UNIVERSITAS GUNADARMA

FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI

MATERI PEMODELAN DAN VISUALISASI DATA

Nama Kelompok :

Bagas Firmansyah_11119261

Danitra Wirayuda Utomo_11119570

Adi Nugraha_10119153

Bimo Satrio Wicaksono_11119363

Raden Azhar Fadhlur Rohman_15119133

Shafa Talitha Rizqiah_16119002

Depok

2022
Pengertian Visualisasi Data

Visualisasi data adalah proses penyajian data dalam bentuk grafik yang

membuat informasi mudah dimengerti, hal ini membantu menjelaskan tentang fakta

dan menentukan arah tindakan . Definisi visualisasi data menjelaskan tentang

pentingnya data dengan menempatkan data dalam konteks visual. Hal ini

melibatkan penciptaan dan studi representasi visual dari data yang dikenal sebagai

informasi. Visualisasi data memungkinkan pengguna untuk memperoleh

pengetahuan yang lebih banyak mengenai data mentah yang didapatkan dari

berbagai sumber. Visualisasi dapat dilakukan dengan menggunakan dashboard, di

mana teks, pola, dan korelasi yang tidak terdeteksi dapat dengan mudah

divisualisasikan dengan menggunakan perangkat lunak visualisasi.

Visualisasi data tidak hanya mengubah data menjadi grafik visual, akan

tetapi visualisasi data juga memerlukan perencanaan. Setiap jenis data memerlukan

teknik visualisasi yang sesuai berdasarkan kebutuhannya. Berdasarkan tingkat

kompleksitas data, untuk menghasilkan solusi yang berharga perlu melibatkan

berbagai disiplin ilmu, seperti statistika, data mining, desain grafis, dan information
visualization. Proses memahami data dimulai dari beberapa pertanyaan, tidak
semerta-merta dijawab begitu saja, akan tetapi terdapat langkah-langkah dalam
menjawab pertanyaan berdasarkan data.

langkah-langkah tersebut adalah sebagai berikut [5]:

1. Acquire

Tahap ini adalah proses pengumpulan data dari berbagai sumber, baik dari

file penyimpanan atau sumber melalui jaringan. Tahap Acquire hanya

berfokus pada bagaimana data didapatkan, jika produk akhir akan

didistribusikan melalu internet maka, data yang ada harus memiliki struktur

dan dapat disimpan pada sebuah server.

2. Parse

Tahap ini adalah proses penyesuian data kedalam sebuah format yang telah
ditentukan yang kemudian akan dikategorikan kedalam beberapa kategori,

agar data bapat dibaca dan bisa dibedakan satu dengan yang lainnya.

3. Filter

Pada tahap ini adalah proses seleksi data dengan menghapus data yang tidak

diperlukan. Beberapa data yang terdapat pada berkas, mungkin perlu

diterjemahkan ke dalam model matematika atau dilakukan normalisasi

terlebih dahulu.

4. Mine

Pada tahap ini adalah proses penerapan metode disiplin ilmu statistika dan

data mining sebagai jalan untuk mencari pola atau dijabarkan pada konteks

matematis.

5. Represent

Pada tahap ini adalah proses pengubahan data dalam bentuk visual seperti

bar graph, tree, atau tree. Tahap Represent menunjukkan bentuk dasar data

yang akan diambil. Tahap ini merupakan tahap yang sangat penting dalam

visualisasi data. Pemilihan model visualisasi yang tepat akan

mempengaruhi kualitas dari produk yang dihasilkan

6. Refine

Pada tahap ini adalah proses meningkatkan hasil representasi agar terlihat

lebih menarik. Graphic design lebih banyak terlibat pada tahap ini. Poinpoin yang
cukup penting pada visual grafik dibandingkan denga poin

lainnya diberikan pembeda agar data mudah dibaca.

