KELOMPOK 2

ROSY FUJIAWATI 07220200019

INDRIYANI 07220200020
IMA SITI LOGAYAH 07220200021
BULAN SUCI ELVIRA AVIANTY 07220200022
ANITA APRILIANTI 07220200023
SYIFA FAUZIAH GUNAWAN 07220200024
IKA NURSIKA 07220200025
GUSRIATI 07220200026

Pertanyaan:
a. Jelaskan yang dimaksud dengan visualisasi data/data visualization?
b. Mengapa memilih data visualization daripada metode lain?
c. Jelaskan kaitan antara data visualization dengan big data!
d. Aplikasi apa saja yang bisa membantu dalam data visualization?
e. Jelaskan tipe-tipe penyajian data dalam data visualization? Misalnya: Bar chart digunakan
untuk…..

Jawaban:
a. Visualisasi data adalah proses menggunakan elemen visual seperti diagram, grafik, atau peta
untuk merepresentasikan data. Visualisasi data menerjemahkan yang kompleks, bervolume
tinggi, atau numerik menjadi representasi visual yang lebih mudah diproses. Alat visualisasi data
meningkatkan dan mengotomatiskan proses komunikasi visual untuk mendapatkan akurasi dan
detail. Anda dapat menggunakan representasi visual untuk mengekstraksi wawasan yang dapat
ditindaklanjuti dari data mentah.

b. Alasan memilih data visual daripada metoda lain adalah:

Memilih data visualisasi daripada metode lain memiliki sejumlah alasan kuat. Berikut adalah
beberapa alasan mengapa data visualisasi sering menjadi pilihan yang lebih baik:
1. Komunikasi yang Efektif: Visualisasi data memungkinkan penyajian informasi yang
kompleks menjadi lebih sederhana dan mudah dipahami. Grafik, diagram, dan grafis
lainnya dapat menyampaikan pesan yang jelas dan dapat diingat dengan lebih baik
daripada tabel atau angka mentah.
 2. Mengidentifikasi Pola dan Hubungan: Visualisasi memungkinkan kita untuk dengan
cepat mengenali pola dan hubungan dalam data yang mungkin tidak terlihat jika hanya
dilihat dalam bentuk angka. Pola tersebut dapat membantu kita memahami tren, anomali,
atau korelasi yang mungkin berdampak pada pengambilan keputusan.
3. Memudahkan Pengambilan Keputusan: Dengan menggunakan data visualisasi, informasi
dapat disajikan dengan cara yang lebih interaktif dan intuitif. Ini memungkinkan
pengambilan keputusan yang lebih baik karena data dapat dipelajari lebih mendalam dan
dapat digali untuk informasi yang relevan.
4. Memperkuat Presentasi: Dalam konteks presentasi atau laporan, visualisasi data dapat
memberikan dampak yang lebih besar pada audiens. Ketika ide-ide kompleks
disampaikan dengan gambar atau grafik, audiens lebih cenderung terlibat dan memahami
informasi dengan lebih baik.
5. Menyampaikan Narasi: Data visualisasi memungkinkan kita untuk menciptakan narasi
visual yang kuat. Dengan mengatur grafik dan informasi dalam urutan yang logis, kita
dapat menyampaikan cerita yang menyentuh aspek-aspek tertentu dari data.
6. Identifikasi Kesalahan dan Ketidaksesuaian: Data visualisasi dapat membantu
mengungkapkan ketidaksesuaian atau kesalahan dalam data. Dengan melihat pola atau
tren yang tidak wajar, kita dapat mengidentifikasi apakah ada masalah dengan data dan
mengambil tindakan yang sesuai.
7. Pemahaman Lintas Budaya: Data visualisasi dapat menjadi bahasa universal yang
memungkinkan pemahaman lintas budaya. Bentuk visualisasi dapat lebih mudah
dipahami oleh orang dengan latar belakang budaya atau bahasa yang berbeda.

c. Peranan visualilasi dalam proses analisis data:

