Di susun oleh:
Disusun Oleh :
Menyetujui,
Dosen Pembimbing
Mengetahui,
Mengetahui,
Dosen Pembimbing
Mengetahui,
1. Bapak dan Ibu orang tua, terima kasih yang tiada batasnya
atas segala dukungan, bimbingan dan doanya
Bangkalan
Penulis
DAFTAR ISI
6
3.2 Treemap ........................................................................ 57
3.4 Heatmaps....................................................................... 63
Kesimpulan ................................................................................... 81
7
DAFTAR GAMBAR
8
Gambar 2.16 Tampilan Page Baru ........................................ 33
9
Gambar 2.35 Date Range ...................................................... 47
10
Gambar 3.10 Add a Filter ..................................................... 63
11
Gambar 3.28 Dashboard View .............................................. 77
12
Bab I : Pengenalan
13
Visualisasi data sama halnya seperti berkomunikasi,
berhasil atau tidaknya kamunikasi ditentukan oleh
bagaimana cara pembicara menyampaikan informasi yang
diberikan kepada lawan komunikasi. Visualisasi yang baik
tentu terfokus, memberikan jawaban yang jelas dan tidak
terlalu detail [3].
14
1.2 Pengenalan Google Data Studio
15
penafsirannya. Google Data Studio mengandalkan
gabungan antara chart dan jenis – jenis grafik yang biasa
ditemukan pada data tools tetapi dengan tambahan seperti
memberi beberapa fitur, termasuk kemampuan untuk
mengintegrasikan beberapa sumber ke dalam satu laporan,
memungkinkan pembaruan laporan secara dinamis dan
membuat metrik baru untuk analisis dalam platform
daripada memodifikasi data asli.
16
pintar dalam bidang grafis maka tampilan penyajian
data yang dipunyai Google Data Studio cukup bagus
dan mudah digunakan. Ketika menggunakan Google
Data Studio, client tidak akan bosan untuk membaca
data laporan yang kita sajikan sebab data akan
ditampilkan dengan chart dan grifik yang menarik.
b. Menggabungkan data dari beragam sumber
17
Analytics, Google Ads, Google Spreadsheet,
BigQuery, Upload File, Campaign Manager, Cloud
Spanner Cloud SQL untuk MySQL, Display & Video
360, Ekstrak Data, Google Ad Manager 360, Google
Cloud Storage, MySQL, PostgresSQL, Search Ads
360, Search Console, YouTube Analytics dan juga
beberapa partner connestors yang support Google
Data Studio seperti pada gambar 1.2.
c. Mendapatkan perbaruan secara real-time
Data yang disajikan dapat diperbarui secara real-time.
Fitur ini serupa dengan fitur real-time analytics yang
tersaji di Google Analytics dan sejenisnya. Fitur real-
time sebenarnya sudah tersaji di Google Docs, Sheets,
dan lainnya sebab ketika ada perubahan data maka
secara otomatis data di Google Data Studio pun
berubah mengikutinya.
d. Mumungkinkan pengembangan dan penyebaran yang
cepat
Kita tahu betapa repotnya ketika ada yang meminta
lalu-lintas situs kita. Begitu beresiko jika kita
memberikannya akses untuk melihat data di Google
Analytics, sebab adakala client atau siapapun yang
ingin melihat kadang tak percaya dengan tangkapan
layar yang kita berikan. Pada Google Data Studio kita
18
bisa dengan mudah membagikan kepada siapapun
hanya dengan menyalin tautan yang diberikan. Lagi-
lagi fitur yang sudah ditemukan di produk Google
yang lain.
e. Gratis
Google Data Studio tersaji secara gratis kecuali jika
kita bakal menggunakan secara berjamaah lebih dari
lima akun Google. Itulah mengapa buat yang sering
mengola data dan menyajikannya untuk kebutuhan
tertentu, Google Data Studio merupakan alat bantu
yang cukup mumpuni.
f. Scalable
Visualisasi data yang baik adalah yang mampu dalam
hal aksesibilitas dan dapat dipelihara serta
dimodifikasi dimasa depan.
19
• Presentasi yang menggunakan bantuan visual 43%
lebih efektif dari pada presentasi yang tidak
menggunakan bantuan.
20
• Komposisi antar kategori misalnya penjualan
barang sepanjang waktu untuk setiap kategori
• Perbandingan data secara geografi misalnya
penjualan barang disetiap provinsi
4. Format visualisasi
Gunakan format untuk fokus pada tujuan bukan untuk
mendistraksi.
21
BAB II : Membuat Dashboard Interaktif
22
Terdapat beberapa atribut yang ada di data ini salah
satunya terdapat kota dan negara, lalu simpan data ini ke
dalam Google Drive.