7. Interact

Pada tahap ini adalah proses menambahkan metode untuk manipulasi data

atau mengendalikan fitur yang terlihat dengan kata lain data bisa
ditampilkan sesuai kehendak pengguna. Contoh interaksi antara pengguna

dan data seperti zoom-in, zoom-out, merubah rentang data, melakukan

filtering, dll.

Pentingnya Visualisasi Data

Dengan visualisasi data, Anda dapat melihat tren atau pola dari hasil analisis data
scientist. Dan dari data tersebut, Anda dapat mendapatkan masukan-masukan
informasi dengan cepat mengenai tren bisnis sehingga Anda dapat menemukan
strategi yang cocok untuk bisnis Anda. Itulah yang dilakukan di banyak perusahaan.

Alasan lainnya adalah mayoritas penduduk di dunia mengingat 80% dari apa yang
dilihat, namun hanya 20% saja dari yang dibaca. Artinya kita lebih mudah mengingat
sebuah visual dari gambar lebih cepat dibandingkan dengan kata-kata.

Visualisasi data pun tidak hanya dilakukan oleh data scientist atau data analyst saja,
semua bagian pun dapat melakukannya seperti finance, marketing, sales dan lain-
lain.Jenis Visualisasi Data

Visualisasi data biasanya dilakukan dengan bantuan grafik, tabel, atau infografis.
Proses visualisasi juga menghilangkan bagian-bagian yang dirasa tidak perlu dan
menampung berbagai data yang memiliki kesinambungan, sehingga data yang
ditampilkan tidak terkesan terpecah satu dengan yang lain.

Jenis Visualisasi Data

Grafik (Chart)

Grafik merupakan format visualisasi yang paling sering digunakan. Beberapa contoh
format grafik yang tersedia adalah grafik lingkaran atau pie chart, garis, atau batang.
Ketiganya bisa digunakan di berbagai aplikasi visualisasi, seperti Adobe Illustrator.

Pivot Table

Pivot table memberikan kebebasan kepada para pembaca data untuk menarik data
yang diinginkan. Format ini cukup praktis, jika memvisualisasikan data lewat
aplikasi yang bisa mengupdate datanya secara dinamis sesuai dengan keinginan
pengguna (seperti Data Studio atau Microsoft Power BI).

Misalnya jika ada dimensi data ID produk dan Tanggal lalu ada metrik total profit,
maka anda bisa menarik data ID Produk – Profit atau Tanggal – Profit tanpa perlu
mengganti layout data yang sudah ada.
Bar/Trend

Untuk memiliki kesinambungan data dalam satu dimensi, maka format Bar/Trend
sangat disarankan. Misalnya jika ingin memvisualisasikan pertumbuhan profit dari
waktu ke waktu, atau perbandingan profit yang didapatkan dari jenis barang tertentu.

Infografis

Infografis sering digunakan agar data yang ditampilkan tidak terasa hambar. Apalagi
jika Anda harus berurusan dengan banyak data sekaligus, seperti pada laporan
tahunan perusahaan. Infografis bisa memberikan gambaran data yang atraktif, namun
tidak menghilangkan esensi dari data itu sendiri.

Contoh Aplikasi Visualisasi Data

Microsoft Excel/Google Sheet

Aplikasi spreadsheet seperti Microsoft Excel dan Google Sheet merupakan aplikasi
visualisasi data yang paling sering digunakan di perusahaan manapun. Aplikasi ini
bisa dibilang yang paling familiar, meskipun cara penggunaannya yang cukup rumit
(apalagi kalau Anda ingin memvisualisasikan data yang kompleks). Di dalam aplikasi
spreadsheet biasanya sudah ada opsi-opsi visualisasi data dasar sampai lanjutan yang
datanya diambil dari setiap sheet yang Anda pilih. Definisi dari dimensi dan metrik
pun sesimpel memilih antara kolom dan baris.

