat.
Kata-kata soal cara membaca angka — bias, korelasi, median, p-value — tidak ada di sini. Itu kosakata yang lain, dan kamusnya ada di datasight.id/istilah.
Loncat ke
1 · “Bentuk datanya seperti apa”
Bahan mentahnya
- Data
- Catatan tentang sesuatu yang terjadi, disimpan dalam bentuk yang bisa dibaca ulang.
- Struk belanja Anda adalah data: ada waktunya, ada barangnya, ada harganya.
- Dataset
- Sekumpulan data yang dikemas jadi satu file atau satu tabel untuk dipakai bersama.
- Satu file berisi seluruh transaksi toko sepanjang 2025.
- Baris (row, record)
- Satu kejadian atau satu benda di dalam tabel, ditulis memanjang ke samping.
Sering tertukar
Row, record, dan observasi menunjuk hal yang sama. Kata mana yang dipakai tergantung siapa yang bicara, bukan tergantung isinya.
- Kolom (column, field)
- Satu jenis keterangan yang dicatat untuk setiap baris.
- Kolom "tanggal_pesanan" berisi tanggal, dan hanya tanggal, di seluruh baris.
- Tabel
- Kumpulan baris dan kolom tentang satu hal saja.
- Tabel pelanggan berisi orang. Tabel pesanan berisi pembelian. Keduanya dipisah, lalu disambung saat dibutuhkan.
- Primary key
- Kolom yang isinya berbeda di setiap baris, dipakai untuk menunjuk satu baris secara pasti.
- Nomor pesanan. Tidak ada dua pesanan dengan nomor sama.
- Foreign key
- Kolom yang isinya menunjuk ke baris di tabel lain.
- Kolom "id_pelanggan" di tabel pesanan menunjuk siapa yang memesan, tanpa menyalin ulang nama dan alamatnya.
- Grain
- Jawaban atas pertanyaan "satu baris di tabel ini artinya apa".
- Kalau satu baris berarti satu barang di dalam satu pesanan, maka pesanan berisi tiga barang akan muncul tiga kali.
Sering tertukar
Salah membaca grain adalah sebab paling sering angka jadi berlipat. Sebelum menghitung apa pun, pastikan Anda tahu satu baris itu mewakili apa.
- Skema (schema)
- Daftar tabel apa saja yang ada, isi kolomnya apa, dan bagaimana tabel-tabel itu terhubung.
- Metadata
- Keterangan tentang datanya sendiri: siapa yang membuat, kapan diperbarui, satuannya apa.
- Kolom bernama "biaya" tidak berguna sampai Anda tahu satuannya rupiah atau dolar. Keterangan itulah metadata.
- Data mentah (raw data)
- Data yang belum disentuh siapa pun, apa adanya seperti saat direkam.
Sering tertukar
Mentah bukan berarti benar. Data mentah justru paling sering berisi salah ketik, kosong, dan ganda.
- CSV
- Format file paling sederhana untuk tabel, isinya teks biasa dengan koma sebagai pemisah kolom.
- Hampir semua alat bisa membuka CSV, termasuk Excel dan Google Sheets.
2 · “Datanya diambil dan dirapikan bagaimana”
Mengambil dan merapikan
- Query
- Permintaan ke database untuk mengambil data tertentu.
- "Ambil semua pesanan bulan Agustus dari cabang Bandung" ditulis dalam SQL.
- SQL
- Bahasa untuk menulis query, dan keterampilan yang paling sering diminta di lowongan pemula.
Sering tertukar
SQL bukan bahasa pemrograman umum seperti Python. Ia cuma untuk bertanya kepada database, dan itu justru membuatnya cepat dipelajari.
- Filter
- Membuang baris yang tidak dibutuhkan, dan menyisakan yang dicari.
- Agregasi
- Meringkas banyak baris jadi satu angka: jumlah, rata-rata, hitungan, terbesar, terkecil.
- Lima ribu baris pesanan diringkas jadi satu angka omzet per bulan.
- Join
- Menyambung dua tabel dengan mencocokkan kolom yang sama.
- Tabel pesanan disambung ke tabel pelanggan lewat "id_pelanggan".
- Fan-out
- Baris yang berlipat sendiri setelah join, karena satu baris di tabel kiri cocok dengan beberapa baris di tabel kanan.
- Satu pesanan berisi tiga barang. Setelah disambung ke tabel barang, pesanan itu jadi tiga baris, dan menghitungnya sebagai tiga pesanan salah.