23
pada Term and Condition. Selanjutnya akan muncul
halaman dashboard yang masih kosong, pilih add data
source lalu akan muncul berbagai data source yang bisa
dipilih. Pilih Google Sheets – Superstore Dataset –
Connection.
24
Gambar 2.5 Dashboard Pertama
25
dashboard secara otomatis. Kita dapat memilih table
column chart.
Bagaimana kita membuat visualisasi perbandingan
penjualan antar kota pada setiap kategori? Untuk melihat
penjualan, kita pindahkan field sales pada metric lalu ganti
dimension dengan city.
26
Gambar 2.7 Bar Chart
27
Gambar 2.8 Sidebar
28
Gambar 2.9 Sidebar Edit Theme
29
Gambar 2.10 Sidebar Theme and Layout Custom
30
Gambar 2.11 Header Dashboard
31
2.3.2 Scorecard
32
2.3.3 Table
Pada menu bar pilih Add a new page setelah itu akan
muncul dashboard baru. Rename page sesuai dengan
judul.
33
Pada menu bar pilih Add a chart lalu pilih Table lalu
masukkan Category pada dimension dan masukkan
sales dan profit pada metric. Saat kita memiliki
banyak metric yang ingin ditampilkan kita
menggunakan Table. Table lebih umum digunakan
pada report detail. Centang pada show summary row
untuk melihat summary pada setiap kolom. Kita bisa
melihat Grand Total pada Sales dan Profit.
Kebutuhan dari tim bisnis adalah ingin melihat nilai
penjualan setiap bulan. Bagaimana caranya? Klik table
pada dashboard lalu pilih icon calendar disebelah kiri
Order Date pada Date Range Dimension. Ganti Year
Month pada Granularity.
34
Gambar 2.18 Visualisasi Table
35
Gambar 2.20 Tampilan Header
36
Gambar 2.21 Line Chart
37
Gambar 2.23 Line Chart
38
Hasilnya akan menjadi lebih jelas. Contohnya saat
categori technology memiliki penjualan terbesar pada
bulan maret.
Time series chart ini baik untuk melihat trend over-time
dan melihat perbandingan antar dimensi seperti categori
namun hati-hati jangan terlalu banyak menambahkan garis
karena akan susah dibaca.
Selanjutnya membuar Bar Chart untuk melihat komparasi
antar dimensi caranya copy line dashboard yang kita buat
lalu pindahkan dibawahnya, kemudian klik chart line pada
sidebar sebelah kanan kemudian ganti menjadi Column
Chart.
39
Gambar 2.26 Column Chart
Lalu ada juga 100% stacked column chart. Disini kita bisa
melihat lebih jelas komposisi mana yang paling banyak
atau sebaliknya.
Jenis visualisasi column chart atau bar chart ini baik
digunakan jika tujuan utama kita adalah melihat komposisi
40
antar dimensi. Disini kita akan melihat dimensi atau
kategori mana yang paling baik.
41
Gambar 2.28 Pie Chart
42
Gambar 2.29 Style Pie Chart
43
Gambar 2.30 Style Pie Chart
44
Gambar 2.32 Style Pie Chart
45
User pasti ingin mengatur tanggal dan filter pada
dashboard yang dilihatnya, melalui Google Data Studio
kita dapat melakukan filter data melalui range tanggal dan
dimensi. Pertama membuat filter tanggal, klik date range
pada menu bar di atas lalu letakkan filter di atas column
chart. Klik filter tersebut lalu pilih auto date range untuk
mengubah range tanggal yang ada. Pilih 1 Januari 2014
sampai 31 Desember 2014.
46
Selain itu kita juga dapat memilih range tanggal lainnya
seperti beberapa hari terakhir, beberapa bulan terakhir,
tahun lalu atau yang lainnya.
47
Gambar 2.36 Data Filter Control
48
Gambar 2.38 Tampil Filter Control
49
Gambar 2.40 Dashboard View
50
Gambar 2.42 Filter Interactions
Kemudian klik view pada menu bar kanan atas. Klik salah
satu bar, misalnya pada bagian New York City. Ini artinya
kita memilih filter New York City pada category
Technology lalu kita bisa melihat hasil filternya pada pie
chart dibawah.
51
Gambar 2.43 Dashboard View
52
Bab III : Visualisasi Data Lanjutan
53
Gambar 3.2 Data Geo Map
54
sidebar sebelah kanan bagian Style. Dibawah tulisan Geo
Map Chart kita dapa mengganti max, mid dan min color
value. Kita ganti max color menjadi hijau, mid color
menjadi kuning dan min color menjadi merah.
