Book Tutorial Data Analisis Dengan Google Data Studio

BOOK TUTORIAL
DATA ANALISIS DENGAN GOOGLE DATA STUDIO
Di susun oleh:
DHIMAS WARDHANA PUTRA

160411100174
PROGRAM STUDI INFORMATIKA

JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS TRUNOJOYO MADURA
2020
LEMBAR PERSETUJUAN KERJA PRAKTEK
“Book Tutorial Data Analisis Dengan Google Data Studio”
Disusun Oleh :
Dhimas Wardhana Putra 160411100174
Bangkalan, Juni 2020
Menyetujui,
Dosen Pembimbing
Dr. Wahyudi Setiawan, S.Kom., M.Kom.

NIP. 19780926 200604 1 001
Mengetahui,
Koordinator Kerja Praktek
Yoga Dwitya Pramudita, S.Kom., M.Cs.

NIP. 19840413 200812 1 002
PENGESAHAN KERJA PRAKTEK
Telah di periksa dan diuji oleh Pembimbing Kerja Praktek
Pada tanggal : 6 Juli 2020
Mengetahui,
Dosen Pembimbing
(Dr. Wahyudi Setiawan, S.Kom., M.Kom.)

NIP. 19780926 200604 1 001
Mengetahui,
Koordinator Kerja Praktek
(Yoga Dwitya Pramudita, S.Kom., M.Cs.)

NIP. 19840413 200812 1 002
KATA PENGANTAR
Puji syukur atas kehadirat Allah SWT yang telah melimpahkan

rahmat dan hidayah-Nya yang telah memberikan banyak
kesempatan, sehingga saya dapat menyelesaikan buku tutorial
Kerja Praktek ini, dengan judul “Data Analisis Dengan Google
Data Studio”.
Dalam pembuatan buku tutorial ini, kami menyadari

sepenuhnya bahwa selesainya buku tutorial Kerja Praktek ini
tidak lepas dari dukungan, semangat serta bimbingan dari
berbagai pihak, oleh karena itu kami ingin mengucapkan
terimakasih kepada :
1. Bapak dan Ibu orang tua, terima kasih yang tiada batasnya
atas segala dukungan, bimbingan dan doanya
2. Dr. Wahyudi Setiawan, S.Kom., M.Kom. selaku Dosen

Pembimbing Kerja Praktek Program Studi Teknik
Informatika Universitas Trunojoyo Madura.
3. Agustian Amir Syahputra, S.SI selaku mentor yang telah

mengajari saya.
4. Bapak dan Ibu Dosen Pragram Studi Teknik Informatika

Universitas Trunojoyo Madura
5. Teman-teman kuliah yang telah banyak membantu dalam
kelancaran penyelesaian buku tutorial ini.
6. Pihak-pihak lain yang tidak sempat kami sebutkan, yang

telah membantu dalam kelancaran pengerjaan kerja
praktek saya.
Penyusunan buku tutorial kerja praktek ini disusun dengan

sebaik-baiknya, namun masih terdapat kekurangan didalam
penyusunannya, oleh karena itu saran dan kritik yang sifatnya
membangun dari semua pihak sangat diharapkan, tidak lupa
kamu harap semoga buku tutorial kerja praktek ini bermanfaat
bagi pembaca serta dapat menambah ilmu pengetahuan bagi
kamu.
Bangkalan
Penulis
DAFTAR ISI
DAFTAR ISI ................................................................................... 6
DAFTAR GAMBAR ...................................................................... 8
Bab I : Pengenalan ........................................................................ 13
1.1 Visualisasi Data............................................................. 13
1.2 Pengenalan Google Data Studio ................................... 15
1.3 Keunggulan Google Data Studio .................................. 16
1.4 Mengapa visualisasi data itu penting ............................ 19
BAB II : Membuat Dashboard Interaktif ...................................... 22
2.1 Menyiapkan Google Sheet dan Google Data Studio..... 22
2.2 Membuat Dashboard Pertama ....................................... 25
2.3 Bar Chart ....................................................................... 27
2.4 Membuat Scorecard, Header Dashboard dan Table ...... 27
2.5 Membuat Time Series Dashboard untuk Melihat Trend

