OpAddict

ada kalanya kita membutuhkan versi python yang berbeda berada dalam satu sistem operasi untuk menjalankan suatu program, biasanya versi lainnya adalah versi yang lebih rendah dan satunya lagi adalah versi yang paling update. untuk lebih lanjutnya dapat di baca pada

https://docs.python.org/id/3.8/library/venv.html.

onsep desain tradisional dapat diterapkan untuk berkomunikasi dengan data. Terdapat 3 poin utama dalam desain yang akan kita bahas yaitu affordances, accessibility, dan aesthetics. Seorang desainer dapat membedakan mana desain yang baik dan yang tidak dengan membiasakan diri dengan beberapa aspek umum beserta 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 sebuah tombol, secara insting kita langsung tahu bahwa tombol perlu ditekan untuk mengaktifkannya. Karakteristik ini menunjukkan bagaimana sebuah objek seharusnya berinteraksi. Karakteristik dan sifat ini dinamakan affordances. Nah bagaimana kita menerapkan konsep affordances ke dalam visualisasi data?

Penerapan konsep tersebut pada dasarnya berupa implementasi desain visualisasi data yang wajar dan umum sehingga audiens secara insting akan fokus pada informasi penting yang ingin Anda utarakan.

• 
  Gunakan warna yang umum
  Sehari-hari kita sudah terbiasa melihat warna merah untuk menandakan informasi negatif dan warna hijau atau biru untuk menandakan informasi yang positif. Gunakan kebiasaan itu sebagai dasar dari pewarnaan pada visualisasi data sehingga audiens dapat langsung mengerti apakah kesimpulan yang data Anda itu positif atau negatif.
• Gunakan warna yang konsisten
  Jika Anda telah menggunakan suatu warna, seperti kuning atau oranye, untuk menandakan suatu informasi yang penting, maka tetap gunakanlah warna tersebut untuk visualisasi selanjutnya. Jika audiens kamu sudah terbiasa melihat warna tersebut digunakan untuk menandakan data penting, maka mereka akan secara insting akan langsung fokus ke warna tersebut pada visualisasi berikutnya.
• Gunakan posisi yang konsisten
  Selalu gunakan posisi yang konsisten pada visualisasi data yang Anda buat. Sebagai contoh, jika judul telah diletakkan di sisi kiri atas, maka selalu gunakan posisi itu. Jika kesimpulan dari suatu grafik telah diletakkan di sisi kanan, maka selalu gunakan sisi kanan ketika membuat kesimpulan grafik berikutnya. Hal ini agar audiens mudah menemukan informasi yang dia butuhkan karena tanpa harus mencari-cari di mana informasi itu diletakkan.

Accessibility

Konsep ini membicarakan bahwa visual dan desain seharusnya bisa dimengerti dan digunakan oleh orang dari berbagai latar belakang atau kemampuan. Apakah termasuk penyandang disabilitas? Tentu, namun latar belakang dan kemampuan yang dimaksud itu konsepnya lebih luas. Sebagai contoh, apabila kita seorang sarjana ekonomi, maka hasil analisis dan visual yang kita buat harus dapat juga dimengerti oleh orang yang bukan berlatar belakang sarjana ekonomi. Ada beberapa hal yang dapat membantu Anda menerapkan konsep accessibility.

• Gunakan bahasa yang sederhana
  Ketika Anda menggunakan sebuah istilah atau kata pada visualisasi data, apakah Anda dapat memastikan audiens mengerti istilah tersebut? Jika audiens tidak memiliki pemahaman kosa kata yang tepat, maka audiens dapat salah mengerti informasi yang Anda berikan. Maka dari itu pastikan bahasa yang digunakan adalah bahasa yang umum, sederhana, dan tidak bertele-tele.
• Visual harus dapat menjelaskan dirinya sendiri
  Agar sebuah visualisasi dapat dimengerti oleh orang dari berbagai latar belakang dan kemampuan, maka visualisasi tersebut harus dapat menyampaikan maksud Anda ke audiens tanpa perlu penjelasan dari Anda. Ketika sebuah grafik belum dapat menyampaikan maksud kita, maka tambahkanlah teks yang dapat menyampaikan maksud tersebut.

