Pengenalan Data

Pada modul pengenalan data ini kita akan mempelajari dasar-dasar dalam data
mulai dari pengertian data, jenis data, hingga perbedaan dari data struktur dengan
tidak terstruktur.

Apa itu Data?

Banyak orang berbicara tentang data. Bahkan hampir setiap hari kita pernah
mendengar kata data. Sebenarnya apa sih pengertian dari data itu sendiri? Menurut
KBBI, data merupakan keterangan atau bahan nyata yang dapat dijadikan dasar
kajian (analisis atau kesimpulan). Selain itu apabila data dihubungkan dengan ilmu
komputer maka memiliki arti, informasi dalam bentuk yang dapat diproses seperti
representasi digital dari teks, angka, gambar grafis, atau suara.

Masih bingung dengan apa definisi data? Di sini akan kami gambarkan melalui
sebuah contoh sederhana. Perhatikan gambar di bawah ini.

Apa yang bisa diceritakan dari gambar di atas? Pasti Anda bilang gambar tersebut
adalah bola tenis, bukan? Nah, di sini kita sudah mendapatkan sebuah informasi
bahwa gambar di atas adalah bola tenis yang sering kita jumpai pada permainan
tenis. Selanjutnya apabila diperhatikan kembali, kita akan melihat bahwa bola tenis
tersebut berwarna kuning, walaupun ada yang menyebutnya hijau. Jadi warnanya
kuning atau hijau? Tenang dulu, menurut International Tennis Federation (ITF)
standar warna bola tenis adalah kuning atau putih. Bola tenis awalnya dibuat
berwarna putih, namun Wimbledon tahun 1986 jadi kali pertama pemain
menggunakan bola tenis warna kuning. 

Warna kuning pada bola tenis sering disebut “Optical Yellow” dengan jahitan warna
putih atau abu-abu terang. Warna bola tenis sendiri sebenarnya tidak pernah hijau,
tetapi jika sudah sering digunakan maka warnanya memudar dan menjadi kuning
kehijau-hijauan. Nah, dari penjelasan tersebut kita dapat mengasumsikan bahwa
warna bola tenis yang ada dalam gambar tersebut adalah kuning. Selain itu apabila
dilihat dari segi jumlah, kita bisa mendapat informasi bahwa terdapat 3 buah bola
tenis. 

Dari beberapa informasi di atas mulai dari nama objek, warna, jumlah, ukuran,
tekstur, hingga kondisi bola itulah yang disebut data dari bola tenis. Jadi sesuatu
yang melekat pada objek atau benda bisa saja memiliki data. Contoh lain misalnya
diri kita sendiri. Kita juga memiliki data yang melekat dalam diri meliputi nama,
tanggal lahir, tinggi badan, berat badan, umur, dan sebagainya.

Jenis-Jenis Data
Setelah kita mengetahui definisi data, mungkin muncul pertanyaan lanjutan, “Apa
fungsi dari sebuah data yang telah kita peroleh?”

Fungsi dari Data

Sebelum membahas apa saja jenis-jenis data, kita juga harus mengetahui apa saja
fungsinya. Istilah data sendiri kebanyakan pasti merujuk pada sesuatu yang
berhubungan dengan komputer atau teknologi. Namun pada dasarnya semua aspek
yang ada dalam kehidupan ini berhubungan dengan data. Bagi para peneliti, data
digunakan sebagai sumber acuan dalam sebuah pengembangan sedangkan dalam
dunia komputer, data digunakan dalam proses pengolahan untuk mendapatkan
suatu hasil tertentu yang bisa memecahkan masalah yang ada.

Dari penjabaran di atas, dapat disimpulkan bahwa fungsi data secara umum antara
lain sebagai:  

1. Pedoman dasar dalam menentukan perencanaan sebuah penelitian.

2. Bahan analisis dan evaluasi dari suatu kegiatan.
3. Acuan dalam mengembangkan sebuah kegiatan atau penelitian.
4. Acuan untuk mengambil suatu keputusan.

Data Kualitatif
Pernahkah Anda membagikan kuesioner dengan tujuan mendapatkan umpan balik
bagi proyek yang sedang Anda garap? JIka pernah membuat kuesioner, maka hasil
umpan baliknya secara umum dikategorikan sebagai data kualitatif. Sebuah
kuesioner umumnya berisi pertanyaan seputar pendapat, saran, atau apa saja yang
perlu diperbaiki dari sebuah produk atau pengalaman. Data yang ingin didapatkan
merujuk pada kualitas sebuah objek yang menghasilkan umpan balik berupa kalimat
pernyataan verbal.

Masih ingat dengan contoh gambar bola tenis di materi sebelumnya? Jika ingin
mendapat data kualitatif seputar bola tenis tersebut, kita bisa melihat sisi kualitas,
tekstur bola, warna, dan bentuknya. Sehingga dari gambar bola tenis tersebut
didapatkan data kualitatif seperti berikut:

Warna Kuning
Kondisi Baru
Tekstur Soft
Bentuk Bulat
Dari kedua contoh di atas dapat disimpulkan bahwa data kualitatif adalah data yang
bergantung pada kualitas sebuah objek dan dideskripsikan dalam bentuk kata,
gambar, atau simbol. Selain itu, data kualitatif bisa bersifat subjektif karena hasilnya
dapat diartikan dengan persepsi berbeda apabila dibaca atau dilihat orang lain.
Sederhananya dengan kasus bola tenis tadi, ada orang yang melihat dengan warna
hijau dan ada pula yang kuning.

Apakah Data Kualitatif itu Penting?

Data kualitatif erat hubungannya dengan data kuantitatif sehingga saling melengkapi
satu sama lain. Data ini penting untuk menentukan sebuah karakteristik, kebiasaan
atau ciri-ciri lainnya. 

Apakah Anda pernah membeli nasi goreng di sebuah warung langganan favorit?
Nah, saat pertama kali datang membeli nasi goreng, Anda mengatakan, “Beli nasi
goreng satu tapi tanpa telur, ya.”

Setelah Anda menunggu, kemudian penjual nasi goreng datang dengan

membawakan Anda seporsi nasi goreng tanpa telur. Hari demi hari berlalu dan Anda
pun sudah enam kali datang ke warung tersebut dengan pesanan menu yang sama
yaitu nasi goreng tanpa telur. 

Kemudian pada hari ke-7 saat Anda datang kembali ke warung tersebut si penjual
nasi goreng menanyakan pada Anda, “Mau pesan nasi goreng tanpa telur ya, mas?”
Dengan senyum di wajah, pasti Anda langsung mengiyakan dan duduk manis di
kursi tunggu sambil menunggu makanan datang. Pasti dalam hati Anda merasa
puas karena si penjual nasi goreng sudah hafal dengan pesanan sehingga Anda jadi
berlangganan di sana. Nah, dari cerita tersebut si penjual mendapatkan data
kualitatif berupa siapa pelanggan mereka, menu apa yang sering dipesan, dan
kebiasaan apa yang sering dilakukan pelanggannya dalam memesan makanan
misal seperti tanpa telur, pedas, atau nasinya setengah saja. 

Dari cerita tersebut kita dapat menyimpulkan bahwa data kualitatif, misalnya data
yang bersifat verbal, dapat dengan mudah dicerna oleh manusia, sehingga lebih
mudah dalam mengidentifikasi dan menghasilkan pemecahan masalah yang tepat.

Metode Pengumpulan Data Kualitatif

Pengumpulan data kualitatif bersifat eksploratif karena melibatkan analisis dan
penelitian. Metode ini digunakan untuk mendapatkan wawasan, penjabaran, serta
motivasi sehingga Anda dapat lebih memahami penelitian yang sedang dilakukan.
Data kualitatif termasuk jenis data yang tidak dapat diukur, maka dari itu ia lebih
mengarah ke preferensi metode pengumpulan data yang terstruktur. Berikut adalah
beberapa metode yang dapat dilakukan untuk mengumpulkan data kualitatif:
  Wawancara
Metode ini paling umum digunakan untuk memperoleh data kualitatif. Dalam
proses wawancara biasanya pihak yang diwawancarai akan menjawab
pertanyaan yang diajukan. Jawaban-jawaban dari peserta wawancara dapat
berupa deskripsi diri, kemampuan yang dimiliki, latar belakang pendidikan,
dan lain sebagainya. Dalam pengumpulan data kualitatif biasanya pertanyaan
tidak selalu terstruktur atau terkesan spontan karena ingin mendapatkan
jawaban yang mencerminkan karakter dari peserta wawancara.
 Kelompok Diskusi
Metode ini lebih mirip seperti forum diskusi yang diadakan oleh 5-10 orang.
Terdapat seorang moderator yang bertugas mengatur jalannya diskusi serta
mencatat pokok bahasan penting. Misalnya, ada seorang peneliti sedang
mempelajari tentang cara meningkatkan kualitas tanaman padi. Maka, peneliti
tersebut mengundang para -pakar pertanian, ahli di bidang pangan, dan
lainnya yang berhubungan dengan tanaman padi. Nah, dari sana peneliti
akan mendapatkan insight lebih dari para ahli di bidangnya sehingga data
penelitian yang didapatkan lebih terarah dan tepat.
 Metode Pengamatan atau Observasi
Dalam metode pengamatan, seorang peneliti yang ingin memperoleh data
dari responden harus langsung terjun ke lapangan untuk mengamati dan
mencatat informasinya. Misalnya, ada seorang peneliti ingin meneliti pola
belajar siswa di sebuah sekolah. Maka peneliti tersebut dapat langsung terjun
ke dalam lingkungan sekolah dengan mengamati perilaku siswa dalam
belajar, proses belajar mengajar, dan lain sebagainya.

Analisis Data Kualitatif

Menganalisis data merupakan hal yang sangat penting. Pasti Anda tidak ingin
banyak waktu guna mendapat data / informasi jadi berakhir sia-sia karena analisis
yang kurang tepat. Namun perlu dicatat bahwa tidak ada aturan baku untuk
menganalisis data kualitatif. Apa pasal? Jawabnya, semuanya bermula dari
memahami data yang telah kita dapatkan dengan benar. Berikut dua pendekatan
utama dalam analisis data kualitatif yang dapat Anda terapkan:

 Pendekatan Deduktif
Pendekatan deduktif didasarkan pada struktur yang telah ditentukan oleh
peneliti. Dalam hal ini, seorang peneliti dapat menggunakan pertanyaan yang
telah disusun sebagai panduan untuk menganalisis data. Pendekatan ini lebih
cepat dan mudah digunakan ketika seorang peneliti memiliki gagasan yang
sesuai dengan kemungkinan respon dari populasi sampel.
 Pendekatan Induktif
Sebaliknya, pendekatan induktif tidak berdasar pada struktur atau kerangka
aturan yang sudah dibuat. Pendekatan ini lebih menyita waktu yang cukup
besar karena dibutuhkan analisis menyeluruh pada data kualitatif.
Pendekatan induktif sering digunakan ketika seorang peneliti sedikit atau
bahkan tidak sama sekali memahami hasil penelitian.
Langkah-langkah analisis data kualitatif

1. Siapkan dan kelompokkan data

Setelah Anda mengumpulkan data dari berbagai sumber seperti teks,
rekaman suara, video, atau informasi lain, mulailah mengelompokkan data-
data tersebut. Tuliskan ke dalam bentuk teks sehingga Anda lebih mudah
dalam menganalisis data.
2. Review kembali datanya
Sekarang data Anda sudah dikelompokkan dengan baik, kemudian Anda
dapat membaca kembali semua data. Mungkin saja perlu dilakukan beberapa
kali untuk memahami seluruh isinya. Tak apa. Pada saat membaca ulang
apabila terpikirkan sebuah ide ataupun pertanyaan, catat terlebih dahulu saja
ya.
3. Tandai poin-poin penting
Pada setiap data tandai poin-poin pentingnya. Penandaan bisa menggunakan
blok stabilo, tambahan komentar atau apa pun yang bisa membantu Anda
dalam menandai poin-poin penting dalam data.

Misalnya terdapat 5 data penelitian tentang pola belajar dari siswa yang
berprestasi di kelasnya. Berikut ini adalah hasilnya:
- Orang tua selalu mendampingi anaknya untuk belajar di rumah pada pukul
19.00 sampai 20.00.
- Orang tua mempercayakan anaknya untuk belajar di lembaga bimbingan
belajar seminggu sekali.
- Anak aktif eksplorasi dan mencari penyelesaian masalah dari berbagai
sumber.
- Orang tua memberikan anaknya waktu fleksibel dalam bermain untuk
menghindari stress dalam belajar namun tetap dibatasi waktunya kecuali hari
Sabtu dan Minggu.
- Orang tua menjauhkan anaknya dari gawai saat belajar dan
memperbolehkan anak bermain gawai setelah selesai belajar.
4. Tinjau ulang poin-poin yang telah dibuat dan gabungkan menjadi tema
Anda perlu meninjau ulang poin-poin di atas untuk memastikan kembali
apakah sudah sesuai atau masih perlu revisi. Selain itu apabila pada langkah
kedua sebelumnya sudah terlontar beberapa pertanyaan, sesuaikan dan
usahakan pertanyaan tersebut terjawab oleh poin penting yang sudah Anda
tandai di langkah ketiga. Misal Anda sudah membuat pertanyaan sebagai
berikut:

- Bagaimana peran orang tua terhadap proses belajar anak?

- Apakah anak hanya belajar melalui buku pelajaran saja?

Nah, setelah memastikan poin yang ditandai sesuai dengan pertanyaan awal
yang dicatat, maka data dapat digabungkan ke dalam blok-blok warna dari
poin-poin yang sudah ditandai. Misalnya:

- Warna orange menandakan perilaku orang tua terhadap anak.

- Warna biru menandakan perilaku anak dalam belajar.
- Warna hijau menandakan metode belajar yang dilakukan.
- Warna merah menandakan waktu istirahat anak dalam belajar.
 5. Menyimpulkan data
Langkah terakhir yang dilakukan adalah membuat kesimpulan dari data.
Berdasarkan contoh di atas bisa disimpulkan bahwa pola belajar siswa yang
berprestasi di kelas dapat dilihat dari beberapa faktor seperti dari orang tua
dan kemampuan anak itu sendiri. Terkadang muncul persepsi bahwa siswa
yang berprestasi selalu termotivasi untuk mengisi hari-harinya dengan belajar
dan suka bereksplorasi. Namun, berdasarkan hasil penelitian, selain motivasi
dari dalam diri siswa seperti kemampuan eksplorasi, faktor eksternal dari
orang tua juga penting dalam mendukung proses belajar.

Orang tua memantau sendiri proses belajar anaknya di rumah atau

mempercayakan untuk belajar di lembaga bimbingan belajar (bimbel). Selain
proses belajar, orang tua juga memberikan waktu anak yang fleksibel dalam
bermain untuk menghindari stres. Namun, masih dibatasi seperti pada saat
belajar dilarang membawa gawai kecuali setelah selesai atau saat akhir
minggu.

Dalam penyampaian kesimpulan usahakan sesuai dengan audiens, tujuan

penelitian, dan konten lainnya yang menceritakan kisah penting di balik data Anda.

Data Kuantitatif
Data Kuantitatif merupakan data yang dinyatakan dalam bentuk angka yang bisa
didapatkan dari hasil pengukuran atau observasi. Berbeda dengan data kualitatif,
data kuantitatif cenderung lebih objektif karena hasilnya bisa ditafsirkan sama oleh
semua orang. Beberapa contoh hasil data kuantitatif adalah, panjang pita 100 cm,
berat badan saya naik 3 kg dari bulan lalu, saya berbelanja ke supermarket setiap
dua minggu sekali, dll.

Apabila masih bingung, mari kita kembali ke gambar bola tenis. Dari gambar bola
tenis sebelumnya apabila dilihat lebih detail maka kita mendapatkan beberapa data
kuantitatif lainnya, misalnya seperti berikut:

Jumlah 3 buah
Harga Rp. 10.000,- per buah
Diamater 65,41 mm
Berat 56 gram

Pentingnya Data Kuantitatif

Pernahkah Anda melihat anak balita yang tengah ditimbang di posyandu? Di
posyandu, petugas atau bidan akan menimbang berat badan balita. Setelah
menimbang, petugas mencatat hasilnya di sebuah kartu. Gunanya untuk memantau
perkembangan berat badan balita setiap bulannya. Misal, pada awal menimbang,
berat badan 11 kg, pada bulan kedua 11,5, bulan ketiga 12 kg. Berarti apabila
dihitung dalam 3 bulan tersebut rata-rata berat badannya meningkat 0,5 kg per
bulan. 
Dengan hasil yang didapatkan, ibu dari balita tersebut bisa mengetahui
perkembangan dari anaknya setiap bulan sehingga bisa disesuaikan dengan
kebutuhan gizi yang diperlukan. Data kuantitatif yang didapatkan dari cerita di atas
adalah dalam bentuk angka yang akurat dan terukur. 

Metode Pengumpulan Data Kuantitatif

Data kuantitatif merupakan data yang berhubungan dengan angka. Data yang
dikumpulkan biasanya berasal dari pertanyaan yang mengarah ke angka, misalnya
berapa jumlah penduduk di desa A, berapa rata-rata pertumbuhan penduduk dari
tahun 2010 sampai 2020, dan sebagainya. Sehingga data yang dihasilkan
merupakan data yang bersifat objektif serta dapat dianalisis secara statistik dan
matematika.

 Sampling Probabilitas
Metode pengambilan data dari populasi yang lebih besar, dipilih dengan
metode probabilitas. Sehingga setiap anggota berkesempatan secara acak
untuk terpilih sebagai data sampel. Salah satu keunggulan dari sampling
probabilitas adalah peneliti dapat mengumpulkan data dari perwakilan
populasi yang ingin diambil sampelnya. Selain itu, data yang terkumpul
secara acak dari sampel menghindarkan penelitian dari  kemungkinan bias
pengambilan sampel.
 Wawancara
Wawancara merupakan metode yang kerap digunakan dalam pengumpulan
data. Bedanya, wawancara dalam rangka mengumpulkan data kuantitatif
biasanya lebih terstruktur, fokus ke bahasan mengenai data angka. Misalnya
seperti berapa jumlah portofolio aplikasi yang sudah Anda buat?
 Survei atau Kuesioner
Hampir sama dengan wawancara tetapi perbedaannya untuk survei atau
kuesioner biasanya menggunakan form. Metode ini bisa dipakai pada
pengumpulan data kualitatif dan kuantitatif. Pada survei kuantitatif biasanya
kita menjawab pertanyaan-pertanyaan yang berhubungan dengan angka,
skala rating, ataupun yang berhubungan dengan data angka lainnya.
 Pengamatan
Salah satu yang paling sederhana adalah metode pengamatan. Dalam
metode ini peneliti mengumpulkan data kuantitatif melalui pengamatan
sistematis dengan menggunakan teknik seperti menghitung jumlah orang
yang hadir di acara tertentu dan pada waktu tertentu.

Analisis Data Kuantitatif

Kita juga perlu menganalisa data kuantitatif supaya data penelitian bisa dipahami
dan dimengerti. Hasilnya, permasalahan terkait penelitian pun dapat terselesaikan
dengan baik. Berikut adalah beberapa contoh analisis yang dapat Anda lakukan:

 Tabulasi Silang
Sebuah metode analisis data kuantitatif yang paling banyak digunakan dan
 paling disukai karena menggunakan bentuk tabel dasar untuk menarik
kesimpulan dari dataset yang berbeda dalam studi penelitian.
 Analisis MaxDiff
Metode analisis data kuantitatif yang digunakan untuk preferensi dalam
mengukur ketertarikan pengguna untuk melakukan pembelian dan melihat
parameter apa yang memiliki peringkat lebih tinggi dari yang lain. Dalam
bentuk yang sederhana, metode ini juga disebut metode "terbaik dan
terburuk".
 Analisis SWOT
Metode analisis data kuantitatif yang menetapkan nilai numerik untuk
menunjukkan kekuatan, kelemahan, peluang, dan ancaman pada suatu
produk atau layanan. Metode ini membantu menciptakan strategi bisnis yang
efektif.

Langkah-Langkah Analisis Data Kuantitatif

Sebelumnya kita telah mengetahui beberapa contoh analisis data kuantitatif,
selanjutnya kita akan membahas tentang langkah-langkah analisis dari data
kuantitatif. Berikut uraiannya:

1. Hubungkan skala pengukuran dengan variabel

Kaitkan skala pengukuran seperti Nominal, Ordinal, Interval, dan Rasio
dengan variabel. Langkah ini penting untuk mengatur data dalam urutan yang
benar. Data dapat dimasukkan ke dalam lembar pengolah angka
(spreadsheet) untuk mengaturnya dalam format tertentu.
2. Hubungkan statistik deskriptif dengan data
Hubungkan statistik deskriptif untuk merangkum data yang tersedia.
Beberapa statistik deskriptif yang banyak digunakan adalah:
- Mean : Rata-rata nilai untuk variabel tertentu.
- Median : Titik tengah skala nilai untuk variabel.
- Mode/modus : Untuk sebuah variabel, mode merupakan nilai yang paling
umum.
- Frekuensi : Jumlah kali nilai yang diamati dalam skala tertentu.
- Nilai Minimum dan Maksimum : Nilai terendah dan tertinggi dalam sebuah
skala tertentu.
- Persentase : Format untuk mengekspresikan skor dan set nilai untuk
variabel.
3. Tentukan skala pengukuran
Penting untuk memutuskan skala pengukuran dalam menyimpulkan statistik
deskriptif dari sebuah variabel. Misalnya, skor variabel nominal tidak akan
pernah memiliki mean atau median sehingga statistik deskriptif akan
bervariasi. Statistik deskriptif cukup dalam situasi di mana hasilnya tidak
dapat digeneralisasi ke populasi.
4. Pilih tabel yang sesuai untuk mewakili data dan menganalisis data yang
dikumpulkan
Setelah memutuskan skala pengukuran yang sesuai, peneliti dapat
menggunakan format tabel untuk mewakili data. Data ini dapat dianalisis
menggunakan berbagai teknik seperti tabulasi silang.
Diskrit vs Kontinu
Apabila dilihat dari segi sifatnya, data bisa dibedakan menjadi dua, yaitu data diskrit
dan kontinu. Berikut penjelasan mengenai kedua data tersebut.

Diskrit
Data diskrit merupakan data yang diambil dari proses perhitungan. Hal tersebut
dikarenakan data yang bersifat diskrit tidak bisa diukur. Misalnya Anda ingin
mengetahui jumlah orang yang hadir dalam sebuah acara, maka Anda dapat
melakukannya dengan cara menghitung dari daftar hadir atau menghitung langsung
setiap orang yang masuk. Ciri dari data diskrit adalah bisa dihitung dan tidak bisa
dipecah. Jadi tidak mungkin kita menghitung jumlah orang dan menghasilkan data
10,5. Kemungkinannya adalah 10 atau 11 orang.

Kontinu
Data kontinu merupakan data yang didapat dari proses pengukuran. Hal tersebut
dikarenakan data yang bersifat kontinu tidak bisa dihitung. Misalnya Anda ingin
mengetahui suhu tubuh maka Anda akan mengukur dengan termometer bukan
menghitungnya. Hasil yang didapat bisa berupa pecahan seperti 34,5 derajat
celcius. Pengukuran suhu, berat badan, atau jarak merupakan beberapa contoh dari
data kontinu.

Karakteristik Data Diskrit dan Kontinu

Untuk membedakan antara data diskrit dan kontinu dengan mudah, berikut
karakteristik masing-masing:

Diskrit
Data dapat dihitung
Nilai tidak dapat dibagi menjadi
pecahan kecil
Data tidak dapat diukur
Umumnya digambarkan dalam bar
graph
Kontinu
Data dapat diukur
Bisa dibagi menjadi pecahan kecil
Data tidak dapat dihitung
Umumnya digambarkan dalam
histogram

Numerik vs Kategorikal
Apabila data dilihat dari sisi variabel, setidaknya ada dua contoh variabel yang dapat
digunakan.

Data Numerik
Data ini memiliki arti sebagai sebuah ukuran dan identik dengan angka, misalnya
tinggi badan, berat badan, dan tekanan darah seseorang. Selain itu juga didapatkan
dengan cara menghitung, seperti jumlah peserta yang hadir di sebuah acara, berapa
jumlah gigi bayi, atau berapa banyak jumlah mangga yang ada di keranjang buah.
Data numerik juga dapat dibedakan menjadi data diskrit dan kontinu seperti ulasan
materi sebelumnya.
Data Kategorikal
Data yang dapat dikelompokkan dan terbagi berdasarkan karakteristik masing-
masing. Misalnya seperti status seseorang yang ada di KTP, status perkawinan,
jenis kelamin, kota asal, hobi, ataupun film favorit. Data kategorikal dapat dipadukan
dengan data numerik, contohnya pada form sebuah form pendaftaran untuk mengisi
jenis kelamin dapat ditulis dengan angka "1"  untuk laki-laki dan "2" menunjukkan
perempuan. Namun, angka-angka tadi tidak memiliki arti matematika ataupun
lainnya karena apabila Anda menjumlahkan angka satu dan dua di atas,  tidak akan
ada pengaruhnya pada data karena berfungsi sebagai pembeda saja. Berikut
pembagian dari jenis dari data kategorikal:

Nominal
Data nominal merupakan sebuah data diskrit yang tidak memiliki keterkaitan dengan
data lainnya dan tidak memiliki arti khusus. Sehingga data ini hanya dapat
dibedakan tanpa bisa diurutkan ataupun dibandingkan dengan data lainnya. Sebagai
contoh adalah jenis kelamin, pekerjaan, atau semacamnya. Nah, berikut akan
dijelaskan ciri-ciri data nominal untuk mempermudah memahami konsepnya.

 Merupakan hasil hitungan dan tidak ditemui dalam bentuk pecahan.

 Angka yang tertera hanya simbol saja untuk memberikan label tanpa memiliki
urutan tertentu.
 Tidak memiliki ukuran yang baku, sehingga pelabelan dapat dilakukan dalam
bentuk angka, simbol, huruf atau lainnya.
 Tidak memiliki nilai nol mutlak.

Ordinal
Data ordinal adalah bilangan bulat diskrit yang memiliki urutan tertentu atau
peringkat (ranking). Ciri dari data ini adalah jarak antara urutan data tidak diketahui
atau tidak sama. Misalnya, pelari yang mencapai garis finish pertama menempuh
waktu 15.00 menit, pelari kedua menempuh 30.10 menit, sedangkan pelari ketiga
35.04 menit. Dengan artian jarak waktu tempuh antara juara pertama dan kedua
berbeda dengan jarak juara kedua dan ketiga.

Data ordinal bukan hanya mengkategorikan variabel dari perbedaan data kualitatif
antara kategori satu dengan yang lainnya, tetapi juga mengurutkan kategori yang
ada berdasarkan cara tertentu.

Data Terstruktur vs Data Tidak Terstruktur

Pernah mendengar istilah Big Data sebelumnya? Pasti dalam kumpulan data yang
besar di dalamnya terdapat berbagai macam jenis atau variasi data. Variasi data
biasanya bisa dilihat dari struktur data ataupun format berkas yang didapatkan. Nah,
setelah kita mengetahui tentang jenis data seperti kualitatif dan kuantitatif,
selanjutnya kita akan belajar tentang data terstruktur dan data tidak terstruktur. 

Perbedaan yang mendasar di antara keduanya adalah data terstruktur sangat

terorganisir dan disusun sedemikian rupa sehingga mudah dicari dalam database
relasional. Sementara data yang tidak terstruktur tidak memiliki format atau
organisasi yang ditentukan sebelumnya. Akibatnya mengumpulkan, memproses,
dan menganalisa data jadi jauh lebih sulit.

Data Terstruktur
Pernahkah Anda melihat data dalam sebuah pengolah angka? Biasanya data
tersebut tersaji dalam bentuk baris dan kolom serta memiliki nilai di dalamnya. Salah
satu contohnya adalah kartu stok atau data penjualan di supermarket digambarkan
dalam bentuk tabel berisi nama barang, stok barang, tanggal penjualan, dan
sebagainya. 

Data terstruktur tersusun dengan rapi dan mudah dipahami oleh bahasa mesin.
Sehingga orang yang bekerja dalam basis data relasional dapat memasukkan,
mencari, dan memanipulasi data terstruktur dengan lebih cepat. Inilah yang
termasuk kelebihan dari data terstruktur.

Data Tidak Terstruktur

Berbeda dengan data terstruktur, data tidak terstruktur lebih beragam jenisnya dan
tidak memiliki struktur khusus contohnya seperti data dalam bentuk teks, audio,
video, data dari sosial media, dan lainnya. Mesin juga dapat menghasilkan data tidak
terstruktur juga, lho. Sehingga perlu pengolahan data dan analisis lebih lanjut untuk
dapat dipahami. Salah satu contohnya adalah citra satelit yang menghasilkan data
cuaca. 