Over-time .................................................................................. 36
2.6 Membuat Pie Chart ....................................................... 41
2.7 Membuat Filter Tanggal dan Dimensi .......................... 45
Bab III : Visualisasi Data Lanjutan ............................................... 53
3.1 Map Visualization ......................................................... 53
6
3.2 Treemap ........................................................................ 57
3.3 Scatter Charts ................................................................ 60
3.4 Heatmaps....................................................................... 63
3.5 Metode Agregasi ........................................................... 67
3.6 Metode Agregasi (Function) ......................................... 69
3.7 Comparison Date Range dari Metode Agregasi............ 72
3.8 Conditional Function dari Metode Agregasi ................. 74
3.9 Publikasi Dashboard ..................................................... 76
Kesimpulan ................................................................................... 81
Daftar Pustaka ............................................................................... 82
7
DAFTAR GAMBAR
Gambar 1.1 Tampilan Awal .................................................. 16
Gambar 1.2 Google Connector ............................................. 17
Gambar 2.1 Web Browser..................................................... 22
Gambar 2.2 Superstore Dataset............................................. 23
Gambar 2.3 Tampilan Google Data Studio ........................... 23
Gambar 2.4 Pilihan Google Connector ................................. 24
Gambar 2.5 Dashboard Pertama ........................................... 25
Gambar 2.6 Bar Chart ........................................................... 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
Gambar 2.12 Style Header .................................................... 31
Gambar 2.13 Add a Chart ..................................................... 32
Gambar 2.14 Tampilan Data Sales ....................................... 32
Gambar 2.15 Add a New Page .............................................. 33
8
Gambar 2.16 Tampilan Page Baru ........................................ 33
Gambar 2.17 Sidebar Table .................................................. 34
Gambar 2.18 Visualisasi Table ............................................. 35
Gambar 2.19 Sidebar Data .................................................... 35
Gambar 2.20 Tampilan Header ............................................. 36
Gambar 2.21 Line Chart ....................................................... 37
Gambar 2.22 Sort Line Chart ................................................ 37
Gambar 2.25 Column Chart .................................................. 39
Gambar 2.28 Pie Chart .......................................................... 42
Gambar 2.29 Style Pie Chart ................................................ 43
Gambar 2.31 Pie Chart .......................................................... 44
Gambar 2.33 Pie Chart .......................................................... 45
Gambar 2.34 Date Range ...................................................... 46
9
Gambar 2.35 Date Range ...................................................... 47
Gambar 2.36 Data Filter Control .......................................... 48
Gambar 2.37 Filter Control ................................................... 48
Gambar 2.38 Tampil Filter Control ...................................... 49
Gambar 2.39 Dashboard View .............................................. 49
Gambar 2.41 Style Filter Control.......................................... 50
Gambar 2.42 Filter Interactions ............................................ 51
Gambar 3.1 Geo Map ............................................................ 53
Gambar 3.2 Data Geo Map ................................................... 54
Gambar 3.3 Geo Map ............................................................ 54
Gambar 3.4 Geo Map ............................................................ 55
Gambar 3.5 Column Chart .................................................... 56
Gambar 3.6 Dashboard View ................................................ 57
Gambar 3.7 Scatter Chart ...................................................... 61
Gambar 3.8 Scatter Chart ...................................................... 61
Gambar 3.9 Add a Filter ....................................................... 62
10
Gambar 3.10 Add a Filter ..................................................... 63
Gambar 3.11 Add a Filter ..................................................... 63
Gambar 3.12 Scatter Chart .................................................... 63
Gambar 3.13 Pivot Table ...................................................... 65
Gambar 3.14 Pivot Table Data.............................................. 66
Gambar 3.15 Table................................................................ 67
Gambar 3.16 Scorecard Data ................................................ 68
Gambar 3.19 Scorecard ......................................................... 69
Gambar 3.20 Table Data ....................................................... 70
Gambar 3.21 Table................................................................ 71
Gambar 3.22 Table................................................................ 71
Gambar 3.23 Table................................................................ 72
Gambar 3.25 Scorecard ......................................................... 74
11
Gambar 3.29 Invite People ................................................... 77
Gambar 3.30 Invite People ................................................... 78
Gambar 3.31 Schedule Email Delivery................................. 79
Gambar 3.32 Get Report Link .............................................. 79
Gambar 3.33 Download Report ............................................ 80
12
Bab I : Pengenalan
Data merupakan kumpulan dari fakta yang dapat berupa

angka, simbol ataupun tulisan yang diperoleh melalui
pengamatan suatu objek.
1.1 Visualisasi Data
Data visualisasi adalah teknik yang digunakan untuk

mengkomunikasikan data atau informasi dengan
membuatnya ke dalam objek visual (misalnya titik, garis,
batang, dan lainnya) dalam grafik [1].
Pada era digital saat ini, menemukan data tidaklah begitu

sulit. Data (dataset) dapat ditemukan di internet. Dataset
tersebut sangatlah besar, kompleks dan sulit di analisis
dengan perangkat lunak data processing seperti
spreadsheet. Cara efektif menyajikan data yang detail
menjadi informasi yang mudah diterima adalah dengan
cara abstraksi menjadi informasi visual.
Visualisasi melalui perumpamaan visual dari dulu hingga

saat ini telah digunakan sebagai teknik penyimpanan
pesan. Dahulu perumpamaan visual berbentuk simbol-
simbol yang merepresentasikan suatu makna. Visualisasi
mengubah data menjadi informasi yang mudah dimengerti
[2].
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
Google data studio merupakan program visualisasi data