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, bentuk, dan posisi menjadi satu kesatuan yang menarik. Apakah estetika itu penting? Ya tentu saja, karena 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. Hal ini dapat membuat audiens mempertanyakan tingkat profesionalitas dari pembuat visual sehingga menurunkan kepercayaan terhadap data. Konsep ini berlaku juga untuk alignment yang tidak rata dan penggunaan kotak merah untuk total persentase dari sebuah kelompok kategori. Pada gambar kedua kita merapikan beberapa hal mulai dari pemilihan warna, menghilangkan garis-garis, dan perbaikan posisi. Dengan adanya sedikit perubahan sedemikian rupa, tampilan visual jadi jauh lebih baik.

Sekarang saatnya kita mulai menyatukan hal-hal yang telah kita pelajari dari awal sampai akhir. Tujuan utama dari modul ini adalah membantu Anda menyampaikan hasil visualisasi yang mendukung hipotesa Anda pada orang lain. Jika tersampaikan dengan baik, maka visualisasi data tersebut dapat digunakan untuk melakukan analisa baik itu bertujuan untuk memberikan insight mau pun meyakinkan orang lain untuk mengambil sebuah keputusan dengan diperkuat oleh hasil analisis kita.

Exploratory vs Explanatory

Dalam presentasi atau penyampaian hasil visualisasi, Anda harus dapat membedakan cara penyampaian antara exploratory analysis atau explanatory analysis. Exploratory berasal dari kata explore yang berarti jelajahi, sehingga exploratory analysis adalah proses penyampaian di mana Anda membimbing dan memandu audiens dalam melihat (menjelajahi) data yang telah dikumpulkan. Sedangkan explanatory berasal dari explain yang berarti menjelaskan, sehingga explanatory analysis adalah proses penyampaian di mana Anda tidak meminta audiens untuk menjelajahi data namun langsung ke poin-poin utama dan implikasi dari data tersebut.

Mungkin Anda tergoda untuk melakukan exploratory analysis karena dapat menunjukkan betapa banyaknya data yang telah dikumpulkan dan seberapa besar kerja keras yang dilakukan. Namun harus dimengerti bahwa mayoritas orang bosan dengan cerita presentasi yang bertele-tele. Jika kita bandingkan sebagai sebuah cerita melihat tari kecak di Bali, exploratory analysis adalah bagian di mana tokoh mempersiapkan barang-barang yang dibutuhkan dan proses untuk sampai ke Bali, sedangkan explanatory analysis adalah cerita saat melihat tari kecaknya.

Dari penjelasan di atas, explanatory analysis adalah cara yang cocok untuk mayoritas situasi penyampaian yang mungkin terjadi. Namun dalam melakukan explanatory analysis, ada 3 pertanyaan penting yang harus dapat Anda jawab terlebih dahulu.

Kepada siapa kita berkomunikasi?

Hal ini sangat penting agar kita paham bagaimana mengomunikasikan hasil yang didapatkan. Tergantung siapa lawan bicara atau audiens, kita bisa memilih bagaimana berbicara dan bertindak saat menyampaikan informasi. Sebagai contoh, cara bicara kepada teman ataupun orang tua itu beda kan? Terdapat dua cara pandang yang dibutuhkan untuk dapat melakukan komunikasi yang efektif.