Pasti selama ini kita hanya mengetahui hasil dari prakiraan cuaca seperti mendung,
hujan dan panas. Namun dibalik itu data yang dikirimkan dari satelit pastinya berupa
data tidak beraturan sehingga perlu pemrosesan khusus terlebih dahulu.

Data Semi Terstruktur

Data semi terstruktur merupakan penggabungan antara data terstruktur dan tidak
terstruktur. Mengapa demikian? Data semi terstruktur memiliki informasi yang tidak
berada di basis data relasional atau tabel data lainnya, namun tersusun dengan rapi
sehingga membuatnya lebih mudah untuk dianalisis. Biasanya data semi terstruktur
dipisahkan dengan tanda hubung tertentu seperti koma, titik koma, dan lainnya
bergantung pada aturan penulisan dari data tersebut. Contoh dari data semi
terstruktur adalah XML dan JSON. 

Dari sini kita dapat menyimpulkan bahwa terdapat data yang bisa dibaca oleh
manusia dengan mudah dan sebaliknya, ada pula data yang membingungkan
karena hanya mampu terbaca oleh mesin atau komputer. Contoh data sederhana
untuk manusia seperti sebuah bola tenis berwarna kuning dalam keadaan baru
tersebut berjumlah 3 buah. Kita bisa memahami data tersebut dengan mudah.
Namun, apabila kalimat tersebut diberikan pada komputer maka pemrosesan sulit
dilakukan. Sehingga apabila ingin diproses dalam komputer perlu pemisahan
berdasarkan kategori masing-masing mulai dari nama objek, kondisi, warna, jumlah
dengan masing-masing diberi nilai sesuai keterangan yang ada.

1. {

2.   "object_name" : "Bola_Tenis",

3.   "condition" : "New",

4.   "color" : "Yellow",

5.   "quantity" : 3

6. }

Apa itu Visualisasi Data?

Pernah mendengar istilah Visualisasi Data? 

Bayangkan  kisah seorang raja yang terlampau sibuk. Pada suatu hari ia mendapat informasi
bahwa sebuah kerajaan nan jauh di sana berencana untuk menyerang istana. 

Sang raja pun memikirkan langkah apa yang harus ia ambil. Ia menugasi perdana menteri
untuk bantu menyusun strategi perang. Raja memberikan waktu dua hari untuk menyiapkan
semua itu untuk kembali dilaporkan ke raja. Karena perdana menteri mengetahui betul sang
raja sangat sibuk, dan mudah bosan karena itu perdana menteri punya cara menarik untuk
memaparkan strategi perangnya, yakni menggunakan visualisasi data.
Semua data digambarkan dengan tampilan visual yang efektif dan kebutuhan perang tersaji
dengan data dalam bentuk grafik yang menarik. Raja pun tertarik dan mudah memahaminya.

Bayangkan jika perdana menteri datang dengan membawa setumpuk kertas berisi tulisan
tanpa ada visualisasi yang jelas? Dari ilustrasi ini kita punya sedikit gambaran bahwa
visualisasi data dapat membuat sebuah data tersampaikan dengan baik dan membuat
pembacanya lebih tertarik.

Nah lalu apa sebenarnya visualisasi data itu? Visualisasi data merupakan cara
mengomunikasikan sebuah informasi atau data dalam bentuk visual seperti diagram, grafik,
atau representasi visual lainnya. Dalam kehidupan sehari-hari kita kerap bersentuhan dengan
sudah melihat visualisasi data. Speedometer, simbol bensin di mobil, dan tampilan kecepatan
di dalam mobil, contohnya.

Mengapa Menggunakan Visualisasi Data?

“Un bon croquis vaut mieux qu’un long discours” (Napoleon, Kaisar Perancis)

“Sketsa yang bagus lebih baik daripada pidato yang panjang”

Sketsa yang dimaksud ibarat data yang kita visualisasikan dengan baik sehingga bisa
dipahami banyak orang. Mungkin ia lebih baik daripada tabel ribuan baris dan kolom. Di sini
jelas bahwa visualisasi data diperlukan supaya penyampaian informasi jauh lebih efektif. 

Apa saja pentingnya penggunaan visualisasi data? Kita simak penjelasannya berikut ini.

Komunikasi lebih efektif

Let’s say Anda ditugasi mempresentasikan hasil keuntungan perusahaan dalam sebuah rapat
tahunan. Jika Anda dapat memposisikan diri seolah sebagai Storyteller, pasti Anda selalu
berusaha untuk menyampaikan data Anda dengan cara yang menarik seolah sedang bercerita
sehingga audiens tertarik mengikuti alurnya. Apalagi jika Anda hanya punya beberapa menit
presentasi.

Bagaimana jika Anda presentasi dengan grafik yang menarik, simple, dan detail? Presentasi
Anda akan terus diingat, bahkan setelah rapat tersebut. Pada dasarnya setiap orang ingin
menangkap sebuah informasi dengan mudah, jelas, dan cepat tanpa menghilangkan poin
penting dari informasi tersebut. Maka dari itu visualisasi data sangat penting diterapkan
dalam kehidupan sehari-hari.

Memantau data dengan lebih mudah

Apa yang Anda lakukan apabila ingin memantau pengeluaran mingguan dalam sebulan? Hal
yang kerap kita lakukan adalah mencatat semua pengeluaran dalam bentuk teks. Misal
pengeluaran di minggu pertama dan berikutnya untuk kebutuhan konsumsi, belanja, ataupun
lainnya Anda jumlahkan sehingga menghasilkan sebuah nilai, misalnya Rp. 500.000. Berikut
ini visualisasinya dalam bentuk tabel di bawah ini:
 Minggu ke-1 Minggu ke-2 Minggu ke-3 Minggu ke-4
Januari Rp500,000 Rp300,000 Rp700,000 Rp1,000,000

Dari tabel di atas dapat dilihat bahwa pengeluaran terbesar ada di minggu ke-4. Sekilas kita
dapat melihat perbandingannya dengan mudah karena data yang dihasilkan masih sedikit.
Setelah enam bulan kemudian, tiba-tiba Anda ingin melihat perbandingan pengeluaran setiap
minggunya dalam sebulan. Catatan pengeluaran setelah 6 bulan seperti di bawah ini:

Minggu ke-1 Minggu ke-2 Minggu ke-3 Minggu ke-4

Januari Rp500,000 Rp300,000 Rp700,000 Rp1,000,000
Februari Rp400,000 Rp500,000 Rp300,000 Rp800,000
Maret Rp600,000 Rp500,000 Rp500,000 Rp900,000
April Rp200,000 Rp300,000 Rp500,000 Rp800,000
Mei Rp500,000 Rp800,000 Rp900,000 Rp1,000,000
Juni Rp400,000 Rp350,000 Rp900,000 Rp800,000

Cek tabel tersebut dan tentukan minggu dan bulan manakah yang jumlah pengeluarannya
terbesar? Cukup sulit, bukan? Coba Anda bandingkan dengan contoh diagram berikut:

Diagram tersebut menunjukkan bahwa pengeluaran terbesar ada di minggu ke-4 bulan
Januari dan Mei. Sedangkan terendah ada di minggu ke-I April. Analisa jadi lebih mudah
dengan visualisasi data, bukan?

Di atas hanyalah sebuah contoh sederhana. Bayangkan bagaimana untuk data besar seperti
sensus penduduk. Pastinya visualisasi data sangat dibutuhkan untuk mempermudah kita
membaca dan menganalisis data.

Media Visualisasi Data

Tahukah Anda macam-macam media yang digunakan dalam visualisasi data?
Berikut penjelasannya: 
Tabel
Ketika Anda menyusun data Anda ke dalam sebuah baris dan kolom, Selamat! Anda
berhasil membuat sebuah tabel. Tabel merupakan salah satu media visualisasi data
yang sederhana dan sering kita temukan. Data dalam tabel biasanya dikategorikan
dalam baris atau kolom tertentu yang kemudian dapat diurutkan dengan mudah
misal diurutkan secara menaik (Ascending) atau menurun (Descending). Hal
tersebut memudahkan kita untuk menyusun data sesuai dengan perintah yang
diinginkan. Bayangkan Anda memiliki data buah-buahan seperti, apel (50 buah),
jambu (35 buah), melon (40 buah), semangka (10 buah), mangga (25 buah), dan
jeruk (100 buah). Bagaimana Anda mencatatnya supaya lebih mudah dibaca? Salah
satu caranya Anda bisa membuat tabel seperti berikut:

Nama Buah Jumlah

Apel 50
Jambu 35
Melon 40
Semangka 10
Mangga 25
Jeruk 100
TOTAL 260

Setelah diurutkan secara ascending berdasarkan nama buah sebagai berikut:

Nama Buah Jumlah

Apel 50
Jambu 35
Jeruk 100
Mangga 25
Melon 40
Semangka 10
TOTAL 260

Dari tabel di atas, Anda dapat membaca data buah-buahan dengan lebih efektif dan
mengetahui jumlah total buah. Dari data tersebut kita juga dapat mengurutkan dari
jumlah buah yang paling banyak, paling sedikit, atau mengurutkan nama buah
berdasarkan abjad.

Terdapat beberapa aturan dasar dalam penulisan tabel yaitu sebagai berikut:

 Penulisan judul
Dalam menulis judul pastikan sudah mencakup isi dari tabel kita. Usahakan
menggunakan font yang jelas dan mudah dibaca. Pembaca jadi paham tabel
apa yang tersaji.  
 Simpel
Simplicity is a must. Jangan terlalu berlebihan dalam mendesain sebuah
 tabel. Akibatnya pembaca tidak fokus pada data yang disajikan. Penulisan
variabel di dalamnya juga singkat saja.  
 Penjelasan Simbol
Apabila dalam tabel Anda terdapat simbol atau istilah tertentu Anda dapat
menjelaskannya pada catatan kaki tabel tersebut.
 Penekanan
Penekanan yang dimaksud adalah cara kita memfokuskan perhatian
pembaca pada pokok data. Misal, dalam penulisan tabel di atas, nama buah
menggunakan warna background biru supaya pembaca bisa mudah
membedakan nama buah dan jumlah buah. Jika  data Anda dalam kategori
yang sama dan dapat dijumlahkan, maka Anda dapat menyertakan total di
akhir datanya seperti contoh tabel di atas.
 Sumber Tabel
Apabila tabel yang Anda sajikan bukan milik Anda, maka sertakan sumber di
catatan kaki tabel tersebut.

Diagram
Sering kali kita mendengar kata Diagram. Sebenarnya apa itu diagram? Diagram
merupakan sebuah representasi data yang digambarkan dalam bentuk grafik. Jika
Anda memiliki sebuah data dan ingin diproyeksikan dalam bentuk diagram, berikut
beberapa tipe diagram yang bisa Anda gunakan.

Diagram Batang
Pernah membuat diagram batang sebelumnya? Diagram batang merupakan salah
satu jenis grafik yang hampir sering kita jumpai dalam visualisasi data. Sebabnya, ia
dapat menunjukkan perbandingan angka pada kategori tertentu. Jumlah elemen
batang dari diagram ini sebaiknya tidak terlalu banyak supaya label dari data
tersebut masih bisa terbaca atau tidak terpotong. Sumbu X pada diagram batang
menunjukkan kategori data sedangkan sumbu Y menunjukkan skala nilai dari data
dalam satuan ukuran tertentu. Pastikan pada sumbu Y nilai awalnya adalah 0
supaya diagram Anda terlihat akurat dan mengurangi kesalahpahaman dalam
mengartikan data.

Selain itu, perhatikan pula penulisan label diagram. Hindari penulisan label secara
vertikal maupun diagonal supaya tidak menyulitkan pembaca dalam memahami
label tersebut. Warna juga penting dalam penyajian data diagram. Usahakan
menggunakan warna yang konsisten supaya mudah dipahami. Berikut contoh dari
diagram batang yang sudah Anda lihat di penjelasan sebelumnya.

Diagram Garis
Diagram garis biasanya menyajikan perubahan data dalam periode waktu tertentu.
Secara umum, diagram garis digunakan untuk melihat perkembangan data tertentu
yang berlangsung secara terus menerus atau berkelanjutan. Contoh dari data yang
bisa digambarkan dalam diagram garis seperti, perkembangan jumlah penduduk
selama 10 tahun terakhir, pertumbuhan ekonomi Indonesia dari tahun 2000 sampai
2019, dan lainnya. Dalam proses penggambaran diagram garis diperlukan sumbu
mendatar atau X dan sumbu tegak atau Y. Masing-masing sumbu memiliki fungsinya
sendiri-sendiri. Sumbu X berfungsi untuk menunjukkan interval waktu sedangkan
sumbu Y menunjukkan kuantitas atau nilai dari data tersebut seperti total penjualan,
biaya yang dikeluarkan, jumlah pendapatan, dan lain sebagainya. 

Kemudian, buat tanda titik koordinat yang menunjukkan nilai data berdasarkan
waktunya. Setelah semua data ditandai dengan titik koordinat, maka selanjutnya
buatlah garis yang menghubungkan titik-titik tersebut. Dari penarikan garis tersebut
kita bisa melihat pola perkembangan datanya cenderung naik, stabil, atau menurun. 

Bayangkan Anda memiliki sebuah toko sepeda dan ingin melihat perkembangan
penjualan tahun 2019 yang lalu. Anda memiliki tabel seperti berikut:

Bulan Jumlah
Januari 150
Februari 130
Maret 180
April 190
Mei 250
Juni 200
Juli 230
Agustus 250
September 280
Oktober 290
 Bulan Jumlah
November 300
Desember 350
Total 2800

Untuk mempermudah melihat perkembangan data, maka Anda dapat membuat data
dalam tabel tersebut menjadi sebuah diagram garis berikut ini:

Dari data tersebut dapat dilihat tren penjualan sepeda pada toko Anda cenderung
naik pada tahun 2019. Walaupun pada bulan Januari sampai Juni sedikit tidak stabil
karena terjadi kenaikan dan penurunan, namun pada bulan Juni sampai Desember
penjualan cenderung naik. Nah, data diagram garis tersebut lebih mudah dibaca,
bukan?

Diagram Lingkaran
Apakah Anda pernah membuat diagram lingkaran sebelumnya? Diagram lingkaran
mirip seperti sebuah pizza yang diiris dengan porsi tertentu. Pada konteks data,
irisan pizza tersebut menggambarkan persentase data nilai atau kuantitas. Ada
irisan yang besar dan ada yang kecil semuanya bergantung pada data yang
ditampilkan. Apabila irisan tersebut dijumlahkan nilainya, maka seharusnya akan
menghasilkan 100 persen atau 360 derajat. 

Diagram lingkaran biasanya sering digunakan oleh perusahaan atau dunia

pendidikan untuk merepresentasikan data. Diagram lingkaran tidak hanya
menunjukkan jumlah relatif dari kuantitas suatu data satu sama lain, namun dapat
menunjukkan keseluruhan data dan kuantitas sebuah kategori data itu sendiri
relatif vis a vis atau berhubungan dengan keseluruhan data yang ada. Untuk
memperjelas pemahaman tentang diagram lingkaran, berikut terdapat contoh survei
terhadap siswa yang memiliki hobi sepak bola, basket, dan bulu tangkis untuk
pelatihan menghadapi lomba tingkat kecamatan.

Hobi Jumlah
Sepak Bola 17
Basket 3
Bulu Tangkis 5
Lainnya 10
Total Siswa 35

Apabila data tabel di atas digambarkan dengan diagram lingkaran, ini hasilnya:

Dari 35 siswa dalam satu kelas, sepak bola paling digemari dibandingkan dengan
hobi lainnya. Hampir separuh  dari total siswa menyukainya. Basket dan bulu tangkis
masing-masing sebanyak 8,6% dan 14,3%. Sedangkan 28,6% atau sama dengan
10 orang siswa lainnya memiliki hobi lainnya seperti bermain musik, jalan-jalan, dan
membaca novel. Nah, bagaimana caranya menjadikan jumlah data tersebut dalam
bentuk persen? Ada rumusnya, lho. Berikut ini perhitungan rumus diagram lingkaran
dalam bentuk persen dan derajat.

Dalam bentuk Persen

(Jumlah data dalam kategori tertentu / Total data keseluruhan) X 100

Dalam bentuk Derajat

(Jumlah data dalam kategori tertentu / Total data keseluruhan) X 360

Dalam proses pembuatan diagram lingkaran terdapat beberapa aturan-aturan dasar
yang perlu diperhatikan. Sama seperti diagram garis dan batang, pastikan terdapat
judul pada diagram lingkaran yang Anda buat. Apabila Anda membuat diagram
lingkaran dalam satuan persen maka pastikan jumlah total datanya adalah 100%,
sedangkan untuk satuan derajat totalnya adalah 360 derajat. Kemudian penulisan
label juga penting untuk penanda dari suatu data, bisa menunjukkan kategori data,
nilai, ataupun keduanya. Selanjutnya buat setiap warna irisannya berbeda untuk
membedakan datanya. Yang paling penting, usahakan data yang Anda gambarkan
dalam diagram maksimal 5 irisan supaya tidak menyulitkan pembaca. Selain itu juga
tidak menimbulkan bias antara data satu dengan yang lainnya.

Referensi pendukung lainnya: https://aatishb.com/covidtrends/

Visualisasi Data dalam Bisnis

Dalam kehidupan sehari-hari visualisasi data sering kita gunakan, baik di bidang
kesehatan, pendidikan, dan lain sebagainya. Bagaimana kalau di bidang bisnis?
Pernahkah Anda membayangkan berapa banyak data yang dimiliki perusahaan
besar? 

Visualisasi data pasti tidak lepas dari bidang bisnis karena terdapat banyak informasi
yang beragam dan kompleks. Dalam bidang bisnis, kita harus bisa menyampaikan
data secara benar dan tepat untuk menghindari kesalahan analisis di masa
mendatang. Berikut tipe visualisasi data yang dapat diterapkan dalam bidang bisnis.
Dashboard

Dashboard merupakan kumpulan dari berbagai visualisasi yang berbeda yang

menggabungkan dan merangkum informasi atau data bisnis. Sebelum mendesain
sebuah dashboard, Anda harus menentukan terlebih dahulu apa saja yang ingin
Anda ceritakan dalam dashboard itu. Saat kerangka dashboard sudah dibuat, Anda
dapat mengisinya dengan berbagai visualisasi yang relevan seperti diagram garis,
batang, lingkaran, dan berbagai metode visualisasi lainnya. Biasanya terdapat
kombinasi empat visualisasi data yang saling berhubungan satu sama lain. 
Scorecard

Scorecard merupakan tipe lainnya dalam visualisasi di bidang bisnis. Berbeda

dengan dashboard yang terdapat banyak visualisasi di dalamnya, scorecard lebih
fokus pada sebuah target tertentu. Visualisasinya berupa  jumlah pendapatan,
kepuasan pelanggan, dan hal lainnya yang dapat dibandingkan dengan target yang
telah ditentukan. Scorecard juga biasanya disajikan dalam salah satu komponen
dashboard. Scorecard menggambarkan tentang Key Performance Indicators (KPI)
yang lebih disederhanakan untuk dapat memantau kemajuan progres.
Analytic Report

Analytic report atau laporan yang berisi analisis yang digunakan untuk menentukan
keputusan. Jenis laporan ini menggunakan data kualitatif dan kuantitatif untuk
menganalisis dan mengevaluasi ide dari suatu bisnis. Analytic report memberikan
keuntungan untuk pembaca karena memberi  pemahaman yang mudah dipahami.
Selain itu hanya dengan membaca sekilas saja. pembaca juga dapat memahami
data dalam jumlah yang banyak. 

Analytic report juga menerapkan langkah-langkah umum seperti mengidentifikasi

masalah, menentukan metode yang tepat, analisis data, dan mendapatkan solusi
terbaik dari masalah yang dihadapi.
Reports

Report merupakan bagian dari visualisasi data dalam bisnis yang memuat semua
ringkasan dari apa yang terjadi di perusahaan dalam waktu tertentu. Inti dari report
adalah apa yang Anda lakukan untuk mendapatkan dan memahami hal yang sedang
terjadi dari suatu perusahaan dengan secepat mungkin

Tools dalam Visualisasi Data

Dalam membuat visualisasi data kita juga terbantu dengan perangkat lunak atau
tools tertentu. Berikut tools gratis yang dapat Anda gunakan untuk mulai belajar
tentang visualisasi data.

Tableau Public
Tableau Public merupakan sebuah layanan gratis yang memungkinkan siapa saja
dapat mempublikasikan visualisasi data ke dalam web. Visualisasi yang telah
dipublikasikan ke Tableau Public ("vizzes") dapat diletakkan dalam halaman web
dan blog, dibagikan ke sosial media, dan juga dapat juga diunduh oleh pengguna
lainnya. Untuk proses pembuatan visualisasi datanya sendiri menggunakan aplikasi
terpisah bernama Tableau Desktop Public Edition. Ingin tahu hal yang menarik dari
Tableau Desktop Public ini? Ya, Anda dapat menggunakan aplikasi ini tanpa
memerlukan keahlian dalam bidang pemrograman. Keren, bukan? Untuk
mengunduh aplikasi Tableau Public dapat klik di sini, ya.

Google Sheets

Sudah pernah menggunakan Google Sheets sebelumnya? Anda tidak harus

melakukan instalasi aplikasi spreadsheet di laptop Anda, karena dalam Google
Spreadsheet semuanya tersedia online. Google Sheets menawarkan kumpulan fitur
dan fungsi standar spreadsheet application seperti yang ada di Microsoft Excel.
Tentunya pada Google Sheets dapat membuat visualisasi sederhana dari data yang
kita buat baik dalam bentuk diagram batang, diagram garis, maupun diagram
lingkaran.
Microsoft Excel

Pasti Anda familiar dengan Microsoft Excel, bukan? Sebuah aplikasi spreadsheet
buatan Microsoft yang memuat banyak fitur powerful. Microsoft Excel menggunakan
spreadsheet yang terdiri dari baris dan kolom untuk manajemen data serta
melakukan perhitungan fungsi yang lebih akrab disebut formula. Selain melakukan
perhitungan angka yang bersifat numerik, Excel juga dapat membuat visualisasi data
sederhana ke dalam bentuk grafik seperti diagram garis, batang, lingkaran, dan lain-
lain.

Konteks Data
Data bisa dikatakan sebagai abstraksi dari kehidupan nyata, dan Anda tahu
kehidupan di dunia nyata itu rumit. Begitu pula data, data yang banyak akan terlihat
rumit dan sulit dipahami. Namun, apabila Anda menemukan konteks dari data
tersebut setidaknya Anda dapat menemukan sebuah cara yang solid untuk
memahaminya. Maka dari itu apabila kita memiliki data tanpa memahami konteks,
bisa saja data tersebut tidak bisa tersampaikan dengan baik. 

Penting untuk mengetahui audiens untuk menentukan bagaimana cara Anda

menyampaikan data. Selanjutnya Anda juga harus bertanya pada diri Anda sendiri,
Apakah mereka perlu tahu dan apakah Anda ingin mereka tahu? Hal ini harus bisa
Anda jawab terlebih dahulu sebelum menyampaikan data kepada audiens. Apabila
pertanyaan tersebut belum terjawab, maka bisa saja Anda masih tetap
menyampaikan hal-hal yang menurut mereka tidak perlu dan menjadi kurang
relevan. Tetapi harus dalam batas wajar dan tidak berlebihan, sehingga
penyampaian Anda mudah diterima.

Misal, Anda tahu audiens yang hadir adalah data analyst dan memiliki pengalaman
di bidang pengolahan data, maka tidak mungkin Anda menyampaikan informasi
kepada mereka sama halnya seperti dengan pengusaha. Sehingga Anda perlu
menentukan gaya bahasa Anda dalam menyampaikan informasi.

Pertanyaan penting yang juga harus ditanyakan ke diri sendiri adalah, Bagaimana
saya bisa menentukan poin penting dan membuat data tersampaikan secara efektif?
Bayangkan data Anda berupa kanvas, dan Anda sebagai seorang pelukis. Anda
sebagai seorang pelukis telah memiliki sebuah kanvas. Apa pun yang akan Anda
lukis pada kanvas itulah yang akan dilihat oleh orang lain. Lalu, sebagai seorang
pelukis, Anda memiliki beberapa pertanyaan ke diri Anda sendiri, 

 Untuk siapa lukisan ini dibuat?

 Apa yang ingin Anda lukis?
 Bagaimana cara saya melukiskannya?

Poin-poin pertanyaan di atas, apabila dilakukan oleh seorang Data Analyst menjadi

seperti berikut:

 Kepada siapa data ini akan saya disampaikan?

 Data apa yang ingin saya sampaikan?
 Bagaimana cara saya menyampaikan data tersebut?

Kepada siapa data ini akan disampaikan?

Sebelum menyampaikan sebuah data, kita harus mengetahui dulu siapa audiens
yang akan kita hadapi. Hal ini penting untuk membuat proses penyampaian data
lebih efektif dan bisa diterima oleh audiens. Anda harus bisa membedakan
penyampaian data antara audiens umum dan yang sudah profesional. Apabila
audiens umum bukan berarti kita bisa mengartikan semuanya masih pemula. Bisa
saja di antara mereka ada salah satu audiens profesional, maka dari itu kita harus
mengambil titik tengah dalam hal penyampaian data yaitu dengan penyampaian
yang mudah dipahami namun tidak mengurangi detail dari data. Lain ceritanya jika
kita membawakan data kita dengan audiens yang rata-rata sudah profesional. Maka
harus benar-benar diperhatikan setiap detail dari data yang kita bawakan karena
pasti audiens lebih kritis dalam memahami apa yang kita sampaikan.

Data apa yang ingin saya sampaikan?

Supaya data Anda relevan dengan audiens, Anda harus menyaring terlebih dahulu
data yang Anda miliki. Hal ini untuk membuat audiens menentukan langkah
selanjutnya seperti apa yang harus dilakukan audiens setelah mengetahui data yang
kita sampaikan. Misal, Anda diminta untuk mempresentasikan data tentang
perkembangan penjualan perusahaan dalam setahun terakhir dalam sebuah rapat,
maka Anda dapat mengumpulkan data mulai dari jumlah pemasukan dan
pengeluaran perusahaan, perbandingan dengan tahun sebelumnya, total produksi
barang, berapa produk yang terjual dan lain sebagainya. Sehingga audiens yang
ada dalam rapat tersebut mengambil keputusan untuk lebih gencar dalam
memperbanyak produksi barang karena permintaan pasar cenderung naik.

Bagaimana cara menyampaikan data tersebut?

Metode penyampaian juga perlu diperhatikan. Misal, terdapat kondisi di mana
sebagian besar audiens terbiasa dengan data dalam bentuk angka-angka saja.
Maka, kita dapat menggunakan metode seolah kita sedang bercerita dengan
berdasar pada data yang kita sampaikan. Sehingga cara kita membawakan data
tidak seperti membaca karena audiens sudah melihat visualisasi data yang ada di
layar. Tugas kita sebagai presenter yang membawakan data tersebut adalah
memperjelas setiap bagian dengan bumbu cerita pada beberapa elemen data yang
ada. Misal, penjualan novel dengan judul A pada bulan Juni 2019 meningkat
sebanyak 25% dibanding bulan sebelumnya. Nah, di sini Anda jangan terlalu datar
dengan menyampaikan jumlah peningkatannya saja. Namun, Anda dapat bercerita
tentang apa yang melatarbelakangi peningkatan tersebut. Misal kita membawakan
dengan narasi sebagai berikut:

Film A yang ditayangkan bulan Februari 2019 lalu mengundang antusias yang tinggi
bagi penonton film tanah air. Bahkan beberapa sumber mengatakan jutaan tiket
bioskop ludes terjual dalam waktu sehari saja dari total keseluruhan penonton di
Indonesia. Hal tersebut dikarenakan film A merupakan adaptasi novel yang dapat
mempengaruhi penjualan. Sehingga pada bulan Juni penjualannya meningkat
sebanyak 25% dibanding bulan sebelumnya.

Dasar Matematika dan Statistika

Sebelumnya kita telah mempelajari pengenalan dan visualisasi yang erat
hubungannya dengan perhitungan dan angka. Hal tersebut erat kaitannya dengan
matematika dan statistika. Pernah mempelajari statistika sebelumnya? Jika sudah
maka Anda dapat membaca kembali sembari menyegarkan ingatan Anda. Namun,
bagi Anda yang baru mempelajari statistika, jangan khawatir. Kami akan
membawakan materi ini secara ringan dan mudah diikuti.