yang dirancang sebagai alat yang mudah digunakan untuk
mewakili kumpulan data yang kompleks dengan cara yang
menarik dan jelas [4]. Visualisasi data adalah istilah umum
yang menggambarkan setiap upaya untuk membantu orang
memahamisignifikasi data dengan menempatkan data
dalam konteks visual. Diluncurkan pada Mei 2016 sebagai
bagian dari Analytics 360 Suite berbayar dan pada Agustus
2016 Google membuat program ini gratis untuk publik.
Tujuan Google Data Studio adalah untuk membantu
pengguna membuat laporan yang dinamis, menarik secara
visual dengan menyalurkan sumber data eksternal ke
platform yang mudah dinavigasikan berbagi laporan
berbasis data. Performa Google Data Studio
mengagumkan dalam menghasilkan visualisasi data yang
menarik dan mudah dipahami. Interface pengguna Google
Data Studio dapat dikenali oleh siapa saja yang bekerja
dengan Google office suite. Skema warna dan label
konsisten di semua platform, sehingga mudah dinavigasi
pada menu Google Data Studio. Seperti platform Google
Slide, Google Data Studio menggunakan menu sidebar
untuk menfasilitasi pembuatan dan performa elemen
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.
1.3 Keunggulan Google Data Studio
Fungsi dari Google Data Studio secara umum sebenarnya

hampir sama dengan aplikasi pengola data lainnya, namun
apakah perbedaan Google Data Studio dari aplikasi data
lainnya dan mengapa kita harus memakainya?
a. Menarik secara visual
Gambar 1.1 Tampilan Awal
Untuk tampilan Google Data Studio memang cukup

simpel jika dibandingkan dengan flat desain yang
marak belakangan ini, namun jika kita tidak cukup
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
Gambar 1.2 Google Connector
Apabila kita punya data dari beberapa sumber

misalnya data pembeli yang ada di Google Sheet lalu
jumlah kunjungan situs di Google Analytics dan biaya
iklan yang ada di Google Adwords, bisa di ekspor dan
disatukan di Google Data Studio. Data yang bisa
digabungkan hanya dari sumber berikut : Google
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.
Mengapa visualisasi data itu penting

• Manusia merupakan makhluk visual.
• Manusia berevolusi untuk menemukan pola dan
membuat perbandingan visual.
• Otak manusia dapat mengidentifikasi gambar yang
dilihat hanya dalam 13 milidetik
19
• Presentasi yang menggunakan bantuan visual 43%
lebih efektif dari pada presentasi yang tidak
menggunakan bantuan.
4 Pilar Visualisasi Data oleh Noal Illinsky
1. Tujuan yang jelas

• Siapa yang membutuhkan data ini? Seberapa
detail?
a. Tim Manajemen
Tim manajemen akan membutuhkan data yang
strategis seperti penjualan setiap periode
b. Tim Operasional
Tim operasional akan membutuhkan data yang
lebih real-time misalnya tim operasional IT
membutuhkan data up-time sebuah data centre
2. Data yang benar dan dibutuhkan oleh user
• Data harus relevan
• Data harus akurat
3. Hubungan antar data
• Perbandingan antar kategori seperti perbandingan
media sosial untuk setiap kelompok umur.
• Perubahan sepanjang waktu misalnya berapa
banyak penderita malaria dalam 10 tahun terakhir
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.
Bagaimana memilih media visualisasi
1. Pilihlah visualisasi sesuai kebutuhan. Misalnya :

• Scatter Plot merupakan grafik dua variabel yang
biasa digunakan untuk membandingkan pasangan
nilai antar variabel saling terkait atau tidak.
• Line Chart baik digunakan untuk melihat
perubahan data sepanjang waktu
21
BAB II : Membuat Dashboard Interaktif
Dashboard merupakan sebuah User Interface yang cukup

unik. Ia berada diantara data dan desain.
2.1 Menyiapkan Google Sheet dan Google Data Studio
Sebelumnya disini saya menggunakan laptop dengan

spesifikasi berikut :
• Prosesor Intel Core i7 7700HQ
• Sistem Operasi Windows 10 Pro 64-bit
• RAM 8 GB
• Grafis NVIDIA GeForce GTX 950
Langkah pertama kita menyiapkan dataset yang akan
digunakan. Buka browser lalu masukkan link berikut
https://bit.ly/SuperStoreDataset . Seperti pada gambar 2.1.
Gambar 2.1 Web Browser
Disini saya menggunakan Superstore Dataset yang mana

berisi tentang penjualan suatu toko yang ada di Amerika.
22
Terdapat beberapa atribut yang ada di data ini salah
satunya terdapat kota dan negara, lalu simpan data ini ke
dalam Google Drive.
Gambar 2.2 Superstore Dataset
Setelah itu siapkan Google Data Studio, silahkan buka

datastudio.google.com .
Gambar 2.3 Tampilan Google Data Studio
Jika ini pertama kali membuat dashboard Google Data