• Melihat dari sisi audiens
  Semakin spesifik kita tahu siapa audiens kita, semakin besar potensi komunikasi kita sukses. Sehingga kita harus menghindari penyampaian data yang terlalu umum. Kita juga perlu mengetahui kebutuhan informasi seperti apa yang ingin diketahui audiens. Berkomunikasi dengan terlalu banyak orang pada saat sama sekaligus, cenderung tidak tepat sasaran karena kebutuhan masing-masing orang dapat berbeda. Ini justru membuat kita kurang efektif dalam usaha untuk penyampaian informasi. Persempit target audiens, maka hasilnya akan lebih efektif.
  
• Melihat dari sisi 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. Jika Anda sebelumnya tidak pernah bertemu dengan audiens, berarti Anda terlebih dahulu harus membangun reputasi bahwa Anda itu benar-benar mengerti topik yang akan diberikan. Biasanya hal ini dilakukan dengan cara perkenalan diri.

Bagaimana kita berkomunikasi dengan audiens?

Setelah mengerti dan memahami audiens Anda, langkah selanjutnya adalah menentukan bagaimana cara komunikasi yang paling efektif dengan audiens tersebut. Alat apakah yang nanti digunakan untuk berkomunikasi dan bagaimana cara membawa diri yang paling efektif.

• Alat
  Metode alat 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.
  
  Pada proses presentasi secara langsung dan tatap muka, kita dapat menanggapi audiens jika terdapat hal yang kurang jelas. Tidak semua yang kita sampaikan harus ditulis secara detail pada dokumen presentasi dan visualisasi data karena kita ada di sana untuk menjelaskan dan menjawab setiap pertanyaan yang muncul selama presentasi.
  
  Lain halnya ketika hanya menuliskan hasil analisis dalam bentuk dokumen yang dibaca sendiri-sendiri. Jika pada presentasi langsung kita dapat mengendalikan audiens yang kurang paham, maka hal tersebut tidak efektif jika kita tidak ada di sana untuk menanggapi atau melihat ekspresi kebingungan audiens saat menemui bagian yang kurang jelas. Sehingga tingkat detail yang diperlukan pada penulisan dokumen biasanya lebih tinggi.
  
• Pembawaan Diri
  Pertimbangan penting lainnya adalah nada penyampaian pada audiens. Apakah kita ingin menyampaikannya dengan ceria, memotivasi, atau serius? Nada yang kita inginkan untuk komunikasi juga akan memiliki pengaruh pada pilihan desain yang akan digunakan untuk membuat proses visualisasi data. Selain itu, 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 mengomunikasikan data, maka kita harus percaya diri. Bahkan kita dapat melakukan interaksi dengan audiens untuk meningkatkan keterlibatan mereka atau mengurangi rasa gugup kita saat menyampaikan data tersebut.

Bagaimana kita bisa menggunakan data untuk membantu menegaskan maksud kita?

Setelah kita menjawab pertanyaan di atas, barulah kita membahas data apa yang akan membantu menegaskan dan mendukung inti cerita atau kesimpulan yang ingin disampaikan. Salah satu cara yang dapat dilakukan adalah menggunakan metode 5W (What, Who, When, Why, Where). Gunakan data yang telah didapatkan untuk menjawab unsur dari 5W sehingga dapat menegaskan informasi penting yang ingin kita sampaikan.

Berikut unsur-unsur dalam metode 5W dan cara penggunaan dalam bercerita dengan data. Sebagai contoh, mari kita gunakan visualisasi data dalam bentuk tabel berikut.

Perusahaan	Penjualan Tiket	Wilayah
2019	2020
Cinema31	1.000.000	1.500.000	Indonesia
Cinegold	1.000.000	1.500.000	Indonesia

Survey kepada Pengunjung Bioskop di tahun 2020: Alasan Utama Kenapa ke Bioskop	Jumlah Orang
Sedang ada diskon	237.505
Sedang ada film bagus	15.034
Bosan di rumah	6.145
Makanan atau minuman bioskop enak	4.758
Alasan lainnya	1.588