Statistik vs Statistika
Tahukah Anda perbedaan antara statistik dan statistika? Statistik merupakan
kumpulan hasil pengolahan data baik berupa angka maupun non-angka yang
digambarkan dalam bentuk tabel, diagram, ataupun lainnya. Statistik dibuat dengan
tujuan untuk memudahkan dalam membaca atau menginterpretasikan suatu data
yang akan digunakan. 

Sedangkan statistika merupakan sebuah ilmu yang mempelajari tentang cara cara
mengumpulkan, mengolah, menganalisis, menginterpretasi, dan mempresentasikan
suatu data. Statistika dapat memudahkan kita mendapat gambaran data yang sudah
dianalisis sehingga memperoleh suatu kesimpulan tertentu.
Berbicara mengenai statistik, apakah setiap data sampel yang diambil dari populasi
tertentu dapat mewakili kebenaran data itu sendiri? Seberapa akuratkah data
sampel tersebut dalam mewakili populasi yang ada? Seberapa besar tingkat
kepercayaan Anda terhadap data-data angka tersebut? Nah, kita mengetahui
sebuah ketidakpastian dan mencoba membuat perkiraan atau estimasi yang
mendekati kebenaran berdasarkan perhitungan yang ada. Dengan kata lain otak kita
akan lebih mudah menangkap data yang sudah diringkas dari yang awalnya
beragam menjadi beberapa angka.

Misal, Lebih dari 590 juta orang tinggal di 12 negara Asia Tenggara. Jika kita ingin
membandingkan pendapatan setiap negara, pastinya tidak masuk akal apabila kita
membandingkannya satu per satu seperti negara A dan negara B saja. Maka dari itu
kita dapat membandingkan pendapatan suatu negara menggunakan rata-rata. Hal
tersebut merupakan salah satu abstraksi yang sangat membantu. Namun, Anda
berpendapat bahwa mendeskripsikan seluruh kumpulan data menggunakan satu
angka saja, misal seperti rata-rata seringkali menghasilkan angka yang tidak akurat
atau bisa saja tidak sesuai kenyataan. Hal tersebut terjadi karena kita tidak
mengetahui range atau rentang data yang dihasilkan. Bisa jadi dalam suatu negara
penduduk yang berpendapatan rendah berbeda jauh dengan penduduk yang
berpendapatan tinggi. Dan poin tersebut penting diketahui untuk meminimalkan
ketidakakuratan data. Maka dari itu kita perlu mendeskripsikan beberapa angka
yang dapat menggambarkan data sebenarnya dengan tepat dan mudah dipahami.

Rata-Rata Statistik
Rata-rata statistik merupakan konsep paling sederhana yang paling umum
digunakan. Tujuan dari penggunaan rata-rata adalah mendapatkan nilai tengah dari
suatu kumpulan data. Berikut empat jenis rata-rata statistik yang dapat diterapkan:

Mean
Mean atau sering kita kenal dengan nilai rata-rata mengacu pada nilai yang dalam
statistik kita sebut dengan rata-rata aritmatika atau arithmetic mean. Masih ingat
cara menghitung rata-rata? Dalam menghitung rata-rata kita mulai dengan
menjumlahkan semua elemen data yang ada. Selanjutnya hasil penjumlahan
tersebut kita bagi dengan total elemen yang ada. Misalnya kita mempunyai data
sebagai berikut:

Pada sebuah ulangan matematika, nilai yang didapatkan oleh 10 siswa sebagai
berikut:

1. 65,70,75,70,80,60,80,90,70,65

Berapa rata-rata (arithmetic mean) nilai ulangan matematika dari 10 siswa tersebut?

Apabila kita menggunakan cara perhitungan seperti yang sudah dijelaskan

sebelumnya, maka rumusnya seperti berikut:
Nah, dari perhitungan di atas kita dapat mengetahui bahwa nilai rata-rata ulangan
matematika dari 10 siswa tersebut adalah 72,5.

Contoh di atas disebut dengan rata-rata aritmatika. Lebih lanjut, terdapat jenis
perhitungan rata-rata lainnya seperti rata-rata harmonik (harmonic mean), rata-rata
ukur (geometric mean), rata-rata tertimbang (weighted mean), dan rata-rata
terpangkas (trimmed mean). Jangan pusing dulu, ya. Mari kita bahas satu per satu.

Rata-rata Harmonik
Rata-rata harmonik bisa dikatakan sebagai kebalikan dari rata-rata aritmatika.
Kenapa demikian? Karena jumlah data dibagi dengan pecahan data ke-i dengan
pembilang 1 (1/xi). Apabila dituliskan dalam rumus matematika menjadi sebagai
berikut:

Diketahui bahwa:
H = rata-rata harmonik

n = banyak data

xi = nilai data ke-i

Untuk memperjelas rumus di atas, berikut terdapat contoh beberapa angka:

2,3,5,6,6
Dari angka di atas apabila ingin didapatkan rata-rata harmoniknya maka
penerapannya dengan rumus sebagai berikut:

Rata-rata ukur (Geometric Mean)

Rata-rata yang didapatkan dengan cara mengalikan semua data yang ada dalam
suatu kelompok atau sampel. Kemudian data tersebut diakar pangkat dengan jumlah
sampel yang ada. Karena menggunakan akar pangkat, apabila terdapat data yang
memiliki nilai negatif maka perhitungan dengan rata-rata ukur (geometric mean)
tidak bisa digunakan. Berikut rumus untuk menghitung rata-rata geometrik. 

Metode pertama:
Diketahui bahwa:

G = rata-rata geometrik

x1...xn = data ke-i

n = banyak data

Metode pertama di atas adalah rumus yang bisa digunakan dengan mudah dan
efektif apabila jumlah datanya tidak terlalu banyak. Namun, jika datanya sangat
banyak mencapai puluhan, ratusan, atau lebih pasti akan terasa sulit apabila
menggunakan metode pertama tadi. Maka, terdapat cara kedua yaitu menggunakan
logaritma. Hitung log semua data terlebih dulu, kemudian lakukan perhitungan
aritmatika seperti biasanya. Lebih lengkapnya simak rumus berikut:

Metode logaritma

Diketahui bahwa:

Log (G) = rata-rata geometrik

xi = data ke-i

n = banyak data

Berikut contoh soal dari rata-rata ukur (geometric mean):

Hitunglah data di bawah ini dengan rata-rata ukur baik perhitungan biasa maupun
logaritma.
3,4,6
Dihitung dengan perhitungan rata-rata ukur biasa seperti berikut:

Sedangkan apabila diukur dengan logaritma sebagai berikut:

Angka 10 pada 100.61911083214375616 merupakan default log yang berarti Log(10) = 1.

Sehingga dari data di atas dapat dilihat bahwa apabila datanya sederhana, lebih
mudah dihitung dengan metode biasa yang pertama. Namun apabila datanya
kompleks lebih baik menggunakan metode logaritma. Manapun pilihan Anda,
hasilnya tetap sama.
Rata-rata tertimbang (Weighted Mean)
Pernah mendengar sebelumnya? Rata-rata tertimbang dihitung dengan
memperhatikan bobot yang ada dalam setiap datanya. Setiap bobot tersebut
merupakan pasangan setiap dari data. Hal ini sangat berguna ketika terdapat bobot
tertentu pada suatu data yang bisa mempengaruhi data yang bersangkutan. Inilah
perbedaan utama yang membedakan dengan perhitungan rata-rata aritmatika.
Apabila dituliskan dalam rumus matematika sebagai berikut:

Diketahui bahwa:

x  = rata-rata tertimbang (weighted mean)

xi = nilai data ke-i

wi = bobot data ke-i

n = jumlah data

Sederhananya seperti ini, terdapat sebuah sekolah yang menerima pendaftaran

siswa baru. Salah satu penilaiannya adalah angka di rapor. Proses seleksi berfokus
pada beberapa mata pelajaran tertentu dan memiliki bobot masing-masing dalam
penilaiannya seperti, Matematika memiliki bobot 40, IPA bobot nilainya 30, Bahasa
Indonesia bobot nilainya 15, dan Bahasa Inggris bobot nilainya 15. Untuk dapat
diterima di sekolah tersebut, calon siswa setidaknya memiliki nilai raport rata-rata 70
berdasarkan bobot yang sudah ditentukan. 

Nah, terdapat dua orang calon siswa, sebut saja Budi dan Toni yang memiliki nilai
raport sebagai berikut:

Budi:
Matematika : 80
IPA : 75
Bahasa Indonesia : 70
Bahasa Inggris : 60

Toni:

Matematika : 60

IPA : 70

Bahasa Indonesia: 75

Bahasa Inggris: 85

Di antara kedua siswa di atas, siapa yang kira-kira berpotensi untuk lolos seleksi?

Apabila dihitung dengan rata-rata tertimbang sebagai berikut:

 
 

Belum selesai di sana, kita coba hitung rata-rata masing-masing dengan metode
rata-rata aritmatika biasa.
 

Nah, apabila dilihat dari rata-rata tertimbang yang lolos seleksi adalah Budi. Namun,
pada perhitungan rata-rata aritmatika keduanya lolos seleksi. Kenapa hal itu bisa
terjadi?
Dari hasil tersebut bisa kita ketahui bahwa nilai rata-rata tertimbang dan rata-rata
aritmatika dari Budi masing-masing (74) dan (71,5). Begitu pula dengan Toni rata-
rata tertimbang dan aritmatikanya masing-masing (69) dan (72,5). Rata-rata
tertimbang Budi lebih besar dari Toni, Namun, rata-rata aritmatika Budi lebih kecil
dari Toni. 

Jika kita lihat kembali setiap nilai datanya, bisa kita ketahui bahwa rendahnya nilai
rata-rata tertimbang Toni disebabkan nilai matematikanya paling rendah di antara
mata pelajaran lainnya. Padahal matematika memiliki bobot penilaian yang paling
besar. Sedangkan nilai Bahasa Inggris Toni paling tinggi, tetapi bobotnya paling
kecil. Alhasil, ini tak berpengaruh besar dalam meningkatkan rata-rata nilainya.

Rata-rata terpotong (Trimmed Mean)

Rata-rata terpotong bisa diartikan dengan memotong atau memangkas data
berdasarkan posisi data dengan nilai rata-rata. Misal, rata-rata terpotong
sebanyak 5% berarti terdapat 5% nilai angka (setelah diurutkan dari yang terkecil ke
terbesar) yang berada pada ujung kiri data (awal) dan ujung kanan data (akhir) yang
harus dibuang. Dengan membuang nilai tersebut diharapkan dapat
mengurangi outliers sehingga data yang didapatkan lebih rapi. Apa itu outliers?
Dalam ilmu statistika, outlier atau sering disebut “pencilan” merupakan sebuah nilai
angka yang berbeda atau menyimpang sangat jauh dari angka lainnya di dalam satu
kelompok data. Tujuan dari perhitungan rata-rata terpotong digunakan supaya data
yang dihasilkan lebih akurat dan konsisten.

Apabila ditulis dengan rumus sebagai berikut:

Diketahui dari rumus di atas bahwa:

Misal terdapat data sebagai berikut:

3,5,7,8,10,15,20,25,40,70
Berapa rata-rata terpotong sebanyak 30% dari data di atas?

Sebelum memasukkan data tersebut ke dalam rumus, kita cari dulu data yang harus
dihapus atau dipotong. Ibaratkan data yang terpotong dengan g, sehingga
perhitungannya sebagai berikut.

Nah, dari perhitungan di atas kita mendapatkan nilai 3 yang berarti kita menghapus
3 data yang paling kanan dan 3 data yang paling kiri.

Data sebelum dipotong = 3,5,7,8,10,15,20,25,40,70

Data yang dipotong sebanyak 30% = 3,5,7,8,10,15,20,25,40,70

Data yang dihasilkan = 8,10,15,20

Jadi, hasil rata-rata terpotong 30% dari data di atas adalah 13,25.

Median
Pasti Anda sudah pernah mendengar istilah median, bukan? Median merupakan
nilai tengah dari suatu data yang telah diurutkan terlebih dahulu mulai dari yang
terkecil hingga terbesar. Dalam matematika, biasanya Median dilambangkan
sebagai Me dan dihitung dengan rumus seperti berikut:

Untuk penerapannya perhatikan contoh soal di bawah ini:

Contoh 1 - Median data ganjil
3,2,7,12,10
Berapakah nilai median dari data di atas?

Pertama, kita urutkan data di atas terlebih dahulu seperti berikut: 2,3,7,10,12.

Karena data di atas ada 5 (n=5) yang berarti ganjil, maka terapkan rumus median
ganjil seperti berikut:

Median menghasilkan x3 yang berarti median data tersebut ada di urutan ke-3.
Sehingga dari hasil perhitungan di atas, median dari data di atas adalah 7.

Contoh 2 - Median data genap

3,2,7,12,10,3,5,12,15,8
Berapakah nilai median dari data di atas?

Sama seperti sebelumnya, kita urutkan dulu datanya menjadi

2,3,3,5,7,8,10,12,12,15
Karena data di atas berjumlah 10 (n=10) yang berarti genap, maka kita terapkan
dengan rumus median genap seperti berikut:

Dari perhitungan di atas didapatkan hasil x5 dan x6 yang berarti kita menjumlahkan
elemen data diurutan ke-5 dan urutan ke-6 kemudian dibagi 2.

2,3,3,5,7,8,10,12,12,15

Sehingga nilai median dari data genap di atas adalah 7,5.

Modus
Modus merupakan nilai yang sering muncul dari suatu data. Tiada rumus tertentu
guna mencari nilai modus  karena kita hanya perlu mengamati frekuensi data mana
yang sering muncul. Dalam matematika, modus biasanya dilambangkan dengan Mo.

Suatu data bisa jadi memiliki lebih dari satu modus. Apabila sebuah kumpulan data
memiliki dua modus, ia disebut bimodal. Sedangkan apabila memiliki lebih dari dua
modus ia disebut multimodal. Tetapi ada juga data yang tidak memiliki nilai yang
sering muncul sehingga dikatakan data tersebut tidak memiliki modus.

Contoh 1:

Guru matematika mengadakan ulangan di kelas A dan mengambil hasil sampel nilai
dari 5 siswanya sebagai berikut.

80, 70, 75, 80, 80, 90

Tentukan modus dari hasil ulangan matematika dari 5 siswa tersebut!

Jawab:

Untuk menjawab pertanyaan di atas kita hanya memerlukan pengamatan saja tanpa
rumus apa pun. Untuk memudahkan kita dalam menemukan modus dari data di
atas, kita urutkan terlebih dahulu sehingga hasilnya menjadi seperti di bawah ini.

70, 75, 80, 80, 80, 90

Sehingga dari hasil pengamatan terlihat bahwa nilai 80 muncul sebanyak 3 kali.
Jadi, secara otomatis bisa dikatakan bahwa dari ulangan matematika di atas
modusnya adalah 80.

Contoh 2:

Terdapat 10 orang yang sedang mengukur tinggi badannya dan menghasilkan data
sebagai berikut.

160,153,155,170,165,154,165,160,157,174
Sama seperti contoh sebelumnya, kita harus mengurutkannya terlebih dahulu
menjadi seperti berikut.

Jawab:

Tentukan modus dari data tinggi badan di atas!

153,154,155, 157, 160,160,165,165, 170, 174

Dari hasil pengamatan, didapatkan bahwa data yang sering muncul adalah 160 dan
165 yang masing-masing muncul sebanyak dua kali. Jadi dari data tinggi badan di
atas terdapat dua modus (bimodal) yaitu 160 dan 165.

Range
Dalam kumpulan data yang berbentuk angka pasti ada nilai maksimum dan
minimumnya. Range atau bisa disebut dengan rentang data merupakan selisih
antara data maksimum dan minimum tersebut. Rumus dari range sebagai berikut.

Terdapat kumpulan data dengan nilai sebagai berikut:

10, 30, 30, 25, 40, 50, 20

Untuk menentukan range dari data di atas, kita dapat mengurutkannya terlebih
dahulu mulai dari nilai terkecil sampai terbesar.

10, 20, 25, 30, 30, 40, 50

Setelah kita mengurutkan data, kita dapat dengan mudah mengetahui bahwa nilai
paling kecil adalah 10 dan nilai yang paling besar adalah 50. Sehingga range dari
data tersebut bisa mudah dihitung yaitu, 50 - 10 = 40.

Kuartil
Apakah Anda familiar dengan kuartil? Kuartil dalam matematika biasanya
digambarkan dengan notasi Q.  Kuartil merupakan nilai yang membagi data
berurutan menjadi 4 bagian yang besarnya sama. Kuartil terdiri dari 3 bagian yaitu,
kuartil pertama (Q1), kuartil kedua (Q2), dan kuartil ketiga (Q3). Dalam menghitung
nilai kuartil, kita harus memperhatikan jumlah data (n) yang ada. 

Gambar di atas merupakan ilustrasi letak kuartil terhadap banyaknya data. Dalam
penentuan dan perhitungan kuartil terdapat 4 kondisi dan rumus yang berbeda.
 Banyak data (n) ganjil dan nilai (n+1) habis dibagi 4

 Banyak data (n) ganjil dan nilai (n+1) tidak habis dibagi 4
  Banyak data (n) genap dan habis dibagi 4

 Banyak data (n) genap dan tidak habis dibagi 4

Berikut contoh soal untuk memperjelas tentang kuartil:

Contoh 1:
Hitunglah kuartil dari data panjang jalan tersebut?

7, 6, 8, 3, 2

Jawab:

Pertama urutkan dulu datanya mulai dari yang terkecil hingga terbesar.

2, 3, 6, 7, 8
Karena datanya ganjil dan hasil dari (n+1) adalah 6 maka tidak habis dibagi 4.
Sehingga kita dapat menggunakan rumus yang kedua seperti berikut:

Dari hasil perhitungan di atas diketahui posisi Q1 berada di antara data ke-1 dan ke-
2. Untuk menghitung nilainya berarti kita menambahkan x1 dan x2 kemudian dibagi
2 menjadi,
Dari rumus di atas diketahui bahwa letak Q2 berada di data ke-3, sehingga
berdasarkan data di atas Q2 = 6.

Sama seperti cara sebelumnya, Q3 apabila dilihat dari rumus di atas berarti ada di
posisi data ke-4 dan ke-5. Sehingga untuk menghitung nilai dari Q3 menjadi,
Contoh 2:
Apabila terdapat data berjumlah 430, di manakah posisi masing-masing kuartilnya?

Jawab:

Diketahui bahwa jumlah datanya genap dan tidak habis dibagi 4 berarti kita bisa
menggunakan contoh rumus keempat seperti berikut:
Sehingga dari rumus di atas dapat dilihat bahwa posisi Q1 berada pada data ke-108,
Q2 berada di antara data ke-215 dan 216, dan Q3 berada pada data ke-323.

Standar Deviasi
Standar deviasi atau disebut dengan simpangan baku adalah ukuran varian atau
perbedaan dari nilai amatan terhadap rata-rata suatu data yang sering digunakan
dalam statistik. Standar deviasi sendiri juga digunakan untuk mengukur jumlah
variasi atau sebaran dari beberapa nilai data. Maka dari itu rumus dari standar
deviasi adalah akar kuadrat dari varian. Apabila salah satu nilai dari varian atau
standar deviasi diketahui, maka nilai yang lainnya akan dapat mudah ditemukan.
Sehingga rumus dari varian adalah sebagai berikut:

Sedangkan rumus dari varian baku sebagai berikut:

Contoh 1
Untuk lebih memahami tentang standar deviasi, terdapat data tinggi badan siswa
seperti di bawah ini.

160, 153, 155, 170, 165, 154, 167, 161, 157, 174
Dari data di atas diketahui bahwa jumlah data (n = 10)  dan jumlah (n - 1) adalah 9.
Untuk mempermudah Anda menghitung variannya, mari kita buat dalam bentuk
tabel seperti berikut.

i Xi Xi2
1 160 25600
 i Xi Xi2
2 153 23409
3 155 24025
4 170 28900
5 165 27225
6 154  23716
7 167  27889 
8 161 25921
9 157 24649
10 174 30276
1616 261610 

Jika tabel di atas dituliskan dalam bentuk rumus, seperti ini jadinya:
Dari perhitungan yang sudah diketahui dari rumus di atas, apabila angka
dimasukkan ke dalam rumus varian. Maka menjadi sebagai berikut:

Sehingga kita mendapatkan nilai varian dari data tersebut yaitu 51,6. 

Dari nilai varian di atas, kita juga dapat mencari nilai standar deviasi atau simpangan
bakunya dengan cara sebagai berikut:

Contoh 2
Seorang guru matematika ingin menguji pemahaman materi dan metode belajar
yang tepat bagi siswanya. Ia membagi satu kelas menjadi 2 kelompok siswa yang
masing-masing 10 orang. Anggap saja kelompok A dan kelompok B. Kelompok A
diberikan waktu belajar sehari sedangkan kelompok B diberikan waktu belajar tiga
hari. 

Pada hari yang ditentukan setelah kelompok A selesai belajar dalam waktu sehari,
guru matematika tersebut mengadakan ulangan harian. Singkat kata, hasil dari
ulangannya sebagai berikut:

Siswa ke- Nilai

1 70
 Siswa ke- Nilai
2 65
3 50
4 80
5 75
6 45
7 55
8 75
9 80
10 60

Berselang tiga hari kemudian kelompok B melakukan ulangan matematika yang

sama seperti kelompok A. Nilai ulangan matematika Kelompok B sebagai berikut:

Siswa ke- Nilai

1 65
2 40
3 90
4 55
5 45
6 85
7 55
8 70
9 60
10 75
Dari permasalahan di atas, guru matematika tersebut ingin menghitung standar
deviasi dari masing-masing kelompok untuk mengukur apakah waktu belajar siswa
mempengaruhi hasil ulangan. Bagaimanakah hasilnya?

Jawab:

Pertama kita mulai menghitung dari kelompok A. Sama seperti pada contoh soal
sebelumnya, kita tentukan dulu varian sebagai berikut:

i x x2
1 70 4900
2 65 4225
3 50 2500
4 80 6400
5 75 5625
6 45 2025
7 55 3025
8 75 5625
9 80 6400
 i x x2
10 60 3600
Total 655 44325

Jika tabel di atas dituliskan dalam bentuk rumus, seperti ini jadinya:
Dari perhitungan yang sudah diketahui dari rumus di atas, apabila angka
dimasukkan ke dalam rumus varian. Maka menjadi sebagai berikut:

Sehingga kita mendapatkan nilai varian dari data tersebut yaitu 158,05. 

Dari nilai varian di atas, kita juga dapat mencari nilai standar deviasi atau simpangan
bakunya dengan cara sebagai berikut:

Kita simpan dulu hasilnya perhitungan untuk kelompok A. Selanjutnya kita akan
mulai menghitung hasil dari kelompok B.
 i X X2
1 65 4225
2 40 1600
3 90 8100
4 55 3025
5 45 2025
6 85 7225
7 55 3025
8 70 4900
9 60 3600
10 75 5625
Total 640 43350

Jika tabel di atas dituliskan dalam bentuk rumus, seperti ini jadinya:
Dari perhitungan yang sudah diketahui dari rumus di atas, apabila angka
dimasukkan ke dalam rumus varian. Maka menjadi sebagai berikut:

Sehingga kita mendapatkan nilai varian dari data tersebut yaitu 265,5. 
Dari nilai varian di atas, kita juga dapat mencari nilai standar deviasi atau simpangan
bakunya dengan cara sebagai berikut:

Nah, kita sudah mendapatkan standar deviasi dari kelompok A dengan pola belajar
satu hari sedangkan kelompok B tiga hari. 

Kelompok A memiliki standar deviasi 12,571, angka tersebut lebih kecil

dibandingkan kelompok B yaitu 16,294. Tapi belum berhenti di sana. Bukan berarti
memiliki standar deviasi tinggi membuktikan pola belajar 3 hari itu efektif. Karena jika
dilihat kembali terdapat siswa dari kelompok B yang mendapat nilai di bawah 60
sebanyak 4 walaupun ada yang memiliki nilai tinggi yaitu 90. Sedangkan kelompok A
yang mendapat nilai di bawah 60 hanya ada 2 orang walaupun nilai tertingginya
hanya 80. Hal ini membuktikan bahwa standar deviasi tinggi belum tentu efektif.
Sebaliknya, semakin kecil standar deviasi maka rentang datanya lebih kecil
sehingga hasilnya lebih baik.

Dari contoh kasus di atas dengan waktu belajar yang lama ada kemungkinan murid
tidak fokus belajar, lupa, dan faktor lainnya. Sedangkan yang belajar dalam waktu 1
hari bisa memaksimalkan waktunya dengan baik walaupun faktor lainnya juga
bergantung pada kemampuan siswa itu sendiri.

Apa itu Spreadsheet?

Seberapa familiarkah Anda dengan Spreadsheet? Penyebutan spreadsheet sangat
sering kita kaitkan dengan pengolahan suatu data berupa angka atau mungkin Anda
lebih familiar mendengar Microsoft Excel dan Google Sheets. Iya, itu memang
benar. Namun, tahukah Anda arti dari Spreadsheet itu sendiri? Spread yang berarti
penyebaran atau menyebar dan sheet yang berarti lembaran. Sehingga,
spreadsheet merupakan sebuah lembaran berisi baris dan kolom yang dapat kita
gunakan untuk analisis data.

Data yang terdapat pada spreadsheet terlihat lebih terstruktur. Proses memilah serta
mengurutkan data pun terasa lebih mudah. Selain itu, hasil data dari spreadsheet
akan lebih mudah dibaca oleh program komputer yang berkaitan dengan
pengolahan data lainnya. Jika Anda memiliki ribuan data penjualan produk alat tulis
kantor (ATK) dan ingin mengetahui berapa jumlah pensil yang terjual, maka aplikasi
spreadsheet sangat membantu Anda. Hal tersebut karena spreadsheet memiliki fitur
untuk mengelompokkan data berdasarkan parameter tertentu. Bayangkan jika Anda
menuliskan data tersebut pada aplikasi pengolah kata atau dokumen biasa, pasti
Anda akan mengalami kesulitan dalam mengelompokkan dan menghitung jumlah
datanya.

Fungsi Spreadsheet
Wah, tentunya banyak sekali manfaat dari Spreadsheet, dari jaman dahulu
spreadsheet digunakan sebagai alat untuk mencatat data yang berupa angka.
Berikut ini adalah banyak kegunaan spreadsheet:  

 Menyimpan informasi secara detail seperti sebuah Id nasabah bank bisa

memiliki banyak atribut seperti nama, jenis kelamin, usia, jumlah uang masuk,
jumlah uang keluar, saldo, dan lainnya.
 Membuat tabel data dengan lebih mudah.
 Membantu dalam perhitungan statistik.
 Memvisualisasikan data ke dalam bentuk grafik.
 Lengkap dengan rumus-rumus yang membantu dalam perhitungan data.

Wah, ternyata banyak juga fungsi dari spreadsheet. Apakah Anda dapat
menambahkan fungsi lainnya? Apabila dilihat dari beberapa penjabaran di atas,
spreadsheet kadang disebut mirip dengan database. Namun, bedanya spreadsheet
tidak dilengkapi query sehingga data spreadsheet tidak bisa disebut dengan
database.

Macam-Macam Aplikasi Spreadsheet

Berbicara tentang aplikasi spreadsheet, apa nama aplikasi pengolah data yang
pertama kali muncul di benak Anda? Meskipun banyak aplikasi pengolah data tetapi
secara fungsinya dan kegunaannya sama. Yang berbeda hanya fitur yang
ditawarkan setiap pengembangnya. Berikut adalah aplikasi spreadsheet populer
yang sering digunakan untuk pengolahan data.

