KOMPONEN DARI VISUALISASI DATA

Ketika Anda akan memvisualisasikan data. Maka, langkah paling awal sebelum Anda dapat mulai melakukan visualisasi adalah Anda harus memahami datanya. Memahami karakteristik data akan memudahkan pemilihan visualisasi yang sesuai.

Berikut komponen visualisasi data yang perlu kita pahami.

DIMENSION DAN MEASURE

Atribut data memiliki peran tertentu dalam tugas. Dimension adalah atribut yang mengelompokkan, memisahkan, atau memfilter item data. Sedangkan Measure adalaha atribut yang dialamatkan dengan angka pada sebuah data. Berikut ini contoh tentang Produk dan Layanan Perusahaan Es Krim.

TanggalCustomerLokasi Penjualan
(lat)
Lokasi Penjualan
(lon)
Kategori ProdukProdukSuhu Revenue 
23 Mei 2020Adhi476.062-122.332RoadsideTowing84 Rp 100.000
17 September 2020Bagus33.26-112.04RoadsideFlat96 Rp   50.000
07 Desember 2020Pribadi37.52-122.16DeliveryIce cream103 Rp 10.000
Tabel. Penjualan Produk dan Layanan Es Krim

Dalam contoh tabel di atas. Terlihat, bahwa yang masuk dalam kategori dimension adalah Customer, Tanggal, Kategori Produk, dan Produk. Sedangkan sisannya yang berupa angka atau numerik merupakan measure.

Ada beberapa jenis data. Saat memilih visualisasi, penting untuk mengenali jenis datanya, karena chart yang berbeda dirancang untuk mengoptimalkan jenis data yang berbeda. Misalnya, menampilkan maps atau denah lokasi untuk visualisasi tentang penunjukan waktu dalam sehari, tidak tepat dan sangat tidak efektif.

TIPE DATA

Secara umum dalam sebuah ada tiga tipe utama dari data. Berikut ini pembahasan tentang tiga tipe data:

1- Data Kategorikal

Data kategorikal merepresentasikan sesuatu. Ini merupakan label tanpa nilai numerik. Data apa yang bisa kita gunakan untuk mendeskripsikan pria yang berada pada gambar dibawah diposisi sebelah kiri?

Source: Foto di ambil dari buku The Big Book of Dashboard, salah satu penulisnya Andy Cotgreave
  • Namanya Brent Spiner.
  • Berdasarkan profesinya dia adalah seorang aktor.
  • Dia memainkan karakter Data dalam acara TV Star Trek: The Next Generation.

Nama, profesi, karakter, dan acara TV semuanya adalah tipe data kategorikal. Contoh lain termasuk jenis kelamin, kategori produk, kota, dan segmen pelanggan.

2- Data Ordinal

Data ordinal mirip dengan data kategorik, hanya saja urutannya jelas. Mengacu pada foto di atas terkait Brent Spiner, maka berikut yang termasuk data ordinal:

  • Tanggal lahir Brent Spiner adalah Rabu, 2 Februari 1949.
  • Dia muncul di semua tujuh musim Star Trek: The Next Generation.
  • Peringkatnya adalah komandan letnan.
  • Data tersebut merupakan yang kelima dari enam android yang dibuat oleh Dr. Noonien Soong.

Jenis data ordinal lainnya mencakup pengalaman pendidikan, tingkat kepuasan, dan batasan gaji dalam suatu organisasi. Meskipun nilai ordinal sering dikaitkan dengan angka, interval antara nilai-nilai tersebut berubah-ubah. Misalnya, perbedaan dalam organisasi antara skala gaji 1 dan 2 mungkin sangat berbeda dari skala gaji 4 dan 6. Data ordinal terdiri dari nilai diskrit yang diurutkan. Pemeringkatan adalah contoh yang baik dari data ordinal

3- Data Kuantitatif

Data kuantitatif adalah angka. Data kuantitatif (atau numerik) adalah data yang dapat diukur dan digabungkan. Berdasarkan foto diatas maka yang termasuk data kuantitatif:

  • Tanggal lahir Brent Spiner adalah Rabu, 2 Februari 1949.
  • Tingginya 5 kaki 9 inci (180 cm).
  • Dia membuat 177 penampilan di episode Star Trek.

Jika Anda perhatikan, bahwa tanggal lahir muncul dalam tipe data ordinal dan kuantitatif. Waktu tidak biasa karena bisa jadi keduanya. Di tulisan saya selanjutnya, kita akan coba membahas bagaimana memperlakukan waktu memengaruhi pilihan jenis visualisasi.

Jenis pengukuran kuantitatif lainnya termasuk penjualan, keuntungan, nilai ujian, tampilan halaman, dan jumlah pasien di rumah sakit, dan lain sebagainya, yang berhubungan dengan angka.

Data kuantitatif dapat diekspresikan dengan dua cara: sebagai data diskrit atau kontinu. Data diskrit disajikan pada titik-titik yang telah ditentukan sebelumnya — tidak ada “di antaranya”. Misalnya, Brent Spiner muncul di 177 episode Star Trek; dia tidak mungkin muncul dalam episode 177,5. Sedangkan Data kontinu memungkinkan untuk “di antara”, karena ada kemungkinan nilai antara yang tak terbatas. Misalnya, Brent Spiner tumbuh setinggi 5 kaki 9 inci tetapi pada satu titik dalam hidupnya tingginya 4 kaki 7,5.

Nah itu tadi pembahasan tentang komponen visualisasi data. Nantikan tulisan saya berikutnya. feel free to share and give new insight for all.

Semoga Bermanfaat

AB

Reference

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s