• What : Unsur “Apa?”. Apa yang telah terjadi? Anda bisa menggunakan data untuk menegaskan apa yang telah terjadi. Sebagai contoh, “Penjualan tiket bioskop naik 50%.”
• Who : Unsur “Siapa?”. Siapa yang terlibat? Gunakan data untuk membuktikan siapa saja yang terlibat dalam sebuah situasi. Sebagai contoh, “Penjualan tiket bioskop perusahaan Cinema31 dan Cinegold naik 50%.”
• When : Unsur “Kapan?”. Kapan terjadinya? Data yang berhubungan dengan waktu dapat menjelaskan mengenai kapan terjadinya inti cerita. “Penjualan tiket bioskop perusahaan Cinema31 dan Cinegold naik 50% di tahun 2020.”
• Where : Unsur “Di Mana?”. Di mana kejadiannya? Anda dapat menegaskan tempat kejadian sebuah situasi jika Anda memiliki data dengan informasi dalam bentuk lokasi. “Penjualan tiket bioskop perusahaan Cinema31 dan Cinegold di Indonesia naik 50% di tahun 2020.”
• Why : Unsur “Mengapa?”. Mengapa hal itu terjadi? Gunakan data untuk menjelaskan kenapa sebuah situasi terjadi. “Penjualan tiket bioskop perusahaan Cinema31 dan Cinegold di Indonesia naik 50% di tahun 2020 karena didorong oleh diskon.”

visualisasi data memudahkan audiens dalam memahami data yang kita presentasikan. 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 informasi yang membingungkan dan ambigu. sehingga  audiens jadi meragukan kebenaran data.

Berikut kesalahan umum yang sering dilakukan dalam membuat visualisasi data.

Nilai Persentase Tidak Sesuai

Di atas adalah visualisasi data dalam bentuk grafik pai yang membandingkan banyaknya Small Companies (perusahaan kecil yang didefinisikan memiliki kurang dari 50 karyawan) dan Large companies (perusahaan besar yang didefinisikan memiliki 50 atau lebih karyawan).  

ada kesalahan 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.

Besar porsi irisan juga harus sesuai dengan nilai datanya. Jangan pula menampilkan terlalu banyak irisan yang bisa berujung bias, contohnya di bawah ini:

Terlalu Banyak Data

ujuan visualisasi data adalah membuat sebuah data yang kompleks menjadi lebih mudah dipahami dengan bentuk visual. Namun, hal sebaliknya bisa saja terjadi

Ini dapat terjadi jika kita memaksakan untuk memasukkan data yang berjumlah banyak. Hasilnya menjadi tidak efektif dan tentu membingungkan pembaca. Contohnya perhatikan gambar di bawah ini:

Tidak Mengikuti Standar Penulisan

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 mau pun Y gunakanlah standar penulisan umum yang berlaku.

Terdapat Sumbu yang Terpotong

Nilai pada suatu sumbu sangat penting kaitannya dengan data yang ditampilkan dalam sebuah diagram. Jika penerapannya kurang tepat maka memicu bias bagi pembacanya. Sebagai contoh, lihatlah gambar di bawah ini:

Visualisasi data di atas adalah membandingkan besarnya pajak pada saat itu (tahun 2012) dan bagaimana pajak dapat berubah pada 1 Januari 2013. Ketika dilihat sekilas, terlihat akan ada peningkatan pajak yang tinggi pada 1 Januari 2013.

Namun, coba perhatikan sumbu Y. Ada “diskon” alias potongan pada sumbu Y sehingga langsung dimulai dari 34%, bukan 0. Akibatnya, pembaca dapat terkecoh dan salah menyimpulkan bahkan peningkatannya akan sangat besar. Padahal nilainya hanya 35% versus 39%. Sehingga seharusnya tampilan kedua diagram batang tidak 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.

Penggunaan Grafik 3D yang Kurang Sesuai

Pasti kita ingin visualisasi data kita terlihat keren kan? Di bawah disajikan sebuah grafik pai 3D (tiga dimensi) mengenai persentase penggunaan bahasa pemrograman ketika bekerja. Apakah grafik 3D tersebut terlihat lebih keren daripada grafik 2D biasa?