1. Microsoft Excel
Pasti Anda sudah tidak asing lagi dengan aplikasi pengolah data yang satu
ini. Excel merupakan aplikasi Spreadsheet besutan Microsoft yang berada
dalam satu paket Microsoft Office. Saat ini versi paling barunya adalah
Microsoft Office 2019. Pengguna Microsoft Office juga bisa dikatakan sangat
massal dan berasal dari berbagai kalangan. Bahkan bagi penggunanya yang
memiliki mobilitas tinggi, Microsoft Office hadir dalam versi khusus yang dapat
dijalankan di Smartphone dan dapat diunduh secara gratis termasuk Excel di
dalamnya. Fitur yang ditawarkan di dalamnya terhitung lengkap dan powerful.
Salah satunya adalah penggunaan rumus untuk menghitung data atau sering
disebut formula merupakan hal yang tidak bisa dipisahkan dari Excel.
2. LibreOffice Calc
Meski tak sepopuler Excel, LibreOffice Calc memiliki sisi fungsionalitas yang
kurang lebih sama dengan Excel. Namun, perbedaannya adalah LibreOffice
Calc lebih bersifat open source sehingga dapat diunduh secara gratis
sedangkan versi desktop dari Excel berbayar. Fiturnya tidak kalah dengan
Excel. Bahkan dalam LibreOffice Calc Anda bisa membuka berkas yang
 dibuat di Microsoft Excel, lho. Fungsi dasar spreadsheet mulai dari
perhitungan, analisis, grafik, dan lainnya dapat Anda temui juga pada
LibreOffice Calc ini.
3. Google Sheets
Pernahkah Anda membayangkan ingin mengerjakan tugas pengolahan data
menggunakan aplikasi spreadsheet namun ruang kosong pada harddisk kian
menipis? Nah, Anda juga bisa menggunakan Google Sheets dalam
melakukan pengolahan data. Google Sheets dapat diakses secara online dan
berkasnya dapat diunduh atau disimpan dalam Google Drive. Fitur yang
ditawarkan di dalamnya memang tidak selengkap Excel atau Calc. Tapi tidak
perlu khawatir karena fitur dasar spreadsheet sudah terpenuhi serta
visualisasi grafik yang ditawarkan lebih luas cakupannya.

Google Sheets LibreOffice Calc Microsoft Excel

 Pemakaian  Gratis  Gratis  Desktop
(Berbayar)
 Mobile atau
online (Gratis)

 Lokasi  Google  Hard disk  Hard disk Anda

penyimpanan Drive atau
berkas dapat
diunduh

 Membutuhkan  Default  Tidak  Desktop

koneksi internet? (Iya) (Tidak)
 Ekstensi  Mobile atau
Google online (Iya)
Chrome
(Tidak)

 Diperlukan  Tidak  Iya  Iya

instalasi?

 Kolaborasi dengan  Iya  Tidak  Desktop

pengguna lain (Tidak)
(fitur sharing)  Mobile atau
online (Iya)

 Visualisasi  Range lebih  Grafik  Grafik dasar

luas dasar

Nah, pada modul ini, kita akan membahas dasar-dasar spreadsheet menggunakan
Google Sheets. Hal ini dilakukan supaya lebih fleksibel dan lebih praktis
penggunaannya karena tidak memerlukan instalasi tambahan lain.
Navigasi Dasar pada Google Sheets
Spreadsheet pada dasarnya sama karena kita selalu dihadapkan pada baris dan
kolom. Baris dan kolom ini tersusun dari kumpulan sel. Dalam sel inilah kita
memasukkan data yang ingin diproses.

Data yang dapat dimasukkan dalam sel tersebut dapat berupa,

 Angka: Anda dapat memasukkan angka yang nantinya dapat dihitung secara
matematis.
 Teks: Anda juga dapat memasukkan teks untuk penanda yang mewakili
keterangan dari angka-angka yang dimasukkan. Misal judul tabel di bagian
atas, kemudian setiap bagian kolom yang berisi data terdapat kategori untuk
mengidentifikasi tentang angka apa yang Anda masukkan pada sel tersebut.
Misal, Anda memasukkan teks “Jumlah barang” maka di bawahnya memiliki
data angka seperti 5,7,9,dst yang menandakan jumlah barang tersebut.
 Rumus: Digunakan untuk melakukan perhitungan dari angka dalam kolom
atau deretan sel. Misal, kita ingin mengetahui total barang maka kita dapat
memasukkan rumus yang menjumlahkan sel yang diinginkan.

Biasanya baris dan kolom memiliki label sendiri-sendiri. Kolom dilabelkan dengan
huruf yang membentang secara horizontal ke kanan. Sedangkan baris dilabelkan
dengan angka-angka yang tersusun secara vertikal ke bawah. Misal seperti ini, Anda
menulis nama Anda di posisi B2. Berarti posisinya berada pada kolom B dan baris
ke-2 sehingga letak nama Anda dalam sel menjadi seperti berikut:

Supaya lebih efektif dalam memasukkan data pada setiap sel, berikut beberapa
tombol pintasan keyboard yang memudahkan Anda dalam proses navigasi
spreadsheet.

Tombol pada
Keyboard Fungsi
Tab Mengakhiri masukan data pada sebuah sel dan bergeser ke sel
selanjutnya secara horizontal (ke kanan)
Enter Mengakhiri sebuah masukan data dan berpindah satu baris ke
bawah
Panah ke atas Berpindah satu sel ke atas
Panah ke Berpindah satu sel ke bawah
bawah
Panah ke Berpindah satu sel ke kanan
kanan
Panah ke kiri Berpindah satu sel ke kiri
Ctrl + arah Berpindah ke sel paling luar berdasarkan arah yang
panah dimasukkan. Misal data tertulis dalam kolom A1 sampai J1.
Apabila diberikan perintah Ctrl + arah kanan maka sel akan
Tombol pada
Keyboard Fungsi
berpindah ke kolom J1.
Shift + arah Untuk menyorot sel berdasarkan arah yang diberikan. Misal
panah terdapat data yang berada pada A1 sampai A10, jika ditekan
Shift + arah bawah mulai dari A1 maka akan menyorot data
pada sel A2, A3, dan seterusnya.
Ctrl + Shift + Untuk menyorot sel yang berisi data. Misal terdapat data yang
arah panah berada pada A1 sampai A10, jika ditekan Ctrl + Shift + arah
bawah maka data yang dimulai dari A1 sampai A10 langsung
otomatis tersorot.
Ctrl + C Untuk menduplikasi isi data dari suatu sel
Ctrl + X Untuk memindahkan isi data dari suatu sel
Ctrl + V Untuk menampilkan data hasil duplikasi atau pemindahan
yang dilakukan sebelumnya
Ctrl + Z Untuk mengembalikan ke kondisi perubahan data terakhir
(Undo)
Ctrl + Y Untuk membatalkan perintah undo atau kembali ke kondisi
sebelum perintah Undo

Elemen pada Google Sheets

Pada pembahasan sebelumnya kita telah membahas pintasan perintah keyboard

untuk membuat proses memasukkan data lebih cepat dan efisien. Apabila ingin
melakukan pengaturan lebih lanjut, maka kita harus memahami elemen-elemen
yang ada di Google Sheets.
Title Bar

Kita mulai dari yang paling atas sendiri yaitu Title Bar. Bagian ini menunjukkan judul
berkas yang sedang dikerjakan. Kita juga dapat mengubah judul berkas dengan
sangat mudah yaitu dengan cara klik pada judulnya kemudian ubah sesuai
keinginan. Untuk mengakhiri proses tekan Enter dan jadilah judul berkas yang baru.

Di samping judul juga terdapat gambar bintang yang berfungsi untuk menandai
berkas supaya lebih mudah ditemukan. Apabila ikon bintang kita klik maka berkas
tersebut dapat dengan mudah kita lihat pada halaman Google Drive kategori Stared
seperti berikut.

Sedangkan ikon folder di samping bintang berfungsi untuk memindahkan berkas ke

direktori lain yang diinginkan.

Selanjutnya pada sebelah kanan terdapat tombol lainnya yang tidak kalah penting
seperti berikut:
Pada gambar menunjukkan 2 tombol. Sebelah kiri untuk melihat riwayat komentar
yang diberikan. Sedangkan tombol hijau sebelah kanan yang bertuliskan share
berfungsi untuk membagikan berkas spreadsheet ke pengguna lain berdasarkan hak
akses yang ditentukan oleh pemilik.

Menu Bar

Menu bar berada tepat di bawah judul berkas yang sebelumnya telah kita bahas.
Menu yang disediakan oleh Google Sheets mulai dari File hingga Help akan Anda
temui dalam uraian berikut.
File
Apabila kita klik menu File, maka muncul banyak sub-menu yang dapat kita lihat.
Berikut penjabarannya.

Nama Menu Kegunaan

Membagikan berkas yang kita kerjakan supaya dapat dilihat,
diubah atau dikomentari oleh pengguna lain. Menu ini bisa
kita gunakan untuk berkolaborasi dengan pengguna lain
untuk menyelesaikan  sebuah pekerjaan. Setiap perubahan
Share
yang dilakukan oleh pengguna lain dapat dilihat oleh pemilik
berkas bergantung pada tingkat akses yang diberikan

Membuat berkas spreadsheet baru. Bahkan bisa juga

New digunakan untuk membuat berkas dokumen lain seperti
google docs, presentation, dan lainnya
Memasukkan berkas lain ke dalam spreadsheet yang sedang
Import kita buat. Format yang didukung antara lain, csv, txt, tsv, tab,
htm, html, xls, xlsx, xlsm, xlt, xltm, xltx, dan ods.
Make a copy Menduplikasi berkas yang sedang kita kerjakan
Download Mengunduh berkas yang kita kerjakan ke dalam komputer
Email as
Mengirimkan berkas spreadsheet sebagai lampiran email
attachment
Memungkinkan kita mengerjakan spreadsheet secara offline
Make available dan data yang dimasukkan akan sinkron saat kondisi online.
offline Namun, apabila berkas telah dibagikan ke orang lain maka
hanya bisa dikerjakan secara online
Version history Melihat setiap riwayat pengubahan data yang sebelumnya
Rename Mengubah nama berkas spreadsheet
Memindahkan berkas spreadsheet ke direktori lain dalam
Move
Google Drive
Menghapus berkas spreadsheet tapi masih bisa ditemukan di
Move to trash tempat sampah (trash) dalam Google Drive sehingga bisa
dikembalikan lagi
Publish to the Berkas kita dapat dimasukkan ke dalam sebuah web dengan
web memanfaatkan embed link yang sudah disediakan
Email Mengirimkan pesan kepada teman yang ikut tergabung dalam
collaborators kolaborasi pengerjaan berkas spreadsheet
Memperlihatkan detail dari berkas spreadsheet yang sedang
Document dikerjakan seperti direktori penyimpanan berkas, pemilik
details berkas, tanggal berkas dibuat, dan tanggal berkas
dimodifikasi
Mengubah pengaturan pada Spreadsheet seperti zona waktu,
Spreadsheet
bahasa, dan lainnya
Print Digunakan untuk mencetak berkas spreadsheet
Edit
Dalam menu Edit, kita akan menemui beberapa sub-menu sebagai berikut:

Nama
Kegunaan
Menu
Undo Mengembalikan ke kondisi perubahan data terakhir
Membatalkan perintah undo atau kembali ke kondisi sebelum
Redo
perintah Undo
Cut Memindahkan isi data dari suatu sel
Copy Menduplikasi isi data dari suatu sel
Menampilkan data hasil duplikat atau pemindahan yang dilakukan
Paste
sebelumnya
Menampilkan data hasil duplikat atau pemindahan dengan
Paste
pemilihan tertentu, misal hanya nilainya saja (value only), format
special
penulisannya saja (format only), dan lainnya
Find and Mencari data tertentu pada suatu sel dan menggantinya dengan
replace masukan baru
Delete Hanya menghapus nilai baik berupa angka maupun kata yang
value berada dalam sebuah sel (tanpa mempengaruhi format penulisan)
Delete
Menghapus data yang terdapat pada sebuah baris yang diinginkan
row
Delete
Menghapus data yang terdapat dalam sebuah kolom
column
Delete
Menghapus data dalam sebuah sel dan data di bawahnya akan
cells and
otomatis bergeser ke atas
shift up
Delete
Menghapus data dalam sebuah sel dan data di sebelah kanannya
cells and
akan otomatis bergeser ke kiri
shift left
Clear
Menghilangkan catatan yang ada di sel terpilih
notes
Remove
Menghilangkan checkbox yang ada di sebuah sel
checkbox
View

Selanjutnya kita beralih ke menu View. Dalam menu view terdapat sub lainnya
sebagai berikut:

Nama
Kegunaan
Menu
Membuat baris atau kolom yang dibekukan akan terlihat
Freeze
walaupun kita scroll ke bawah atau samping
Gridlines Menampilkan garis khayal sel di berkas spreadsheet
Protected Menampilkan sel mana yang terproteksi dan membutuhkan hak
range akses untuk mengubahnya
Formula Menampilkan bar khusus untuk formula atau rumus yang dibuat
bar dalam sebuah sel
Show
Menampilkan formula yang dibuat dalam sebuah sel
formula
Hidden
Menampilkan sheet yang disembunyikan
sheets
 Nama
Kegunaan
Menu
Zoom Memperbesar tampilan spreadsheet
Full screen Menampilkan spreadsheet dalam satu layar penuh

Berikut lanjutan dari materi sebelumnya mengenai elemen yang ada pada Menu Bar
Spreadsheet,
Insert
Dalam menu Insert, kita dapat memasukkan beberapa komponen mulai dari baris
dan kolom baru hingga membuat diagram. Berikut uraian selengkapnya:

Nama Menu Kegunaan

Row above Memasukkan baris baru di atas sel yang sedang dipilih.
Row below Memasukkan baris baru di bawah sel yang sedang dipilih.
Column left Memasukkan kolom baru di samping kiri sel yang sedang dipilih.
Column right Memasukkan kolom baru di samping kanan sel yang sedang dipilih.
Cells and shift Menambahkan sel baru dengan menggeser ke bawah dari sel yang aktif saat itu.
down
Cells and shift Menambahkankan sel baru dengan menggeser ke kanan dari sel yang aktif saat itu.
right
Chart Membuat grafik atau diagram berdasarkan data yang dibuat.
Image Memasukkan gambar ke dalam sel yang aktif saat itu.
Drawing Memasukkan objek sederhana seperti garis, bangun sederhana, dan lainnya layaknya
menu autoshapes pada Microsoft Word.
Form Mengintegrasikan spreadsheet dengan google form.
Function Memasukkan rumus atau fungsi yang digunakan dalam spreadsheet.
Insert link Memasukkan tautan ke dalam sel.
Checkbox Membuat checkbox dalam sebuah sel.
Comment Memberi komentar pada sel yang dipilih yang sangat berguna apabila berkolaborasi
dengan orang lain.
Note Untuk membuat catatan pada sel tertentu. Bedanya dengan comment adalah untuk note
hanya pemilik spreadsheet sendiri yang bisa melihat.
Format
Menu selanjutnya yaitu Format. Dalam menu ini kita dapat mengatur seperti format
penulisan, paragraf dan lainnya. Berikut penjelasan selengkapnya.

Nama Menu Kegunaan

Theme Mengatur tema tampilan grafik yang akan dibuat nantinya.
Number Mengatur segala sesuatu yang berhubungan dengan penulisan angka seperti mata
uang, tanggal, persen, dan lainnya.
Bold Membuat angka atau kata yang terdapat dalam sel menjadi tebal.
Italic Membuat angka atau kata yang terdapat dalam sel menjadi miring.
Underline Membuat angka atau kata yang terdapat dalam sel menjadi bergaris bawah.
Strikethrough Membuat angka atau kata yang terdapat dalam sel menjadi tercoret.
Font size Mengubah ukuran font.
Align Mengubah format penulisan seperti rata kanan, tengah, dan kiri.
Merge cells Menggabungkan beberapa sel menjadi satu sel.
Text wrapping Membuat penulisan teks yang panjang menjadi beberapa baris dan bisa terbaca dalam
1 kolom.
Text rotation Mengubah orientasi posisi dari teks dalam sebuah sel.

Conditional Melakukan format penulisan secara kondisional.

formatting
Alternating Colors Memberikan warna ke dalam satu atau beberapa sel sesuai pola dan ketentuan warna
yang ada.
Clear formatting Menghilangkan semua format penulisan dalam sebuah sel, misal tebal, miring, dan
sebagainya.
Data
Lanjut ke menu berikutnya yaitu Data. Dalam menu ini terdapat berbagai perintah
untuk mengatur segala hal yang berkaitan dengan data. Berikut uraiannya:
 Nama Menu Kegunaan
Sort sheet by Menyortir data yang berada dalam sebuah sheet dalam sebuah kolom yang dipilih secara
column (A-Z) menaik (dari kecil ke besar).
Sort sheet by Menyortir data yang berada dalam sebuah sheet dalam sebuah kolom yang dipilih secara
column (Z-A) menurun (dari besar ke kecil).
Sort range Menyortir data yang ada dalam sel terpilih dengan parameter tertentu (menaik atau
menurun).
Create filter Mengurutkan dan mengelompokkan data yang dipilih dengan parameter tertentu.
Filter views Mempermudah memantau pengurutan data sehingga lebih praktis penggunaannya.
Slicer Mengatur data yang ada dalam sebuah tabel pivot. Penggunaan slice dapat memudahkan
ubah data pivot dan chart dengan hanya sekali klik. Selain itu penggunaan slicer juga
sangat membantu dalam membuat dashboard laporan.
Data validation Memeriksa data yang dimasukkan sudah benar atau tidak. Misal data dari A1 sampai
A10 ingin diketahui ada berapa angka yang lebih dari 5. Maka kita dapat menggunakan
data validation dengan tipe number dengan rentang angka 1 sampai 5. Apabila terdapat
data yang nilainya lebih besar dari 5 maka di pojok kanan atas terdapat penanda bahwa
nilai dari sel tersebut melebihi data yang diinginkan.
Pivot table Membuat sebuah pivot table yang berguna untuk analisis suatu data yang banyak.
Randomize Membuat pengurutan data secara acak.
range
Named ranges Mengkategorikan baris atau kolom dalam sebuah rentang (range) dengan nama tertentu.
Protected Mengunci sel tertentu dan membatasi pengguna lain untuk melihat data yang terproteksi.
sheets and
ranges
Split text to Memecah beberapa data dalam sebuah sel menjadi beberapa kolom. Misal A,B,C,D.
column Keempat data tersebut akan dipecah menjadi 4 kolom berdasarkan separator yang
memisahkan antara data satu dengan lainnya.
Remove Memeriksa dan menghapus duplikasi data yang berada dalam rentang sel tertentu.
duplicates
Trim Memangkas spasi (whitespace) apabila terdapat data yang kelebihan spasi di awal atau
whitespace akhir penulisannya.
Group Mengelompokkan data dalam baris atau kolom ke dalam grup tertentu.
Ungroup Membatalkan proses pengelompokkan data dari suatu baris atau kolom tertentu.
Tools
Menu berikutnya adalah Tools yang berisi sub menu lainnya sebagai berikut:

Nama Menu Kegunaan

Create a form Membuat google form baru yang data masukannya akan terekam dalam sheet baru
yang otomatis terbuat.
Script editor Membuat kustomisasi formula pada perhitungan rumus Google Sheets.
Macros Merekam duplikasi dari serangkaian interaksi UI tertentu yang kita terapkan dan
menyimpannya dengan tombol pintasan tertentu. Kita dapat menggunakan pintasan
untuk mempercepat menjalankan kembali langkah-langkah makro yang tepat sesuai
kebutuhan.
Spelling Memeriksa penulisan teks dan menyesuaikan dengan pengaturan bahasa yang
digunakan.
Enable Memberikan saran penulisan sehingga apabila kita mengetik kata, otomatis akan
autocomplete muncul saran tertentu. Apabila kita setuju dengan saran tersebut maka langsung tekan
enter.
Notification rules Apabila diaktifkan maka muncul notifikasi sesuai pengaturan yang dipilih. Misal
terdapat notifikasi setiap perubahan yang ada pada berkas spreadsheet tersebut.
 Nama Menu Kegunaan
Protect sheet Apabila berkas spreadsheet dibuka oleh pengguna lain dan mengarah ke sheet yang
terproteksi maka akan muncul peringatan tertentu. Sebagai pemilik sheet, Anda dapat
memberikan hak akses tertentu terhadap siapa saja yang ingin membuka sheet
tersebut.
Accessibility Mengaktifkan screen reader atau kaca pembesar yang membantu pengguna untuk
settings memahami isi spreadsheet.

Add-ons

Dalam Google Sheets kita juga diizinkan untuk menambahkan alat tambahan yang
dapat membantu pengerjaan spreadsheet lebih mudah dan efektif.
Help

Dalam menu help kita dapat memberikan feedback apabila ada saran
pengembangan Google Sheets, bantuan apabila mengalami kesulitan, petunjuk
untuk pintasan keyboard, dan lain sebagainya.

Baris dan Kolom

Pada materi sebelumnya kita telah mempelajari navigasi pada Google Sheets. Nah,
sekarang yuk bermain dengan baris dan kolom dengan memanfaatkan contoh data
spreadsheet yang sudah ada. Contoh data dapat diunduh disini sample file.

Dalam percobaan kali ini kita menggunakan data sederhana yang terdiri dari 10
baris saja. Kita dapat memasukkan file tersebut dengan cara Import seperti berikut:
1. Klik File - Import pada menu bar Google Sheets
2. Selanjutnya pilih berkas yang ingin ditambahkan dan muncul jendela berikut

Pada gambar di atas terdapat tiga pilihan dengan fungsi masing-masing yaitu,
- Create new spreadsheet : menambahkan contoh berkas pada spreadsheet
baru.
- Insert new sheet(s) : menambahkan contoh berkas menjadi sheet baru
dalam spreadsheet yang sedang aktif.
- Replace spreadsheet : Menggantikan spreadsheet yang sedang aktif
dengan contoh berkas yang ditambahkan.
 Maka dari itu kita pilih Insert new sheet supaya tidak perlu membuat berkas
baru.
3. Apabila data sudah dimasukkan, maka tampilannya sebagai berikut:

Jangan ditutup dulu berkasnya ya. Kita masih menggunakan lagi di uraian
berikutnya.

Menyisipkan Kolom
Saat ini Anda sudah memiliki 10 baris contoh data. Bagaimana caranya apabila kita
ingin menambahkan kolom baru dengan nama city di antara gender dan country?
Berikut langkah langkah-langkahnya.

1. Sorot salah satu kolom. Misalnya di sini kita memilih kolom gender. Karena
gender berada di kolom D, maka klik kolom tersebut sehingga semua kolom
D tersorot.

2. Klik kanan pada kolom gender tersebut kemudian pilih Insert 1 right karena

kolom city yang ingin kita buat posisinya setelah kolom gender dan sebelum
 kolom country.

3. Hasilnya adalah kolom baru di antara gender dan country. Lalu kita dapat

mengisi data pada kolom city.

Kita telah berhasil menyisipkan kolom baru pada contoh data yang ada.

Menghapus Kolom
Kita tidak sengaja membuat kolom baru dan ingin menghapusnya. Misalkan pada
contoh data sebelumnya kita ingin menghapus kolom Date. Bagaimana caranya?
 1. Karena date berada di kolom H, klik kolom tersebut sehingga semuanya
tersorot.

2. Klik kanan pada kolom date tersebut kemudian pilih Delete Column.

3. Sehingga data ID akan bergeser ke kiri seperti berikut.

Kita telah berhasil menghapus kolom date dari contoh data di atas.

Menyisipkan Baris
Sebelumnya kita membahas tentang menyisipkan dan menghapus kolom.
Selanjutnya kita bermain dengan baris dari contoh data yang ada. 

Bagaimana caranya jika kita ingin menyisipkan nama George di baris ke-5 setelah
nama Philip? Masih menggunakan contoh data terakhir di atas, mulai dengan
langkah berikut.
 1. Berdasarkan spreadsheet, Philip berada di baris ke-4. Karena itu klik baris
tersebut sehingga semua baris ke-4 tersorot.

2. Klik kanan pada baris nama Philip tersebut kemudian pilih Insert 1

below karena nama George yang ingin kita buat posisinya setelah Philip dan
sebelum Kaithleen.

3. Sehingga menghasilkan baris baru di antara Philip dan Kaithleen. Lalu kita
dapat mengisi data George pada baris baru tersebut.

Kita telah berhasil membuat baris baru dengan nama George pada data contoh di
atas.
Menghapus Baris
Yeay, kita sudah bisa menghapus kolom. Saat ini kita akan beralih ke menghapus
baris. Coba kita hapus kembali baris George yang sudah kita buat sebelumnya.
Langsung simak uraian berikut ini.

Kita tidak sengaja membuat baris baru dan ingin menghapusnya. Misalkan pada
contoh data sebelumnya kita ingin menghapus baris George. Bagaimana caranya?

1. Karena date berada di baris ke-5, klik baris tersebut sehingga semuanya
tersorot.

2. Klik kanan pada baris George tersebut kemudian pilih Delete Row.

3. Sehingga data Kaithlenn akan bergeser ke atas seperti berikut.

Kita telah berhasil menghapus baris George dari contoh data di atas.
Sortir Data
Tahukah Anda tentang sortir data di Google Sheets? Fitur ini berguna untuk
mengurutkan data yang kita miliki supaya lebih tertata rapi.

Terdapat faktor yang harus didefinisikan di awal sebelum melakukan sortir data, di
antaranya seperti:

 Manakah kolom yang harus disortir?

Tentukan terlebih dahulu data yang ingin disortir. Misalnya kita ingin
mengurutkan data dari tabel penjualan barang berdasarkan jumlah produk
yang terjual.
 Bagaimana metode mengurutkannya?
Selanjutnya Anda dapat menentukan metode dalam proses sortir. Misalnya,
Anda ingin mengurutkan data dari tabel penjualan mulai dari produk yang
paling banyak terjual hingga yang paling sedikit.

Kunci dalam proses sortir adalah memastikan bahwa seluruh data yang ingin disortir
telah terpilih. Setiap baris dalam berkas spreadsheet dapat mewakili penjualan
produk kepada pelanggan. Kemudian, setiap kolom atribut akan mencatat detail
misalnya seperti jumlah produk terjual penjualan, waktu dibuat, alamat pelanggan,
dan lain-lain.

Masih bingung tentang sortir data? Simak penerapan sortir data pada uraian di
bawah ini:

1. Unduh berkas contoh data penjualan yang ingin kita sortir di sini.
2. Selanjutnya lakukan import contoh data tersebut ke dalam Google Sheets.
3. Sehingga tampilannya menjadi seperti berikut.
 4. Sorot terlebih dahulu semua data yang ada di Spreadsheet tersebut
kemudian pilih Data - Sort Range.

Sebelum ke langkah selanjutnya, tentukan terlebih dahulu data yang ingin kita
urutkan. Misal kita telah membuat kondisi sebagai berikut:

 Mengurutkan data berdasarkan nama pelanggan secara menaik (A-Z).

 Mengurutkan data berdasarkan nama pelanggan dan nama item yang dibeli
dari pelanggan tersebut (A-Z).

Mengurutkan berdasarkan nama pelanggan (satu kondisi)

1. Untuk menyelesaikan kondisi pertama, perhatikan pengaturan sort range di

bawah ini:
 Centang has header row untuk mempermudah penentuan pengelompokkan
data. Pada data penjualan di atas terdapat judul kategori masing-masing
seperti order date, region, customer’s name, dan seterusnya yang mewakili
setiap isi data di bawahnya.
2. Nah, pada kondisi kali ini kita akan mengurutkan data berdasarkan nama
pelanggan sesuai urutan abjad menaik (A-Z). Maka kita mengisi kondisi Sort
by dengan Customer’s Name dan diakhiri dengan klik Sort. Sehingga hasil
pengurutan data berdasarkan nama pelanggan secara menaik (A-Z) menjadi
 sebagai berikut:

3. Data di atas menunjukkan nama pelanggan sudah terurut secara menaik

sesuai abjad (A-Z). Bukan namanya saja yang berubah urutannya sesuai
abjad, tetapi data yang melekat pada nama pelanggan tersebut juga ikut
menyesuaikan.

Mengurutkan berdasarkan nama pelanggan dan item (dua kondisi)

Selanjutnya kita ingin mengurutkan data berdasarkan nama pelanggan dan item
yang dibeli. Apabila sebelumnya hanya menggunakan satu kondisi yaitu
berdasarkan nama pelanggan saja, saat ini kita tambahkan lagi kondisi lainnya yaitu
item. Sehingga data yang diurutkan adalah berdasarkan nama pelanggan dan item.
1. Sorot kembali semua data yang ada, kemudian pilih menu Data - Sort
Range.
2. Sesuaikan pengaturan pada sort range sesuai dengan data yang ingin
diurutkan dalam hal ini berdasarkan nama pelanggan dan item seperti berikut:

3. Pada kondisi pertama urutkan berdasarkan nama pelanggan berarti kita

mengisi sort by dengan Customer’s Name. Kemudian tambahkan kondisi
baru dengan klik Add another sort column dan isikan dengan Item.
Sehingga alur sortirnya dimulai berdasarkan nama pelanggan terlebih dahulu
kemudian itemnya.
 4. Setelah selesai pilih Sort kemudian menampilkan hasil sebagai berikut:

Dari gambar di atas dapat dilihat bahwa metode pengurutan pertama adalah
berdasarkan nama kemudian item. Misalnya Andrews pernah membeli binder
dan pencil. Sedangkan Gill membeli Binder, pen, dan pencil. Karena abjad
nama Andrew (A) lebih dulu dari Gill (G) maka Andrews berada di urutan
pertama. Urutkan item yang dibeli Andrew menurut abjad mulai dari binder (b)
hingga pencil (p). Setelah mengurutkan item yang dibeli Andrews, barulah
menuju Gill dengan urutan item yang dibeli mulai dari binder hingga pencil.