Studio maka kalian akan melihat penjelasan awal tentang
Google Data Studio, pilih Get Started lalu pilih setuju
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.
Gambar 2.4 Pilihan Google Connector
Dashboard pertama sudah jadi. Pada sidebar sebelah

kanan terdapat berbagai jenis visualisasi, tab data dan
style yang dapat digunakan di Google Data Studio.
24
Gambar 2.5 Dashboard Pertama
2.2 Membuat Dashboard Pertama
Pada dashboard sebelah kanan kita akan dua tab pada

sidebar sebelah kanan yaitu Data dan Style. Pada
umumnya dashboard pada Data Studio memiliki struktur
berikut :
a. Data Source
Data source merupakan sumber data yang akan kita
gunakan
b. Dimension
Dimension biasanya terdiri dari tanggal & field text
seperti kota atau kategori barang.
c. Metric
Metric merupakan angkat kuantitatif pada data
misalnya sales atau profit
Kita dapat drag & drop pada field sebelah kanan ke kiri
untuk menampilkan data di dashboard.
Pada tab Data, saat scroll ke bawah kita juga dapat
memilih cara untuk sort dan filter data. Sort dan filter data
ini dapat melalui field sebelah kanan. Jika kita pilih chart
table, kita dapat melihat beberapa contoh visualisasi yang
dapat kita gunakan. Sebelumnya kita memiliki table pada
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.
Gambar 2.6 Bar Chart
Kita akan melihat perbandingan penjualan antar kota lalu

kita gunakan secondary dimension misalnya pada
category. Sekarang kita melihat perbandingan category
pada setiap kota selanjutnya urutkan berdasarkan
penjualan pada sort lalu pilih descending. Untuk
descending akan menampilkan penjualan terbesar pada
sebelah kiri sedangkan ascending akan menampilkan
penjualan terkecil pada sebelah kiri.
26
Gambar 2.7 Bar Chart
2.3 Bar Chart
Bar chart atau biasa disebut grafik batang memiliki

kelebihan visualisasinya lebih menarik karena grafik
batang menggunakan gambar 2 dimensi. Grafik batang
difokuskan pada luas batang (panjang x lebar). Lebar
batang dibuat sama sedangkan tinggi bervariasi mengikuti
jumlah data. Bar chart dibagi menjadi tiga yaitu single
bar, multi bar, dan component bar.
2.4 Membuat Scorecard, Header Dashboard dan Table
2.3.1 Styling dan Header Dashboard
27
Gambar 2.8 Sidebar
Klik pada background dashboard lalu pada side bar

sebelah kanan akan muncul pengaturan theme dan
layout. Kita juga dapat menggunakan tema yang sudah
disediakan.
28
Gambar 2.9 Sidebar Edit Theme
Kita juga dapat mengganti tema sesuai dengan

keinginan dengan pilih Customise.
29
Gambar 2.10 Sidebar Theme and Layout Custom
Lalu pada bagian Layout kita juga dapat mengatur

besar kanvas dashboard dan juga grid yang ada pada
dashboard.
Setiap dashboard sebaiknya memiliki Header atau
judul agar mempermudah client membaca informasi
yang ditampilkan.
30
Gambar 2.11 Header Dashboard
Pilih text yang ada di menu bar lalu klik pada

background dashboard lalu isikan judul “Sales
Dashboard”.
Gambar 2.12 Style Header
Sebelah kanan terdapat Text Properties yang

digunakan untuk mengatur judul untuk header
tersebut. Pada contoh kali ini kita ubah background
dan ukuran font. Kita juga bisa mengubah Alignment
judul.
31
2.3.2 Scorecard
Gambar 2.13 Add a Chart
Pilih menu Add a chart setelah itu pilih Scorecard,

setelah itu letakkan chart pada tempat yang
diinginkan.
Pada Available Fields pilih Sales, kemudian letakkan
pada Metric. Maka scorecard akan menampilkan data
nilai penjualan perusaahaan sejak perusahaan berdiri.
Gambar 2.14 Tampilan Data Sales
32
2.3.3 Table
Gambar 2.15 Add a New Page
Pada menu bar pilih Add a new page setelah itu akan
muncul dashboard baru. Rename page sesuai dengan
judul.
Gambar 2.16 Tampilan Page Baru
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.
Gambar 2.17 Sidebar Table
Lalu pada Dimension tambahkan juga Order Date

sebelum Category dan ikuti juga langkah sebelumnya.
Maka hasilnya akan seperti ini
34
Gambar 2.18 Visualisasi Table
Urutkan terlebih dahulu untuk Order Date dengan cara

pilih Order Date pada bagian Sort lalu pilih Ascending
karena kita akan menampilkan data paling lama yang
akan di tampilkan terlebih dahulu.
Gambar 2.19 Sidebar Data
Maka hasilnya akan seperti ini
35
Gambar 2.20 Tampilan Header
2.5 Membuat Time Series Dashboard untuk Melihat Trend

Over-time
Time Series Chart berguna untuk menunjukkan perubahan

data dalam periode waktu tertentu atau menggambarkan
perbandingan antar beberapa item.
Pertama membuat dashboard baru dengan nama Line and
Bar Chart lalu tambahkan Line chart. Pada sidebar
sebelah kanan pilih Order Date pada Dimension agar kita
dapat melihat trend data sepanjang waktu lalu masukkan
Sales ke Metric, jangan lupa hapus Record Count pada
Metric. Maka hasilnya akan seperti ini.
36
Gambar 2.21 Line Chart
Grafik pada gambar diatas, waktu yang ditampilkan belum

urut maka urutkan waktu tersebut agar user dapat mengerti
isi dari grafik tersebut. Lakukan langkah ini, pada bagian
Sort pilih Order Date lalu pilih Ascending.
Gambar 2.22 Sort Line Chart
Sekarang kita bisa melihat trend penjualan dari Super