Apa informasi yang bisa Anda dapatkan dari grafik di atas? Terlihat Kotlin lebih besar daripada Java. Sedangkan Swift lebih besar daripada Python. Sekarang lihat grafik pai 2D di bawah.

Apa informasi yang Anda dapatkan dari grafik 2D ini? Kotlin terlihat sama besarnya dengan Java. Sedangkan Python memiliki irisan pai lebih besar daripada Swift.

Kagetkah Anda jika ternyata data yang digunakan untuk kedua grafik pai tersebut sama? Untuk kedua grafik pai di atas, Kotlin sebesar 37%, Java sebesar 37%, Python sebesar 15%, dan Swift sebesar 11%. Versi grafik 3D mengacaukan persepsi visual kita sehingga dapat menimbulkan kesalahan dalam memahami data.

Susah Dibandingkan

Visualisasi data bertujuan untuk memudahkan kita membandingkan data yang ada. Namun, contoh di atas menunjukkan sebaliknya. Perbandingan dari setiap data, sulit dipahami. Pembaca sulit mengerti tujuan dan informasi apa yang ingin disampaikan. Apakah ini ingin menunjukkan sebuah tren? Apakah ini perbandingan yang perlu dilihat di dalam masing-masing grafik pai atau apakah yang perlu dilihat perbandingan antara grafik pai? Bagaimana cara pembaca bisa membandingkan besarnya irisan-irisan dalam pai? Apakah pembaca juga harus membandingkan ukuran dari masing-masing pai karena ukurannya berbeda-beda? Jika visualisasi data membuat pembaca susah mengerti dan susah membandingkan, seharusnya kita mengganti jenis diagram yang digunakan.

visualisasi data memudahkan audiens dalam memahami data yang kita presentasikan.

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 informasi yang membingungkan dan ambigu. Alhasil, alih-alih membuat paham, audiens jadi meragukan kebenaran data.

berikut beberapa kesalahan umum yang sering dilakukan dalam membuat visualisasi data. beserta penjelasannya:

Nilai Persentase Tidak Sesuai

Di atas adalah visualisasi data dalam bentuk grafik pai yang membandingkan banyaknya Small Companies (perusahaan kecil yang didefinisikan memiliki kurang dari 50 karyawan) dan Large companies (perusahaan besar yang didefinisikan memiliki 50 atau lebih karyawan).

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:

Sumber: Digi-Capital, http://www.digi-capital.com

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.

Terlalu Banyak Data

Kita telah mengetahui tujuan visualisasi data adalah membuat sebuah data yang kompleks menjadi lebih mudah dipahami dengan bentuk visual. Namun, hal sebaliknya bisa saja terjadi?

Ini dapat terjadi jika kita memaksakan untuk memasukkan data yang berjumlah banyak. Hasilnya menjadi tidak efektif dan tentu membingungkan pembaca. Contohnya perhatikan gambar di bawah ini:

Sumber: CB Insights, http://www.cbinsights.com

Begitu banyak data yang dimasukkan dalam diagram lingkaran di atas, bukan?

Sebagai pembaca, kita kesulitan untuk bisa menangkap informasi apa yang ingin disampaikan oleh diagram tersebut. Seperti diulas pada poin sebelumnya, diagram lingkaran paling efektif jika hanya sampai 4 irisan data saja. Apabila terdapat banyak sekali data seperti gambar di atas, maka sebaiknya tuliskan data Anda dalam bentuk tabel saja. Hal tersebut juga berlaku untuk semua jenis diagram.

Tidak Mengikuti Standar Penulisan

Sumber: Reuters, www.reuters.com

Apabila Anda melihat grafik di atas, apakah kamu bisa langsung mengerti tren 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 mau pun Y gunakanlah standar penulisan umum yang berlaku.

