Tulisan ini memuat penjelasan mengenai visualisasi data, mulai dari pentingnya visualisasi data, definisi, tujuan, jenis dan bentuknya, serta prinsip-prinsipnya.
Selain itu, juga akan dibahas mengenai kesalahan-kesalahan dalam visualisasi data, bagaimana mencari bentuk visualisasi terbaik, cara melakukannya, hingga beberapa contoh aplikasi yang biasa digunakan.
Mengapa visualisasi data?
Manusia merupakan makhluk visual.
Berdasarkan penelitian, otak manusia mampu mengenali gambar hanya dalam waktu 13 milidetik.
Penelitian yang lain juga menyebutkan bahwa konten visual diproses 60.000 kali lebih cepat daripada jenis konten lainnya.
Selain itu, telah terbukti bahwa 90% informasi yang disimpan di otak berupa informasi visual.
Itulah mengapa sekarang hampir semua data ditampilkan secara visual melalui proses visualisasi data yang efektif, misal dengan infografis.
Dewasa ini, konten infografis ada di mana-mana, mulai dari berita di koran dan artikel majalah, hingga konten online seperti artikel online dan postingan instagram.
Presentasi data dan informasi secara visual tersebut membutuhkan sebuah proses visualisasi data yang efektif dan akurat.
Lebih lengkap lagi, berikut alasan mengapa kita melakukan visualisasi data:
- Memperlihatkan tren
- Menampilkan konteks dari sebuah informasi
- Mempersingkat waktu baca
- Memperkuat narasi
- Memperjelas rangkaian cerita secara kronologis (waktu ke waktu)
- Memberikan perspektif pada sebuah cerita
- Menjelaskan sebuah proses (tahap per tahap)
- Menstimulasi imajinasi pembaca
Pengertian visualisasi data
Visualisasi data adalah proses membuat representasi visual dari data.
Visualisasi data merupakan alat yang ampuh untuk menjelajahi kumpulan data yang besar dan kompleks.
Memvisualisasikan data membantu pengguna untuk memahami pola, tren, hubungan, dan outlier yang tersembunyi di dalam data yang besar dan kompleks.
Visualisasi data atau data visualization juga dapat didefinisikan sebagai bentuk grafis atau visual dari data dan informasi.
Visualisasi data mengacu pada teknik yang digunakan untuk mengkomunikasi data atau informasi dengan membuatnya sebagai objek visual (misalnya, titik, garis, atau batang) dalam grafik.
Visualisasi data merupakan ilmu dan seni.
Ilmu dalam artian kita perlu memperhatikan panduan dan aturan ilmiah yang mengikatnya.
Seni dalam artian kita bisa menggunakan dan mengkombinasikan penggunaan variabel dan elemen grafis untuk membuat visual data yang efektif dan menarik.
Tujuan visualisasi data
Setidaknya ada tiga tujuan visualisasi data, yaitu:
- mempresentasikan data dan informasi
- membantu eksplorasi data
- metode untuk analisis data
Mempresentasikan data dan informasi
Tujuan utama dari visualisasi data adalah untuk mengkomunikasikan informasi secara jelas dan efisien kepada pengguna.
Melalui visualisasi yang baik, data kompleks yang ditampilkan secara visual menjadi lebih mudah dipahami oleh orang awam.
Selain itu, visualisasi yang efektif membantu pengguna dalam menganalisis dan penalaran data. Kita akan pelajari bagian ini se
Membantu proses eksplorasi data
Dalam konteks statistika dan data science, proses analisis data menggunakan grafik merupakan proses yang vital.
Proses ini masuk ke dalam tahap Exploratory Data Analysis (EDA).
Visualisasi data yang efektif merupakan langkah awal dalam sebuah analisis data yang baik.
Hal ini dikarenakan data yang ditampilkan secara visual dapat menunjukkan pola-pola yang tidak bisa disampaikan oleh data berupa teks atau angka.
Maka, langkah pertama dalam proses analisis data adalah membuat grafik-grafik dari data dan memahaminya.
Metode analisis data
Konsep ini memunculkan istilah visual analytics.
Visual analytics atau analisis visual merupakan ilmu untuk melakukan penalaran analitik (reasoning analytics) dengan didukung oleh antarmuka visual yang interaktif.
Dengan perkembangan produksi data yang semakin cepat, metode ini memungkinkan pembuat keputusan menggunakan fleksibilitas, kreativitas, dan pengetahuan latar belakang mereka.