Sering tertukar
Query yang kena fan-out tetap berjalan mulus dan tidak memberi peringatan apa pun. Angkanya saja yang salah. Ini kekeliruan paling mahal di pekerjaan data sehari-hari.
- NULL
- Tanda bahwa nilainya tidak diketahui, bukan tanda bahwa nilainya nol.
Sering tertukar
Nol berarti "diukur, hasilnya nol". NULL berarti "belum pernah diukur". Rata-rata yang menghitung NULL sebagai nol akan turun tanpa alasan.
- Duplikat
- Baris yang isinya sama dan tercatat lebih dari sekali.
- Satu pelanggan mendaftar dua kali dengan email berbeda. Sistem melihat dua orang, kenyataannya satu.
- Outlier
- Nilai yang jauh menyimpang dari sisanya.
Sering tertukar
Outlier tidak otomatis salah. Ia bisa berarti salah input, dan bisa berarti pelanggan terbesar Anda. Membuangnya tanpa memeriksa adalah cara menghapus kabar penting.
- Data cleaning
- Pekerjaan merapikan data sebelum dihitung: menyeragamkan penulisan, membuang yang ganda, menambal yang kosong.
- "Jakarta", "jakarta", dan "DKI Jakarta" harus jadi satu sebelum dihitung per kota.
- ETL
- Urutan kerja memindahkan data: ambil dari sumbernya, ubah bentuknya, simpan ke tempat baru.
- Pipeline
- Rangkaian langkah pemindahan data yang berjalan otomatis dan berulang tanpa ditekan orang.
Sering tertukar
ETL menyebut langkah-langkahnya, pipeline menyebut keseluruhan jalur yang berjalan sendiri. Satu pipeline biasanya berisi beberapa proses ETL.
- Batch dan real-time
- Dua jadwal pemrosesan: batch mengolah sekaligus pada waktu tertentu, real-time mengolah begitu datanya masuk.
- Laporan penjualan harian jalan sekali tiap tengah malam. Itu batch, dan untuk sebagian besar kebutuhan itu sudah cukup.
- API
- Pintu resmi yang disediakan satu sistem supaya sistem lain bisa mengambil datanya secara teratur.
- Data cuaca diambil lewat API, bukan disalin manual dari halaman web.
3 · “Datanya disimpan di mana”
Tempat menyimpan
- Database
- Tempat menyimpan data yang tertata rapi dalam tabel dan bisa ditanyai dengan query.
- Data warehouse
- Database besar yang dirancang khusus untuk menganalisis, bukan untuk melayani aplikasi sehari-hari.
- Data dari kasir, web, dan aplikasi dikumpulkan ke satu warehouse supaya bisa dihitung bersama.
- Data lake
- Tempat menampung data apa adanya, termasuk yang belum berbentuk tabel: gambar, teks, rekaman, log.
Sering tertukar
Warehouse menyimpan data yang sudah dirapikan dan siap dihitung. Lake menyimpan data yang belum tentu rapi, dan perapiannya menyusul saat dibutuhkan.
- Data mart
- Potongan kecil dari warehouse yang disiapkan untuk satu tim saja.
- Tim marketing punya mart sendiri berisi data kampanye, tanpa data gaji.
- OLTP dan OLAP
- Dua cara kerja database: OLTP melayani transaksi satu per satu, OLAP membaca jutaan baris sekaligus untuk dianalisis.
Sering tertukar
Menjalankan analisis berat di database OLTP bisa membuat aplikasi produksinya melambat. Itu sebab warehouse dipisahkan sejak awal.
- Cloud
- Komputer sewaan milik penyedia layanan, dipakai lewat internet, dibayar sesuai pemakaian.
- BigQuery, Snowflake, dan Redshift adalah warehouse yang berjalan di cloud.
- Data pipeline orchestration
- Pengatur jadwal dan urutan untuk banyak pipeline sekaligus, termasuk apa yang harus dilakukan saat satu langkah gagal.
- Airflow adalah alat yang paling sering dipakai untuk ini.
4 · “Angkanya dibaca bagaimana”
Menghitung dan menyimpulkan
- Metrik
- Angka yang diukur berulang dengan cara yang sama tiap kali.
- Jumlah pesanan per hari.
- KPI
- Metrik yang dipilih sebagai penentu berhasil atau tidaknya sebuah tim.
Sering tertukar
Semua KPI adalah metrik, tapi sebagian besar metrik bukan KPI. Perusahaan bisa punya ratusan metrik dan hanya lima KPI.
- Rata-rata (mean)
- Seluruh nilai dijumlahkan lalu dibagi banyaknya.
