Pada sesi ini, kita akan membahas pilihan desain untuk mengatur data jaringan dalam

ruang.

1
Secara spesifik, kita akan mencoba memahami tiga sub-bahasan yakni kelompok
idiom visualisasi node-link diagram, kelompok idiom visualisasi adjacency matrix, dan
kelompok idiom visualisasi enclosure.

Pembahasan selama ini difokuskan pada kumpulan data tabel, dimana mark selalu
mewakili suatu item. Untuk kumpulan data jaringan atau network, mark mungkin saja
mewakili item — yang dikenal sebagai node — atau mungkin juga mewakili link. Link
mark mewakili hubungan antar item.

Ada dua jenis line mark yaitu connection dan containment. Connection mark
menunjukkan hubungan berpasangan antara dua item, menggunakan garis.
Containment mark menunjukkan hubungan hirarki menggunakan area, dan untuk itu
connection mark dapat bertumpuk satu sama lain pada beberapa tingkatan,
sedangkan representasi visual dari area mark dapat berupa garis yang
menggambarkan batasnya, containment pada dasarnya berkaitan dengan
penggunaan area. Link tidak dapat diwakili oleh poin, meskipun item individual dapat
berupa poin.

2
Kelompok pertama dari idiom pengkodean jaringan adalah node-link diagram yang
menggunakan connection mark, di mana mark mewakili link daripada node.
Kelompok kedua dari idiom pengkodean jaringan adalah tampilan matriks yang secara
langsung menunjukkan hubungan ketetanggaan atau adjacency relationship. Struktur
pohon dapat ditampilkan dengan containment mark, di mana enclosing link
mark menunjukkan hubungan hierarki melalui penumpukan atau nesting.

2
Salah satu idiom yang paling banyak digunakan untuk tata letak node–link network
menggunakan connection mark adalah force-directed placement. Ada banyak varian
force-directed placement; dalam satu varian, elemen jaringan diposisikan sesuai
dengan simulasi gaya fisik di mana setiap node mendorong menjauh satu sama lain
sementara link bertindak seperti pegas yang menarik node di titik akhir lebih dekat
satu sama lain. Banyak algoritma force-directed placement dimulai dengan
menempatkan node secara acak dalam suatu wilayah spasial dan kemudian secara
berulang memperbaiki lokasinya sesuai dengan dorongan dan tarikan gaya simulasi
ini untuk secara bertahap memperbaiki tata letak node dan link dalam ruang. Salah
satu kelebihan dari pendekatan ini adalah bahwa versi sederhana sangat mudah
diterapkan. Kelebihan lain adalah relatif mudah untuk dipahami dan dijelaskan pada
tingkat konseptual, dengan menggunakan analogi physical springs atau pegas.

Force-directed placement juga dikenal sebagai spring embedding, energy

minimization, atau nonlinear optimization.

Salah satu kelemahan force-directed placement adalah bahwa tata letak sering kali
tidak deterministik, yang berarti bahwa tata letak node dan link akan terlihat berbeda
setiap kali algoritma dijalankan. Berbeda dengan pendekatan deterministik seperti

3
scatterplot or a bar chart yang menghasilkan tata letak yang identik setiap saat untuk
suatu kumpulan data spesifik.

Kelemahan utama dari force-directed placement adalah skalabilitas, baik dalam hal
kompleksitas visual dari tata letak dan waktu yang diperlukan untuk melakukan
kalkulasi. Force-directed placement menghasilkan tata letak yang dapat dibaca
dengan cepat untuk grafik kecil dengan lusinan node, seperti yang ditunjukkan pada
gambar di slide. Namun, tata letak dengan cepat merosot menjadi bola rambut
kekacauan visual (hairball of visual clutter) bahkan dengan beberapa ratus node, di
mana mengikuti jalur atau memahami hubungan struktural secara keseluruhan
menjadi sangat sulit, pada dasarnya tidak mungkin, dengan ribuan node atau lebih.

Force-directed placement secara langsung tidak mungkin memberikan hasil yang baik
jika jumlah node kira-kira lebih dari empat kali jumlah link. Selain itu, banyak
algoritma force-directed placement terkenal rapuh: algoritma tersebut memiliki
banyak parameter yang dapat diubah untuk meningkatkan tata letak berdasarkan
kumpulan data tertentu, tetapi setelan yang berbeda diperlukan untuk melakukannya
dengan baik untuk kumpulan data lainnya. Seperti banyak jenis pengoptimalan
komputasi, banyak algoritma force-directed placement mencari cara yang dapat
terjebak dalam local minimum.

Dalam algoritma force-directed placement yang paling sederhana, node tidak pernah
menetap ke lokasi akhir; setiap node terus terpental jika pengguna tidak secara
eksplisit melakukan intervensi untuk menghentikan proses tata letak. Meskipun
melihat algoritma force-directed placement secara berulang-ulang memperbaiki tata
letak, bisa menjadi hal yang menarik saat tata letak secara aktif ditingkatkan, namun
pemantulan terus-menerus dapat mengganggu dan harus dihindari jika force-directed
placement digunakan dalam konteks multi-tampilan yang mungkin diinginkan
pengguna untuk memperhatikan pandangan lain tanpa memerlukan penglihatan tepi
yang peka terhadap gerakan. Algoritma yang lebih canggih secara otomatis berhenti
dengan menentukan bahwa tata letak telah mencapai keseimbangan yang baik.