Store sejak tahun 2014 hingga 2017.
Selanjutnya kita coba tambahkan category pada
breakdown dimension.
37
Terdapat 3 line sesuai dengan 3 kategori yang ada pada

data namun disini setiap garis bertumpuk satu sama lain
yang membuat user susah untuk membacanya. Untuk
mengatasinya kita menggunakan filter waktu. Pada bagian
default date range pilih custom lalu pilih tanggal 1 januari
2014 sampai dengan 21 desember 2014 lalu apply.
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.
Gambar 2.25 Column Chart
Pada Column Chart perbandingan antar categori jadi lebih

terlihat lalu kita juga bisa merubah stacked column chart
untuk melihat komposisi dan jumlah penjualan secara
keseluruhan.
39
Pada stacked column chart kita dapat melihat total

penjualan beserta perbandingannya.
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.
2.6 Membuat Pie Chart
Pie Chart atau biasa dikenal dengan diagram lingkaran

merupakan grafik statistik berbentuk lingkaran yang dibagi
menjadi beberapa irisan dan luasnya tergantung pada
komposisi antar kategori dari data yang dimiliki.
Karakteristiknya adalah bisa memperlihatkan
perbandingan ukuran data besar sektornya secara langsung
dan tidak memperlihatkan ukuran atau frekuensinya [8].
Kembali ke Google Data Studio, buka page 1 Bar and
Scorecard. Tambahkan pie chart pada dashboard.
Letakkan dibawah column chart. Pada sidebar masukkan
ship status pada dimension. Ubah metric menjadi sales.
41
Gambar 2.28 Pie Chart
Disini kita bisa melihat berapa banyak barang yang

dikirim tepat waktu, lebih awal maupun yang telat. Dari
data super store lebih dari setengah barang dikirimkan
lebih awal. Sekarang mari kita atur style pie chart ini. Pilih
tab style pada menu sidebar. Kita bisa memilih berapa
banyak slices yang ada di pie chart. Harap diingat untuk
tidak memilih banyak slices karena akan membuat
pembaca bingung.
42
Gambar 2.29 Style Pie Chart
Kita juga dapat mengatur warna pada pie chart sesuai

dengan dimensinya. Pilih manage dimension value colors.
Disini kita akan melihat pengaturan warna setiap dimensi,
hal ini sangat berguna untuk menjaga konsistensi antar
chart atau visualisasi.
43
Berbagai perusahaan juga memiliki kode unik tertentu

untuk setiap kategori produknya. Kita juga dapat
mengganti label text, yang sebelumnya percentage
menjadi label.
Selain itu jika kita ingin mengubah tampilan pie chart

menjadi donat, kita bisa atur dari slider di atasnya.
44
Dan hasilnya akan seperti ini.
2.7 Membuat Filter Tanggal dan Dimensi
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.
Gambar 2.34 Date Range
46
Selain itu kita juga dapat memilih range tanggal lainnya
seperti beberapa hari terakhir, beberapa bulan terakhir,
tahun lalu atau yang lainnya.
Gambar 2.35 Date Range
Selanjutnya membuat filter dimensi. Klik filter control

pada menu bar diatas lalu letakkan disebalah filter date
range. Masukkan category kedalam dimension, masukkan
sales kedalam metric.
47
Gambar 2.36 Data Filter Control
Maka hasilnya akan seperti ini.
Gambar 2.37 Filter Control
Kita coba klik view lalu klik category
48
Gambar 2.38 Tampil Filter Control
Dan ini hasil output nya.
Gambar 2.39 Dashboard View
Kita juga bisa memilih data apa saja yang harus

ditampilkan dengan cara arahkan kursor kesebelah kanan.
49
Kita juga dapat mengatur tampilan filter pada sidebar

sebelah kanan pada menu stlye. Pilih Fixed Size lalu drag
down sesuai keinginan kita.
Gambar 2.41 Style Filter Control
Apakah kita dapat membuat filter dari visualisasi yang

sudah kita buat? Silahkan klik visualisasi bar lalu scroll
down pada sidebar kanan. Klik Apply Filter pada bagian
Interactions. Lakukan langkah tersebut pada setiap
visualisasi.
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
Kita juga dapat memfilter visualisasi dari pie chart

dibawahnya. Misalnya kita ingin melihat barang-barang
yang dikirim lebih awal. Klik Shipped Early lalu hasil
filter akan muncul pada column chart.
52
Bab III : Visualisasi Data Lanjutan
3.1 Map Visualization
Buat dashboard baru dengan nama Map Dashboard. Lalu

add a chart kemudian pilih Geo map, selanjutnya klik
tanda pensil pada bagian data source. Pilih Field State
kemudian ganti tipe data menjadi Geo dan pilih Region
(akan muncul push notive pilih Continue) klik Done.
Gambar 3.1 Geo Map
Kemudian masukkan State pada Demension dan Profit

pada Metric.
53
Gambar 3.2 Data Geo Map
Dan ini hasil output nya.
Gambar 3.3 Geo Map
Semakin tua warna biru maka semakin besar profitnya

namun kita tidak bisa melihat secara jelas apakah area
tersebut untung atau rugi. Mari kita ganti warnanya pada
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.
Gambar 3.4 Geo Map
Kita bisa melihat, semakin besar keuntungan suatu area

warnanya semakin hijau sebaliknya semakin rugi suatu
area maka warnanya semakin merah.
Misalnya kita ingin melihat untung rugi suatu area kita
bisa membuat chart baru yakni dengan column chart.
Masukkan Category kedalam Dimension lalu masukkan
Profit ke metric. Jangan lupa klik Apply filter pada
Interactions. Lakukan pada kedua visualisasi.
55
Klik view untuk melihat hasilnya. Jika kita klik