Microsoft Power BI

Power BI merupakan aplikasi visualisasi data berbasis GUI (Graphic User Interface)
besutan Microsoft. Anda hanya perlu menyambungkan sumber data (seperti Google
Analytics, Salesforce atau CRM lain, Shopify, dll) dan Power BI akan secara otomatis
menarik data dari sana

Tableau

Sama seperti Microsoft Power BI, Tableau juga berfungsi sebagai aplikasi pengolah
data yang bisa Anda gunakan sebagai alternatif. Fungsinya tidak jauh berbeda dengan
Power BI maupun aplikasi visualisasi data lainnya.

Google Data Studio

Sama seperti Microsoft Power BI dan Tableau, Google Data Studio menawarkan
berbagai opsi visualisasi dan manipulasi data secara seamless dengan sumber yang
Anda inginkan. Google Data Studio bekerja sempurna dengan Google Marketing
Platform lainnya seperti Google Ads maupun Google Analytics.

5 Tips untuk Teknik Visualisasi Data yang Efektif

Visualisasi data merupakan salah satu komponen penting dalam penelitian, presentasi,
dan komunikasi. Hal ini membantu kita untuk merangkum jumlah data yang besar
menjadi sebuah grafik yang efektif. Selain itu, otak manusia juga lebih mudah
mencerna gambar dibandingkan angka maupun kata-kata, sehingga grafik memainkan
peranan penting dalam penelitian dan presentasi. Ketika memutuskan untuk
menggunakannya, ada beberapa teknik visualisasi data yang dapat diikuti agar
hasilnya tidak melenceng dari interpretasi data yang seharusnya.

Mengutip dari publikasi ilmiah berjudul “Ten Guidelines for Effective Data
Visualization in Scientific Publications” oleh Christa Kelleher, berikut adalah
beberapa teknik visualisasi data yang efektif:

1. Buatlah Grafik Sesederhana Mungkin, Namun Mencakup Seluruh Informasi yang

Ingin Disampaikan

Pada dasarnya, visualisasi data bertujuan untuk memudahkan pembaca dalam

memahami informasi yang tertera, maka dari itu, teknik pertama yang bisa diikuti
adalah dengan tidak melebih-lebihkan visualisasi yang dibuat.

Pastikan bahwa pembaca dapat membedakan properti (bentuk, warna, ketebalan garis)
yang digunakan untuk memvisualisasikan data. Pilihlah jenis visualisasi yang cocok
untuk merepresentasikan informasi yang hendak kamu sampaikan.

Sebagai contoh, grafik 2D terkadang lebih berguna dalam menyampaikan informasi

dibandingkan dengan grafik 3D.

Contohnya bisa dilihat di gambar ini:

Pacmann Tips untuk Teknik Visualisasi Data yang Efektif: Contoh Grafik 2D

Jika ingin membuat grafik yang berisi multi dimensional data, gunakanlah properti
yang tersedia untuk membuat visualisasi 2D.

2. Pertimbangkan Jenis Encoding Object dan Value Attribute yang Akan Digunakan
untuk Membuat Visualisasi Data

Sebagai salah satu komponen utama dalam visualisasi data, pemilihan encoding
objects (point/line/bar) dan value attribute-nya (posisi point, panjang garis, warna,
dll.) wajib dipertimbangkan.

Pada umumnya, manusia lebih mudah untuk memahami value attribute panjang garis
dan grafik 2D dibandingkan dengan value attribute lain. Maka dari itu, tidak ada
salahnya menerapkan teknik visualisasi data yang satu ini agar hasil kerjamu mudah
dipahami pembaca.

Di sisi lain, walaupun value attribute lain seperti ketebalan garis lebih sulit untuk
dimengerti, namun value attribute ini tetap dapat digunakan untuk menunjukkan
perbandingan ataupun pola umum.