Penyaringan Data
Pada sortir data kita hanya mengurutkan data berdasarkan kondisi yang ditentukan.
Lalu, bagaimanakah cara untuk menampilkan siapa saja yang membeli produk
pensil?  

Dari kondisi tersebut maka kita perlu menggunakan salah satu fitur spreadsheet
yaitu penyaringan (filter). Untuk memperdalam pemahaman tentang penyaringan
data, mari kita mulai penerapannya pada contoh data penjualan sebelumnya.

1. Pertama tentukan data apa yang ingin Anda ketahui. Misalnya kita ingin
melihat dan menampilkan data pelanggan yang membeli pensil.
2. Sorot semua data dengan Ctrl + A, kemudian pilih menu Data - Create a
filter.
3. Setelah itu Anda akan melihat ikon kecil di sebelah kanan kategori data.
4. Klik ikon kecil di samping kategori item dan centang pencil.
5. Setelah itu klik OK. Berikut inilah hasilnya:

6. Apa itu Formula?

7. Sebelum memulai pembahasan mengenai formula, ada baiknya kita
menyegarkan ingatan tentang materi yang sudah dipelajari sebelumnya. Pada
dasar spreadsheet kita telah belajar tentang navigasi hingga penyaringan
data (filter). Namun, bagaimana jika kita ingin menganalisis data? Pasti dalam
prosesnya tidak lepas dari perhitungan matematis dalam spreadsheet
tersebut. Nah, di sinilah pentingnya formula yang dapat membantu kita dalam
perhitungan tersebut mulai dari yang sederhana seperti penjumlahan, rata-
rata hingga data yang kompleks.
8. Formula merupakan sebuah langkah atau rumus untuk melakukan
perhitungan matematis sehingga mendapatkan nilai tertentu. Istilah formula
sendiri sudah sangat umum ditemui dalam aplikasi spreadsheet seperti
Microsoft Excel, LibreOffice Calc, dan Google Spreadsheet. Dengan formula
kita akan terbantu dan lebih cepat menghitung data. Formula tidak hanya
berjalan di antar sel dalam satu sheet saja. Namun, bisa berjalan di antar sel
dalam sheet yang berbeda bahkan antar sel dalam berkas spreadsheet yang
berbeda.
9.
10. Referensi Sel
11. Sebuah formula pasti merujuk pada sebuah alamat sel tertentu. Nah, rujukan
alamat bisa disebut dengan referensi sel. Contoh sederhananya apabila kita
ingin mengetahui jumlah nilai dari dua alamat sel, maka kita bisa
 menggunakan rumus penjumlahan sederhana seperti berikut.

12. Bagian A, B, C, dan seterusnya yang terbentang secara horizontal disebut

kolom. Sedangkan 1, 2, dan 3 yang membentang vertikal disebut baris.
Gambar di atas juga menjelaskan bahwa terdapat data pada sel A1 bernilai 4
dan sel A2 bernilai 3. Kemudian kita ingin mengetahui hasil penjumlahannya
pada sel A3. Mulailah dengan tanda “=” diikuti dengan alamat sel A1 + A2.
Sehingga menghasilkan nilai baru yaitu 7 pada sel A3.

13. Apabila nilai dari salah satu sel referensi sel A1 atau A2 diubah maka secara
otomatis hasil penjumlahan di sel A3 juga berubah. Sehingga, jika kita
merubah referensi sel, maka nilai yang tampil sebagai output di sel lain yang
berisi rumus juga berubah. Berhati-hatilah dalam mengganti referensi sel
yang berkaitan dengan rumus atau formula tertentu. Ini berlaku untuk semua
 penggunaan rumus yang ada di spreadsheet ya.

14. Dengan menggabungkan operator matematika dengan referensi sel, Anda

dapat menerapkannya di rumus lainnya dalam Google Spreadsheet. Formula
atau rumus juga dapat menyertakan kombinasi referensi sel dan angka,
misalnya:

Penulisan rumus Keterangan

A1+A2 Menjumlahkan alamat sel A1 dan A2
A1-A2 Nilai pada sel A1 dikurangi dengan nilai pada sel A2
A1/2 Nilai pada sel A1 dibagi dengan 2
A1*3 Nilai pada sel A1 dikali dengan 3
A1^2 Nilai pada sel A1 dipangkatkan 2

Operator pada Spreadsheet

Penggunaan operator matematika erat kaitannya dengan perhitungan entah itu
penjumlahan, pengurangan, dan lainnya. Begitu pula dengan perhitungan dalam
Google Spreadsheet. Operator juga selalu digunakan dalam penulisan rumus. 

Penggunaan operator dalam spreadsheet baik itu Microsoft Excel, Google

Spreadsheet, maupun lainnya, mengikuti aturan urutan umum perhitungan
matematika. Misalnya operator perkalian dan pembagian akan berjalan lebih dulu.
Baru setelahnya operator penjumlahan dan pengurangan. Setiap penulisan formula
dalam spreadsheet pun pasti diawali dengan tanda “=” . 

Berikut macam-macam operator yang digunakan:

Operator Aritmatika
Operator aritmatika atau matematika digunakan pada aplikasi Spreadsheet untuk
melakukan operasi matematika dasar, seperti penambahan, pengurangan,
perkalian, atau pembagian. Selain itu dapat digunakan untuk menghitung nilai
pangkat atau persen.
 Operator Kegunaan
+ Penjumlahan
- Pengurangan
/ Pembagian
* Perkalian
^ Pangkat
% Persen atau modulus

Operator Perbandingan
Dalam spreadsheet biasanya kita menggunakan jenis operator perbandingan untuk
fungsi-fungsi logika seperti IF, OR, AND, dan NOT. Hasilnya adalah kondisi
nilai True atau False. Contohnya sebagai berikut:

Operator Kegunaan
= Sama dengan ...
> Lebih dari ...
>= Lebih dari atau sama dengan ...
<= Kurang dari atau sama dengan ...
<> Tidak sama dengan ...

Operator Text
Selanjutnya ada jenis operator teks. Tahukah Anda kapan jenis operator text
digunakan? Operator text yang dimaksud adalah ampersand (“&”) yang berfungsi
untuk menggabungkan beberapa string text menjadi satu string tunggal. Ia biasanya
menggunakan formula Concatenate.

Operator Referensi
Apakah Anda familiar dengan operator referensi dalam spreadsheet? Sebenarnya
secara tidak langsung kita telah menerapkan operator ini saat menulis rumus yang
berhubungan dengan beberapa sel. Misal rumus total =SUM(A1:A5) maka
penjumlahan dilakukan mulai dari sel A1 hingga A5. Sehingga bisa disimpulkan
bahwa operator referensi dalam spreadsheet berguna untuk menunjukkan lokasi sel
yang digunakan dalam penerapan sebuah rumus atau range data. Berikut macam-
macam operator referensi yang sering digunakan dalam spreadsheet:

Operator Kegunaan
Biasa disebut dengan operator range yang berfungsi untuk menghasilkan satu
“:” (Titik dua) referensi ke semua sel yang ada di antara dua referensi. Misalnya, sel A1:A10
artinya data terpilih adalah A1, A2, A3, A4, … , A10.
Disebut juga dengan operator union yang berfungsi untuk menggabungkan beberapa
“;” (titik
referensi rentang sel menjadi satu. Misalnya, A1:A3;B3:B6;A4. Referensi sel tidak
koma/semicolon)
harus rentang data tetapi bisa menggunakan sel tunggal juga.
“ “ (Spasi) Bisa disebut juga dengan operator titik potong yang berfungsi untuk menunjukkan
 Operator Kegunaan
irisan dari dua referensi sel. Misalnya A1:A5 A1:C3. Sehingga titik temu referensi
tersebut ada di sel A1. A1 rentang datanya sampai A5 dan juga C3.

Elemen Formula dalam Spreadsheet

Pernahkah Anda menulis sebuah fungsi sederhana dalam aplikasi spreadsheet?
Pada materi sebelumnya kita sudah berkenalan dengan apa itu formula, referensi
sel, dan operator yang biasanya digunakan dalam spreadsheet. Nah, kini saatnya
mulai menulis formula. Tapi sebelum kita mulai menulis formula, ada baiknya kita
mempelajari dulu elemen-elemen dalam sebuah formula.

Penulisan formula dalam spreadsheet diawali dengan tanda sama dengan “=”.
Sedangkan untuk bagian-bagian dalam sebuah formula yaitu:

 Fungsi
 Referensi sel (single/range)
 Operator
 Konstanta

Untuk memperjelas setiap elemennya, langsung lihat penjabarannya berdasarkan

gambar di bawah ini.

Sama dengan (“=”)

Tanda sama dengan “=” merupakan elemen yang paling awal ditulis dalam sebuah
formula apa pun sebelum lanjut ke elemen lainnya.

Fungsi
Fungsi merupakan sebuah penamaan yang telah ditentukan untuk melakukan
kalkulasi data berdasarkan susunan argumen dalam aplikasi spreadsheet. Misal, kita
ingin menghitung rata-rata menggunakan fungsi AVERAGE, total data
menggunakan fungsi SUM, dan lainnya yang akan dijelaskan lebih lanjut di materi
berikutnya.
Referensi Sel
Telah disinggung di penjelasan sebelumnya bahwa referensi sel merupakan acuan
sebuah sel atau range dalam aplikasi spreadsheet, mulai dari sheet yang sama
hingga berbeda berkas atau workbook. Pada contoh gambar di atas terdapat dua
jenis referensi sel yaitu range yang ditunjukkan dengan (A1:A5) dan single sel yang
ditunjukkan dengan alamat sel B1.

Operator
Masih ingat apa itu operator dalam spreadsheet? Operator juga termasuk salah satu
elemen dalam penulisan formula spreadsheet. Seperti yang dijelaskan pada materi
sebelumnya, ada banyak jenis di dalam operator, yaitu seperti operator aritmatika,
perbandingan, teks, dan referensi. Pada contoh gambar penulisan formula di atas
menggunakan dua jenis operator yaitu operator aritmatika dan operator referensi.
Operator aritmatika terdapat pada tanda pembagian (“/”) dan perkalian (“*”).
Sedangkan operator referensi merujuk pada (A1:A5).

Konstanta
Konstanta merupakan nilai masukan yang bukan berasal dari perhitungan karena
nilainya selalu sama dan tidak pernah berubah. Bentuk dari konstanta bisa berupa
teks atau angka, misalnya dalam contoh di atas konstanta ditunjukkan dengan
angka 2.

Fungsi Dasar dalam Spreadsheet

Setelah kita mengetahui tentang elemen yang terdapat dalam formula spreadsheet,
saatnya kita belajar tentang macam-macam formula dan juga cara penulisannya.
Sebelumnya buat contoh data sederhana berisi angka sebagai berikut:

Berdasarkan contoh di atas kita akan menerapkan fungsi dasar spreadsheet. Berikut
uraian lengkapnya.

Catatan:  Jika Anda mencoba menerapkan rumus misalnya

seperti =SUMIF(range,”kriteria”,sum_range) dan terjadi error atau tidak dapat
terbaca di Excel atau Spreadsheet, maka gunakan tanda titik koma (;) sehingga
menjadi =SUMIF(range;”kriteria”;sum_range). Hal tersebut disebabkan pengaturan
delimiter dari setiap komputer terkadang berbeda-beda.

SUM
Kita sering menemui rumus ini dalam spreadsheet. Rumus SUM dapat membantu
untuk mendapatkan nilai total dari rentang sel yang dipilih. Penggunaannya dengan
cara menyorot semua baris atau kolom yang ingin diketahui jumlahnya.
Penulisannya sebagai berikut:

1. =SUM(data ke-1, data ke-2, …. , data ke-n)

Contoh kasus:

Bagaimana cara mengetahui total semua stok dan barang yang yang terjual
berdasarkan data penjualan ATK di atas?
Pertama kita menghitung total dari stok barang dengan rumus =SUM(B3:B12).
Sehingga sel yang dihitung mulai dari B3 hingga B12 menghasilkan nilai 2550.

Selanjutnya kita hitung jumlah barang yang terjual. Masih menggunakan rumus
fungsi yang sama yaitu =SUM(C3:C12)sehingga sel yang dihitung mulai dari C3
hingga C12 menghasilkan nilai 1150.
Berdasarkan perhitungan kita dapat mengetahui total stok barang adalah 2550 unit
dan total barang yang terjual adalah 1150 unit.

SUMIF
Selanjutnya kita membahas fungsi SUMIF. Fungsi ini berbeda dari SUM yang biasa
karena SUMIF ini berfungsi untuk menjumlahkan data dengan kriteria tertentu.
Penulisan fungsi dari SUMIF sebagai berikut:

1. =SUMIF(range,”kriteria”,sum_range)

Contoh kasus
Kita akan menggunakan contoh data di bawah ini:

Misalnya, kita ingin mengetahui berapa total buku tulis berdasarkan data di atas?

Jawab:

Berdasarkan contoh tabel data di atas, kita dapat menuliskan rumus SUMIF pada sel
G3 sebagai berikut:

Pada rumus di atas, range diisi dengan sel C3 sampai C12 yang merupakan
kumpulan nama barang yang terjual dari tanggal 01 Februari 2020 sampai 04
Februari 2020. Kemudian kriteria diisi dengan nama barang yang ingin dicari
jumlahnya dan dalam contoh ini menggunakan “Buku tulis”. Kriteria dapat diisi
dengan teks, angka, ataupun ekspresi. Sedangkan sum_range diisi dengan sel-sel
yang ingin dijumlahkan datanya yang ditunjukkan pada sel D3 sampai D12.
Sehingga menghasilkan total buku tulis yang terjual adalah 295 unit.

SUMIFS
Kemudian ada lagi fungsi yang bernama SUMIFS. Tahukah Anda perbedaan antara
SUMIF dan SUMIFS? Secara penggunaan sama yaitu untuk menjumlahkan data
dengan kriteria tertentu. Apabila SUMIF hanya bisa menggunakan satu kriteria saja,
pada SUMIFS kita bisa menggunakan lebih dari satu kriteria. Penulisannya sebagai
berikut:

1. =SUMIFS(sum_range, kriteria_range1, “kriteria1”, kriteria_range2, “kriteria2”, dan seterusnya)

Contoh kasus:

Masih menggunakan contoh data di bawah ini:

Kali ini kita ingin mengetahui berapa total buku tulis yang terjual dari tanggal 01
Februari 2020 sampai 02 Februari 2020?

Jawab:

Berdasarkan contoh tabel data di atas, kita dapat menuliskan rumus SUMIF pada sel
G3 sebagai berikut:

1. =SUMIFS(D3:D12,C3:C12,"Buku tulis",B3:B12,">=01/02/2020",B3:B12,"<=02/02/2020")

Pada contoh penjelasan gambar dan rumus di atas, sum_range diisi dengan sel sel
yang ingin dijumlahkan datanya. Kriteria_range1 berisi nama barang yang
ditunjukkan oleh sel C3 sampai C12. Kriteria1 yang ingin kita cari adalah Buku tulis
dan Kriteria2 yang kita cari adalah buku tulis yang terjual pada atau setelah tanggal
01 Februari 2020 dan yang terjual pada atau sebelum tanggal 02 Februari 2020.
Sehingga buku tulis yang terjual sejumlah 175 unit.
AVERAGE
Masih ingatkah Anda dengan rata-rata aritmatika? Fungsi AVERAGE sama dengan
rata-rata aritmatika yang menjumlahkan semua data kemudian dibagi dengan jumlah
data yang ada. Penggunaannya hampir sama dengan rumus SUM yaitu sebagai
berikut:

1. =AVERAGE(data ke-1, data ke-2, … , data ke-n)

Contoh kasus:

Bagaimana jika kita ingin mengetahui berapa rata-rata dari semua barang yang
terjual dalam tabel data penjualan ATK?

Kita dapat menghitung rata-rata jumlah semua barang yang terjual dengan
rumus =AVERAGE(C3:C12)sehingga sel yang dihitung mulai dari C3 hingga C12
menghasilkan nilai 115.
Berdasarkan perhitungan kita dapat mengetahui rata-rata dari semua barang yang
terjual adalah 115 unit.

COUNT
Count merupakan fungsi yang dapat menghitung jumlah sel terpilih dalam rentang
tertentu yang berisi nilai numerik. Penggunaan fungsi COUNT sebagai berikut:

1. =COUNT(data ke-1, data ke-2, … , data ke-n)

Contoh kasus:
Dalam contoh penggunaan COUNT, kita modifikasi sedikit tabel data penjualan ATK
untuk memperjelas penggunaan fungsi ini. Contoh perubahannya sebagai berikut:

Pertanyaannya adalah bagaimana kita mengetahui jumlah produk yang berhasil

terjual berdasarkan kolom terjual?
Kita mulai dengan menuliskankan rumus =COUNT(C3:C12) pada sel C13. Lebih
jelasnya bisa dilihat pada gambar di bawah ini.
Berdasarkan perhitungan di atas kita dapat mengetahui barang yang berhasil terjual
ada 8 jenis. Apakah Anda tahu kenapa hasilnya 8? 

Pada fungsi COUNT hanya menghitung nilai numerik (hanya angka saja) sehingga
data yang berupa non-numerik dan sel kosong akan dilewati.

COUNTA
Sama seperti COUNT, COUNTA dapat menghitung jumlah sel terpilih dalam rentang
tertentu. Namun bedanya dalam COUNTA kita dapat menghitung semua sel yang
terpilih, tak peduli apa pun jenis data yang ada di dalamnya (angka, teks, tanggal,
kondisi benar atau salah, hingga kesalahan perhitungan). Tetapi terdapat satu yang
dilewati dalam perhitungan COUNTA yaitu sel yang kosong. Penggunaan rumus
COUNTA sebagai berikut:

1. =COUNTA(data ke-1, data ke-2, … , data ke-n)

Contoh kasus:
Pada contoh kasus ini kita masih menggunakan tabel sebelumnya yang digunakan
untuk fungsi COUNTA.

Pertanyaannya adalah bagaimana kita mengetahui berapa jenis barang yang terjual
berdasarkan kolom terjual? (termasuk yang belum terjual dan sel tidak kosong).

Kita lakukan hal yang sama seperti fungsi sebelumnya, namun di sini menggunakan
rumus =COUNTA(C3:C12) pada sel C13. Untuk lebih jelasnya lihatlah gambar di
bawah ini.
Berdasarkan gambar di atas, COUNTA dari data terjual adalah 9 karena menghitung
semua jenis data hanya melewati sel yang kosong saja.

COUNTIF dan COUNTIFS

Tahukah Anda apa fungsi dari COUNTIF? COUNTIF sering digunakan untuk
menghitung banyaknya data pada kumpulan sel dengan kriteria tertentu. Sistematika
penulisannya sebagai berikut:

1. =COUNTIF(range,kriteria)

 Range : Data COUNTIF yang dihitung.

 Kriteria : Kondisi tertentu yang diinginkan untuk diketahui. Bisa berisi teks,
operasi logika, ataupun angka.

Sedangkan COUNTIFS berfungsi untuk menghitung banyaknya data pada kumpulan

sel berdasarkan kriteria (lebih dari satu). Sistematika penulisannya sebagai berikut:

1. =COUNTIFS(kriteria_range1,kriteria1, kriteria_range2, kriteria2, dan seterusnya)

 Kriteria_range1 : range pertama yang dihitung jumlah datanya.

 Kriteria1 adalah kondisi tertentu yang diinginkan untuk diketahui.
  Kriteria_range2,kriteria2 adalah kriteria atau kondisi berikutnya yang ingin
diketahui.

Contoh kasus:

Kita akan menggunakan contoh tabel berikut:

Berdasarkan tabel di atas, kita ingin mengetahui:

 Berapa orang yang berjenis kelamin laki-laki?

 Berapa orang yang berjenis kelamin laki-laki dan hobi bermain sepak bola?

Jawab:
Untuk mengetahui berapa orang yang berjenis kelamin laki-laki, kita dapat
menggunakan fungsi COUNTIF seperti berikut:

Penulisan fungsi yang digunakan =COUNTIF(C3:C12,"L")

Sedangkan untuk mengetahui berapa orang yang berjenis kelamin laki-laki dan
memiliki hobi sepak bola, kita dapat menggunakan fungsi COUNTIFS seperti berikut:

Penulisan fungsi yang digunakan =COUNTIFS(C3:C12,"L",D3:D12,"Sepak bola")

Berikut ini adalah lanjutan dari materi sebelumnya tentang fungsi dasar dalam
spreadsheet.

Min dan Max

Apakah Anda pernah menggunakan fungsi min max sebelumnya? Kedua fungsi ini
berguna untuk menentukan nilai terendah (MIN) dan tertinggi (MAX) dari suatu
rentang data yang terpilih. Contoh penggunaan rumus min max seperti berikut:

1. =MIN(data ke-1, data ke-2, …, data ke-n)

1. =MAX(data ke-1, data ke-2, …, data ke-n)

Contoh kasus:
Kita kembali menggunakan tabel data penjualan ATK di bawah ini untuk
menerapkan contoh kasus penggunaan Min Max.

Nah berdasarkan tabel di atas, apa yang kita lakukan jika ingin mengetahui barang
apa yang paling banyak dan paling sedikit terjual?

1. Pertama, untuk mengetahui barang apa yang paling banyak terjual gunakan
rumus =MAX(C3:C12).
 Rumus MAX di atas memilih rentang data mulai dari C3 hingga C12.
Sehingga dapat disimpulkan bahwa barang yang terjual paling banyak adalah
buku tulis sejumlah 300 penjualan.
2. Selanjutnya untuk mengetahui barang apa yang paling rendah penjualannya,
carilah nilai minimal. Rumus yang dapat diterapkan adalah =MIN(C3:C12).
 Rumus MIN di atas memilih rentang data mulai dari C3 hingga C12.
Kesimpulannya, barang yang terjual lebih sedikit dibanding yang lain adalah
rautan pensil, tempat pensil, dan gunting dengan jumlah masing-masing
sebanyak 50 penjualan.

Trim
Selanjutnya fungsi TRIM digunakan untuk menghilangkan ruang kosong yang tidak
dibutuhkan pada sebuah teks. Fungsi ini hanya berjalan pada sel tunggal bukan
rentang sel. Penggunaan rumusnya adalah sebagai berikut:

1. =TRIM(teks)

Contoh kasus:
Untuk menerapkan fungsi TRIM, kita gunakan contoh kasus dengan data seperti
berikut:

Terlihat pada contoh di atas bahwa data yang ada terlalu banyak spasi dan tidak
rapi. Di sinilah kegunaan fungsi TRIM. Terapkan rumus =TRIM(A2) pada sel B2
sebagai berikut:

Hasilnya setelah menggunakan fungsi TRIM, data yang dihasilkan pun menjadi
lebih rapi. Tampilan akhirnya sebagai berikut:
Replace
Selanjutnya terdapat fungsi Replace. Tahukah Anda apakah fungsi Replace dalam
spreadsheet? Replace dapat digunakan untuk mengganti string baik berupa angka
maupun teks biasa. Sistematika penulisan Replace sebagai berikut:

1. =REPLACE(text, position, length, new_text)

Contoh kasus:

Pada contoh data di atas, terdapat 3 data yang ingin kita ganti, yaitu:

 Buka diganti menjadi Buku
 Saya membaca buku diganti menjadi Saya menulis buku
 Saya123 diganti menjadi Aku123

1. Untuk contoh pertama kita menerapkan fungsi sebagai berikut pada sel B2

Berikut penjelasannya sesuai sistematika penulisannya:

o Text : Dapat diisi dengan teks secara langsung atau alamat sel. Dalam
contoh di atas menggunakan alamat sel A2.
o Position : Posisi atau urutan dari huruf yang ingin diganti. Dalam hal
ini huruf “a” yang ingin kita ganti berada diurutan ke 4 dari kata “Buka”
o Length : Panjang karakter yang ingin kita ganti. Karena yang ingin kita
ganti hanya huruf “a” saja berarti kita isi dengan 1.
o New_text : Teks baru yang ingin kita gunakan untuk mengganti teks
lama, bisa berupa angka atau huruf. Dalam contoh di atas kita
 menggunakan huruf “u” sebagai teks baru supaya kata “Buka” bisa
berganti menjadi “Buku”.
2. Contoh selanjutnya kita ingin mengganti kalimat “Saya membaca buku”
menjadi “Saya menulis buku”.

Berikut penjelasannya sesuai sistematika penulisannya:

o Text : Dapat diisi dengan teks secara langsung atau alamat sel. Dalam
contoh di atas menggunakan alamat sel A3.
o Position : Posisi atau urutan dari huruf yang ingin diganti. Dalam hal
ini kata “membaca” yang ingin kita ganti berada diurutan ke 6 dengan
spasi terhitung satu karakter.
o Length : Panjang karakter yang ingin kita ganti. Karena yang ingin kita
ganti kata  “membaca” berarti kita isi dengan 7.
o New_text : Teks baru yang ingin kita gunakan untuk mengganti teks
lama, bisa berupa angka, huruf, dan kalimat. Dalam contoh di atas kita
menggunakan kata “menulis” sebagai teks baru supaya kata
“membaca” bisa berganti menjadi “menulis”.
3. Kemudian kita ingin mengganti kalimat “Saya123” menjadi “Aku123”.

Berikut penjelasannya sesuai sistematika penulisannya:

o Text : Dapat diisi dengan teks secara langsung atau alamat sel. Dalam
contoh di atas menggunakan alamat sel A4.
o Position : Posisi atau urutan dari huruf yang ingin diganti. Dalam hal
ini dari kata “Saya123” hanya diganti bagian “Saya” saja. Sehingga
urutan karakternya diisi dengan 1.
 oLength : Panjang karakter yang ingin kita ganti. Karena yang ingin kita
ganti kata  “Saya” berarti kita isi dengan 4.
o New_text : Teks baru yang ingin kita gunakan untuk mengganti teks
lama, bisa berupa angka, huruf, dan kalimat. Dalam contoh di atas kita
menggunakan kata “Aku”
Sehingga hasil akhirnya sebagai berikut:

Unique
Unique merupakan sebuah fungsi yang dapat kita gunakan untuk mencari data yang
unik dari sebuah data yang mungkin saja ada yang sama. Sistematika penulisannya
sebagai berikut:

1. =UNIQUE(range)

Contoh kasus:
Bagaimanakah jika kita ingin mengambil data yang unik saja dari data di atas?

Jawab:

Kita dapat menggunakan fungsi UNIQUE seperti di bawah ini:

Secara otomatis setelah fungsi dijalankan hasilnya akan memunculkan daftar unik
dari nama barang. Unik dalam artian tidak ada data yang sama seperti gambar di
bawah ini:

IF
Fungsi IF digunakan untuk menentukan data Anda dengan hasil tertentu
berdasarkan kondisi logika yang diberikan. Penggunaannya sebagai berikut:

1. =IF(Sel yang ingin diuji, [nilai jika benar], [nilai jika salah])

Contoh:

1. = IF (E4>=E3, “Ya”,”Salah”)

Berdasarkan contoh di atas, kita akan memeriksa apakah nilai pada sel E4 lebih
besar sama dengan sel E3. Jika logikanya benar, biarkan nilai sel tempat fungsi
tersebut menjadi bernilai “Ya”, jika tidak maka bernilai “Salah”.
IF Sederhana
Untuk menerapkan fungsi IF dalam contoh kasus, kita modifikasi contoh tabel
Penjualan data seperti berikut:

Contoh kasus:

Kita ingin mengetahui status penjualan setiap barang: sudah bagus atau perlu
ditingkatkan. Parameter untuk menentukan status tersebut adalah jika barang yang
terjual lebih dari 75 unit maka masuk kategori penjualan bagus. Namun jika kurang
dari 75 unit yang terjual maka statusnya perlu ditingkatkan. Bagaimana cara
mengetahuinya?

Pada alamat sel D3 masukkan rumus =IF(C3>75,"Bagus","Perlu ditingkatkan").

Fungsi tersebut memeriksa sel C3 yang berisi nilai 300 - apakah lebih besar dari
angka standar yang ditentukan yaitu 75. Jika ya, maka masuk ke kategori bagus,
kalau lebih kecil masuk ke kondisi perlu ditingkatkan.
IF Bertingkat

Terdapat 5 nilai siswa dalam sebuah ulangan matematika. Bagaima caranya jika kita
ingin mengetahui nilai huruf dari kelima siswa tersebut?

