Pengantar Elektronika:

Data Processing
dan Visualisasi
Digitalent Scholarship Professional Academy
Isi dan elemen dari video ini memiliki hak kekayaan
intelektual yang dilindungi oleh undang-undang

Dilarang menggunakan, merubah, memperbanyak,

dan mendistribusikan video ini untuk tujuan komersil.
Outline
• Data Processing
⚬ Tujuan dan Fungsi Data Processing
⚬ Tahapan Data Procesing
⚬ Tipe Data Processing
⚬ Metode Data Processing
• Data Visualization
⚬ Alasan Visualisasi data Penting
⚬ Tpie Visualisasi Data
⚬ Pengaplikasian Visualisasi Data
• Project Monitoring Suhu dan Kelembaban
A. Data Processing
Data Processing adalah metode pengumpulan data mentah dan menerjemahkannya ke dalam informasi yang dapat
digunakan. Biasanya dilakukan dalam proses langkah demi langkah oleh tim data scientist dan data engineers dalam sebuah
organisasi.

Pemrosesan data dimulai dengan data dalam bentuk mentahnya dan mengubahnya menjadi format yang lebih mudah dibaca
(grafik, dokumen, dll.), memberikannya bentuk dan konteks yang diperlukan untuk ditafsirkan oleh komputer dan digunakan
oleh karyawan di seluruh organisasi.

Data Processing Information

Storage
A. Data Processing
• Tujuan dan Fungsi Data Processing
Tujuan Pengolahan Data :
Untuk mengambil informasi asli (data) dan darinya
menghasilkan informasi lain dalam bentuk yang berguna
(hasil).
Fungsi dasar Pengolahan Data :
• Mengambil program dan data (masukan / input)
• Menyimpan program dan data serta menyediakan untuk
pemrosesan
• Menjalankan proses aritmatika dan logika pada data
yang disimpan
• Menyimpan hasil antara dan hasil akhir pengolahan.
• Mencetak atau menampilkan data yang disimpan atau
hasil pengolahan.

Sumber : Google
A. Data Processing
• Tahapan Data Procesing
1. Pengumpulan Data
Mengumpulkan data adalah langkah pertama
dalam pengolahan data. Data diambil dari sumber
yang tersedia, termasuk data lake dan data
warehouse.

Penting bahwa sumber data yang tersedia dapat

dipercaya dan dibangun dengan baik sehingga data
yang dikumpulkan (dan kemudian digunakan
sebagai informasi) memiliki kualitas setinggi
mungkin.

Sumber : Canva
A. Data Processing
• Tahapan Data Procesing
2. Persiapan Data
Setelah data terkumpul, selanjutnya memasuki tahap
persiapan data. Persiapan data, sering disebut sebagai
"pra-pemrosesan" adalah tahap di mana data mentah
dibersihkan dan diatur untuk tahap pemrosesan data
berikutnya.

Selama persiapan, data mentah diperiksa dengan teliti

untuk menemukan kesalahan. Tujuan dari langkah ini
adalah untuk menghilangkan data yang buruk (data
yang berlebihan, tidak lengkap, atau salah) dan mulai
membuat data berkualitas tinggi untuk intelijen bisnis
terbaik.
Sumber : Canva
A. Data Processing
• Tahapan Data Procesing
3. Masukan data
Data bersih kemudian dimasukkan ke tujuannya
(mungkin CRM seperti Salesforce atau gudang
data seperti Redshift), dan diterjemahkan ke dalam
bahasa yang dapat dipahami. Input data adalah
tahap pertama di mana data mentah mulai
berbentuk informasi yang dapat digunakan.

Sumber : Canva
A. Data Processing
• Tahapan Data Procesing
4. Pemrosesan
Selama tahap ini, data yang dimasukkan ke komputer pada
tahap sebelumnya benar-benar diproses untuk interpretasi.
Pemrosesan dilakukan menggunakan algoritme
pembelajaran mesin, meskipun prosesnya sendiri mungkin
sedikit berbeda bergantung pada sumber data yang diproses
(danau data, jejaring sosial, perangkat yang terhubung, dll.)
dan tujuan penggunaannya (memeriksa pola iklan,
diagnosis medis dari perangkat yang terhubung,
menentukan kebutuhan pelanggan, dll).