Selain itu, metode ini dapat digunakan untuk memaksimalkan kapasitas penyimpanan dan pemrosesan yang sangat besar dari komputer saat ini untuk mendapatkan wawasan tentang masalah yang kompleks.
Ditambah dengan proses pembuatan dan penggunaan visualisasi data yang efektif, proses analisis dengan berdasarkan visual bisa sangat powerful.
Jenis visualisasi data
Terdapat banyak bentuk atau jenis visualisasi yang telah umum digunakan.
Berikut adalah 15 buah di antaranya:
- Column Chart
- Bar Graph
- Stacked Bar Graph
- Stacked Column Chart
- Area Chart
- Dual Axis Chart
- Line Graph
- Mekko Chart
- Pie Chart
- Waterfall Chart
- Bubble Chart
- Scatter Plot Chart
- Bullet Graph
- Funnel Chart
- Heat Map
Setiap jenis grafik dapat meningkatkan kemudahan dalam membaca dan interpretasi data.
Namun, tetapi setiap grafik memiliki karakteristik khusus yang sangat spesifik pada suatu tujuan visualisasi atau tipe data tertentu.
Lalu, bagaimana cara menentukan bentuk visualisasi data yang tepat?
Menentukan jenis visualisasi terbaik
Salah satu bagian terpenting dalam proses visualisasi data adalah memilih diagram atau jenis visualisasi terbaik.
Hal ini dapat menjadi lebih rumit karena biasanya suatu data dapat divisualkan menggunakan lebih dari satu jenis grafik.
Sedangkan kita juga harus memastikan pesan atau tujuan visualisasi dapat tersampaikan dengan jelas dan akurat.
Harus selalu diingat, bahwa visualisasi data hanya berguna jika mencapai tujuannya.
Lalu, bagaimana cara menentukan jenis visualisasi terbaik?
Tunggu dulu.
Hal ini akan kita bahas nanti, di bahasan Cara membuat visualisasi data di bawah.
Lanjut baca, ya!
Contoh visualisasi data
Contoh visualisasi data yang umum digunakan adalah dengan menggunakan grafik dan peta.
Cara paling populer dan tradisional untuk membuat visualisasi data adalah melalui grafik. Sebuah grafik dapat diwakili oleh grafik garis, scatterplot, grafik batang atau diagram lingkaran serta banyak jenis grafik lainnya.
Selain itu, bentuk visualisasi data yang sekarang menjadi semakin populer adalah dalam bentuk sebuah peta.
Penggunaan peta untuk visualisasi data menjadi populer karena peta mampu menunjukkan lokasi, pola, dan hubungan spasial pada suatu fenomena.
Kita dapat menemukan berbagai macam contoh visualisasi data di internet.
Visualisasi data yang bagus, maupun yang jelek.
Berikut ini beberapa contoh bentuk visualisasi data yang saya anggap efektif dan menarik.
Information is Beautiful
Information is beautiful merupakan salah satu sumber inspirasi ketika melakukan visualisasi data.
Berikut beberapa contohnya:
Peta Hotspot Covid-19
Jenis anjing paling populer di dunia.
From Data To Viz
Website ini merupakan kumpulan contoh-contoh grafik berdasarkan jenis-jenisnya.
Web ini membantu kita menemukan bentuk visualisasi yang sesuai dengan data kita berdasarkan tujuan dan jenis data yang ingin kita tampilkan.
Selain itu, di setiap grafik juga disertai dengan script R, phyton, dan d3js-nya, sehingga bisa langsung ditiru dan dipelajari.
Selain itu, setiap grafik juga diberikan penjelasan mengenai tips-tips serta kesalahan-kesalahan penggunaannya.
Language of The World
This piece of interactive content introduces people that are non-linguist an impressive 2,678 existing language in the world, with storytelling and many details that most of us do not know:
Website ini menggunakan konten interaktif yang menunjukkan 2.678 bahasa di dunia, dengan cerita dan detil yang mengagumkan, meliputi:
- famili dari bahasa
- jumlah pengguna bahasa
- jumlah kata serapan antara bahasa
- bahasa paling banyak dipakai
- di mana lokasi setiap bahasa
Bagus dan sangat informatif.
Silakan dikunjungi di sini.