Jawab:

Kita dapat menggunakan IF bertingkat pada alamat sel E3 seperti berikut:

1. =IF(D3>=90,"A",IF(D3>=80,"B",IF(D3>=70,"C",IF(D3>=60,"D","E"))))
Pada tabel di atas terdapat empat logika IF. IF pertama digunakan jika nilai lebih dari
sama dengan 90 mendapat A. Disambung dengan IF kedua jika nilai lebih dari sama
dengan 80 mendapat B. Selanjutnya jika nilai lebih besar sama dengan 70
mendapat nilai C. Terakhir jika nilai lebih dari sama dengan 60 maka mendapat nilai
D. Jika tidak memenuhi kondisi di atas berarti otomatis mendapat nilai E karena di
bawah 60. Jangan lupa tutup kurung sebanyak jumlah IF pada akhir fungsi.
Sehingga seluruh hasilnya sebagai berikut:

Apa itu Pivot Table?

Untuk membantu menjelaskan pivot dalam spreadsheet, berikut akan gambarannya
lewat contoh data harga indekos per bulan.

Menurut Anda, bagaimana jika kita ingin mengetahui berapa jumlah indekos putra
dan total harga per bulannya? Mungkin Anda pernah menggunakan fungsi
COUNTIF (menghitung jumlah data berupa teks dengan parameter tertentu) dan
SUMIF (menjumlahkan data berupa angka sehingga diketahui jumlah
keseluruhannya) untuk menyelesaikan permasalahan tersebut. 

Namun, bagaimana jika contoh kasusnya diganti dengan berapa jumlah indekos
putri dan total harga per bulannya? Pasti Anda akan mengganti rumus tersebut dan
terkesan kurang praktis dan efisien. Nah, di sinilah waktunya kita menggunakan
pivot agar lebih fleksibel dalam mengetahui sebuah kelompok data yang diinginkan.
Cukup dengan beberapa klik, kita bisa mengetahui hasilnya sebagai berikut:

Berdasarkan contoh di atas kita dapat mengetahui jumlah dan harga indekos per
bulan berdasarkan jenisnya. Dengan ini bisa disimpulkan bahwa pivot table dapat
bantu mengumpulkan dan mengelompokkan data berdasarkan parameter tertentu
sesuai kebutuhan. Sebelum membuat pivot, pastikan data Anda sudah rapi atau bisa
dirapikan dulu baik dari kategori, nilai, dan sebagainya.

Membuat Pivot Table dari Data Sederhana

Sudah coba membuat pivot table dengan contoh data di atas? Jika belum yuk kita
belajar bersama membuat pivot tabel sederhana dengan contoh data di bawah ini:

Contoh data di atas merupakan modifikasi dari tabel sebelumnya dengan

menambahkan nama pemilik. Penerapan pivot table pun jadi lebih detail. Untuk
memulai, simak langkah-langkahnya di bawah ini ya.
1. Pertama pastikan Anda sudah membuat tabel data seperti contoh di atas,
kemudian sorot semua data.
2. Setelah itu pilih menu Data - Pivot table.

3. Muncul jendela baru Create pivot table. Pilih  New Sheet supaya data hasil
pivot dibuat pada sheet lain sehingga tidak bercampur dengan data asal.
Namun, jika Anda menghendaki hasil pivot diletakkan dalam sheet yang sama
 maka pilih Existing sheet. Setelah itu klik Create.

4. Setelah itu muncul sheet baru dengan isi Row, Column, dan Values. Serta di

samping kanan terdapat Pivot table editor seperti di bawah ini.

5. Selanjutnya kita tentukan data apa yang ingin dikelompokkan dengan pivot
table. Misal, kita ingin melihat setiap pemilik mengelola beberapa jenis tempat
indekos.
6. Dari kondisi di atas, kita coba masukkan ke dalam pivot table editor. Untuk
menambahkan nama pemilik indekos, kita dapat memasukkannya ke
dalam Rows dengan klik tombol Add dan pilih Pemilik.
7. Hasil yang didapatkan dari langkah tersebut adalah menampilkan baris nama
pemilik seperti di bawah ini.

8. Selanjutnya kita ingin mengetahui jenis indekos yang ada. Anda dapat mulai
menambahkan kolom baru pada Pivot table editor dengan klik Add -
pilih Jenis Kos.
9. Hasil yang didapatkan setelah menambah kolom jenis indekos pada pivot
table editor adalah menampilkan jenis indekos yang ada dalam bentuk kolom
seperti berikut:
10. Kemudian untuk mengetahui berapa jumlah indekos yang dikelola setiap
pemiliknya, pada Pivot table editor bagian value, klik Add - pilih Jenis Kos.
 11. Nah, saat ini kita telah mengetahui setiap pemilik mengelola berapa jenis
indekos dari data yang telah dikelompokkan di bawah ini.

Berdasarkan hasil pivot table di atas kita telah berhasil mengetahui setiap pemilik
mengelola berapa jenis indekos. Misal, Alan memiliki 2 indekos berjenis campur,
Budi memiliki 1 indekos campur dan 2 indekos putra, dan lain seterusnya. Yay, kita
telah berhasil membuat pivot table. Selanjutnya kita akan melanjutkan pembahasan
mengenai elemen setiap pivot table. Yuk, lanjut ke materi berikutnya.

Elemen Pivot Tabel

Bicara mengenai pivot table, erat kaitannya dengan kolom, baris, dan nilai (value).
Seperti yang telah kita lakukan pada materi sebelumnya, hasil pivot tersebut pasti
mengandung ketiga elemen tadi yaitu kolom, baris, dan nilai. Mari kita bedah satu
per satu setiap elemennya.

Baris

Elemen pertama yang akan kita bahas adalah baris. Pada saat klik tombol Add pada
bagian Rows di Pivot table editor, secara otomatis sistem akan memberikan Anda
pilihan nama judul dari setiap kolom yang Anda buat. Ketika kita memilih salah satu,
misalnya “pemilik,” sistem akan menampilkan data nama pemilik yang ada secara
unik. Unik di sini menjelaskan bahwa jika terdapat nama pemilik yang sama, seperti
“Budi” yang disebut 2 kali, maka yang tampil dalam pivot hanya satu saja.
Kolom

Sama seperti membuat baris data berdasarkan nama judul dari setiap tabel secara
mendatar dalam bentuk kolom sehingga nantinya data nilai tampil dalam bentuk
agregat setiap kolom.

Nilai (Value)

Ketika kita menekan tombol Add pada bagian Values, sistem akan menyuguhkan
pilihan yang sama seperti pada baris dan kolom. Misal pilihannya ada pemilik, jenis
indekos, dan harga per bulan. Nah, jika kita mengisinya dengan jenis indekos dan
fungsi penghitungnya menggunakan COUNTA, maka semua data yang ada
berdasarkan jenis indekos akan dihitung dan disesuaikan dengan nama pemilik
indekos. Misalnya gambar di atas menunjukkan nama pemilik Alan memiliki nilai 2
indekos yang ia kelola dan berjenis campur. Begitu pula data jenis indekos lainnya.
Jumlah yang ditampilkan berdasarkan nama pemilik indekos masing-masing.

Total
Pada saat membuat pivot pada baris atau kolom, di bagian bawah terdapat show
totals yang dapat dicentang atau tidak. Jika dicentang maka tabel akan
menampilkan grand total, dan sebaliknya.
Penyaringan
Setiap baris dan kolom memiliki sistem pengurutan berdasarkan parameter masing-
masing. Misal pada baris pemilik terdapat pengaturan untuk mengurutkan datanya
secara ascending (naik) atau descending (turun) berdasarkan abjad awal dari setiap
nama pemilik. Misalkan seperti berikut:

Tips Pivot Tabel

Pivot table merupakan sebuah cara yang efektif dalam mengelompokkan data.
Untuk memaksimalkan penggunaannya, berikut tips-tips dalam pembuatan pivot
table:

1. Pertama tentukan dulu baris yang ingin dibuat. Di sini kita akan menggunakan
jenis indekos. Caranya sama yaitu tekan Add pada bagian Rows kemudian
pilih Jenis Kos.
Sehingga hasilnya sebagai berikut:
 2. Berikutnya tambahkan dua nilai (value) baru yaitu Jenis Kos dan Harga per-
bulan dengan rincian sebagai berikut:

3. Seperti ditunjukkan gambar pada langkah ke-2 di atas kita telah

menambahkan nilai jenis indekos dan harga per-bulan. Sesuai dengan
fungsinya, kita ingin mengetahui jumlah jenis indekos yang ada maka pada
Summarize by pilih fungsi COUNTA. Sedangkan untuk tahu Harga per-Bulan,
kita ingin tahu harga rata-ratanya maka isilah Summarize by dengan
AVERAGE. Sehingga hasilnya menjadi seperti di bawah ini:

Menambahkan Fitur Penyaringan (filter)

Kita juga dapat melakukan penyaringan dengan menampilkan beberapa data yang
kita inginkan. Misal, dari hasil pivot kita hanya ingin menampilkan hasil data dari
indekos putra saja. Maka kita dapat menambahkan filter pada pivot table editor
seperti berikut:
1. Pada pivot table editor, klik Add pada bagian Filter dan pilih Jenis Kos.

2. Selanjutnya terlihat status “Show all items”. Klik tombol dropdown tersebut

dan hilangkan centang pada data yang tidak ingin kita lihat. Pada contoh kali
ini kita hanya ingin melihat data dari indekos putra saja. Klik OK apabila
 sudah sesuai.

3. Kita telah mendapatkan hasil filter yang menampilkan data indekos putra saja
dari table pivot. Tampilannya sebagai berikut:

Menampilkan Detail Data dari Pivot Table

Kali ini terdapat sedikit tambahan tips tentang menampilkan detail data dari pivot
table. Percayalah, caranya benar-benar sederhana. Misal kita memiliki data pivot
table sebagai berikut:

Dari hasil di atas, kita ingin tahu detail indekos campur yang berjumlah empat
dengan harga rata-rata per bulan sejumlah 1.165.000 rupiah itu.

Nah, kekuatan super yang dapat dilakukan pivot table adalah mampu menampilkan
detail dengan hanya klik dua kali pada salah satu value yang ingin dilihat detailnya.
Di sini kita klik dua kali pada alamat sel B2 dan yang terjadi adalah sebagai berikut.

Dengan sekejap saja Google Spreadsheet membuat sheet baru lagi dengan berisi
detail masing-masing dari indekos campur yang berisi pemilik dan harga per bulan.
Keren, bukan?
Apa itu diagram?
Diagram adalah sebuah representatif visual terhadap informasi yang menunjukkan
bagaimana mereka bekerja sama. Anda mungkin pernah
mendengar chart atau graph, kedua hal tersebut merupakan bagian dari diagram.
Diagram digunakan untuk mempermudah kita memahami informasi dari data yang
kita miliki. Ketika kita membicarakan data maka yang paling sering terlintas adalah
bentuk baris dan kolom yang berisi informasi, namun berapakah waktu yang kita
butuhkan untuk mengerti informasi dalam bentuk baris dan kolom tersebut? Atau
ketika kita memiliki banyak poin data, berapa lama waktu yang dibutuhkan untuk
mengetahui relasi antar poin data tersebut?

Dari gambar diatas kita dapat lebih mudah memahami bagaimana data bekerja dan
berelasi antara satu sama lain. Hal ini disebut sebagai data understanding, nantinya
pemahaman ini akan memudahkan kita untuk membuat hipotesa atau analisis lebih
dalam terhadap data. 

Ketika kita menganalisa data lebih dalam kita akan menemukan beberapa
pemahaman baru yang menunjang hipotesis kita. Untuk menunjukan bahwa
hipotesis kita adalah benar, maka kita perlu menunjukan pemahaman tersebut
terhadap orang lain. Semakin mudah orang lain paham dengan pemahaman kita
maka hipotesis tersebut semakin valid.

Ketika kita memiliki hipotesis bahwa ada 3 orang yang suka buah apel. Dari gambar
tabel tersebut kita sulit untuk mendapat justifikasi dari hipotesa karena otak kita
harus memproses data dalam tabel tersebut terlebih dahulu. Coba bandingkan
ketika kita melihat gambar grafik di bawah.

 
Dengan melihat grafik di atas. sekilas kita dapat melihat bagaimana data tersebut
mendukung hipotesa kita karena, secara eksplisit Jill, Sam, dan Seth memakan apel
lebih dari rata-rata anak memakan apel sehingga mendukung terdapat 3 orang yang
suka memakan buah apel. Jadi fungsi grafik di sini adalah mempersingkat waktu
pemahaman orang lain terhadap informasi yang ingin kita sampaikan.

Macam-macam diagram/grafik spreadsheet

Untuk mempermudah penyerapan informasi dari sebuah data, grafik disediakan
dalam berbagai macam bentuk. Terdapat banyak tools pengolahan data menjadi
grafik seperti halnya Microsoft Excel, Google Sheet, Tableau, Power BI, dan lain
sebagainya. Nah sebenarnya tiap-tiap tools menyediakan jenis grafik yang berbeda.
Untuk pembelajaran kali ini kita akan mengambil salah satu tools pengolah angka
yaitu Google Sheet, kenapa? Karena penggunaan tools ini gratis, cukup mudah
karena hampir sama dengan Microsoft Excel, dan tersedia setidaknya 7 jenis grafik
yaitu Column, Line, Bar, Area, Pie, Scatter, dan Map yang umum digunakan untuk
pengolahan data.

Bar/Column Chart
Adalah jenis grafik di mana setiap kategori diwakili oleh persegi panjang, dengan
tinggi persegi panjang yang sebanding dengan nilai agregasi data. Grafik ini juga
dikenal sebagai Vertical Bar Chart.

Column chart menampilkan data untuk satu set kategori, dengan satu nilai untuk
setiap kategori. Kita juga dapat menggabungkan lebih dari satu kategori, misalnya
saat ingin menghitung pengeluaran dan pemasukan dari setiap bulan selama satu
tahun. Pada kasus tersebut kita akan membandingkan jumlah pengeluaran dan
pemasukan pada tiap bulan. Apabila kita ingin menggabungkan kategori
pengeluaran dan pemasukan ke dalam satu representasi namun berbeda warna, hal
tersebut dinamakan Stacked Column Chart. Namun biasanya stacked digunakan
untuk melihat persentase atau komposisi dari sebuah kategori.
Horizontal Bar Chart atau biasa disebut dengan Bar Chart sama persis
dengan Column chart, perbedaannya hanya arah dari grafik tersebut yaitu persegi
panjang akan memanjang secara horizontal sesuai dengan nilai. Atau bisa dibilang
nilai sumbu x dan y ditukar.

Line Chart
Jenis grafik yang menampilkan informasi sebagai serangkaian titik data yang disebut
'penanda' yang dihubungkan oleh segmen garis lurus. Terdiri dari sumbu x
horizontal dan sumbu y vertikal. Sebagian besar grafik garis hanya berurusan
dengan nilai angka positif, sehingga sumbu ini biasanya berpotongan di dekat
bagian bawah sumbu y dan ujung kiri sumbu x. Titik di mana sumbu berpotongan
selalu (0, 0). Setiap sumbu dilabeli dengan kategori data.

Sumbu x juga disebut sumbu independen karena nilainya tidak bergantung pada apa
pun. Sebagai contoh, waktu selalu ditempatkan pada sumbu x karena terus bergerak
maju terlepas dari apa pun. Sumbu y juga disebut sebagai poros dependen karena
nilainya tergantung pada sumbu x.

Anda dapat membuat grafik yang membandingkan jumlah uang yang dipegang oleh
setiap kantor cabang dengan garis yang terpisah untuk setiap kantor. Dalam hal ini
setiap baris akan memiliki warna yang berbeda. Bahkan Anda bisa
menggabungkan Column Chart dengan Line Chart, biasanya hal ini digunakan untuk
melihat realita terhadap ekspektasi seperti halnya target penjualan(line) dan hasil
penjualan(bar).

Grafik ini adalah alat visual yang kuat untuk pemasaran, keuangan, atau fungsi lain
yang melibatkan korelasi antara dua nilai numerik. Jika dua atau lebih garis ada di
grafik, itu dapat digunakan sebagai perbandingan di antara mereka.

Area Chart
Memperlihatkan perubahan dalam satu jumlah atau lebih dari waktu ke waktu. Ini
mirip dengan Line Chart. Dalam Area dan Line Chart, titik data diplot dan kemudian
dihubungkan dengan segmen garis untuk menunjukkan nilai kuantitas pada
beberapa waktu yang berbeda. Namun, bagan area berbeda dari grafik garis, karena
area antara sumbu x dan garis diisi dengan warna atau bayangan.

Grafik ini merupakan pilihan yang baik untuk digunakan ketika Anda ingin
menunjukkan tren dari waktu ke waktu nilai yang tepat. Dalam bagan area skor
ujian, kita dapat melihat bahwa skor pada umumnya meningkat seiring waktu
bahkan tanpa mengetahui skor pasti pada setiap ujian tunggal.

Sama seperti Line & Bar Chart, grafik ini juga dapat menggabungkan beberapa nilai
agregasi ke dalam satu representasi atau disebut stacked. Bagian stacked
menunjukkan seberapa banyak masing-masing bagian berkontribusi terhadap
jumlah keseluruhan. Misalnya, pemilik rantai toko grosir mungkin ingin membuat
bagan yang menunjukkan keuntungan yang dihasilkan oleh masing-masing tokonya
dan total laba yang dihasilkan oleh semua toko bersama.

Pie Chart
Jenis grafik yang menampilkan data dalam grafik lingkaran. Potongan-potongan
grafik sebanding dengan fraksi keseluruhan dalam setiap kategori. Dengan kata lain,
setiap irisan pai relatif terhadap ukuran kategori tersebut dalam kelompok secara
keseluruhan. Seluruh "kue pai" mewakili 100% dari keseluruhan, sedangkan pai
"irisan" mewakili bagian dari keseluruhan.

Kita sulit melihat nilai secara presisi dengan grafik ini, terutama dengan persentase
yang rumit yaitu 13,9% dengan 15%. Ketika dalam bentuk irisan kita tidak dapat
melihat secara jelas perbedaan antara kedua nilai tersebut ataupun ketika kita ingin
membelah grafik ini ke dalam 10 bagian yang sama besar, akan ada banyak irisan
yang kita sulit pahami. Oleh karena itu grafik jenis ini umum digunakan ketika nilai
irisan memiliki perbedaan cukup signifikan dan jumlah kategori data yang tidak
banyak.
Scatter Chart
Menggunakan titik untuk merepresentasikan nilai numerik pada kategori yang
berbeda. Posisi setiap titik pada sumbu horizontal dan vertikal menunjukkan nilai
untuk titik data individual. Grafik ini digunakan untuk mengamati hubungan antar
variabel.

Biasanya warna pada titik akan merepresentasikan kategori yang berbeda.

Contohnya apabila kita memiliki 100 poin data nilai ujian siswa, di mana terdapat
kategori kelas. Dengan menggunakan grafik ini kita dapat melihat relasi antara kelas
terhadap nilai ujian. Apabila sebuah kelas memiliki nilai yang tinggi maka akan
terlihat banyak titik-titik yang sewarna saling berdekatan. Ataupun kita dapat melihat
korelasi antara jenis kelamin terhadap nilai. Hasil dari grafik ini akan mempermudah
kita untuk mengelompokkan suatu golongan berdasarkan hipotesa-hipotesa yang
kita buat.

Grafik ini juga dapat berguna untuk mengidentifikasi pola lain dalam data. Kita dapat
membagi titik data menjadi kelompok berdasarkan seberapa dekat kumpulan titik
dikelompokkan bersama. Plot pencar juga dapat menunjukkan apakah ada
kesenjangan tak terduga dalam data dan jika ada titik outlier. Ini bisa bermanfaat jika
kita ingin membagi data menjadi beberapa bagian, seperti dalam pengembangan
persona.

Map Chart
Memungkinkan kita untuk memvisualisasikan hubungan spasial dalam data dengan
menunjukkan data pada peta geografis. Misalnya kita ingin melihat penyebaran virus
corona (COVID-19) di dunia, kita membuat peta penanda sesuai dengan jumlah
orang yang terkena virus. Umumnya pada peta seperti ini, semakin tebal warna
hijaunya, semakin intens pula kepadatan datanya. Kita jadi dapat melihat bagian
geografis mana yang banyak terkena penyakit tersebut.

Ketika membuat grafik ini kita membutuhkan informasi secara geografis, apakah itu
nama lokasi, kota, negara, atau secara spesifik latitude/longitude. Terdapat dua jenis
penanda untuk grafik ini yaitu 

 Poin Geografis: menunjukkan titik data pada peta dengan menunjukkan

penanda pada koordinat geografis yang mirip dengan cara bagan XY
menempatkan titik pada koordinat XY. Penanda dapat memvariasikan bentuk,
warna, dan ukurannya (yang terakhir disebut grafik "Gelembung"). Penanda
itu sendiri dapat menjadi diagram lingkaran seperti yang akan kita lihat nanti.
 Area Geografis: area warna pada peta untuk menunjukkan nilai atau kategori
data untuk suatu area. Misalnya, area bisa berupa negara bagian Amerika
Serikat dan warnanya dapat menunjukkan nilai numerik untuk setiap negara
bagian. Jenis bagan peta di mana kita mewarnai area geografis dikenal
sebagai choropleth.

Menggambarkan Data Kuantitatif ke Bentuk Diagram

Untuk penggunaan grafik secara lebih rinci akan kita bahas pada pembelajaran
selanjutnya. Diharapkan pada pembelajaran kali ini setidaknya Anda bisa
mengetahui struktur data yang dapat digunakan untuk membuat grafik-grafik
tersebut. Nah kini, setelah teori, tak lengkap rasanya tanpa latihan. Pada bagian kali
ini kita akan belajar untuk membuat data ke dalam sebuah grafik menggunakan
Google Sheet. Jenis grafik dalam Google Sheet bisa dikombinasikan dengan jenis
model lainnya. Misalnya, diagram batang dapat dikombinasikan dengan diagram
garis. Namun, penerapannya juga harus sesuai dan tidak dipaksakan supaya data
dapat mudah dipahami.

Oke, dalam latihan ini kita akan menggunakan data kamar Airbnb yang disewakan di
New York yang bisa diunduh melalui Kaggle.

Dataset: New York City Airbnb

Deskripsi: Sejak 2008, para tamu dan tuan rumah telah menggunakan Airbnb untuk
memperluas kesempatan travelling dan menghadirkan cara yang lebih unik dan
personal untuk mengalami dunia. Dataset ini menjelaskan aktivitas cantuman dan
metrik di NYC, New York untuk 2019.
Unduh:  https://www.kaggle.com/dgomonov/new-york-city-airbnb-open-data 

Tools: Google Sheet

Untuk mengunduh data dari Kaggle harus memiliki akun Kaggle terlebih dahulu.
Untuk menggunakan Google Sheet harus memiliki akun Gmail terlebih dahulu.

Langkah 1: Persiapan
Pastikan semua tools dan data sudah dipersiapkan. Setelah semua siap, maka buat
Google Sheet baru.

Data yang kita unduh sebelumnya memiliki ekstensi .zip, oleh karena itu kita perlu
untuk unzipped file tersebut. Untuk memasukkan data dari komputer ke Google
Sheet, klik File → Import dan pilih/taruh berkas yang ingin dimasukkan.

Unggah berkas AB_NYC_2019.csv dari data yang telah kita ekstrak dan masukkan

konfigurasi seperti gambar di bawah. Setelah itu klik Import data. Sheet akan terisi
dengan data dari berkas yang kita unggah.
Sheet akan terisi dengan data dari berkas yang kita unggah seperti berikut:

Langkah 2: Visualisasi
Preparasi data dan semua data sudah berhasil ditampilkan, bukan? Sekarang
saatnya kita mulai membuat visualisasi data-data tersebut. Caranya sangat mudah,
kita tinggal memilih kolom dan baris mana yang ingin kita visualisasikan. Nah
sebelum kita memilih kolom dan baris untuk divisualisasikan, kita perlu memahami
maksud dari data tersebut. Mulailah dari deskripsi secara global data sampai dengan
arti kolom dan isinya. Pertama kita mengetahui bahwa data ini merupakan data
kamar Airbnb yang disewakan. Namun apa sajakah arti tiap kolom pada data
tersebut?

 Id : Identifier unik untuk tiap tempat sewa

 Name : Nama tempat
 Host_id : Identifier penyedia kamar/tempat
 Host_name : Nama penyedia kamar/tempat
 Neighbourhood_group : Kelompok lingkungan dari tempat tinggal yang
disediakan host, merupakan pengelompokan dari neighbourhood
 Neighbourhood : Nama dari lingkungan tempat tinggal yang disediakan host
 Latitude & longitude : Garis lintang dan garis bujur dari tempat tinggal yang
disediakan
 Room_type : Tipe kamar yang disediakan
 Price : Harga sewa per malam
 Minimum_nights : Minimal sewa per malam
 Number_of_reviews : Jumlah ulasan oleh pelanggan
 Last_review : Tanggal review terakhir
 Reviews_per_month : Rasio banyaknya ulasan perbulan
 Calculated_host_listings_count : Jumlah daftar per host
 Availability_365 : Beberapa hari ketika daftar tersedia untuk pemesanan
Atau untuk lebih mengetahui deskripsi data, lihatlah di sini. Setelah kita mengetahui
maksud dari kolom dan isian data tersebut kita mulai dapat membuat pertanyaan
pada diri sendiri, sebagai contohnya “Saya ingin melihat perbandingan rata-rata
harga tiap tipe kamar.”

Dari sana kita tahu bahwa kolom yang kita gunakan

adalah room_type dan price dengan menggunakan semua baris. Untuk mulai
membuat visualisasi klik kolom I (room_type) dan J (price) dengan menekan shift,
maka akan tampil seperti gambar di bawah ini

Pemilihan data bisa digunakan dengan membuat pivot table, dari tabel tersebut kita
dapat memilih baris dan kolom yang diinginkan untuk membuat visualisasi.
Setelah data yang dibutuhkan telah dipilih, kita dapat memvisualisasikan dengan
klik Insert → Chart.

 
Secara standar grafik yang pertama terbentuk adalah Grafik kolom dengan X Axis
adalah room_type dan Y Axis adalah sum (penjumlahan) dari price.

Nah bisa kita lihat bahwa grafik yang terbentuk tidak rapi. Terlalu banyak data poin
pada X Axis. Hal tersebut dikarenakan kita tidak melakukan grouping atau
pengelompokan. Oleh karena itu silakan ceklis tombol Aggregate untuk melakukan
agregasi terhadap room_type yang sama. Maka visualisasi akan berubah seperti
gambar di bawah ini.

Untuk mengubah jenis grafik yang diinginkan dan sesuai dengan jenis data yang kita
pilih, klik Chart type pada Chart editor. Misalnya jika kita ingin mengubah tampilan
grafik menjadi bentuk Grafik Pie, cukup klik bentuk Grafik Pie yang kita inginkan.

 
Lalu grafik sebelumnya akan berubah seperti di bawah ini.

Perlu diingat bahwa nilai Y Axis di sini masih menggunakan nilai awal yaitu sum.
Untuk mengubah menjadi rata-rata kita dapat dengan mengklik seperti gambar di
bawah dan menggantinya menjadi average.

Sehingga hasil grafiknya seperti berikut.

Nah hal yang perlu diperhatikan adalah setiap tipe grafik masing-masing memiliki
kebutuhan data yang berbeda-beda. Seperti halnya pada grafik kolom sebelumnya,
data yang dibutuhkan ada X Axis dan Y Axis. Sementara itu pada bentuk grafik
kolom kombo area, Y Axis dapat dimasukkan oleh beberapa data lainnya sebagai
perbandingan seperti gambar di bawah ini.
Untuk melakukan styling pada font, legend, warna, dan lainnya, lakukan konfigurasi
sesuai jenis grafik yang kita pilih pada bagian Customize. Setelah mengetahui itu
semua ini saatnya Anda mencoba sendiri dan pelajari terus potensi-potensi yang
ada untuk membuat grafik yang lebih kompleks dan lebih mudah dipahami.
Kesalahan Umum dalam Visualisasi Data
Sudahkah Anda menerapkan visualisasi data dalam menyajikan data? Kita telah
sepakat bahwa visualisasi data memudahkan audiens dalam memahami data yang
kita presentasikan. Namun, apakah metode visualisasi data dapat selalu
menyampaikan informasinya dengan efektif?