Sumber : Canva
A. Data Processing
• Tahapan Data Procesing
5. Data keluaran/interpretasi
Tahap output/interpretasi adalah tahap di mana data
akhirnya dapat digunakan oleh ilmuwan non-data. Ini
diterjemahkan, dapat dibaca, dan sering dalam bentuk
grafik, video, gambar, teks biasa, dll.). Anggota
perusahaan atau institusi sekarang dapat mulai melayani
sendiri data untuk proyek analitik data mereka sendiri.

Sumber : Canva
A. Data Processing
• Tahapan Data Procesing
6. Penyimpanan data
Tahap terakhir dari pengolahan data adalah penyimpanan.
Setelah semua data diproses, kemudian disimpan untuk
digunakan di masa mendatang. Sementara beberapa
informasi dapat segera digunakan, sebagian besar akan
berguna di kemudian hari. Selain itu, data yang disimpan
dengan benar merupakan keharusan untuk mematuhi
undang-undang perlindungan data seperti GDPR. Ketika
data disimpan dengan benar, itu dapat dengan cepat dan
mudah diakses oleh anggota organisasi saat dibutuhkan.

Sumber : Canva
B. Tipe Data Processing
Ada berbagai jenis data processing berdasarkan sumber data dan langkah-langkah yang diambil oleh unit pemrosesan untuk
menghasilkan output. Tidak ada metode dengan istilah “one size (must) fit all” yang cocok untuk dapat digunakan dalam memproses
data mentah. Berikut tipe data processing yaitu :
Tipe Penggunaan

Batch Processing Data dikumpulkan dan diproses dalam batch. Digunakan untuk data dalam jumlah besar. Contoh : sistem penggajian

Real-time Processing Data diproses dalam hitungan detik saat input diberikan. Digunakan untuk sejumlah kecil data. Contoh : menarik uang dari ATM

Online Processing Data secara otomatis diberikan ke CPU segera setelah data tersedia. Digunakan untuk pemrosesan data secara berkelanjutan. Contoh : barcode
scanning

Multiprocessing Data dipecah menjadi frame dan diproses menggunakan dua atau lebih CPU dalam satu sistem komputer. Juga dikenal sebagai pemrosesan paralel.
Contoh : perkiraan cuaca

Time-sharing Mengalokasikan sumber daya dan data komputer dalam slot waktu untuk beberapa pengguna secara bersamaan.
C. Metode Data Processing
• Manual Data Processing
Dalam metode pemrosesan data ini, data diproses secara
manual. Seluruh proses pengumpulan data, pemfilteran,
penyortiran, penghitungan, dan operasi logis lainnya dilakukan
dengan intervensi manusia tanpa menggunakan perangkat
elektronik atau perangkat lunak otomatisasi lainnya.

Metode ini adalah metode berbiaya rendah dan membutuhkan

sedikit atau tanpa alat, namun menghasilkan kesalahan tinggi,
biaya tenaga kerja yang tinggi dan banyak waktu.

Sumber : Canva
C. Metode Data Processing
2. Mechanical Data Processing
Data diproses secara mekanis melalui penggunaan perangkat
dan mesin. Metode ini dapat mencakup perangkat sederhana
seperti kalkulator, mesin ketik, percetakan, dan lain-lain.
Operasi pemrosesan data sederhana dapat dicapai dengan
metode ini.

Metode ini memiliki kesalahan yang jauh lebih rendah daripada

pemrosesan data manual, tetapi dengan terjadinya peningkatan
data telah membuat metode ini menjadi lebih kompleks dan
sulit.

Sumber : Canva
C. Metode Data Processing
3. Electronic Data Processing
Data diproses dengan teknologi modern
menggunakan perangkat lunak dan program
pemrosesan data. Serangkaian instruksi
diberikan kepada perangkat lunak untuk
memproses data dan menghasilkan output.
Metode ini adalah yang paling mahal tetapi
memberikan kecepatan pemrosesan tercepat
dengan keandalan dan akurasi output
tertinggi.