55
Gambar 3.5 Column Chart
56
Gambar 3.6 Dashboard View
3.2 Treemap
57
setelah
itu tambahkan category dan ship status kedalam
dimension. Lalu tambahkan juga record count kedalam
metric. Maka hasilnya akan seperti ini.
58
warna merah untuk max color value dan biru untuk mid
color value dan kuning untuk min color value.
59
Jadi jika warna semakin merah maka barang datang lebih
awal sedangkan semakin warna kuning maka barang
datang terlambat.
60
Gambar 3.7 Scatter Chart
61
semakin tinggi sales maka semakin tinggi pula profitnya.
Namun beberapa negara bagian memiliki sales yang tinggi
dan profit yang minus.
Mari kita coba membagi chart menjadi 3 kategori.
Pertama kita copy scatter chart tersebut menjadi 3 bagian.
Pada scatter chart pertama kita beri judul Technology
karena kita akan mem-filter berdasarkan Technology. Pada
bagian data scroll kebagian filter, pilih Add A Filter lalu
beri nama Technology kemudian kita pilih Category Equal
to Technology lalu klik save.
62
Gambar 3.10 Add a Filter
Berikut ini adalah hasil dari scatter chart yang sudah kita
buat.
3.4 Heatmaps
63
Pada dasarnya Heatmap adalah cara untuk
merepresentasikan data dengan bentuk map atau diagram
dan value digambarkan dengan intensitas warna [7].
Contoh case, tim bisnis ingin mengetahui komposisi
jumlah order pada setiap negara untuk setiap kategori. Kita
bisa menggunakan heatmap untuk mengetahui hasilnya.
Heatmap baik digunakan untuk melihat komposisi antar 2
dimensi. Mari kita coba.
Pertama kita buat dashboard baru lalu beri nama
Heatmap. Lalu pilih Add a Chart kemudian pilih Pivot
table with headmap. Pada heatmap terdapat 2 jenis
dimensi yaitu row dimension dan column dimension.
Untuk contoh ini masukkan state kedalam row dimension
dan category kedalam column dimension kemudian
masukkan order ID kedalam metric.
64
Gambar 3.13 Pivot Table
65
Gambar 3.14 Pivot Table Data
66
Gambar 3.15 Table
67
Gambar 3.16 Scorecard Data
68
Copy lagi scorecard tersebut lalu masukkan customer
name kedalam metric. Lalu pilih icon pada metric
kemudian pilih count distinct dan beri nama Number of
Customer.
69
a. Profit Ratio per Sales
Profit Ratio per Sales yaitu berapa profit yang didapat
dari setiap penjualan.
b. Sales per Customer
Sales per Customer yaitu berapa penjualan rata-rata
yang didapatkat untuk setiap customer.
c. Sales Percentage
70
Gambar 3.21 Table
71
Terakhir kita akan menampilkan presentase kategori
secara otomatis dengan cara buat table baru kemudian
masukkan category kedalam dimension dan Sales kedalam
metric, masukkan kembali Sales kedalam metric (ada 2
Sales di dalam metric) lalu klik icon pensil pada sebelah
kiri Sales kedua. Pada bagian comparation calculation
pilih percent of total lalu relative to corresponding data.
Kemudian beri nama Sales Percentage.
72
properties menjadi 1 Januari 2017 – 31 Desember 2017.
Nah kita ingin melihat apakah penjualan tersebut naik atau
turun jika dibandingkan dengan tahun lalu. Klik sales
scorecard lalu lihat pada bagian comparasion date range.
Klik none lalu ganti dengan previous year kemudian klik
apply.
73
Gambar 3.25 Scorecard
74
field baru dengan judul Target Sales dan masukkan kode
berikut di dalam Formula
case
when Order Date >= ‘2014-01-01’ and Order Date
<’2015-01-01’ then 30000
when Order Date >= ‘2014-01-01’ and Order Date
<’2015-01-01’ then 40000
else 50000
end
Lalu atur aggregation-nya menjadi Average.
75
Gambar 3.27 Line Chart
76
Gambar 3.28 Dashboard View
77
Pada bagian Manage Access kita dapat membagikan
link dashboard.
78
Gambar 3.31 Schedule Email Delivery
d. Download report
79
Jika kita bekerja secara offline maka kita dapat men-
download file tersebut.
80
Kesimpulan
81
Daftar Pustaka
82
[6] Tjandra, E., Kekhususan, P., Informasi, S., Teknik, F., &
Surabaya, U. (2014). Teknik Informatika / Universitas
Surabaya Teknik Informatika / Universitas Surabaya. 67–72.
Pembimbing
83