Visualisasi akan efektif jika dibuat dengan mematuhi kaidah yang ditentukan.
Namun, terkadang penerapan visualisasi data dilakukan dengan cara yang
sebaliknya: tak tepat dan tak patuh pedoman. Sehingga penerapan visualisasi data
kadang berujung pada output data yang membingungkan, ambigu. Alhasil, alih-alih
membuat paham, audiens jadi meragukan kebenaran data. 

Karena itulah, Anda perlu tahu dan hindari beberapa kesalahan umum yang sering
dilakukan dalam membuat visualisasi data. Berikut ini penjelasannya:

Nilai Persentase Tidak Sesuai

Menurut Anda, adakah yang salah dari diagram lingkaran di atas? Jika Anda
mengatakan “Ya, ada yang salah” itu sudah tepat. Alasannya, total nilai persentase
yang ditunjukkan dari diagram sebesar 98% atau kurang dari 100%. Selain itu ada
juga kesalahan lainnya yaitu besar / porsi irisan lingkaran Small Companies (42%)
lebih besar daripada Large Companies (56%). Karena 42 itu lebih kecil dari 56,
maka besar porsi potongan lingkarannya pun seharusnya lebih kecil, bukan
sebaliknya. 
Perhatikan bahwa penulisan persentase dan besar porsi irisan yang
merepresentasikan data, harus tepat. Jika menggunakan satuan persen maka total
data yang disajikan totalnya harus 100%. Apabila menggunakan satuan derajat
maka data yang disajikan totalnya harus 360 derajat. Sehingga dari diagram di atas
jika datanya sudah tepat maka bisa menjadi seperti berikut:

Besar porsi irisan juga harus sesuai dengan nilai datanya. Jangan pula menampilkan
terlalu banyak irisan yang bisa berujung bias, contohnya di bawah ini:

Pasti Anda akan sulit untuk membaca informasi dari diagram lingkaran di atas. Sulit
untuk membedakan data mana yang lebih besar dibandingkan lainnya. Memang
idealnya irisan diagram lingkaran tak lebih dari empat irisan supaya perpotongan
irisannya terlihat jelas. Sehingga kita tahu data mana yang lebih besar atau lebih
kecil. 

Lalu bagaimana kalau data yang ingin ditulis berjumlah enam? Sebagai contoh Anda
dapat menggambarkannya seperti di bawah ini:

“Lainnya” merupakan data hobi yang dihimpun selain sepak bola, bulu tangkis, dan
basket. Bisa jadi ada menulis, membaca, dan lain sebagainya.  

Namun, menulis “lainnya” saja tidak cukup. Anda perlu tambahkan keterangan:
kategori lainnya itu berisi hobi apa saja? Jika data yang dibutuhkan sangat banyak
misal lebih dari 100 data, maka kita perlu menuliskan data hobi ini dalam bentuk
tabel saja, bukan diagram lingkaran.

Terlalu Banyak Data

Kita telah mengetahui tujuan visualisasi data adalah membuat sebuah data yang
kompleks menjadi lebih mudah dipahami dengan bentuk visual. Namun, bagaimana
jika sebaliknya?

Ini dapat terjadi jika kita “maksa” untuk memasukkan semua data yang berjumlah
besar. Hasilnya  tidak efektif dan tentu membingungkan pembaca. Contohnya
perhatikan gambar di bawah ini:

Begitu banyak data yang dimasukkan dalam diagram lingkaran di atas, bukan? 

Sebagai pembaca, kita sulit bahkan tak bisa menangkap informasi apa yang ingin
disampaikan oleh diagram tersebut. Seperti diulas pada poin sebelumnya bahwa
apabila menggunakan diagram lingkaran, paling efektif gunakan 4 irisan data saja.
Apabila banyak sekali data seperti gambar di atas, maka sebaiknya tuliskan data
Anda dalam bentuk tabel saja. Hal tersebut berlaku juga untuk semua jenis diagram.
Tidak Mengikuti Standar Penulisan

Apabila Anda melihat grafik di atas, bagaimana tren data yang menunjukkan angka
pembunuhan menggunakan senjata api di Florida? Sekilas tidak ada yang salah
tetapi coba perhatikan kembali sumbu Y. Nilai yang ditunjukkan, terbalik. Angka 0
berada di atas sebagai nilai minimum dan angka 1000 sebagai nilai maksimum
berada di bawah. Hal tersebut sudah tidak sesuai dengan standar umum penulisan
karena umumnya sumbu Y dimulai dari nilai minimum berada di bawah dan semakin
ke atas semakin naik nilainya.

Tentu saja ini berpengaruh bagi pembaca informasi karena bisa menimbulkan salah
persepsi. Mereka akan mengira bahwa trennya turun padahal dari 2005 hingga 2007
menunjukkan kenaikan apabila sumbu Y tidak terbalik. Jadi, usahakan dalam
pembuatan sumbu X maupun Y gunakanlah standar penulisan umum yang berlaku.

Terdapat Sumbu yang Terpotong

Nilai pada suatu sumbu sangat penting kaitannya dengan data yang ditampilkan
dalam sebuah diagram. Jika penerapannya kurang tepat maka memicu bias bagi
pembacanya. Sebagai contoh, lihatlah gambar di bawah ini:

Ada “diskon” alias potongan pada sumbu Y sehingga langsung dimulai dari 34,
bukan 0. Akibatnya, pembaca dapat menyimpulkan terdapat  kesenjangan potongan
pajak yang tinggi antara 1 Januari 2013 dan saat berita tersebut rilis. Padahal
nilainya hanya 35% versus 39% sehingga seharusnya tampilan kedua diagram
batang tak begitu berbeda tingginya. Di sini kita jadi paham bahwa setiap data pada
sumbu Y mutlak harus dimulai dari 0 agar menghindari bias dan salah interpretasi
data.

Penggunaan Grafik 3D yang Kurang Sesuai

Pasti kita ingin visualisasi data kita terlihat keren kan? Saat terselip di benak kita
untuk menggunakan skema 3 dimensi dalam visualisasi, segeralah cari alternatif
lain. Tahukah Anda mengapa penggunaan jenis diagram 3 dimensi kurang
disarankan dalam visualisasi data? Alasannya adalah supaya memudahkan
pembaca dalam memahami data dan tidak terjadi bias supaya tidak menimbulkan
perbedaan persepsi tentang data yang disajikan. Contohnya dapat Anda lihat di
bawah ini:

Selain penggunaan 3D yang menyebabkan bias, diagram batang di atas juga tidak
menuliskan nilai dari sumbu Y dan sumbu X. Pembaca akan kebingungan dan sulit
memahami maksud dari informasi yang tersaji.

Susah Dibandingkan

Visualisasi data bertujuan untuk memudahkan kita membandingkan data yang ada.
Namun, contoh di atas menunjukkan sebaliknya. Perbandingan dari setiap data, sulit
dipahami. Selain karena menggunakan jenis diagram 3D, tiap diagram lingkaran
yang dibuat juga mengandung terlalu banyak data. Seharusnya kita dapat
menggunakan jenis diagram lainnya untuk membandingkan atau melihat tren dari
beberapa kategori misalnya diagram batang atau diagram garis.
Untuk memahami contoh lainnya mengenai kesalahan dalam visualisasi data, cek di
https://viz.wtf/.

Apa itu Dokumentasi Data?

Pernahkah mendengar istilah dokumentasi data? Dokumentasi data atau yang
sering disebut dengan data provenance adalah sebuah langkah untuk melihat
sumber data yang kita peroleh. Kata provenance sendiri berasal dari bahasa
perancis provenir yang berarti “berasal” atau dalam istilah juga disebut silsilah. 

Dalam konsep sejarah seni, kata provenance sering digunakan dalam dokumentasi
sebuah karya seni sehingga setiap detailnya tetap tercatat. Misalnya kapan pertama
kali sebuah karya seni diciptakan dari sisi ide, eksekusi, hingga akhirnya menjadi
yang dapat kita nikmati saat ini. 

Contoh lainnya, coba bayangkan Anda berperan sebagai seorang Data Scientist.
Anda mendapatkan sebuah dataset yang siap untuk dianalisis. Anda tidak tahu data
ini berasal dari mana, bagaimana validitasnya, apakah ia akan berubah selama
proses pengerjaan Anda, dan sebagainya. Gawat kan? Padahal dokumentasi data
ini penting untuk mengetahui keabsahan data dan memungkinkan kita
menggunakannya kembali di waktu yang lain.

W3C Provenance Incubator Group menjelaskan tentang dokumentasi data sebagai

berikut:

“a record that describes entities and processes involved in producing and delivering
or otherwise influencing that resource. Provenance provides a critical foundation for
assessing authenticity, enabling trust, and allowing reproducibility. Provenance
assertions are a form of contextual metadata and can themselves become important
records with their own provenance.”
Terdengar rumit? Baiklah. Berikut ini contoh sebuah penggambaran dokumentasi
data yang ditunjukkan dalam sebuah metadata.

Contoh data provenance di atas didapat dari website kaggle. Pada gambar di atas
terlihat dokumentasi yang menyertakan sumber data, metodologi pembuatan data,
dan juga pemilik dari dataset. Berikut contoh lain dari dokumentasi data yang familiar
bagi Anda.
Tampilan di atas merupakan version history dari berkas Google Spreadsheet.
Semua perubahan data tercatat mulai dari tanggal hingga nama orang yang
melakukan perubahan. Version history ini dapat Anda temukan saat klik bagian
berikut:

Untuk dapat kembali ke penulisan sebelumnya kita dapat melakukan restore version
dengan memilih dari riwayat penulisan dan klik Restore this version.

Pentingnya Dokumentasi Data

Kepercayaan, kredibilitas, dan reproduksibilitas terhadap sebuah data dapat didasari
oleh dokumentasi sumber data yang sesuai. Dalam sebuah penelitian, pengguna
data tidak serta merta dapat menjadi pembuat data. Orang yang membuat data
dapat; 1) mengonfigurasikan instrumen atau simulasi dari mengumpulkan data
primer, atau 2) menerapkan metodologi dan proses tertentu guna mengekstraksi,
mengubah, dan menganalisis data masukan demi menghasilkan sebuah produk
data keluaran.

Metadata merupakan bagian penting dari data yang dipublikasi untuk menentukan
kualitas, kredibilitas, reprodusibilitas hasil (terukur), serta menentukan apakah data
dapat digunakan kembali atau tidak (reusable).

Mengelola Sumber Data

Provenance dapat dicatat dalam jenis metadata tentang sebuah data. Banyak
bidang metadata yang dapat dikumpulkan dalam kategori informasi asalnya,
misalnya tanggal pembuatan, pemilik, perangkat lunak atau tools lain yang
digunakan, metode pemrosesan data, dan lain sebagainya. Dengan demikian,
pengelolaan dan manajemen data yang baik menjadi dasar dari dokumentasi data
yang akurat.

Salah satu usaha dan pendekatan yang mungkin Anda familiar adalah blockchain
dalam supply-chain management, mari simak video berikut:

Bayangkan bahwa metadata adalah lokasi ikan ditangkap, nelayan yang

menangkapnya, kapan ikan tersebut ditangkap, dan sebagainya. Sementara data
adalah ikan itu sendiri.

Pendekatan yang dapat dilakukan dalam mendapatkan sebuah dokumentasi data

sebagai berikut:

 Dicatat dalam bentuk teks, bisa menggunakan skema penulisan umum atau
bisa juga dengan skema khusus dalam data provenance.
 Dicatat dan disimpan secara internal menggunakan program perangkat lunak
atau dalam sistem eksternal lainnya.
 Dituliskan dalam bentuk yang dapat dibaca oleh mesin atau yang bisa dibaca
oleh manusia.

Bentuk sederhananya, sebuah sumber dicatat dan disimpan dalam sebuah berkas
berjudul README yang di dalamnya menjelaskan tentang pengumpulan data dan
metode pemrosesan. Data sumber juga dapat dicatat dengan lebih terstruktur
menggunakan elemen-elemen spesifik dalam standar metadata seperti Dublin Core,
hingga standar disiplin metadata khusus seperti ISO 19115-2 . Untuk lebih
memperjelas contoh bentuk penulisan dokumentasi data, simak uraian berikut ini:

 Berkas README
Pernah menemui berkas readme? Berkas readme biasanya berupa text (.txt)
dan sering kita temui dalam paket instalasi perangkat lunak, kode
pemrograman, kumpulan data, dan bisa juga ditemui dalam proyek penelitian.
Tentunya dalam proyek penelitian sebuah berkas readme harus memuat
daftar berkas yang digunakan dalam dataset, rujukan informasi yang relevan,
serta berkas lain yang menunjang penelitian seperti artikel, karya ilmiah, atau
slide presentasi. Untuk template penulisan readme, cek tautan Guide to
writing readme ini.
 Data Dictionaries

Data dictionaries atau kamus data berisi informasi kunci tentang data yang
Anda kumpulkan. Ia digunakan untuk menjelaskan suatu bagian tertentu
dalam dataset, misal menjelaskan arti dari nama sebuah variabel, kegunaan,
deskripsi, dan lain sebagainya. Kamus data biasanya digunakan pada data
tabular atau sebuah database. Contoh dari data dictionaries dapat di simak di
tautan example data dictionaries.
  Data Paper

Berbeda dengan paper penelitian biasa, dalam data paper cenderung

menyajikan dataset yang lebih besar disertai dengan metadata yang
menggambarkan isi, konteks, kualitas, hingga struktur dari data tersebut.
Contoh data paper dapat Anda lihat di tautan Scientific Data.

Tools Dokumentasi Data

Dalam proses dokumentasi data pastinya kita memerlukan sebuah tools supaya
lebih mudah dan efisien. Berikut beberapa hal yang dapat Anda lakukan.
Pergunakan Buku Catatan
Cara tradisional yang dapat diterapkan adalah dengan buku catatan. Kita dapat
menggunakan catatan sebagai alat untuk mencatat sumber data yang kita peroleh.
Namun, jika berbicara tentang data pasti tidak jauh dengan angka dan terkadang
terdiri dari banyak digit. Sehingga jika data yang dicatat dalam jumlah yang besar
maka rentan salah. Kita dapat menggunakan buku catatan untuk mencatat poin-poin
pentingnya untuk meminimalisir kesalahan.

Gunakan Alur Ilmiah yang Terstruktur

Nah di sini lah kita dapat memanfaatkan alur terstruktur yang terdiri dari pencatatan,
eksekusi, pemrosesan, dan urutan secara ilmiah. Hal tersebut penting supaya
pembaca paham sumber asal dan teori yang mendukung dokumentasi data buatan
kita. Data provenance adalah konsep yang penting dalam sebuah alur ilmiah. Selain
itu data provenance juga memungkinkan para peneliti untuk memahami asal data,
mengembangkan eksperimen, dan melakukan validasi terhadap proses untuk
memperoleh suatu data.

Alur tersebut dapat dirancang dalam bentuk grafis secara berurutan berdasarkan
tugas yang diberikan. Sehingga tugas baru yang dimasukkan dapat mengambil
masukan dari tugas sebelumnya dan data yang didapatkan dari luar. Supaya alur
kerja dapat digunakan kembali di masa mendatang maka informasi yang dicatat
dapat menunjukkan dari mana data berasal, bagaimana proses data tersebut
diubah, dan komponen apa saja yang mendukung di dalamnya. Hal tersebut dapat
memungkinkan peneliti lainnya untuk melakukan eksperimen lebih lanjut dan
merevisi apabila terdapat hal yang kurang tepat dari data tersebut.

Log dan Blockchain

Jika bekerja sendiri, Anda dapat melakukan logging, atau menggunakan tools
bantuan (docs, spreadsheet) yang memiliki kemampuan untuk memperlihatkan
histori. Anda yang bekerja dengan tools modern mungkin mengenal istilah logging
atau auditing. Anda dapat memanfaatkan log aplikasi untuk mencatat perubahan
pada Data.

Pada pasar perdagangan dunia, pencatatan ini dapat dilakukan melalui shared
ledger yang diterapkan pada blockchain. Setiap stakeholder akan memiliki salinan
dari setiap kejadian yang tercatat, termasuk perubahan-perubahan yang terjadi pada
data tersebut. 

Tips Dokumentasi Data

1. Tautan ke data sumber asli harus  jelas. Sebutkan dari mana Anda
mendapatkannya. Ini sangat penting untuk menunjukkan sumber supaya
dataset terlihat kuat dan dapat dipercaya.
 2. Penjelasan setiap perubahan data yang Anda lakukan harus dituliskan
dengan terperinci. Ini krusial bagi  Anda sendiri atau orang lain yang ingin
memeriksa data Anda.

Bercerita dengan Data

Pada modul sebelumnya kita telah mempelajari tentang jenis data, diagram, dan
lain-lain. Sekarang saatnya kita mulai menyatukan hal-hal yang telah kita pelajari
dari awal sampai akhir. Semua hasil analisa pasti memiliki tujuan, baik itu untuk
memberikan insight maupun meyakinkan orang lain untuk mengambil sebuah
keputusan dengan diperkuat oleh hasil analisis kita. Tujuan utama dari modul ini
adalah membantu Anda menyampaikan hasil visualisasi yang mendukung hipotesa
Anda pada orang lain. Sehingga, kita pun dapat mencapai tujuan penyampaian data
tersebut.

Exploratory vs Explanatory
Masih ingatkan poin penting yang telah kita pelajari pada modul sebelumnya, bahwa
sebelum memulai analisis, kita harus tahu konteks dari data yang ingin kita olah?
Exploratory Data Analysis adalah hal yang akan kita lakukan untuk memahami data
apa yang ingin diketahui dan menarik bagi audiens. Kita dapat memulai dengan
hipotesis/pertanyaan atau dengan menggali data guna menentukan apa yang
mungkin menarik atau bahkan berdampak besar pada proses penyampaian data.

Setelah mengetahui hal yang ingin kita sampaikan, kita akan mulai berbicara tentang
explanatory. Explanatory merupakan cara kita untuk menceritakan sebuah hasil
analisis secara terstruktur dan mudah dimengerti oleh audiens kita.

Saat memulai explanatory analysis, ada beberapa hal yang harus diperhatikan.
Sebelum menganalisis data atau membuat suatu konten, jawab 3 pertanyaan ini
dulu:

Kepada siapa kita berkomunikasi?

Hal ini sangat penting agar kita paham bagaimana mengomunikasikan hasil yang
didapatkan. Dengan tahu audiens, kita bisa memilih bagaimana berbicara dan
bertindak saat menyampaikan informasi, tergantung siapa lawan bicara. Contohnya,
bicara kepada teman ataupun orang tua, beda kan?

 Audiens
Semakin spesifik kita tahu siapa audiens kita, semakin besar potensi
komunikasi kita sukses. Sehingga kita harus menghindari penyampaian data
yang terlalu general. Kita juga perlu mengetahui kebutuhan informasi seperti
apa yang ingin diketahui audiens. Berkomunikasi dengan terlalu banyak
orang dengan kebutuhan berbeda sekaligus, cenderung tak tepat sasaran. Ini
justru membuat kita kurang efektif dalam usaha untuk penyampaian
informasi. Persempit target audiens, maka hasilnya akan lebih efektif.    
  Diri sendiri
Penting kita mengetahui hubungan kita dengan audiens, apakah mereka
sudah mengenal kita? Apakah mereka menganggap kita sebagai ahli dan
setiap hal yang kita sampaikan bisa dipercaya? Ini merupakan sebuah acuan
untuk menyusun cara komunikasi kita, hal yang disampaikan, dan kapan
harus menggunakan data. Hal ini dapat memengaruhi alur keseluruhan cerita
yang ingin kita sampaikan.

Hal apa yang ingin diketahui audiens?

Kita harus mengetahui dengan jelas apa yang ingin diketahui oleh audiens sehingga
kita dapat menentukan cara kita berkomunikasi untuk menyampaikan data secara
efektif.

 Action
Bagaimana membuat informasi yang kita sampaikan bisa relevan untuk
audiens? Ini penting agar audiens dapat memahami dengan jelas dan
menyimak serius hal yang kita sampaikan.
Pernahkah kita berpikir bahwa audiens bisa lebih tahu daripada kita?
Terkadang asumsi tersebut muncul. Tapi sebaiknya hapus pemikiran seperti
itu. Jika kita adalah orang yang menganalisis dan mengkomunikasikan data,
maka kita harus percaya bahwa kita yang ahli dalam bidang ini. Bahkan kita
dapat melakukan interaksi dengan audiens untuk meningkatkan engagement
rate atau mengurangi rasa gugup kita saat menyampaikan data tersebut.
 Mechanism
Metode yang kita gunakan untuk berkomunikasi dengan audiens memiliki
peran penting dalam sejumlah faktor, termasuk jumlah kontrol yang kita miliki
atas bagaimana audiens memperoleh informasi dan tingkat detail yang perlu
lebih dijelaskan.

Pada proses presentasi langsung, kita dapat menanggapi audiens jika

terdapat hal yang kurang jelas. Tidak semua yang kita sampaikan harus
ditulis secara detail pada slide presentasi karena kita ada di sana untuk
menjelaskan dan menjawab setiap pertanyaan yang muncul selama
presentasi.

Lain halnya ketika hanya menuliskan hasil analisis dalam bentuk dokumen.
Jika pada presentasi langsung kita dapat mengendalikan audiens yang
kurang paham, maka hal tersebut tidak efektif jika bentuk informasinya
berupa dokumen. Tingkat detail yang diperlukan pada penulisan dokumen
biasanya lebih tinggi. Hal tersebut diakibatkan karena kita tidak ada di sana
untuk menanggapi atau melihat ekspresi kebingungan audiens saat menemui
bagian yang kurang jelas. Maka dari itu kita harus menentukan terlebih
dahulu: apakah data disajikan secara langsung atau dalam bentuk tulisan
dokumen.
 Tone
Pertimbangan penting lainnya adalah nada penyampaian pada  audiens.
Apakah kita ingin menyampaikannya dengan ceria, memotivasi, atau serius?
 Nada yang kita inginkan untuk komunikasi akan memiliki pengaruh pada
pilihan desain yang akan digunakan untuk membuat proses visualisasi data.

Bagaimana kita bisa menggunakan data untuk membantu menegaskan maksud

kita?
Setelah kita menjawab pertanyaan di atas, barulah kita membahas data apa yang
akan membantu membuat menjadi poin penting sehingga mendukung penyampaian
kita. Dari sini kita akan mengeksplorasi data yang kita miliki dan memilih data yang
dapat membantu menegaskan informasi penting yang ingin kita sampaikan.

Contohnya:

 Siapa : Ketua panitia dapat menyetujui pendanaan untuk kelanjutan acara

musik tahunan.
 Apa : Ketua panitia menyetujui untuk melakukan acara musik tahunan.
 Bagaimana : Menggambarkan pendapat dan dampak yang dihasilkan oleh
acara musik tersebut dan membandingkannya dengan acara-acara lainnya.

Visualisasi yang Efektif

Terdapat banyak sekali jenis grafik yang dapat digunakan dalam visualisasi data,
tetapi hanya sedikit di antaranya yang mampu menjawab kebutuhan kita. Pada
tahap ini kita akan fokus pada beberapa visual.

Berbentuk Teks

Ketika kita hanya ingin menampilkan satu atau dua angka saja, gunakan teks
sederhana. Tabel dan grafik tidak perlu. Buat tampilan angka terlihat menonjol.
Tambahkan beberapa kata pendukung untuk menyampaikan pikiran kita secara
jelas. Penambahan kata atau kalimat pendukung berfungsi untuk meminimalisir
perbedaan pendapat atau kesalahan informasi. Untuk mengilustrasikan penjelasan
tersebut, mari kita lihat contoh di bawah ini:

Kenyataannya, kita tidak harus menggunakan diagram atau grafik jika ingin
menampilkan beberapa angka saja. Grafik tidak menjelaskan banyak mengenai
interpretasi angka. Dalam kasus ini, harusnya gunakan sebuah kalimat sederhana
saja, seperti: Tahun 2012 sebanyak 20% anak tinggal di rumah ibunya,
dibandingkan dengan tahun 1970 sebanyak 41%. Sebagai alternatif, kita dapat
mewujudkan informasi visual alternatif sebagai berikut:

Ketika kita hanya memiliki satu atau dua angka yang ingin disampaikan,
sampaikanlah tanpa grafik atau tabel. Sebaliknya, jika ada  banyak angka untuk
ditampilkan, tabel atau grafik jadi opsi terbaik.

Tabel

Pasti kita sering menemui data dalam bentuk tabel. Ketika terdapat sebuah tabel kita
cenderung akan menggunakan telunjuk untuk membaca antar baris dan kolom untuk
membandingkan nilai. Tabel sangat baik untuk beragam audiens yang membaca
baris tertentu sesuai kepentingan masing-masing. Jika kita berhadapan dengan
banyak unit pengukuran, tabel lebih memudahkan saat dibaca.  
Perlu diperhatikan jika membuat tabel dalam presentasi. Hindari penggunaan garis
tepi yang tebal atau bayangan. Audiens jadi fokus ke garis atau bayangan tersebut.
Lebih baik gunakan garis tepi tipis atau ruang putih untuk memisahkan elemen-
elemen dalam tabel. Berikut ilustrasi untuk memperjelas detail tsb:

Garis tepi seharusnya digunakan untuk membantu audiens membaca data namun
jangan berlebihan sehingga jadi pusat perhatian. Pertimbangkan untuk membuat
garis tepinya jadi abu-abu atau tanpa warna. Datalah yang seharusnya menjadi
pusat perhatian, bukan garis tepi.

Heatmap
Cara untuk menggabungkan detail angka pada tabel dengan visual adalah
menggunakan heatmap. Grafik ini berfungsi untuk memvisualisasikan data melalui
format tabulasi yang memanfaatkan pewarnaan dalam sel untuk menunjukkan
besaran nilai angkanya.

Pada gambar di atas terdapat tabel biasa di sebelah kiri dan heatmap di sebelah
kanan. Pada tabel biasa kita harus mengamati tiap baris dan kolom untuk
memahami data mana yang lebih besar atau lebih kecil dibandingkan lainnya. Untuk
mengurangi proses dalam memahami data, gunakan saturasi warna sebagai
penanda visual. Hal ini dapat membantu mata dan otak kita bekerja lebih cepat
untuk menentukan hal penting yang kita butuhkan. Kategori warna pada tabel
heatmap sebelah kanan membuat proses mencari informasi lebih mudah dan cepat
karena jika kita ingin mencari data yang persentasenya paling besar dapat mencari
saturasi warna yang paling gelap.

Grafik
Grafik lebih cepat diproses dan mudah dipahami dalam mendapatkan informasi.
Artinya, kita dapat lebih cepat memahami informasi dari grafik dibandingkan dengan
tabel yang didesain dengan baik.

Grafik yang digunakan umumnya terbagi menjadi empat kategori : Titik, garis,
batang, dan area.

Titik
Scatterplot
Grafik scatterplot berguna untuk menunjukkan hubungan antara dua hal yang
terdapat di sumbu x dan y karena grafik ini membuat kita memproses data serentak
untuk melihat hubungan apa yang muncul. Meski jarang digunakan, dunia bisnis
masih ada yang menggunakan scatterplot.

Sebagai contoh, bayangkan kita mengelola armada bus dan ingin memahami
hubungan antara mil yang ditempuh dan biaya per mil. Scatterplot akan terlihat
seperti gambar di bawah ini.
Jika kita ingin lebih fokus pada kasus di mana biaya per mil di bawah rata-rata, maka
kita dapat memodifikasi sedikit scatterplot untuk menarik perhatian pembaca seperti
pada gambar di bawah ini.

Kita dapat menambahkan informasi observasi, seperti biaya per mil lebih tinggi dari
rata-rata ketika jarak tempuh kurang dari 1.700 mil atau lebih dari 3.300 mil untuk
sampel yang diobservasi.

Garis
Grafik garis biasanya digunakan untuk melihat data yang bersifat kontinu. Karena
titik biasanya dihubungkan melalui garis, grafik ini membuat hubungan antar titik dan
mungkin tidak sesuai untuk data yang bersifat kategori. Sering kali, data kontinu
berupa unit waktu: hari, bulan, kuarter, atau tahun.

Di antara kategori grafik garis, terdapat dua tipe yang biasanya digunakan yaitu
grafik garis dan slopegraph.

1. Grafik Garis
Grafik garis dapat menampilkan sebuah serial data, dua serial data atau multi
 serial data seperti contoh pada gambar di bawah ini.

