Data Cleansing: Pengertian, Cara, dan Contoh di Perusahaan

Menjelang penutupan laporan bulanan, tim penjualan menemukan nilai transaksi yang naik tajam, tetapi jumlah barang yang dikirim tidak berubah sebanding. Setelah diperiksa, satu transaksi terimpor dua kali dan jumlah barang pada transaksi lain tercatat 30 unit, padahal dokumen pengiriman menunjukkan 3 unit.

Kesalahan seperti ini perlu ditangani melalui data cleansing sebelum data digunakan untuk laporan atau kegiatan operasional. Artikel ini membahas cara menemukan duplikasi, kesalahan input, data tidak lengkap, dan format yang tidak konsisten melalui contoh transaksi perusahaan.

Apa Itu Data Cleansing?

Data cleansing adalah proses mengidentifikasi, memeriksa, dan memperbaiki data yang bermasalah agar layak digunakan sesuai tujuannya. Masalah tersebut dapat berupa catatan ganda, angka yang salah input, kolom wajib yang kosong, atau format yang berbeda pada data sejenis.

Menurut IBM , pembersihan data berkaitan dengan peningkatan akurasi, kelengkapan, dan konsistensi data. Di perusahaan, hasil perbaikan juga perlu cocok dengan dokumen yang mendasarinya, seperti pesanan, pengiriman, dan invoice.

Data cleansing berkaitan dengan, tetapi memiliki cakupan berbeda dari master data management (MDM). Data cleansing dapat diterapkan pada data transaksi yang akan dipakai, sedangkan MDM menetapkan pengelolaan data induk seperti pelanggan, produk, dan pemasok di berbagai departemen.

Masalah Data Apa Saja yang Perlu Dibersihkan?

Jenis masalah menentukan cara pemeriksaannya. Data yang terlihat janggal sebaiknya ditandai lebih dulu, lalu dibandingkan dengan sumbernya sebelum diubah.

1. Data Duplikat

Data duplikat dapat muncul ketika file yang sama diimpor lebih dari sekali. Namun, nomor pesanan yang berulang juga bisa menunjukkan beberapa baris produk yang sah. Cocokkan nomor dokumen, produk, jumlah, waktu pencatatan, dan riwayat impor sebelum mengecualikan sebuah baris.

2. Kesalahan Input

Jumlah barang, harga, kode produk, atau tanggal dapat salah dicatat. Angka 30 yang seharusnya 3, misalnya, akan mengubah nilai transaksi secara besar. Periksa angka tersebut terhadap pesanan dan dokumen pengiriman sebelum melakukan koreksi.

3. Data Tidak Lengkap

Dampak kolom kosong bergantung pada fungsinya. Nomor telepon pelanggan yang kosong mungkin tidak mengubah total penjualan, tetapi kode pelanggan yang kosong dapat menghambat penelusuran transaksi. Tentukan atribut yang wajib bagi proses terkait dan isi berdasarkan sumber yang terkonfirmasi.

4. Format Tidak Konsisten

Tanggal “11/12/2026” dapat berarti 11 Desember atau 12 November jika sumber data menggunakan aturan berbeda. Nama produk, satuan barang, dan penulisan angka juga bisa bervariasi. Pastikan aturan dari setiap sumber diketahui sebelum format diseragamkan.

Mengapa Data Cleansing Penting bagi Perusahaan?

Kesalahan pada data sumber dapat terbawa ke beberapa keluaran sekaligus. Satu transaksi ganda dapat menaikkan total penjualan serta mengubah analisis performa produk dan pelanggan.

Pemeriksaan sebelum pelaporan membantu tim mengetahui catatan mana yang perlu diperbaiki atau ditahan. Pembahasan EQUIP tentang laporan ERP juga menempatkan kualitas data sebagai bagian penting dari pelaporan yang dapat digunakan untuk mengambil keputusan.

Data yang konsisten memudahkan tim penjualan, gudang, dan keuangan menelusuri selisih. Mereka dapat merujuk pada kode, tanggal, serta dokumen yang sama saat memeriksa sebuah transaksi.

Bagaimana Cara Melakukan Data Cleansing?

Mulailah dari tujuan penggunaan data. Untuk laporan penjualan, prioritaskan nomor transaksi, periode, jumlah barang, harga, dan status dokumen.

1. Tentukan Data dan Aturan Pemeriksaan

Catat sumber data, periode, kolom wajib, dan format yang berlaku. Simpan salinan data awal beserta jumlah barisnya agar hasil pemeriksaan dapat dibandingkan dengan kondisi sebelum perubahan.

2. Temukan Catatan yang Mencurigakan

Cari nomor transaksi berulang, kolom kosong, tanggal di luar periode, satuan berbeda, dan nilai yang jauh dari pola biasa. Gunakan temuan tersebut sebagai daftar pemeriksaan, bukan sebagai daftar baris yang otomatis harus dihapus.

3. Cocokkan dengan Dokumen Sumber

Bandingkan catatan dengan pesanan, dokumen pengiriman, invoice, atau riwayat perubahan. Jika data berasal dari beberapa aplikasi, aturan sumber dan format perlu diperiksa saat menyiapkan integrasi sistem ERP .

4. Perbaiki dan Catat Alasannya

Kecualikan hasil impor yang terbukti ganda, koreksi nilai yang terbukti salah, lengkapi atribut dari sumber yang sah, dan seragamkan format. Catat alasan serta dokumen rujukan untuk setiap perubahan penting. Jika transaksi sudah disahkan atau dibukukan, ikuti prosedur koreksi perusahaan agar riwayatnya tetap dapat ditelusuri.