Bahasa pemrograman di CRAN
Visualisasi berikutnya merupakan kombinasi antara bubble chart dan circular network graph.
Grafik ini menunjukkan penggunaan bahasa pemrograman paling populer di 300 packages di Comprehensive R Archive Network (CRAN).
Grafik ini dibuat oleh Dr. Torsten Sprenger yang dibagi di akun twitternya.
Where the Wild Things Glow
Visualisasi ini menunjukkan di mana dan bagaimana bioluminescence di pesisir tenggara Australia.
Where the Wild Things Grow adalah sebuah visualisasi untuk National Geographic oleh Jonni Walker.
Bioluminescence divisualkan menjadi objek yang bersinar dan ditampalkan ke citra satelit.
Legenda dan informasi ditampilkan pada sebuah peta. Sangat menarik dan mudah dibaca.
Drowning in plastic
Drowning in Plastic adalah visualisasi yang dibuat oleh Reuters Graphics.
Visualisasi ini dengan sangat baik memberikan sebuah bold statement mengenai betapa parahnya sampah plastik di bumi kita.
Lihat selengkapnya di sini.
The Next America
The Next America melihat data demografis di Amerika Serikat secara komprehensif dan menggabungkan semuanya menjadi proyek visualisasi data yang besar, interaktif, dan sangat menarik.
Proyek ini menampilkan hal-hal seperti keragaman yang berkembang dan tren pernikahan antar ras, memberikan konteks historis ke garis tren, dan menebak proyeksi pergeseran demografis dan perubahan yang mungkin dialami AS dalam beberapa dekade mendatang.
Lihat selengkapnya di sini.
Satu contoh bagus adalah piramida penduduk dengan rincian demografis usia dan gender yang dianimasikan.
Dalam beberapa detik, kita dapat melihat bagaimana demografi populasi telah bergeser sejak 1950-an.
Lihat di bawah ini.
Beberapa contoh visualisasi data di atas adalah berupa peta.
Untuk mempelajari bagaimana membuat peta yang akurat sekaligus estetik dan sesuai dengan kaidah, silahkan baca panduan sebagai berikut:
15 Pertimbangan Kartografis untuk Membuat Peta yang Estetik dan Profesional
Kesalahan-kesalahan dalam visualisasi data
Setelah melihat contoh-contoh menarik di atas, mari kita pelajari beberapa kesalahan yang sangat sering terjadi dalam proses visualisasi data.
Untuk mempelajari kesalahan-kesalahan dalam visualisasi data, mari kita lihat grafik di bawah ini:
Berikut kesalahan-kesalahan yang terdapat pada grafik tersebut:
- Tidak menampilkan data secara akurat
- Pola tidak mudah ditangkap
- Distorsi data
- Elemen grafis tidak jelas
Mari kita lihat satu per satu.
Kesalahan pertama: tidak menampilkan data
Setiap batang pada gambar menunjukkan hasil rata-rata empat batang pot tanaman dalam percobaan pengaruh nitrogen dan air. Sayangnya, poin data — hasil dari semua file unit eksperimental (pot) —tidak ditampilkan.
Hal Ini membuat kita tidak bisa melihat variasi hasil antar pot dan membandingkan perbedaan antar pot.
Dengan tampilan seperti ini, kita tidak bisa melihat jika ada hasil yang tidak biasa, -misal sebuah outlier dalam data tersebut.
Kesalahan kedua: pola tidak mudah ditangkap
Tampilan tiga dimensi dan perspektif sudut yang tidak sesuai menyulitkan untuk menilai tinggi batang secara kasat mata, yang berarti bahwa pertumbuhan tanaman rata-rata sulit untuk dibandingkan.
Kesalahan ketiga: distorsi data
Kesalahan selanjutnya adalah distorsi pada rentang data yang disebabkan oleh kesalahan pemilihan sumbu vertikal, Dalam grafik tersebut, ditunjukkan rentang dari 2 hingga 9 gram/tanaman. Untuk menampilkan perbedaan nilai yang proporsional, seharusnya grafik ditampilkan dalam rentang dari 0-9.
Kesalahan keempat: elemen grafis tidak jelas
Dalam grafik tersebut, element grafis seperti teks dan angka pada sumbu x maupun y terlalu kecil sehingga sulit untuk dibaca.
Lalu, bagaimana menghindari kesalahan-kesalahan tersebut?
Mari kita baca tips-tips di bawah ini.