Sumber : Canva
D. Data Visualization
Visualisasi data atau Data Visualization adalah salah satu
komunikasi visual modern yang dapat menjadi solusi
menyajikan suatu data agar lebih mudah dipahami. Dari
segi bahasa bisa diartikan tampilan visual berupa grafis
dari informasi dan data tertentu.

Singkatnya penggunaan data visualization

mengkonversikan kumpulan data menjadi hal yang lebih
sederhana untuk disajikan. Dengan tujuannya untuk
mengkomunikasikan informasi secara lebih efisien
menggunakan grafik informasi. Sehingga pembaca lebih
mudah memahami pola, outliers, dan trends dari suatu
data.

Sumber : Canva
D. Data Visualization
Alasan Visualisasi Data Penting

Alasan utama kenapa data visual sangatlah penting

dikarenakan oleh data yang ditampilkan secara visual
memungkinkan banyak orang untuk memahami data
dengan lebih cepat.

Kemampuan untuk menampilkan data dalam skala besar

juga merupakan salah satu alasan mengapa data visual itu
penting.

Sumber : Canva
B. Data Visualization
Tipe Visualisasi Data
• Visualisasi Data Berdasarkan Area dan Ukuran
Membedakan panjang, tinggi, atau area dari grafis yang
sama (seperti kolom, cincin, spider, dll.) untuk
menampilkan perbedaan antara nilai indeks yang
berkorespondensi dengan indikator yang berbeda secara
jelas. Cara ini memungkinan peninjau untuk melihat dan
membandingkan data dengan sekali pandang. Formula
matematika biasa digunakan untuk menampilkan skala
secara akurat ketika membuat grafik data visual ini.

Sumber : Google
B. Data Visualization
Tipe Visualisasi Data
• Visualisasi Data Berdasarkan Warna
Visualisasi data berdasarkan warna cukup sering
digunakan dalam membandingkan ukuran nilai
indeks. Pengguna dapat melihat data mana yang
lebih menonjol hanya dengan sekejap.

Sumber : Google
B. Data Visualization
Tipe Visualisasi Data
• Visualisasi Data Berdasarkan Gambar
Dengan menggunakan gambar dan ikon, data dapat ditampilkan secara realistik dan informasi dapat disampaikan dengan lebih
mudah.

Contohnya, grafik dibawah menampilkan proporsi laki-laki dan perempuan melalui ikon sebagai latar belakang. Kamu dapat
mengenal laki-laki dan perempuan dengan sekejap melalui ikon tersebut.
B. Data Visualization
Tipe Visualisasi Data
• Visualisasi Data Berdasarkan Konsep
Dengan menerjemahkan data indikator
yang abstrak menjadi data yang
gampang dicerna, pengguna dapat
dengan mudah memahami arti dari
sebuah grafik.

Sumber : Google
B. Data Visualization
Tipe Visualisasi Data
• Visualisasi Data Berdasarkan Grafik atau Bagan
Ketika kita merancang indikator dan data,
penggunaan grafis berhubungan dengan
topik presentasi akan membuat tampilan data
lebih jelas sehingga pengguna dapat dengan
mudah mengerti kegunaan grafik tersebut.
Ini adalah jenis visualisasi data yang paling
umum digunakan.

Sumber : Google
B. Data Visualization
Pengaplikasian Visualisasi Data
• Mampu Melacak Tren Secara Akurat
Perangkat lunak visualisasi data yang digunakan wajib
memiliki kemampuan melacak tren secara akurat. Sehingga
Anda dapat memantau kondisi terkini terkait perkembangan
bisnis Anda yang selanjutnya bisa membantu pengambilan
keputusan terbaik.

Sumber : Canva
B. Data Visualization
Pengaplikasian Visualisasi Data
• Jaminan Keamanan Tinggi
Data yang diproses didapat dari pengumpulan, pengaturan,
dan klasifikasi untuk nantinya dianalisis secara akurat.
Karenanya integritas informasi dan proteksi data begitu
penting artinya.