Tips untuk Teknik Visualisasi Data yang Efektif: Value Encoding Attribute
3. Fokus untuk Memvisualisasikan Pola atau Memvisualisasikan Detail, Tergantung
dari Tujuan Visualisasi

Tahu tujuan penggunaan dan goals dari visualisasi merupakan hal yang wajib
diperhatikan. Hal ini bertujuan agar kamu dapat memilih jenis visualisasi yang sesuai.

Sebagai contoh, jika ingin memvisualisasikan sebuah pola, heatmap dapat menjadi
pilihan yang tepat, sebab heatmap memvisualisasikan dataset ke dalam kotak-kotak,
di mana kotak-kotak ini merepresentasikan value dari data dan warna kotak
merepresentasikan magnitude data. Heatmap juga dilengkapi dengan skala warna
untuk mempermudah pemahaman pembaca. Kelemahannya adalah heatmap ini tidak
begitu menunjukkan perbedaan value antar data sehingga kita tidak dapat
memvisualisasikannya secara detail. Sebaliknya, jika ingin memvisualisasikan data
secara detail–misalnya ingin menunjukkan perbedaan value antar data, bar/line dapat
menjadi solusinya.

Perbedaan antara line dan heatmap dapat dilihat pada gambar di bawah ini:

Contoh Grafik Line dan Heatmaps

4. Mulai dengan Rentang Sumbu dari 0

Walaupun terdengar sepele, teknik visualisasi data berikut sangat berguna untuk
menyampaikan informasi kepada pembaca.

Jika teknik ini diabaikan, pembaca dapat menangkap arti yang berbeda dari visualisasi
yang dibuat. Mari perhatikan gambar di bawah ini:
Chart bar dengan rentang sumbu dari 1500 vs 0

Bila diperhatikan, grafik di sebelah kiri yang memulai sumbu vertikal dari angka 1500
menunjukkan perbedaan yang cukup besar di antara A, B, dan C.

Di sisi lain, dengan menggunakan dataset yang sama, grafik di sebelah kanan yang
memulai sumbu vertikal dari angka 0 menunjukkan perbedaan yang tidak begitu besar
di antara A, B, dan C.

Dapat disimpulkan bahwa grafik di sebelah kiri cenderung melebih-lebihkan

perbedaan yang sebenarnya antara A, B, dan C.

5. Visualisasikan Data dan Grafik dalam Bentuk Skala untuk Melihat Perubahan pada
Data Time Series

Berbeda dengan data pada umumnya, data time series yang menunjukkan perubahan
suatu objek dari waktu ke waktu memiliki teknik visualisasi data khusus.

Perubahan nilai pada data time series pada umumnya dituangkan dalam bentuk
vertical axis menggunakan skala linear.

Selain skala linear, skala logaritmik dapat dijadikan alternatif dalam

memvisualisasikan data time series.

Perbandingan antara kedua skala ini dapat dilihat pada gambar berikut:

Contoh Visualisasi Data Time Series

Dapat dilihat bahwa terdapat 2 garis di setiap grafik, yakni garis putus-putus dan garis
yang utuh. Jika diperhatikan, grafik dengan skala linear menunjukkan perbedaan
yang lebih besar antara bulan Januari ke April untuk garis utuh. Sebaliknya, grafik
dengan skala logaritmik menunjukkan perbedaan yang lebih besar antara bulan
Januari ke April untuk garis yang putus-putus. Hasil yang berbeda ini disebabkan oleh
grafik dengan skala logaritmik menunjukkan persentase perubahan, bukan perubahan
nilai asli. Penggunaan skala logaritmik dapat menghilangkan skewness pada dataset
dan menunjukkan persentase perubahan terhadap initial value sehingga slope pada
grafik menunjukkan persentase perubahan.
 DAFTAR PUSTAKA

https://sasanadigital.com/mengenal-visualisasi-data-untuk-pengambilan-keputusan-
yang-lebih-baik/

https://pacmann.io/blog/tips-untuk-teknik-visualisasi-data-yang-efektif

https://elibrary.unikom.ac.id/id/eprint/2658/