Tips visualisasi data
Saat menentukan bagaimana kita memvisualisasikan data, berikut tips-tips yang perlu kita perhatikan.
- Pilih visual terbaik yang sesuai dengan data dan tujuan visualisasi.
- Pastikan data mudah dibaca dan dimengerti.
- Tambahkan informasi untuk menmbah konteks yang diperlukan untuk audiens
- Jaga visualisasi sesederhana dan sejelas mungkin.
Selanjutnya, untuk menerapkan tips di atas, kita akan langsung menuju ke langkah-langkah detil cara membuat visualisasi data.
Cara membuat visualisasi data
Setelah mengetahui beberapa tips dan kesalahan yang sering terjadi dalam proses visualisasi data, selanjutnya kita akan bahas bagaimana langkah-langkahnya secara detil.
Setidaknya ada enam tahap yang kita lakukan:
- Menentukan tujuan visualisasi data
- Menentukan target visualisasi data
- Mendapatkan dan meng-eksplor data
- Menentukan jenis visualisasi
- Membuatnya efektif dan menarik
- Evaluasi
Mari kita bahas lebih dalam.
Menentukan tujuan
Pertama, tentukan tujuan visualisasi data yang akan kita lakukan.
Seperti yang dijelaskan di atas, ada tiga tujuan visualisasi data.
- mempresentasikan data dan informasi
- membantu eksplorasi data
- metode untuk analisis data
Tujuan visualisasi menentukan kemana arah visualisasi data kita.
Menentukan target visualisasi data
Siapa target audience yang kita targetkan?
Hal ini sangat penting untuk kita perhatikan, terutama jika tujuan visualisasi adalah untuk menampilkan informasi.
Informasi yang akan kita sajikan haruslah sesuai dengan target audiens, agar informasi dapat disampaikan secara efektif dan menarik.
Beberapa hal yang perlu kita pertimbangkan antara lain:
- Usia audiens (anak-anak vs remaja vs dewasa vs lansia)
- Latar belakang pendidikan
Pertanyaan selanjutnya adalah:
Apa medium visualisasi data yang akan kita buat?
Apakah hanya akan ditampilkan di layar monitor kita untuk membantu eksplorasi data?
Apa untuk paper yang akan disubmit di jurnal ilmiah?
Untuk laporan skripsi atau tugas akhir?
Laporan perusahaan?
Infografis?
Website atau video youtube?
Sudah bisa membayangkan, mengapa menentukan medium visualisasi di awal sangat penting?
Mendapatkan dan meng-eksplor data
Setelah tahu apa tujuan dan target dari visualisasi data, kini saatnya kita mendapatkan data dan mempersiapkannya untuk dapat divisualkan dengan baik.
Pertama, kita cari data yang kita butuhkan.
Kita bisa mencari data ke berbagai sumber, misal data kependudukan ke BPS, atau data spasial ke Inageoportal.
Data juga bisa kita dapatkan dari buku atau laporan-laporan yang sudah ada.
Kedua, kita susun ulang data kita.
Semakin banyak data yang kita dapatkan, semakin berat proses ini dilakukan.
Apalagi seringkali kita mendapatkan data yang raw dan belum siap olah.
Pada tahap ini, kita dapat melakukan join data, atau mem-format ulang kolom dan baris data kita.
Tentu kita perlu melakukan restrukturisasi untuk mempermudah proses visualisasi data kita nantinya.
Ketiga, kita lakukan filter data.
Pada tahap ini, kita buang semua data kita. Kecuali yang benar-benar kita perlukan.
Misal, jika kita hanya perlukan data Provinsi Aceh, maka data provinsi lain dapat kita buang.
Atau jika kita hanya memerlukan data tahun 2000-2010, maka data di luar periode ini sebaiknya kita buang juga.
Semakin fokus dan ramping akan semakin baik.
Tapi tentunya harus selalu mempetimbangkan tujuan visualisasi data yang kita lakukan.
Bagaimana jika kita belum yakin dengan visualisasi yang akan kita lakukan?
Jawaban pertama untuk pertanyaan ini adalah, berkonsultasilah.
Tanyakan ke dosen pembimbing, tanyakan ke klien, tanyakan ke supervisor.
Minta pendapat mereka.
Cara lainnya adalah dengan kembali ke data raw yang sudah dirapikan.
Lalu lakukan eksplorasi visualisasi data dengan data-data yang ada.