Terdapat Sumbu yang Terpotong

Nilai pada suatu sumbu sangat penting kaitannya dengan data yang ditampilkan dalam sebuah diagram. Jika penerapannya kurang tepat maka memicu bias bagi pembacanya. Sebagai contoh, lihatlah gambar di bawah ini:

Sumber: Fox Business, www.foxbusiness.com

Visualisasi data di atas adalah membandingkan besarnya pajak pada saat itu (tahun 2012) dan bagaimana pajak dapat berubah pada 1 Januari 2013. Ketika dilihat sekilas, terlihat akan ada peningkatan pajak yang tinggi pada 1 Januari 2013.

Namun, coba perhatikan sumbu Y. Ada “diskon” alias potongan pada sumbu Y sehingga langsung dimulai dari 34%, bukan 0. Akibatnya, pembaca dapat terkecoh dan salah menyimpulkan bahkan peningkatannya akan sangat besar. Padahal nilainya hanya 35% versus 39%. Sehingga seharusnya tampilan kedua diagram batang tidak 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.

Penggunaan Grafik 3D yang Kurang Sesuai

Pasti kita ingin visualisasi data kita terlihat keren kan? Di bawah disajikan sebuah grafik pai 3D (tiga dimensi) mengenai persentase penggunaan bahasa pemrograman ketika bekerja. Apakah grafik 3D tersebut terlihat lebih keren daripada grafik 2D biasa?

Apa informasi yang bisa Anda dapatkan dari grafik di atas? Terlihat Kotlin lebih besar daripada Java. Sedangkan Swift lebih besar daripada Python. Sekarang lihat grafik pai 2D di bawah.

Apa informasi yang Anda dapatkan dari grafik 2D ini? Kotlin terlihat sama besarnya dengan Java. Sedangkan Python memiliki irisan pai lebih besar daripada Swift.

Kagetkah Anda jika ternyata data yang digunakan untuk kedua grafik pai tersebut sama? Untuk kedua grafik pai di atas, Kotlin sebesar 37%, Java sebesar 37%, Python sebesar 15%, dan Swift sebesar 11%. Versi grafik 3D mengacaukan persepsi visual kita sehingga dapat menimbulkan kesalahan dalam memahami data.

Mari kita lihat contoh grafik 3D berikutnya, yaitu grafik kolom mengenai jenis pekerjaan yang didapatkan oleh lulusan kelas. Melihat sekilas grafik di bawah, IT merupakan jenis pekerjaan yang paling banyak didapatkan lulusan, kemudian urutan peringkat berikutnya adalah jenis pekerjaan sales, marketing, dan admin.

Sekarang perhatikan grafik 2D di bawah. Jenis pekerjaan IT dan Sales memiliki peringkat yang sama. Terlihat ada perbedaan informasi yang dapat ditangkap oleh pembaca padahal data yang digunakan sama. Data yang digunakan untuk kedua grafik ini adalah: IT sebanyak 50 lulusan, Marketing sebanyak 25 lulusan, Sales sebanyak 50 lulusan, dan Admin sebanyak 20 lulusan.

Sehingga berhati-hatilah. Saat terselip di benak kita untuk menggunakan skema 3 dimensi dalam visualisasi, segeralah cari alternatif lain. Sekarang Anda jadi mengerti kenapa penggunaan jenis diagram 3 dimensi kurang disarankan dalam visualisasi data. Alasannya adalah menyulitkan pembaca dalam memahami data dan dapat menciptakan bias sehingga menimbulkan perbedaan persepsi tentang data yang disajikan.