Data perusahaan yang bersifat rahasia perlu dilindungi

dengan sistem keamanan memadai. Agar risiko data hilang
dapat ditekan.

Sumber : Canva
B. Data Visualization
Pengaplikasian Visualisasi Data
• Memberikan Tampilan yang Dibutuhkan
Perangkat yang digunakan mestinya dapat memberikan
tampilan data sesuai yang dibutuhkan. Hal ini guna
penggunaan data visualization mampu memberikan
klasifikasi yang efektif dengan susunan data yang
mendukung kemudahan penggunaan. Salah satu tampilan
terbaru yang direkomendasikan untuk perusahaan dan bisnis
adalah Geospasial.

Sumber : Canva
B. Data Visualization
Pengaplikasian Visualisasi Data
• User Friendly
Dalam memilih perangkat lunak visualisasi data
pengetahuan dan keahlian operator dalam pengoperasian
juga penting. Karenanya adanya kemudahan penggunaan
dengan layar interaktif patut dijadikan bahan pertimbangan
tersendiri.

Sumber : Canva
C. Project Monitoring Suhu dan Kelembaban
Pada pertemuan sebelumnya
sudah sampai dalam
mengumpulkan data dari 3
Device.

Di pertemuan kali ini kita akan

melanjutkan dengan menambah 2
buah Resistor dan LED pada
rangkaian. Untuk rangkaian
seperti pada gambar disamping.

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
Suhu dan Kelembaban yang kita pantau
ada di 3 tempat yaitu Lahan 1, Lahan 2,
dan Lahan 3.

Tampilan Device seperti pada gambar

disamping.

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
Data dari Suhu dan Kelembaban di Lahan
1, Lahan 2 dan Lahan 3, dibuat dashboard
nya dengan langkah seperti gambar
disamping

Keterangan :
• Klik Dashboard groups
• Klik All
• Open entity group

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
• Buatlah dashboard baru dengan klik
(+)
• Beri nama dashboard sesuai dengan
project yang sedang dikerjakan
• Klik Add

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
• Klik enter edit mode
• Klik Add new Widget
• Klik Create new widget (klik icon
yang sama seperti gambar disamping)

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
Tampilan untuk memilih widget yang
akan digunakan

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
• Pilih GPIO Widgets
• Pilih Basic GPIO Control
• Pada target device diisi salah satu
lahan
• Klik pada menu Advanced
• Silang pada GPIO Switches no 3
karena tidak akan kita gunakan.
• Klik Add
• Buatlah GPIO Control sebanyak 3
buah untuk mengontrol GPIO pada
setiap lahan.
• Jangan lupa untuk mengubah title
pada menu settings agar mudah
membedakan untuk setiap lahan. Sumber : Dokumen Pribadi Indobot
C. Project Monitoring Suhu dan Kelembaban
• Pilih widget Chart, kemudian pilih
timeseries line chart.
• Klik Add (tampilan akan muncul
seperti gambar disamping)
• Isi bagian entity (entity alias dan
entity timeseries)

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
Pada bagian entity alias akan muncul
tampilan seperti gambar disamping.
Tambahkan nama, filter type dan device

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
Pada bagian entity timeseries akan
muncul tampilan seperti gambar
disamping. Tambahkan type dan
parameters seperti gambar disamping.

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
Tambahkan judul untuk widget pada
setiap device.

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
Hasil akhir tampilan dashboard GPIO Control dan Rangkaian pada Wokwi.
Lakukan percobaan ini pada setiap lahan.

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
Hasil akhir tampilan dashboard dari 3 lahan yang kita monitoring Suhu dan
Kelembaban nya.

Sumber : Dokumen Pribadi Indobot

C. Project Monitoring Suhu dan Kelembaban
Hasil akhir tampilan dashboard dari 3 lahan yang kita
monitoring Suhu dan Kelembaban nya.

Sumber : Dokumen Pribadi Indobot

Sekian Materi

Data Processing
dan Visualisasi

Digitalent Scholarship Professional Academy