Sering tertukar
Rata-rata mudah digeser satu nilai ekstrem. Satu pembeli bernilai satu miliar bisa menaikkan rata-rata seluruh pelanggan, padahal tidak ada yang berubah bagi sisanya.
- Median
- Nilai yang persis di tengah setelah semuanya diurutkan.
- Untuk gaji, median hampir selalu lebih jujur daripada rata-rata, karena tidak tertarik oleh angka tertinggi.
- Distribusi
- Gambaran bagaimana nilai-nilai itu menyebar, bukan cuma titik tengahnya.
- Dua kelas bisa punya rata-rata nilai sama, padahal yang satu merata dan yang lain terbelah dua.
- Persentil
- Posisi sebuah nilai dibanding sisanya, dinyatakan dalam persen.
- Persentil 90 berarti sembilan puluh persen nilai berada di bawahnya.
- Korelasi
- Dua hal yang bergerak bersamaan.
- Penjualan es krim naik bersamaan dengan kasus tenggelam.
- Kausalitas
- Satu hal benar-benar menyebabkan hal lain.
Sering tertukar
Es krim dan tenggelam berkorelasi karena keduanya naik saat cuaca panas. Menyimpulkan es krim menyebabkan tenggelam adalah kekeliruan yang paling sering muncul di rapat.
- Sampel
- Sebagian kecil yang diambil untuk mewakili keseluruhan.
Sering tertukar
Sampel besar tidak menolong kalau cara mengambilnya berat sebelah. Survei kepuasan yang cuma diisi orang yang marah akan tetap salah walau diisi sepuluh ribu orang.
- Bias
- Kemiringan yang membuat hasil pengukuran menyimpang ke satu arah secara sistematis.
- Signifikansi statistik
- Ukuran seberapa kecil kemungkinan sebuah selisih muncul cuma karena kebetulan.
Sering tertukar
Signifikan secara statistik tidak berarti penting bagi bisnis. Selisih 0,1 persen bisa signifikan pada data sejuta orang, dan tetap tidak layak ditindaklanjuti.
- A/B test
- Percobaan yang membagi orang jadi dua kelompok acak untuk melihat versi mana yang lebih baik.
- Separuh pengunjung melihat tombol biru, separuh melihat tombol hijau.
- Baseline
- Angka pembanding sebelum ada perubahan apa pun.
- Tanpa baseline, kenaikan penjualan setelah kampanye tidak bisa dibedakan dari kenaikan yang memang selalu terjadi tiap Desember.
- Cohort
- Sekelompok orang yang mulai pada waktu yang sama, lalu diikuti bersama-sama.
- Semua pengguna yang mendaftar Januari diikuti selama enam bulan, terpisah dari yang mendaftar Februari.
- Musiman (seasonality)
- Pola naik turun yang berulang mengikuti kalender.
- Penjualan naik tiap Ramadan dan turun tiap Januari. Membandingkan Desember dengan Januari tanpa mengingat ini menghasilkan kesimpulan yang keliru.
5 · “Hasilnya ditunjukkan bagaimana”
Menampilkan hasil
- Dashboard
- Satu halaman berisi angka dan grafik yang diperbarui otomatis, dipakai berulang tiap hari.
Sering tertukar
Dashboard menjawab pertanyaan yang sudah diketahui sebelumnya. Pertanyaan baru dijawab dengan analisis ad hoc, bukan dengan menambah satu grafik lagi ke dashboard.
- Visualisasi
- Mengubah angka jadi gambar supaya polanya terlihat lebih cepat daripada dibaca.
- Business intelligence (BI)
- Alat dan kebiasaan kerja untuk membuat angka perusahaan bisa dilihat sendiri oleh siapa pun yang membutuhkannya.
- Power BI, Tableau, Looker Studio, dan Metabase termasuk di sini.
- Ad hoc
- Permintaan analisis sekali pakai untuk menjawab satu pertanyaan yang baru muncul.
- "Kenapa penjualan Surabaya turun minggu lalu?" biasanya dijawab secara ad hoc.
- Drill down
- Membuka angka ringkasan untuk melihat rincian di baliknya.
- Dari total nasional, diklik jadi per provinsi, lalu per cabang.
- Self-service analytics
- Keadaan saat orang non-teknis bisa mengambil angkanya sendiri tanpa antre ke tim data.
- Storytelling dengan data
- Menyusun temuan jadi urutan yang bisa diikuti dan ditindaklanjuti orang yang tidak ikut menganalisis.