Susah Dibandingkan

Visualisasi data bertujuan untuk memudahkan kita membandingkan data yang ada. Namun, contoh di atas menunjukkan sebaliknya. Perbandingan dari setiap data, sulit dipahami. Pembaca sulit mengerti tujuan dan informasi apa yang ingin disampaikan. Apakah ini ingin menunjukkan sebuah tren? Apakah ini perbandingan yang perlu dilihat di dalam masing-masing grafik pai atau apakah yang perlu dilihat perbandingan antara grafik pai? Bagaimana cara pembaca bisa membandingkan besarnya irisan-irisan dalam pai? Apakah pembaca juga harus membandingkan ukuran dari masing-masing pai karena ukurannya berbeda-beda? Jika visualisasi data membuat pembaca susah mengerti dan susah membandingkan, seharusnya kita mengganti jenis diagram yang digunakan.

Seberapa familiarkah Anda dengan Spreadsheet? Penyebutan spreadsheet sangat sering kita kaitkan dengan pengolahan suatu data berupa angka. Mungkin Anda lebih familiar mendengarnya disebut menggunakan kata Microsoft Excel dan Google Sheets.

Namun, tahukah Anda arti dari Spreadsheet itu sendiri? Spread berarti penyebaran atau menyebar, sedangkan sheet berarti lembaran. Sehingga, spreadsheet merupakan sebuah lembaran berisi baris dan kolom yang dapat kita gunakan untuk analisis data.

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, sebagai contoh alat tulis kantor, dan ingin mengetahui berapa jumlah pensil yang terjual, maka aplikasi spreadsheet akan sangat membantu. Hal tersebut karena spreadsheet memiliki fitur untuk mengelompokkan data berdasarkan parameter tertentu. Bayangkan jika Anda menuliskan data tersebut pada kertas atau pada jenis dokumen biasa, pasti Anda akan mengalami kesulitan dalam mengelompokkan dan menghitung jumlah datanya.

Berikut ini adalah beberapa kegunaan spreadsheet:

• Menyimpan informasi secara detail.
• Membuat tabel data dengan lebih mudah.
• Membantu dalam perhitungan statistik.
• Memvisualisasikan data ke dalam bentuk grafik.
• Lengkap dengan rumus-rumus yang membantu dalam perhitungan data.

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.

Data bisa dikatakan sebagai cerminan dari kehidupan nyata, dan Anda tahu kan bagaimana kehidupan di dunia nyata itu rumit. Begitu pula data, data yang banyak akan terlihat rumit dan sulit dipahami. Namun, apabila Anda menemukan konteks (makna inti) dari data tersebut setidaknya Anda dapat menemukan sebuah cara yang tepat untuk memahaminya. Maka dari itu apabila kita memiliki data tanpa memahami konteks, bisa saja data tersebut tidak bisa tersampaikan dengan baik. 

Penting untuk mengetahui audiens (siapa yang nanti membaca data atau visualisasi) untuk menentukan bagaimana cara menyampaikan data. Selanjutnya Anda juga harus bertanya pada diri sendiri, “Apakah mereka perlu tahu dan apakah Anda ingin mereka jadi tahu?” Hal ini harus bisa Anda jawab terlebih dahulu sebelum menyampaikan data kepada audiens. Apabila pertanyaan tersebut belum terjawab, maka bisa saja Anda malah menyampaikan hal-hal yang menurut mereka tidak perlu dan menjadi kurang relevan.

Misal, Anda tahu audiens yang hadir adalah seorang Data Analyst (seseorang yang pekerjaannya menganalisa data) dan memiliki pengalaman di bidang pengolahan data, maka tidak mungkin Anda menyampaikan informasi kepada mereka sama halnya seperti dengan pengusaha. Sehingga Anda juga perlu menentukan gaya bahasa 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. Apa pun yang akan Anda lukis pada kanvas itulah yang akan dilihat oleh orang lain. Lalu, sebagai seorang pelukis, ada beberapa hal yang perlu dipikirkan, 

• Untuk siapa lukisan ini dibuat?
• Apa yang ingin dilukis?
• Bagaimana cara melukiskannya?