Technology maka kita akan melihat area untung rugi hanya
untuk kategori Technology. Kita juga bisa mencoba
dengan kategori lainnya.
56
3.2 Treemap
Theemap adalah cara alternatif untuk memvisualisasikan

struktur hierarki diagram tree dan juga untuk menampilkan
jumlah untuk setiap kategori melalui ukuran area. Setiap
kategori bereri area persegi panjang dengan sub kategori
didalamnya. Buat dashboard baru dan beri nama Treemap
lalu buat chart baru dengan tipe Treemap.
57
setelah
itu tambahkan category dan ship status kedalam
dimension. Lalu tambahkan juga record count kedalam
metric. Maka hasilnya akan seperti ini.
Kita rubah warnanya agar user lebih mudah untuk

menbaca visualisasi tersebut. Disini saya menggunakan
58
warna merah untuk max color value dan biru untuk mid
color value dan kuning untuk min color value.
Maka hasilnya akan seperti ini.
59
Jadi jika warna semakin merah maka barang datang lebih
awal sedangkan semakin warna kuning maka barang
datang terlambat.
3.3 Scatter Charts
Scatter plot berguna untuk melihat korelasi antar metrics.

Mari kita coba. Buat dashboard baru dengan nama Scatter
Charts. Pilih Add a chart kemudian pilih Scatter Charts.
Perlu kita tau, terdapat 2 metrics pada Scatter Charts yaitu
X dan Y. Pilih Sales pada Metric X dan Profit pada Metric
Y selanjutnya pilih State pada Dimension.
60
Gambar 3.7 Scatter Chart
Pada tab menu Style kita bisa memilih warna lingkaran.

Pilih State pada Bubble colour. Lingkaran akan memiliki
warna sesuai dengan state atau negara bagiannya.
Dari sini kita melihat beberapa kota memiliki korelasi

positif antara sales dan profit. Tentu saja pada umumnya
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.
Gambar 3.9 Add a Filter
Pada scatter chart kedua kita beri judul Furniture karena

kita akan mem-filter berdasarkan Furniture. Pada bagian
data scroll kebagian filter, pilih Add A Filter lalu beri
nama Furniture kemudian kita pilih Category Equal to
Furniture lalu klik save.
62
Pada scatter chart ketiga kita beri judul Office Supplies

karena kita akan mem-filter berdasarkan Office Supplies.
Pada bagian data scroll kebagian filter, pilih Add A Filter
lalu beri nama Office Supplies kemudian kita pilih
Category Equal to Office Supplies lalu klik save.
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
Order ID bertujuan untuk menunjukkan jumlah order.

Lalu kita klik show grand total untuk menampilkan total.
Kemudian atur sorting pada row dan column. Kita akan
menampilkan state dan category dengan order terbanyak
pada bagian kiri atas. Masukkan order ID descending pada
kedua field.
65
Gambar 3.14 Pivot Table Data
Maka hasilnya akan seperti gambar dibawah ini.
66
Gambar 3.15 Table
Disini kita bisa menyimpulkan bahwa Calofornia

merupakan peringkat pertama penjualan dalam bidang
Technology, Furniture dan Office Supplies
Kita juga bisa mengganti warna pada bagian style agar
mudah dibaca.
3.5 Metode Agregasi
Ada berbagai metode agregasi yang bisa kita coba di

Google Data Studio yaitu sum, average (rata-rata), max
(nilai maximum), min (nilai minimum), count (menghitung
jumlah row), count unique (menghitung jumlah row
dengan value yang unik).
Buka halaman Bar and Scorecard lalu copy scorecard
sales. Pada metric klik icon pensil lalu akan muncul
berbagai agregasi. Kita pilih average lalu beri nama
Average of Sales.
67
Gambar 3.16 Scorecard Data
Copy lagi scorecard tersebut lalu ganti ke max dan beri

nama Maximum of Sales.
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.
Hasilnya seperti gambar dibawah ini.
Gambar 3.19 Scorecard
Scorecard ini berguna untuk melihat nilai-nilai yang sudah

ada.
3.6 Metode Agregasi (Function)
Buka halaman Table. Pada latihan kali ini kita akan

mempelajari tantang
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
Klik table yang ada pada dashboard lalu pada sidebar