Data visualisasi memainkan peran yang sangat penting dalam proses analisis data. Berikut adalah
beberapa peranan utama visualisasi dalam proses analisis data:
1. Eksplorasi Data: Data visualisasi memungkinkan analis untuk menjelajahi data dengan
cepat dan mendapatkan gambaran awal tentang karakteristik, pola, dan hubungan dalam
dataset. Grafik dan visualisasi lainnya membantu dalam mengidentifikasi anomali, tren,
dan outlier yang dapat menjadi titik awal untuk analisis lebih lanjut.
2. Pemahaman Data: Visualisasi membantu menerjemahkan data mentah menjadi informasi
yang lebih mudah dipahami dan berarti. Dengan melihat data dalam bentuk grafis, analis
dapat dengan cepat memahami hubungan antara variabel, distribusi data, dan informasi
penting lainnya.
3. Identifikasi Pola dan Tren: Visualisasi memungkinkan analis untuk dengan mudah
mengidentifikasi pola, tren, dan korelasi dalam data yang mungkin sulit terlihat ketika
hanya dilihat dalam bentuk angka. Misalnya, grafik garis dapat menggambarkan tren
waktu, sedangkan scatter plot dapat mengungkapkan hubungan antara dua variabel.
4. Validasi Hipotesis: Data visualisasi membantu dalam memvalidasi atau membantah
hipotesis yang diajukan. Dengan melihat data dalam bentuk grafis, analis dapat
mengamati apakah hipotesis mereka sesuai dengan pola dan hubungan dalam data.
 5. Pengambilan Keputusan: Visualisasi membantu dalam pengambilan keputusan yang lebih
baik dan terinformasi. Grafik dan visualisasi lainnya membantu mengkomunikasikan
implikasi data dengan cara yang mudah dipahami oleh pemangku kepentingan dan
pengambil keputusan.
6. Komunikasi Hasil: Data visualisasi memungkinkan analis untuk menyajikan temuan
mereka dengan cara yang lebih persuasif dan efektif. Grafik dan diagram dapat
digunakan untuk memperkuat narasi analisis dan menyampaikan pesan yang kompleks
dengan jelas.
7. Analisis Perbandingan: Dengan menggunakan visualisasi, analis dapat membandingkan
beberapa set data atau kelompok untuk mengidentifikasi perbedaan dan kesamaan dengan
lebih mudah. Grafik batang, grafik lingkaran, atau grafik garis adalah beberapa contoh
visualisasi yang berguna untuk analisis perbandingan.
8. Penemuan Insight Baru: Kadang-kadang, melalui data visualisasi, analis dapat
menemukan wawasan baru yang sebelumnya tidak terdeteksi. Visualisasi dapat
mengungkapkan pola atau keterkaitan yang tidak diantisipasi, yang dapat mengarah pada
analisis lebih mendalam dan penemuan baru.

d. . Aplikasi yang bisa membantu dalam data visualization:

Ada banyak aplikasi yang dapat membantu Anda dalam data visualization. Beberapa aplikasi
populer yang sering digunakan oleh profesional data analisis dan visualisasi adalah:
1. Tableau: Tableau adalah salah satu platform visualisasi data paling populer yang
memungkinkan Anda dengan mudah menghubungkan, menggabungkan, dan visualisasi
data dari berbagai sumber. Ini menyediakan berbagai jenis grafik dan tampilan yang
dapat disesuaikan untuk membuat visualisasi yang menarik dan informatif.
2. Microsoft Power BI: Power BI adalah platform analisis data dari Microsoft yang
memungkinkan Anda menggabungkan data dari berbagai sumber, membuat laporan, dan
dashboard interaktif. Ini cocok untuk visualisasi data bisnis dan analisis.
3. Google Data Studio: Aplikasi ini memungkinkan Anda untuk menghubungkan dan
memvisualisasikan data dari Google Analytics, Google Sheets, dan sumber data lainnya.
Google Data Studio menyediakan berbagai opsi untuk membuat laporan dan dashboard
yang dapat dibagikan dengan mudah.
4. Python (Matplotlib, Seaborn, Plotly): Python adalah bahasa pemrograman yang kuat
untuk analisis data dan visualisasi. Matplotlib, Seaborn, dan Plotly adalah beberapa
pustaka visualisasi populer di Python yang memberikan fleksibilitas dan kontrol lebih
dalam pembuatan grafik.
5. R (ggplot2, plotly): R adalah bahasa pemrograman lain yang sangat populer di kalangan
analis data dan peneliti. Pustaka ggplot2 dan plotly di R memungkinkan Anda membuat
visualisasi yang kaya dan menarik.
6. D3.js: D3.js adalah pustaka JavaScript yang kuat untuk membuat visualisasi data yang
interaktif dan dinamis di web. Ini memberikan kontrol penuh atas bagaimana data Anda
disajikan dalam bentuk visual.
 7. QlikView dan Qlik Sense: QlikView dan Qlik Sense adalah platform visualisasi data yang
kuat yang memungkinkan analis untuk mengeksplorasi data, membuat dashboard
interaktif, dan berbagi wawasan dengan mudah.
8. Excel: Meskipun Excel bukan alat khusus untuk visualisasi data, tetapi ia menyediakan
berbagai jenis grafik dan tampilan sederhana yang bisa digunakan untuk membuat
visualisasi data dasar.
9. Plotly Dash: Plotly Dash adalah pustaka Python untuk membuat aplikasi web interaktif
dengan mudah menggunakan visualisasi data.

