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.
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?”
Dari penjabaran di atas, dapat disimpulkan bahwa fungsi data secara umum antara
lain sebagai:
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 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.”
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.
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
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:
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:
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
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.
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.
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.
Diskrit Kontinu
Data dapat dihitung Data dapat diukur
Nilai tidak dapat dibagi menjadi Bisa dibagi menjadi pecahan kecil
pecahan kecil
Data tidak dapat diukur Data tidak dapat dihitung
Umumnya digambarkan dalam bar Umumnya digambarkan dalam
graph 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.
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
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.
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.
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. }
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.
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.
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.
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:
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.
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.
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.
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
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.
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
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
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.
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,
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.
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?
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
2,3,5,6,6
Dari angka di atas apabila ingin didapatkan rata-rata harmoniknya maka
penerapannya dengan rumus sebagai berikut:
Metode pertama:
Diketahui bahwa:
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:
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:
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:
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?
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.
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.
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:
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.
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
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.
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.
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:
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.
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
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:
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:
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.
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.
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:
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.
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.
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.
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
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.
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
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:
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.
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.
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.
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.
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.
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:
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:
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:
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.
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.
Penulisan formula dalam spreadsheet diawali dengan tanda sama dengan “=”.
Sedangkan untuk bagian-bagian dalam sebuah formula yaitu:
Fungsi
Referensi sel (single/range)
Operator
Konstanta
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.
Berdasarkan contoh di atas kita akan menerapkan fungsi dasar spreadsheet. Berikut
uraian lengkapnya.
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:
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:
Contoh kasus:
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:
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:
Contoh kasus:
Dalam contoh penggunaan COUNT, kita modifikasi sedikit tabel data penjualan ATK
untuk memperjelas penggunaan fungsi ini. Contoh perubahannya sebagai berikut:
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:
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.
1. =COUNTIF(range,kriteria)
Contoh kasus:
Jawab:
Untuk mengetahui berapa orang yang berjenis kelamin laki-laki, kita dapat
menggunakan fungsi COUNTIF seperti berikut:
Sedangkan untuk mengetahui berapa orang yang berjenis kelamin laki-laki dan
memiliki hobi sepak bola, kita dapat menggunakan fungsi COUNTIFS seperti berikut:
Berikut ini adalah lanjutan dari materi sebelumnya tentang fungsi dasar dalam
spreadsheet.
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:
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
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”.
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:
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?
Terdapat 5 nilai siswa dalam sebuah ulangan matematika. Bagaima caranya jika kita
ingin mengetahui nilai huruf dari kelima siswa tersebut?
Jawab:
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:
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.
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.
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.
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:
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. Kita telah mendapatkan hasil filter yang menampilkan data indekos putra saja
dari table pivot. Tampilannya 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.
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.
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
Oke, dalam latihan ini kita akan menggunakan data kamar Airbnb yang disewakan di
New York yang bisa diunduh melalui Kaggle.
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.
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?
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.
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:
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.
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.
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.
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/.
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.
“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.
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).
Salah satu usaha dan pendekatan yang mungkin Anda familiar adalah blockchain
dalam supply-chain management, mari simak video 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
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.
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.
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:
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.
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.
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.
Contohnya:
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.
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.
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.
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:
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.
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:
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.
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.
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.
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?
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.
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.
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.