sebalah kanan pilih Add a Field lalu beri nama field name
Profit Ratio by Sales dan pada formula ketikkan
“SUM(Profit)/SUM(Sales)”. Jika benar maka akan muncul
icon centang hijau sebelah kiri bawah lalu pilih save.
Gambar 3.20 Table Data
Setelah itu masukkan Profit Ratio by Sales ke dalam

metric lalu ubah tipe data menjadi pecent dengan cara klik
icon pensil disebalah kiri Profit Ratio by Sales lalu pada
type pilih numeric lalu pilih percent.
70
Gambar 3.21 Table
Sekarang kita buat kalkulasi untuk penjualan rata-rata per

customer. Masukkan perintah
“SUM(Sales)/COUNT_DISTINCT(Customer Name)” lalu
beri nama pada field name Sales per Customer kemudian
simpan. Selanjutnya masukkan Sales per Customer
kedalam metric.
Gambar 3.22 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.
Gambar 3.23 Table
3.7 Comparison Date Range dari Metode Agregasi
Comparison date range merupakan perbandingan angka

dengan periode sebelumnya. Misalnya buka halaman Bar
and Scorecard lalu ubah tanggal pada date range
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.
Nah kita akan melihan penjualan naik sebesar 20%

dibandingkan tahun sebelumnya. Lakukan hal yang sama
pada scorecard yang ada pada dashboard. Maka hasilnya
akan seperti ini.
73
Gambar 3.25 Scorecard
3.8 Conditional Function dari Metode Agregasi
Tim bisnis ingin mengetahui bulan mana saja yang

penjualannya mencapai target. Gimana caranya? Mari kita
coba.
Pertama buat dashboard baru lalu beri nama Target
Monthly Sales kemudian tambahkan line chart lalu
masukkan order date kedalam dimension dan ganti type
nya menjadi year month lalu masukkan sales kedalam
metric. Jangan lupa sort berdasarkan order date.
Selanjutnya kita buat calculation field yang berisi tentang

target penjualan setiap bulannya. Target penjualan pada
tahun 2014 adalah 30000$, tahun 2015 adalah 40000$ dan
tahun selanjutnya adalah 50000$. Lalu pada metric buat
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.
Kemudian kita atur warnanya agar lebih kontras. Disini

saya menggunakan warna pink dengan warna hijau.
75
Line pink menunjukkan penjualan sedangkan line hijau

menunjukkan target penjualan.
3.9 Publikasi Dashboard
Pada umumnya publikasi dashboard pada Google Data

Studio mirip seperti Google Doc. Hal yang perlu
diperhatikan adalah merancang tampilan laporan sebelum
kita memulai mengerjakan. Sketsa di kertas dengan tangan
adalah cara yang paling sederhanan untuk kita memulai
merancang visualisasi data yang kita inginkan.
Setelah rancangan dipersiapkan, kita dapat memulai
dengan mempersiapkan sumber data. Kita dapat
menyajikan visualisasi data yang kita inginkan dengan
berbagai jenis grafik dan tampilan yang tersedia. Sehingga
kita dapat menghasilkan laporan sesuai dengan bentuk
yang diinginkan.
76
Merikut merupakan langkah-langkah publikasi dashboard :

a. Invite People
Invite people atau share otorisasi melalui email
pengguna. Kita bisa masukkan email tujuan pada add
people dan setiap email dapat memiliki permission
yakni bisa edit atau hanya view.
Gambar 3.29 Invite People
77
Pada bagian Manage Access kita dapat membagikan
link dashboard.
Gambar 3.30 Invite People
b. Schedule email delivery

Share melalui email otomatis. Jadi kita bisa mengirim
dokumen ini kepada seseorang dengan mengatur
waktu terlebih dahulu.
78
Gambar 3.31 Schedule Email Delivery
c. Get report link

Disini hanya ada link dashboard kita. Jadi kita hanya
mengirimkan link ke penerima dan penerima dapat
membuka link tersebut.
Gambar 3.32 Get Report Link
d. Download report
79
Jika kita bekerja secara offline maka kita dapat men-
download file tersebut.
Gambar 3.33 Download Report
80
Kesimpulan
Visualisasi data menggunakan Google Data Studio merupakan

sebuah solusi alternatif yang dapat digunakan oleh perusahaan
untuk melakukan visualisasi data.
Google Data Studio memiliki dukungan berbagai sumber data,

sehingga memberikan kemudahan kita untuk mengintegrasikan
laporan dari berbagai sumber data yang ada.
Dengan Google Data Studio anda dapat dengan mudah berbagi

laporan tanpa mengabaikan keamanan informasi yang
disampaikan.
81
Daftar Pustaka
[1] Chandra, Andreas. September 2019. How to Create a Heatmap

about Earthquake in Indonesia using Mapbox. [Online].
Available : https://medium.com/data-folks-indonesia/how-to-
create-a-heatmap-about-earthquake-in-indonesia-using-
mapbox-f25e8181b291 . [Accessed 24 Juni 2020].
[2] (Fernando, 2018)Ahmad Syaripul, N., & Mukharil Bachtiar, A.