Sering tertukar
Ini bukan soal grafik yang lebih cantik. Yang dinilai adalah apakah pendengarnya tahu harus berbuat apa setelah Anda selesai bicara.
6 · “Model dan AI itu apa”
Model dan AI
- Model
- Rumus yang disusun dari data lama untuk menebak sesuatu yang belum diketahui.
- Model menebak pelanggan mana yang kemungkinan berhenti berlangganan bulan depan.
- Machine learning
- Cara membuat model dengan membiarkan komputer menemukan sendiri polanya dari contoh, tanpa aturan yang ditulis satu per satu.
Sering tertukar
AI adalah payung besarnya. Machine learning satu isi payung itu, dan sebagian besar pekerjaan data sehari-hari tidak memakai keduanya.
- Training data
- Data lama berisi contoh dengan jawaban yang sudah diketahui, dipakai untuk membentuk model.
- Fitur (feature)
- Keterangan yang dipakai model sebagai bahan menebak.
Sering tertukar
Fitur biasanya berasal dari kolom, tapi tidak semua kolom jadi fitur, dan satu kolom bisa diolah jadi beberapa fitur.
- Label (target)
- Jawaban yang ingin ditebak model.
- Kolom "berhenti berlangganan: ya atau tidak" adalah labelnya.
- Overfitting
- Model yang menghafal data latihannya terlalu rapat, lalu payah saat bertemu data baru.
- Seperti murid yang hafal soal ujian tahun lalu, dan langsung bingung begitu soalnya diganti.
- Akurasi
- Persentase tebakan model yang benar.
Sering tertukar
Akurasi tinggi bisa menipu. Kalau cuma satu persen pelanggan yang berhenti, model yang selalu menjawab "tidak berhenti" akurasinya 99 persen dan sama sekali tidak berguna.
- LLM
- Model bahasa berukuran besar yang menyusun jawaban kata demi kata berdasarkan kemungkinan.
- ChatGPT, Claude, dan Gemini berjalan di atas model semacam ini.
- Halusinasi
- Jawaban model yang terdengar meyakinkan padahal isinya tidak benar.
Sering tertukar
Model tidak sedang berbohong dan tidak sedang menebak-nebak dengan sadar. Ia menyusun kalimat yang paling mungkin, dan kalimat yang paling mungkin tidak selalu kalimat yang benar.
7 · “Kata-kata yang dipakai di kantor”
Kata yang muncul di rapat
- Stakeholder
- Orang yang akan memakai hasil kerja Anda untuk mengambil keputusan.
- Manajer marketing yang meminta laporan kampanye adalah stakeholder Anda.
- Requirement
- Kesepakatan tentang apa yang sebenarnya diminta, sebelum pekerjaannya dimulai.
Sering tertukar
Permintaan pertama jarang jelas. "Buatkan dashboard penjualan" belum jadi requirement sampai disepakati periodenya, pemisahannya, dan keputusan apa yang mau diambil dari sana.
- Single source of truth
- Kesepakatan bahwa satu angka cuma boleh punya satu tempat asal resmi.
- Tanpa ini, tiga tim datang ke rapat dengan tiga angka omzet berbeda, dan rapat berubah jadi perdebatan soal angka mana yang benar.
- Data governance
- Aturan tentang siapa boleh melihat data apa, siapa bertanggung jawab atas kebenarannya, dan bagaimana perubahannya dicatat.
- Data quality
- Seberapa layak sebuah data dipercaya: lengkap, tepat waktu, konsisten, dan sesuai kenyataan.
- Insight
- Temuan yang mengubah keputusan seseorang.
Sering tertukar
Angka yang naik bukan insight. Ia jadi insight ketika Anda bisa menyebutkan apa yang sebaiknya dilakukan berbeda karenanya.
- Data-driven
- Cara kerja yang mendahulukan bukti dari data ketimbang pendapat orang yang paling senior di ruangan.
- Dokumentasi
- Catatan tentang dari mana angka diambil dan bagaimana ia dihitung, ditulis supaya orang lain bisa mengulanginya.
Sering tertukar
Bagian ini yang paling sering dilewati pemula, dan paling sering ditanyakan saat wawancara kerja.
Tidak perlu dihafal
Halaman ini dibuat untuk dibuka ulang, bukan untuk dibaca sekali sampai habis. Simpan linknya, lalu kembali saat bertemu kata yang asing.
Semua istilah ada di satu halaman, jadi Ctrl+F di browser Anda sudah cukup untuk mencari. Tiap istilah juga punya linknya sendiri, dan link itu bisa dikirim ke orang lain.