Ajukan berbagai macam pertanyaan dan buat visualisasi untuk menjawab pertanyaan-pertanyaanmu.
Bagaimana jika data yang kita punya belum dapat digunakan untuk menjawab tujuan visualisasi?
Cari data lagi.
Atau lakukan analisis data.
Gunakan statistika deskriptif sederhana, pengujian hipotesis, atau lakukan pemodelan statistika dan data mining.
Menentukan jenis visualisasi
Kini tiba saatnya proses visualisasi data.
Untuk menentukan bentuk visualisasi datanya, kita jawab dulu pertanyaan berikut:
- Apa tujuan visualisasi?
- Apa jenis datanya?
- Apakah variabel memiliki perubahan akibat perubahan waktu?
- Berapa variabel yang akan ditampilkan?
- Berapa jumlah kelas atau kategori di setiap kelas?
1. Apa tujuan visualisasi?
Pertanyaan ini dapat dijawab dengan memilih satu dari empat tujuan visualisasi, yaitu:
- Menunjukkan perbandingan
- Menunjukkan sebaran atau distribusi
- Menunjukkan komposisi
- Menunjukkan hubungan
2. Apa jenis datanya?
Lihat kembali jenis dan skala data yang akan divisualkan.
Data dapat dibagi menjadi dua jenis:
- Data kualitatif
- Data kuantitatif
Pemahaman mengenai jenis dan skala data akan sangat membantu dalam menentukan jenis visualisasi yang tepat.
Untuk lebih memahami topik ini, baca artikel berikut.
3. Apakah variabel berubah seiring waktu?
Pertanyaan ini sekaligus juga digunakan untuk menentukan apakah ada trend temporal yang terjadi pada data kita.
Jawaban untuk pertanyaan ini adalah:
- Data statis/ tidak berubah/ hanya menampilkan satu waktu
- Data berubah seiring waktu
Jika data berubah seiring waktu, lihat juga berapa periode waktu yang terekam dalam data kita:
- Dua periode
- Banyak periode
4. Berapa variabel yang akan ditampilkan?
Perhatikan juga berapa jumlah variabel yang akan kita tampilkan:
- Satu variabel
- Lebih dari satu variabel
5. Berapa jumlah kelas atau kategori di setiap kelas?
Selanjutnya, lihat jumlah kategori di setiap variabel.
Kita kategorikan menjadi:
- Sedikit kelas
- Banyak kelas
Setelah dapat menjawab lima pertanyaan tersebut, silakan lihat gambar ini dan ikuti panduannya.
Masih cukup membingungkan?
Pakai panduan yang lebih detil berikut ini.
Membuat visualisasi yang efektif dan menarik
Salah satu tahap yang penting adalah membuat visualisasi data menjadi efektif dan menarik.
Beberapa hal yang bisa dilakukan adalah:
- Buat storyboard
- Gunakan visual order
- Hilangkan clutter
- Pallete warna
- Tambahkan konteks
Buat storyboard
Buat visualisasi data kita bercerita.
Ambil satu fakta dan ceritakan dengan visual.
Ceritakan proses.
Ceritakan kronologi.
Tonjolkan hal-hal penting.
Cerita yang kita munculkan ini akan menjadi visualisasi kita menjadi lebih hidup.
Gunakan visual order
Ini adalah tips untuk membuat cerita lebih runtut dan sistematis.
Ada satu hal yang memang sengaja dibuat lebih menonjol dibandingkan yang lain.
Hilangkan clutter
Buat visual kita seminimal mungkin.
Hindari tampilan 3 dimensi.
Hilangkan garis-garis yang tidak perlu.
Hilangkan teks-teks tang tidak perlu.
Pallete warna
Gunakan palet warna yang sesuai dengan tema visual kita.
Telah banyak palet warna yang dibuat, kita tinggal pakai.
Beberapa sumber palet warna yang biasa saya pakai adalah:
Tambahkan konteks
Langkah terakhir adalah dengan menambahkan informasi sebagai konteks dari visualisasi data kita.
Evaluasi
Selanjutnya, lakukan evaluasi.
Evaluasi sendiri visual yang kita buat.
Atau minta bantuan orang lain.
Tanyakan apakah visual yang kita buat sudah menyampaikan tujuan, dapat diterima dengan baik oleh calon audiens, sudah cukup menarik atau engaging.