Nama Idiom: Force-Directed Placement

What: Data Network.
How: Encode Point marks for nodes, connection marks for links.
Why: Tasks Explore topology, locate paths.
Scale Nodes: dozens/hundreds. Links: hundreds. Node/link density: L < 4N

3
Multilevel Force-Directed Placement (sfdp)
adalah contoh lain kelompok node-link
diagram.

Nama Idiom: Multilevel Force-Directed

Placement (sfdp)
What: Data Network.
What: Derived Cluster hierarchy atop
original network.
How: Encode Point marks for nodes,
connection marks for links.
Why: Tasks Explore topology, locate paths
and clusters.
Scale Nodes: 1000–10,000. Links: 1000–
10,000. Node/link density: L < 4N.

4
Jaringan dapat secara visual dikodekan sebagai tampilan adjacency matrix, di mana
semua node dalam jaringan diletakkan di sepanjang tepi vertikal dan horizontal dari
suatu wilayah persegi dan hubungan antara dua node ditunjukkan dengan mewarnai
area mark di dalam sel di matriks yaitu perpotongan antara baris dan kolomnya.
Artinya, jaringan diubah menjadi kumpulan data turunan (derived dataset) dari
sebuah tabel dengan dua atribut key yang merupakan daftar lengkap yang terpisah
dari setiap node dalam jaringan, dan satu atribut value untuk setiap sel mencatat
apakah terdapat tautan antara node yang mengindeks sel.

Nama Idiom: Adjacency Matrix View

What: Data Network.
What: Derived Table: network nodes as keys, link status between two nodes as
values.
How: Encode Area marks in 2D matrix alignment.
Why: Tasks approximate estimation of the number of nodes and of edges, finding the
most connected node, finding a node given its label, finding a direct link between two
nodes, and finding a common neighbor between two nodes.
Scale Nodes: 1000. Links: one milllion.

5
Kelebihan adjacency matrix
• prediktabilitas, skalabilitas, mendukung penyusunan ulang
• setelah latihan, pengguna dapat melakukan beberapa kasus investigasi topologi
Kelebihan node-link diagram
• bagus digunakan untuk task visualisasi yang mengandalkan pemahaman struktur
topologi jaringan, seperti penelusuran jalur dan pencarian lingkungan topologi
lokal sejumlah kecil lompatan dari node target, dan juga dapat menjadi sangat
efektif untuk task seperti seperti memeriksa gambaran umum atau menemukan
substruktur yang serupa dengan substruktur tertentu.
• intuitif, tidak perlu pelatihan
Hasil studi empiris menunjukkan bahwa
• node-link diagram adalah opsi terbaik untuk jaringan kecil
• adjacency matrix adalah opsi terbaik untuk jaringan besar
• dengan catatan bahwa task visualisasi tidak melibatkan struktur topologi!

6
Nama Idiom: Radial Node-Link Tree
What: Data Tree.
How: Encode Link connection marks, Point node marks, radial depth spatial position
showing tree depth and radial angular position showing sibling order.
Why: Tasks understanding topology, following paths
Scale Nodes: 1K - 10K nodes

7
Nama Idiom: Treemaps
What: Data Tree.
How: Encode Area marks and containment, with rectilinear layout.
Why: Tasks Query attributes at leaf nodes.
Scale Leaf nodes: one million. Links: one million.

8
Seperti yang baru saja kita lihat bahwa connection mark dan
containment mark yang menggambarkan struktur link jaringan
secara eksplisit adalah cara umum untuk merepresentasikan
jaringan.

Namun, ini bukanlah satu-satunya cara.

McGuffin dan Robert (2010) merumuskan tujuh idiom visualisasi yang menunjukkan
kumpulan data pohon yang sama, menggunakan kombinasi visual channel yang
berbeda-beda.
(a) Rectilinear vertical node–link, menggunakan connection mark untuk
menunjukkan hubungan link, dengan posisi spasial vertikal menunjukkan
kedalaman pohon dan posisi spasial horizontal menunjukkan urutan sibling.
(b) Icicle, dengan posisi spasial vertikal dan size yang menunjukkan kedalaman
pohon, dan posisi spasial horizontal yang menunjukkan hubungan keterkaitan dan
urutan sibling.
(c) Radial node-link, menggunakan connection mark untuk menunjukkan hubungan
link, dengan posisi spasial kedalaman radial menunjukkan kedalaman pohon dan
posisi sudut radial menunjukkan urutan sibling.
(d) Concentric circles, dengan posisi spasial kedalaman radial dan ukuran
menunjukkan kedalaman pohon dan posisi spasial sudut radial menunjukkan
hubungan link dan urutan sibling.
(e) Nested circles, menggunakan radial containment mark, dengan nesting level dan
size yang menunjukkan kedalaman pohon.
(f) Treemap, menggunakan rectilinear containment mark, dengan nesting level dan
size yang menunjukkan kedalaman pohon.

10
(g) Indented outline, dengan posisi spasial horizontal yang menunjukkan kedalaman
pohon dan hubungan keterkaitan serta posisi spasial vertikal yang menunjukkan
urutan sibling.

10
11
12
13
14
15
16