2. Slopegraph
Slopegraph berguna ketika menyajikan data yang memiliki dua periode waktu
atau perbedaan data. Hal tersebut bertujuan untuk menunjukkan secara cepat
kenaikan dan penurunan atau perbedaan kategori yang beragam antara dua
data.
Bayangkan kita menganalisis dan mengkomunikasikan data dari survei
karyawan. Dari hasil analisis tersebut menunjukkan perubahan dalam
kategori survei dari 2014 hingga 2015 seperti berikut:
Slopegraph memuat banyak informasi. Dalam hal nilai absolut garis yang
menghubungkan titik, kita jadi dapat gambaran kenaikan atau penurunan
tingkat perubahan tanpa penjelasan.
Jika terlalu banyak garis bersinggungan, slopegraph mungkin tidak efektif
sehingga sulit membaca datanya. Berikut merupakan contoh slopegraph
 dengan menunjukkan satu kategori yang menurun dari tahun sebelumnya.

Batang
Terkadang kita menghindari penggunaan grafik batang karena grafik ini terlalu
sering digunakan. Pendapat ini justru salah. Sebaliknya, grafik batang seharusnya
digunakan karena mereka sering digunakan sehingga audiens tidak perlu
mempelajari cara membaca grafik yang baru. Daripada menggunakan energi untuk
memahami bagaimana cara membaca grafik, lebih baik jika audiens menggunakan
waktunya untuk memahami isi datanya.
Grafik batang mudah untuk dibaca. Mata kita akan membandingkan beberapa data
yang digambarkan dalam bentuk batang secara cepat. Sehingga, kita bisa dengan
cepat tahu data yang terbesar, terkecil, dan perbandingan antara kategori data.
Perlu diingat, karena mata kita membandingkan secara otomatis dan melihat batang
pada ujung atas, mulailah dari titik 0 pada sumbu Y. Tanpa demikian, perbandingan
visual, bisa salah seperti ini (diagram sebelah kiri).

Pada grafik sebelah kiri terlihat perbedaan yang sangat mencolok karena sumbu Y
tidak dimulai dari 0. Sebenarnya kenaikan tidak terlalu signifikan karena jika
diterapkan sumbu Y mulai dari 0 akan terlihat seperti grafik sebelah kanan.

Selanjutnya selain mempertimbangkan panjang batang, kita juga harus

memperhatikan lebar dari diagram batang tersebut. Secara umum lebar batang
harus lebih besar dibandingkan jarak antara batang, penggambarannya seperti di
bawah ini.

Kita telah membahas bagaimana cara terbaik untuk membuat grafik batang secara
umum. Selanjutnya mari kita lihat ragam jenis grafik batang. Dengan tahu varian
yang ada, kita bisa memilih mana yang terbaik untuk keperluan kita.

1. Grafik Batang Vertikal

Seperti grafik garis, grafik batang vertikal dapat berjumlah satu, dua, ataupun
multi serial data. Perlu diingat bahwa jika serial data yang ditambahkan
semakin banyak, semakin sulit audiens fokus membaca dan menarik
kesimpulan. Alternatifnya, gunakan grafik multi serial. Kita juga harus
memperhatikan penyesuaian visual yang terjadi jika memiliki satu serial data.
Hal ini membuat susunan kategorisasi menjadi penting. Pertimbangkan apa
 yang ingin diketahui audiens dan buat susunan kategorisasi sejelas mungkin.

2. Grafik Batang Vertikal Bertumpuk

Stacked vertical bar chart atau grafik batang bertumpuk penggunaannya lebih
terbatas. Grafik ini memungkinkan kita untuk membandingkan antar kategori
utama dan juga antar sub komponen dalam tiap kategori. Namun, grafik ini
dapat membuat audiens kebingungan secara visual, terutama ketika aplikasi
grafik menambahkan variasi warna secara otomatis. Sulit untuk
membandingkan sub komponen dari kategori-kategori ketika mereka tidak
terletak sejajar di garis bawah. Hal ini menyulitkan kita untuk
membandingkan, seperti ilustrasi pada gambar di bawah ini.

3. Grafik Air Terjun

Waterfall Chart atau apabila diterjemahkan menjadi grafik air terjun dapat
digunakan untuk menampilkan bagian tertentu dari grafik batang bertumpuk.
Hal tersebut bertujuan untuk lebih fokus menunjukkan data awal, kenaikan
atau penurunan, serta data akhir.
Cara terbaik untuk mengilustrasikan waterfall chart adalah dengan contoh
spesifik. Bayangkan kita adalah rekan bisnis yang ingin memahami dan
mengkomunikasikan bagaimana perubahan jumlah karyawan dari tahun lalu
untuk klien kita.
 Di sisi kiri, kita melihat jumlah karyawan di awal tahun. Seraya kita bergerak
ke arah kanan, kita melihat pertambahan: perekrutan dan peralihan karyawan
ke dalam tim yang semula berasal dari tim yang berbeda organisasi.
Pertambahan ini diikuti dengan pengurangan: peralihan karyawan keluar tim
untuk tim yang berbeda dan pengurangan karyawan. Batang yang di ujung
kanan merepresentasikan jumlah karyawan di akhir tahun, setelah
pertambahan dan pengurangan karyawan di awal tahun.
4. Grafik Batang Horizontal
Grafik ini sangat mudah dibaca untuk mengetahui kisaran sebuah data,
khususnya jika nama kategori panjang. Selain itu, mata kita memproses
informasi mulai dari kiri atas (nama kategori) hingga ke kanan (data) dari
grafik batang horizontal. Ini artinya ketika kita membaca data, kita sudah
mengetahui apa yang dipresentasikan.

5. Grafik Batang Horizontal Bertumpuk

Grafik batang horizontal bertumpuk dapat menunjukkan perbandingan antara
kategori total dengan antar sub komponen di tiap kategori.

Grafik ini dapat digunakan untuk memvisualisasikan porsi keseluruhan skala

dari negatif hingga positif, karena kita menggunakan garis dasar yang
 konsisten baik ujung kiri maupun ujung kanan. Pendekatan grafik ini dapat
terlihat cukup baik pada contoh data survei di bawah ini:

Area
Salah satu grafik yang paling dihindari adalah area. Mata manusia tidak terbiasa
menghubungkan data kuantitatif dengan bidang dua dimensi. Hal ini menyebabkan
grafik area lebih sulit dibaca daripada grafik-grafik sebelumnya. Untuk alasan ini,
hindari grafik area kecuali ketika ingin memvisualisasikan angka dengan ukuran
besaran yang berbeda. Kehadiran dua dimensi dari grafik ini memungkinkan kita
menampilkan data lebih ringkas dibandingkan dengan satu dimensi.

Prinsip Gestalt dalam Persepsi Visual

Ketika mengidentifikasi elemen informasi yang mungkin masih terlihat berantakan
dalam visualisasi, pertimbangkan prinsip gestalt dalam persepsi visual. Gestalt
merupakan sebuah teori yang menyatakan bahwa seseorang cenderung
mengelompokkan sesuatu yang dilihat menjadi satu kesatuan utuh berdasarkan
pola, hubungan, dan kemiripan. Berikut enam prinsip gestalt dalam persepsi visual
yang akan kita pelajari: proximity, similarity, enclosure, closure, continuity, and
connection.

Proximity (Kedekatan)
Kita cenderung berpikir bahwa objek yang berdekatan secara fisik termasuk pada
golongan yang sama. Kita akan melihat titik-titik sebagai tiga kelompok terpisah
akibat kedekatan relatif satu sama lain, contohnya seperti di bawah ini:

Similarity (Kesamaan)
Objek yang memiliki warna, bentuk, ukuran, dan arah yang sama dianggap terkait
atau termasuk bagian dari suatu kelompok. Kesamaan ini dapat membantu menarik
perhatian audiens ke arah yang ingin kita fokuskan.
Enclosure (Pembeda)
Kita berpikir objek-objek yang memiliki batas secara fisik termasuk dalam sebuah
kelompok. Salah satu cara untuk mengoptimalkan prinsip enclosure adalah
menggambar visual pembeda dalam data kita. Seperti menambahkan area
berbayang untuk memisahkan prediksi dengan data yang aktual di bawah ini:

Closure (Bentuk Tertutup)

Konsep closure berkata bahwa orang-orang menyukai hal sederhana dan sesuai
dengan konstruksi yang ada di pikiran mereka. Karena hal ini orang-orang
cenderung melihat elemen individu sebagai elemen-elemen tunggal atau sesuatu
yang dapat dikenali. Sehingga elemen tersebut terlihat solid dan terlihat seimbang.
Misalnya penggambaran grafik masih terbaca dengan baik sehingga tidak perlu
ditambahkan garis tepi atau bayangan.
Continuity (Kesinambungan Pola)
Prinsip continuity mirip dengan closure. Ketika melihat objek, mata kita mencari garis
tepi dan secara alami membuat kelanjutan dari apa yang kita lihat meskipun
kelanjutannya tidak terlihat secara eksplisit. Contohnya dapat dilihat pada gambar di
bawah ini. Penerapan prinsip ini menghilangkan garis sumbu-y vertikal. Maka kita
tetap melihat gambar batang yang berbaris di titik yang sama karena konsistensi
jarak antara label di kiri dan data di kanan. Seperti apa yang kita lihat di prinsip
closure dalam aplikasi, membuang elemen yang tidak dibutuhkan dapat membuat
data kita lebih menonjol.

Connection (Koneksi)
Prinsip terakhir yang akan kita bahas adalah connection. Kita cenderung memikirkan
objek yang secara fisik terhubung sebagai bagian dari grup. Koneksi biasanya
memiliki nilai asosiatif yang lebih kuat daripada warna, ukuran, atau bentuk yang
serupa. Properti connection tidak sekuat enclosure tetapi dapat mempengaruhi
hubungan ini melalui ketebalan dan pewarnaan untuk menciptakan hirarki visual
yang diinginkan.

Salah satu cara yang bisa kita manfaatkan untuk prinsip koneksi adalah grafik garis
yang bertujuan untuk membantu mata kita melihat susunan data seperti pada
gambar di bawah ini.

Berdasarkan penjelasan di atas kita dapat mengetahui bahwa prinsip gestalt

membantu kita memahami bagaimana orang melihat dan mengidentifikasi elemen
yang tidak diperlukan untuk mempermudah proses komunikasi visual.
Menghilangkan Elemen yang Rumit
Bayangkan halaman kosong atau layar kosong. Kemudian, tiap elemen yang Anda
tambahkan ke halaman atau layar tersebut pasti memerlukan waktu untuk kita
pahami. Dengan kata lain, penambahan elemen membutuhkan kekuatan otak untuk
memproses. Oleh karena itu, kita perlu membuat elemen visual terlihat rapi. Secara
umum, identifikasilah dan hapuslah elemen yang kurang efektif.

Cognitive Load (Beban Kognitif)

Apa itu beban kognitif? Sederhananya, usaha kognitif kita dalam mempelajari
informasi baru. Ketika kita meminta komputer untuk melakukan pekerjaan, kita
mengandalkan kekuatan pemrosesan komputer. Ketika kita meminta audiens untuk
menyerap informasi, kita mengoptimalkan pola berpikir mereka untuk memproses
hal tersebut. Ini disebut dengan beban kognitif. Otak manusia memiliki kekuatan
untuk pemrosesan yang terbatas. Sebagai desainer informasi, kita harus membuat
audiens mudah memahami data yang kita sampaikan. Jika audiens membutuhkan
waktu lama untuk memahami data yang kita sampaikan, maka kita harus
memperbaiki persepsi visual data yang kita buat.

Hal yang sangat penting ketika menyangkut komunikasi visual adalah usaha audiens
untuk mencerna informasi. Seberapa sulit bagi mereka untuk percaya bahwa
informasi dapat diserap dari apa yang kita sampaikan.

Kerumitan
Salah satu penyebab utama yang menimbulkan cognitive lead yang berlebihan
adalah sebuah kerumitan atau disebut juga dengan clutter. Clutter merupakan
elemen visual yang tidak menambah pemahaman. Terdapat alasan sederhana
mengapa kita berusaha untuk mereduksinya. Mungkin tanpa kita sadari sebuah
clutter dalam komunikasi visual dapat menyebabkan informasi kurang ideal sehingga
berdampak pada  pengalaman tidak nyaman bagi audiens saat membacanya. Ketika
visual terlihat rumit, kita membuat audiens membuang banyak waktu untuk
memahami tampilan data. Sehingga kita dapat kehilangan kesempatan
menyampaikan informasi pada audiens dengan efektif.

Preattentive Attributes
Kita telah mengetahui pentingnya mengidentifikasi dan menghilangkan hal-hal yang
berantakan dari visual yang dibuat. Kita akan berbicara singkat mengenai
pengamatan dan ingatan untuk menekankan pentingnya sebuah preattentive
attributes. Pada bagian ini kita akan mengeksplorasi bagaimana atribut seperti,
ukuran, warna, dan posisi di halaman dapat digunakan secara strategis dalam dua
cara:

1. Preattentive attributes dapat dimanfaatkan untuk membantu mengarahkan

perhatian pada fokus utama yang ingin disampaikan.
 2. Atribut ini dapat digunakan untuk membuat hierarki elemen visual yang
mengarahkan perhatian pada informasi yang hendak diinformasikan sesuai
dengan proses yang diharapkan.

Jika kita menggunakan preattentive attributes secara strategis, audiens jadi mudah

melihat dan menemukan dengan cepat apa yang kita ingin mereka cari.

Preattentive attributes adalah sinyal fokus area

Cara terbaik untuk membuktikan kekuatan preattentive attributes adalah dengan
mendemonstrasikannya. Gambar di bawah ini menunjukkan sejumlah angka.
Hitunglah berapa banyak angka enam yang ada dalam rangkaian tersebut.

Jawabannya adalah sepuluh. Pada gambar di atas tidak terdapat tanda visual yang
membantu menjawab pertanyaan. Namun, apa yang terjadi ketika membuat sebuah
perubahan di rangkaian angka seperti berikut.

Perhatikan betapa mudah dan cepat kita menemukan berapa banyak angka 6 dalam
data di atas menggunakan data yang sama. Tidak dibutuhkan waktu yang lama dan
tiba-tiba terdapat sepuluh angka 6 yang dapat dilihat. Preattentive attributes dari
contoh kasus ini adalah penggunaan intensitas warna yang membuat angka 6
mencolok dari angka lain. Sehingga, otak kita menangkap secara cepat dan
menghitung jumlah angka 6 yang terlihat mencolok daripada yang lain.

Preattentive attributes dalam teks

Ketika membicarakan preattentive pada teks, mungkin teman-teman secara tidak
sadar telah melakukan hal tersebut. Seperti contohnya ketika membuat sebuah
dokumen pasti kita akan membedakan ukuran nama judul, sub judul, dan paragraf.
Ataupun ketika kita menggunakan stabilo pada sebuah buku yang kita baca. Nah,
sebenarnya untuk apa sih kita melakukan hal tersebut? Coba bandingkanlah ketika
kamu membaca sebuah buku dengan judul dan tanpa judul: bagian buku yang kita
beri warna highlighter  dan tidak. Tutuplah buku tersebut dan buka lagi setelah
beberapa hari, maka kamu akan melihat buku yang kamu berikan preattentive akan
lebih mudah kamu baca kembali. Kenapa? Karena dengan melakukan preattentive
pada teks, kita mengarahkan audiens untuk lebih fokus ke beberapa hal saja, bukan
semua. 

Selain itu, ukuran juga memberikan informasi hirarki. Seperti halnya judul dan sub
judul, kita mengetahui bahwa informasi sub judul merupakan bagian lebih detail dari
judul.

Dengan membuat hirarki kita akan memudahkan audiens untuk memisahkan grup
informasi yang memiliki korelasi. Seperti halnya pada modul ini kita menggunakan
ukuran sebagai pembatas dari informasi-informasi pembelajaran. Hal ini juga bisa
kita terapkan pada pembuatan presentasi seperti gambar di bawah.

Bagaimana? Dengan sedikit memainkan ukuran, warna dan ketebalan kita bisa
membuat perbedaan yang cukup signifikan. Coba kamu lihat gambar di bawah
sebagai pembanding. Selain warna dan ukuran masih banyak yang bisa kita lakukan
untuk membuat preattentive pada teks.

Mungkin pertanyaan selanjutnya adalah kapan kita harus menggunakan salah

satunya? Kembali lagi ke audiens. Ketika audiens merupakan orang yang cukup tua
atau memiliki penglihatan yang kurang maka perubahan ukuran akan lebih baik. Bila
seseorang sulit untuk membedakan warna maka jangan gunakan pewarna sebagai
preattentive. Ketika kita memiliki banyak informasi yang penting dalam sebuah teks,
maka kita dapat memberikan outline kotak atau mungkin kalian lebih suka untuk
melingkari hal yang penting.
Preattentive attributes dalam grafik
Grafik juga memerlukan penanda visual seperti yang sudah dijelaskan dengan
contoh kasus menghitung jumlah angka 6 sebelumnya. Berikut merupakan contoh
penerapan preattentive attributes dalam grafik.

Grafik di atas terlihat tanpa penanda visual sehingga kita sulit menentukan informasi
yang ingin diketahui. Masih ingatkah Anda dengan perbedaan antara exploratory
analysis dan explanatory analysis? Gambar di atas juga dapat membantu untuk
masuk dalam proses explanatory analysis. Namun, jika kita melihat data untuk
memahami apa yang menarik dan penting untuk dikomunikasikan kepada orang lain,
maka penggunaan warna dan teks adalah salah satu cara untuk fokus pada hal
yang ingin diinformasikan. Contohnya seperti pada ilustrasi di bawah ini.

Penyajian di atas menggunakan dan visual yang sama, tetapi dengan modifikasi
fokus dan teks untuk mengarahkan ke bagian makro dan mikro dari data yang ingin
disampaikan. Anda juga dapat menambahkan cerita untuk melengkapi informasi
tersebut seperti di bawah ini.

Khususnya dalam presentasi langsung, kita bisa lakukan pengulangan visual

dengan perbedaan penekanan untuk menyampaikan aspek yang berbeda dari cerita
yang sama. Ini merupakan strategi efektif.
Dalam preattentive attributes terdapat beberapa atribut yang penting dari sudut
pandang strategis ketika memfokuskan perhatian sesuai spesifikasi diskusinya yaitu:

1. Ukuran
Ukuran relatif berpengaruh untuk menunjukkan tingkat kepentingan. Ingat
selalu ketika mendesain komunikasi visual. Jika kita menunjukkan berbagai
hal yang memiliki kepentingan yang sama, berikan mereka ukuran yang
sama. Sebagai alternatif, jika terdapat satu hal penting maka manfaatkan
ukuran dan membuatnya menjadi lebih besar.
2. Warna
Ketika digunakan secara bijak, warna merupakan salah satu alat paling
ampuh untuk menarik perhatian. Hindari keinginan untuk menggunakan
warna hanya karena ingin terlihat meriah atau warna warni semata. Gunakan
warna secara selektif sebagai sebuah alat strategis untuk menekankan
bagian penting dari visual yang dibuat.

3. Posisi di halaman
Ketika kita membuat sebuah visual, maka kita harus bijak dalam memilih
posisi. Seperti kita ketahui umumnya kita membaca dari kiri dan ke kanan
seperti gambar di bawah ini. Tapi bagaimana dengan orang dari Arab? Kita
harus menyesuaikan dengan cara audiens membaca. Hal tersebut akan
bermanfaat untuk kita menentukan struktur dari visualisasi.
Konsep Berkomunikasi dengan Data
Pada Preattentive Attributes yang kita pelajari sebelumnya kita telah belajar
bagaimana memusatkan perhatian audiens terhadap informasi yang kita berikan.
Namun, untuk membuat visualisasi kita lebih menarik maka kita memerlukan
beberapa fundamental desain. Oleh karena itu setidaknya mari kita berpikir sebagai
desainer.

Pada bagian ini kita akan belajar bagaimana cara berpikir sebagai seorang desainer
dan bagaimana konsep desain tradisional dapat diterapkan untuk berkomunikasi
dengan data. Terdapat 4 poin utama dalam desain yang akan kita bahas
yaitu affordances, accessibility, aesthetics, dan acceptance. Seorang desainer
dapat membedakan mana desain yang baik dan tidak dengan membiasakan diri
dengan beberapa aspek umum dan contoh-contoh desain yang ada. Kita akan
belajar dan menanamkan kepercayaan diri pada insting visual dengan mempelajari
beberapa tips untuk diikuti dan disesuaikan ketika hal-hal dirasa kurang tepat pada
sebuah visual.

Affordances
Dalam istilah desain, semua benda memiliki fungsinya masing-masing. Seperti
halnya ketika kita melihat tombol, kita tahu bahwa guna mengaktifkan tombol, kita
perlu menekannya. Karakteristik ini menunjukkan bagaimana objek harus
berinteraksi. Nah bagaimana kita menerapkan konsep affordances ke dalam
visualisasi data?

Highlight hal yang penting

Pada pembelajaran sebelumnya kita mengetahui bagaimana menggunakan
preattentive attributes untuk menarik perhatian audiens. Ada beberapa hal cara
highlighting yaitu:

 Bold/italic/underline : Biasanya digunakan untuk judul, caption, ataupun

kata pendek yang membedakan elemen. Bold umumnya lebih disukai
daripada huruf miring dan garis bawah karena menambah sedikit kebisingan
pada desain sambil secara jelas menyoroti elemen yang dipilih.
 CASE : Kita bisa menggunakan huruf kapital untuk menarik perhatian dari
audiens karena huruf kapital mudah untuk dipindai oleh mata.
 Color : efektif bila digunakan bersamaan dengan teknik highlighting lainnya.
Karena menambahkan nilai estetika dan menarik perhatian audiens.
 Inversing Element : Cara ini sangat menarik perhatian mata, namun
beberapa orang tidak nyaman ketika melihat inversing.
 Size : Hal ini paling biasa kita lakukan untuk membedakan mana judul, sub-
judul, atau lainnya yang juga merupakan sinyal untuk memberitahu hal yang
harus difokuskan audiens.
Ketika kita memiliki hal yang sangat penting dan ingin kita tampilkan maka kita bisa
memberikan bold, memperbesar ukuran font, atau bahkan mewarnainya.
Perhatikan gambar di atas dan bagaimana ia membawa fokus audiens terhadap hal
yang ingin ia sampaikan. Tentu kita fokus melihat Bachelor’s degree or more karena
warna mencolok. Sementara bagian kirinya tidak mencolok dengan warna standar
abu-abu. Sampai di sini, paham? Highlighting memberikan sinyal yang jelas ke
mana kita harus memusatkan perhatian kita.

Eliminasi distraksi
Ketika kita melihat tulisan di kertas yang bernoda maka kita akan ikut melihat noda
di kertas tersebut. Tapi apakah noda tersebut merupakan hal yang harusnya kita
lihat? Bandingkan dengan kita melihat tulisan di atas kertas putih bersih. Maka kita
akan langsung fokus pada tulisan tersebut. Dalam sebuah bukunya Antoine de
Saint‐Exupery berkata “Anda tahu Anda telah mencapai kesempurnaan, bukan
ketika Anda tidak memiliki apa-apa lagi untuk ditambahkan, tetapi ketika Anda tidak
memiliki apa pun untuk diambil”. Oleh karena itu kita butuh untuk mengeliminasi
distraksi dari grafik kita. Beberapa hal yang bisa membantu kita dalam
mengeliminasi distraksi.

 Tidak semua data setara informasinya. Seperti clutter yang kita pelajari
pada modul sebelumnya maka informasi tersebut bisa dihilangkan.
 Ketika detail tidak dibutuhkan maka rangkumlah. Mungkin menurut kita
detail itu penting, tapi apakah audiens perlu dan akan membaca semua detail
tersebut?
 Tanya diri sendiri, apabila kita hapus sesuatu apakah merubah
informasinya? Apabila jawabannya tidak, maka Anda dapat menghapusnya.
Jangan biarkan rasa estetika ataupun rasa “sebaiknya harus ada”
menghalangi kita untuk menghapus data tersebut.
 Ketika tidak terlalu penting namun dibutuhkan, samarkan dengan warna
latar. Gunakan ilmu preattentive attributes mu dan gunakan warna abu-abu
untuk menyamarkannya.
Banyak hal yang kita ubah pada grafik tersebut. Seperti yang kita tahu bahwa grafik
garis lebih mudah memperlihatkan tren waktu. Kita juga mengurangi informasi
dengan merubah 25 bar menjadi 4 garis. Kita juga dapat melihat perbedaan secara
lebih jelas karena hanya perlu melihat dalam satu garis vertikal. Karena yang kita
ingin tunjukan adalah perbandingan dan perbandingannya sudah jelas terlihat, kita
tidak memerlukan bentuk desimal.

Accessibility
Konsep ini membicarakan bahwa desain seharusnya bisa digunakan oleh orang dari
berbagai latar belakang atau kemampuan. Apakah termasuk penyandang
disabilitas? Ya, disabilitas juga termasuk. Namun hal yang dimaksud lebih luas.
Apabila kita seorang sarjana ekonomi, maka hasil analisis dan visual yang kita buat
harus dapat dimengerti orang yang bukan sarjana ekonomi. Ada beberapa hal yang
dapat membantu Anda mendapatkan Accessibility.

Jangan mempersulit sesuatu

Ketika kita membuat sebuah visual terkadang kita ingin menampilkan sesuatu yang
unik dan beda dari yang lain. Contohnya kita membuat presentasi dengan font huruf
sambung atau untuk alasan estetika kamu memperkecil teks agar terlihat rapi. Hal
tersebut akan menyulitkan audiens dalam menyerap informasi dari visualisasi yang
Anda buat. Beberapa hal yang perlu Anda ingat yaitu:

 Gunakan font yang tegas dan mudah dibaca oleh orang lain;
 Bersihkan dari setiap clutter dan buat visualisasi data kita sesuai
dengan visual affordances;
 Gunakan bahasa yang umum dan to the point;
 Simplicity is the best.

Teks adalah temanmu

Teks membantu kita dalam mengkomunikasikan visualisasi sehingga dapat
dimengerti audiens. Anda selalu bisa menggunakan teks sebagai penjelasan suatu
visual. Mulai dari judul, deskripsi, atau bahkan memanfaatkan teknik highlighting
pada sebuah teks.
Seperti gambar di atas kita dapat menunjukan pemahaman dari grafik dengan
menambahkan teks. Gambar pertama merupakan grafik yang bagus, tapi apa
maksud dari grafik tersebut? Ketika sebuah grafik belum dapat menyampaikan
maksud kita, maka tambahkanlah teks pada grafik kita seperti halnya gambar kedua.

Aesthetics
Estetika mungkin terlihat berlawanan dengan apa yang disampaikan pada
pembelajaran sebelumnya. Namun, yang dimaksud dengan estetika di sini bukanlah
menambahkan sesuatu sehingga membuat visual lebih menarik. Tapi bagaimana
kita membuat pilihan warna, spacing, alignment, dan layout menjadi satu
kesatuan yang menarik. Apakah estetika itu penting? Ya tentu saja, seperti
kebiasaan kita apabila melihat sesuatu yang kurang menarik atau tidak indah maka
kita cenderung memberikan kesan negatif walaupun belum mengerti secara lebih
detail.
Lihat kedua gambar di atas. Pada gambar pertama kita melihat penggunaan banyak
warna yang sangat mencolok sehingga mengurangi nilai estetika. Bahkan alignment
yang tidak rata, kotak merah yang menunjukan persentase, dan memiliki warna yang
sama dengan salah satu elemen lainnya. Pada gambar kedua kita merapikan
beberapa hal mulai dari pemilihan warna, menghilangkan garis-garis, dan perbaikan
alignment. Dengan adanya sedikit perubahan sedemikian rupa, tampilan visual jadi
jauh lebih baik.

Acceptance
Agar suatu desain menjadi efektif, ia harus diterima oleh audiens yang dituju.
Pepatah desain ini juga berguna dalam visualisasi data. Seperti contohnya jika kita
memilih visual yang kompleks maka tidak dapat diterima oleh audiens karena sulit
dipahami maksud visualisasinya. Beberapa hal yang dapat kita gunakan untuk
meningkatkan penerimaan visual oleh audiens. 

1. Mengartikulasikan manfaat dari pendekatan baru atau berbeda. Kadang-

kadang jika kita transparan pada audiens tentang kenapa hal-hal terlihat
berbeda, akan membantu audiens mereka merasa lebih nyaman. Apakah ada
pengamatan baru dan lebih baik dengan melihat data dengan cara yang
berbeda? Atau apa manfaat lain yang dapat Anda artikulasikan untuk
membantu meyakinkan audiens Anda terbuka terhadap perubahan?
 2. Tes A/B. Pasangan pendekatan awal dan pendekatan baru dengan
menunjukkan sebelum dan sesudah serta menjelaskan mengapa kita ingin
mengubah cara kita melihat sesuatu.
3. Siapkan beberapa opsi desain untuk Anda bandingkan.

Referensi : Knaflic, Cole. Storytelling With Data: A Data Visualization Guide for

Business Professionals, Wiley, © 2015