e. tipe-tipe penyajian data dalam data visualization:

Dalam data visualization, terdapat berbagai tipe penyajian data yang dapat digunakan untuk
menggambarkan informasi dari dataset dengan cara yang berbeda. Beberapa tipe penyajian data
yang umum digunakan antara lain:
1. Bar Chart (Grafik Batang): Digunakan untuk membandingkan nilai kategori atau variabel
yang berbeda. Setiap kategori direpresentasikan sebagai batang vertikal atau horizontal
dengan panjangnya proporsional terhadap nilai yang diwakili.
2. Line Chart (Grafik Garis): Digunakan untuk menunjukkan tren dan perubahan nilai dari
waktu ke waktu. Data direpresentasikan dengan garis yang menghubungkan titik-titik
data yang mewakili nilai pada setiap titik waktu.
3. Pie Chart (Diagram Lingkaran): Digunakan untuk menunjukkan proporsi kategori atau
bagian-bagian dari keseluruhan. Setiap kategori direpresentasikan sebagai sektor
lingkaran, dan ukuran sudut sektor menggambarkan proporsi relatif dari kategori tersebut.
4. Scatter Plot: Digunakan untuk menunjukkan hubungan antara dua variabel numerik. Data
direpresentasikan sebagai titik-titik dalam ruang kartesian, di mana sumbu-x dan sumbu-
y mewakili variabel yang berbeda.
5. Area Chart (Grafik Area): Mirip dengan grafik garis, tetapi area di bawah garis digunakan
untuk menyoroti daerah antara garis dan sumbu-x. Ini membantu menekankan perubahan
nilai dalam rentang waktu atau kategori tertentu.
6. Histogram: Digunakan untuk menunjukkan distribusi frekuensi dari data numerik. Data
dikelompokkan ke dalam beberapa interval, dan tinggi setiap bar menggambarkan
frekuensi atau jumlah data dalam interval tersebut.
7. Heatmap: Digunakan untuk memvisualisasikan data dalam bentuk tabel dengan
menggunakan warna untuk mewakili nilai. Matriks data direpresentasikan dengan warna
di mana intensitas warna menggambarkan besaran nilai.
8. Box Plot (Diagram Kotak): Digunakan untuk menunjukkan distribusi data dan
menyajikan nilai statistik seperti median, kuartil, dan outlier. Ini membantu dalam
mengidentifikasi pemusatan data dan variabilitas.
9. Treemap: Digunakan untuk menunjukkan hierarki data dalam bentuk berlapis. Setiap
kategori direpresentasikan sebagai persegi atau rektangle, dan ukuran area mewakili
proporsi nilai atau jumlah data.
10. Bubble Chart (Grafik Gelembung): Digunakan untuk menunjukkan tiga dimensi data, di
mana ukuran titik mewakili nilai dari dua variabel, dan warna titik mewakili nilai dari
variabel ketiga.
11. Radar Chart (Grafik Radar atau Spider): Digunakan untuk membandingkan beberapa
kategori atau variabel pada beberapa dimensi. Nilai dari masing-masing variabel
direpresentasikan sebagai garis yang bersambung dari pusat grafik.