5. Validasi Hasil Sebelum Digunakan

Periksa kembali jumlah baris, transaksi yang dikecualikan, nilai total, serta kecocokannya dengan dokumen sumber. Pastikan koreksi pada satu kolom tidak menimbulkan kesalahan baru pada periode, pelanggan, atau laporan lain.

Contoh Data Cleansing pada Transaksi Penjualan

Contoh berikut menggunakan empat baris hasil impor yang seluruhnya bersifat ilustratif. Tabel pertama memperlihatkan data sebelum pemeriksaan, termasuk transaksi ganda, kesalahan jumlah barang, kode pelanggan kosong, dan format tanggal yang berbeda.

Total file mentah adalah Rp8.500.000 , yaitu Rp1.000.000 + Rp1.000.000 + Rp6.000.000 + Rp500.000. Dalam ilustrasi ini, catatan impor dan pesanan menunjukkan bahwa hanya satu baris T-101 yang sah. Pesanan serta dokumen pengiriman T-102 sama-sama mencatat 3 unit, sedangkan kode pelanggan T-103 ditemukan pada pesanan terkait.

Total setelah pemeriksaan menjadi Rp2.100.000 , yaitu Rp1.000.000 + Rp600.000 + Rp500.000. Selisih Rp6.400.000 terdiri dari hasil impor ganda Rp1.000.000 dan kelebihan pencatatan T-102 sebesar Rp5.400.000. Pelengkapan kode pelanggan dan penyeragaman tanggal tidak mengubah total, tetapi membantu penelusuran transaksi.

Keputusan perbaikan harus tetap dicatat. Jika kedua baris T-101 ternyata mewakili produk atau pengiriman berbeda, mengecualikan salah satunya justru akan membuat laporan tidak lengkap.

Bagaimana Mencegah Kesalahan Data Terulang?

Data cleansing menangani masalah yang sudah ditemukan. Setelah itu, perusahaan perlu memperbaiki cara data masuk dan diperiksa agar tim tidak mengulang koreksi yang sama setiap periode.

• Tetapkan format input: Gunakan aturan tanggal, satuan, dan penulisan angka yang sama pada proses terkait.
• Tentukan kolom wajib: Sesuaikan atribut yang harus diisi dengan kebutuhan transaksi dan laporan.
• Periksa data saat impor: Tandai kemungkinan transaksi ganda dan format yang tidak sesuai sebelum data digunakan.
• Atur hak perubahan: Tetapkan siapa yang dapat mengoreksi data penting dan bagaimana koreksi disetujui.
• Tinjau pengecualian: Periksa secara berkala data yang ditolak, dikoreksi, atau masih menunggu konfirmasi sumber.

Sistem yang menghubungkan penjualan, gudang, dan keuangan dapat membantu tim memakai rujukan data yang sama. Kualitas hasilnya tetap bergantung pada aturan input, pemeriksaan dokumen, dan tindak lanjut atas temuan.

Jaga Kualitas Data Transaksi dengan EQUIP

Data cleansing lebih mudah dilakukan ketika tim dapat menelusuri angka yang janggal ke pesanan, pengiriman, dan invoice asalnya. Rujukan tersebut membantu tim membedakan kesalahan input dari transaksi yang memang sah.

EQUIP membantu perusahaan menghubungkan proses penjualan, persediaan, dan keuangan dalam satu sistem. Dengan informasi yang saling terkait, tim dapat memeriksa data sebelum menggunakannya untuk laporan dan kegiatan operasional.

• Data pelanggan yang konsisten: Membantu tim mencocokkan identitas pelanggan pada pesanan, invoice, dan laporan saat menemukan kode yang kosong atau berbeda.
• Informasi produk dan stok: Memudahkan pemeriksaan kode produk, satuan, dan jumlah barang terhadap catatan operasional terkait.
• Transaksi yang terhubung: Membantu tim menelusuri pesanan, pengiriman, dan invoice ketika nilai atau jumlah barang tidak cocok.
• Pemeriksaan data ganda: Rujukan dokumen dan rincian transaksi membantu tim memastikan apakah baris yang tampak duplikat merupakan impor berulang atau transaksi yang sah.
• Laporan terintegrasi: Membantu tim melihat kembali angka laporan setelah data sumber diperiksa dan koreksi dilakukan.
• Riwayat perubahan: Membantu tim menelusuri koreksi penting sesuai prosedur pengawasan internal perusahaan.

Dengan rujukan transaksi yang jelas, tim dapat melakukan data cleansing berdasarkan bukti, lalu meninjau jenis kesalahan yang berulang untuk memperbaiki aturan inputnya.

Kesimpulan

Data cleansing membantu perusahaan menemukan dan menangani duplikasi, kesalahan input, data tidak lengkap, serta format yang tidak konsisten sebelum data digunakan. Setiap perbaikan perlu memiliki dasar yang dapat ditelusuri, bukan sekadar membuat tabel terlihat rapi.

Perusahaan dapat memulai dari satu laporan yang sering memerlukan koreksi. Telusuri data sumbernya, catat kesalahan yang berulang, lalu tetapkan aturan input dan validasi sesuai proses kerja yang sebenarnya.

FAQ Data Cleansing