(2016). Visualisasi Data Interaktif Data Terbuka Pemerintah
Provinsi Dki Jakarta: Topik Ekonomi Dan Keuangan Daerah.
Jurnal Sistem Informasi, 12, 15–29.
[3] Bonham-Carter, G. F. (1995). Visualizing data. In Computers

& Geosciences (Vol. 21). https://doi.org/10.1016/0098-
3004(95)90006-3
[4] Fernando, D. (2018). Visualisasi Data Menggunakan Google

Data Studio. Seminar Nasional Rekayasa Teknologi
Informasi(SNARTISI), (November).
[5] Khalimy, Muiz. April 2020. Visualisasi Data dan Macam-

Macam Grafik dalam Statistika. [Online].
https://pengalaman-
edukasi.blogspot.com/2020/04/visualisasi-data-dan-macam-
macam-grafik.html . [Accessed 24 Juni 2020].
82
[6] Tjandra, E., Kekhususan, P., Informasi, S., Teknik, F., &
Surabaya, U. (2014). Teknik Informatika / Universitas
Surabaya Teknik Informatika / Universitas Surabaya. 67–72.
[7] Tulungagung, R. I. (2019). Pemanfaatan Google form , Google

Spreadsheet dan Google Data Studio ( GOENDALA ) Dalam
Pengelolaan Pemeliharaan Alat Elektromedik di Instalasi
Pemeliharaan Sarana. 136–140.[8]
Pembimbing
Dr. Wahyudi Setiawan, S.Kom., M.Kom.

NIP. 19780926 200604 1 001
83

Book Tutorial Data Analisis Dengan Google Data Studio

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Book Tutorial Data Analisis Dengan Google Data Studio

Diunggah oleh

Hak Cipta:

Format Tersedia

BOOK TUTORIAL

DATA ANALISIS DENGAN GOOGLE DATA STUDIO

DHIMAS WARDHANA PUTRA

PROGRAM STUDI INFORMATIKA

“Book Tutorial Data Analisis Dengan Google Data Studio”

Dhimas Wardhana Putra 160411100174

Bangkalan, Juni 2020

Dr. Wahyudi Setiawan, S.Kom., M.Kom.

Koordinator Kerja Praktek

Yoga Dwitya Pramudita, S.Kom., M.Cs.

Telah di periksa dan diuji oleh Pembimbing Kerja Praktek

Pada tanggal : 6 Juli 2020

(Dr. Wahyudi Setiawan, S.Kom., M.Kom.)

Koordinator Kerja Praktek

(Yoga Dwitya Pramudita, S.Kom., M.Cs.)

Puji syukur atas kehadirat Allah SWT yang telah melimpahkan

Dalam pembuatan buku tutorial ini, kami menyadari

2. Dr. Wahyudi Setiawan, S.Kom., M.Kom. selaku Dosen

3. Agustian Amir Syahputra, S.SI selaku mentor yang telah

4. Bapak dan Ibu Dosen Pragram Studi Teknik Informatika

6. Pihak-pihak lain yang tidak sempat kami sebutkan, yang

Penyusunan buku tutorial kerja praktek ini disusun dengan

DAFTAR ISI ................................................................................... 6

DAFTAR GAMBAR ...................................................................... 8

Bab I : Pengenalan ........................................................................ 13

1.1 Visualisasi Data............................................................. 13

1.2 Pengenalan Google Data Studio ................................... 15

1.3 Keunggulan Google Data Studio .................................. 16

1.4 Mengapa visualisasi data itu penting ............................ 19

BAB II : Membuat Dashboard Interaktif ...................................... 22

2.1 Menyiapkan Google Sheet dan Google Data Studio..... 22

2.2 Membuat Dashboard Pertama ....................................... 25

2.3 Bar Chart ....................................................................... 27

2.4 Membuat Scorecard, Header Dashboard dan Table ...... 27

2.5 Membuat Time Series Dashboard untuk Melihat Trend

2.6 Membuat Pie Chart ....................................................... 41

2.7 Membuat Filter Tanggal dan Dimensi .......................... 45

Bab III : Visualisasi Data Lanjutan ............................................... 53

3.1 Map Visualization ......................................................... 53

3.3 Scatter Charts ................................................................ 60

3.5 Metode Agregasi ........................................................... 67

3.6 Metode Agregasi (Function) ......................................... 69

3.7 Comparison Date Range dari Metode Agregasi............ 72

3.8 Conditional Function dari Metode Agregasi ................. 74

3.9 Publikasi Dashboard ..................................................... 76

Daftar Pustaka ............................................................................... 82

Gambar 1.1 Tampilan Awal .................................................. 16

Gambar 1.2 Google Connector ............................................. 17

Gambar 2.1 Web Browser..................................................... 22

Gambar 2.2 Superstore Dataset............................................. 23

Gambar 2.3 Tampilan Google Data Studio ........................... 23

Gambar 2.4 Pilihan Google Connector ................................. 24

Gambar 2.5 Dashboard Pertama ........................................... 25

Gambar 2.6 Bar Chart ........................................................... 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

Gambar 2.12 Style Header .................................................... 31

Gambar 2.13 Add a Chart ..................................................... 32

Gambar 2.14 Tampilan Data Sales ....................................... 32

Gambar 2.15 Add a New Page .............................................. 33