Poin-poin pertanyaan di atas, apabila dilakukan oleh seorang Data Analyst menjadi seperti berikut:

• Kepada siapa data ini akan disampaikan?
• Data apa yang ingin disampaikan?
• Bagaimana cara menyampaikan data tersebut?

Kepada siapa data ini akan disampaikan?

Sebelum menyampaikan sebuah data, kita harus mengetahui dulu siapa audiens yang akan kita hadapi. Hal ini penting untuk membuat proses penyampaian data lebih efektif dan bisa diterima oleh audiens. Anda harus bisa membedakan penyampaian data antara audiens umum dan yang sudah profesional (sudah ahli di bidangnya). Apabila mayoritas berupa audiens umum, bukan berarti kita bisa menganggap semuanya masih pemula. Bisa saja di antara mereka ada salah satu audiens profesional, maka dari itu kita harus mengambil titik tengah dalam hal penyampaian data yaitu dengan penyampaian yang mudah dipahami namun tidak mengurangi detail dari data. Lain ceritanya jika kita membawakan data kita dengan audiens yang rata-rata sudah profesional. Maka harus benar-benar diperhatikan setiap detail dari data yang kita bawakan karena pasti audiens lebih kritis dalam memahami apa yang kita sampaikan.

Data apa yang ingin saya sampaikan?

Supaya data relevan dengan audiens, Anda harus menyaring terlebih dahulu data yang dimiliki. Hal ini untuk membuat audiens dapat menentukan langkah selanjutnya seperti apa yang harus dilakukan audiens setelah mengetahui data yang disampaikan. Misal, Anda diminta untuk mempresentasikan data tentang perkembangan penjualan perusahaan dalam setahun terakhir pada sebuah rapat. Namun audiens berupa tim penjualan khusus untuk produk televisi. Maka Anda dapat mengumpulkan data yang khusus berhubungan dengan penjualan televisi, total produksi barang televisi, dan lain sebagainya. Sehingga audiens yang ada dalam rapat tersebut dapat cepat mengambil keputusan untuk apakah mereka perlu menambah atau mengurangi produksi barang.

Bagaimana cara menyampaikan data tersebut?

Metode penyampaian juga perlu diperhatikan. Misal, terdapat kondisi di mana sebagian besar audiens tidak terbiasa dengan data dalam bentuk angka. Maka, kita dapat menggunakan metode seolah kita sedang bercerita dengan berdasar pada data yang kita sampaikan. Sehingga cara kita membawakan data tidak seperti membaca. Tugas kita sebagai presenter yang membawakan data tersebut adalah memperjelas setiap bagian dengan bumbu cerita pada beberapa elemen data yang ada. Misal, penjualan novel dengan judul A pada bulan Juni 2019 meningkat sebanyak 25% dibanding bulan sebelumnya. Nah, di sini Anda jangan terlalu datar dengan menyampaikan jumlah peningkatannya saja. Namun, Anda dapat bercerita tentang apa yang melatarbelakangi peningkatan tersebut. Misal kita membawakan dengan narasi sebagai berikut:

“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 dari novel yang sangat terkenal. Sehingga pada bulan Februari penjualan total tiket meningkat sebanyak 25% dibanding bulan sebelumnya.”

Narasi di atas akan lebih dapat dimengerti oleh audiens tersebut daripada hanya membaca angka seperti berikut:
“Penjualan total tiket bulan Januari: 900 ribu.
Penjualan total tiket bulan Februari: 1.125 juta.”

Dalam membuat visualisasi data kita juga terbantu dengan perangkat lunak atau tools tertentu. Berikut tools gratis yang dapat Anda gunakan untuk mulai belajar tentang visualisasi data.

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. 

Google Sheets

dalam Google Sheets semuanya tersedia online. Google Sheets menawarkan kumpulan fitur dan fungsi standar spreadsheet application seperti yang ada di Microsoft Excel. Tentunya pada Google Sheets dapat membuat visualisasi sederhana dari data yang kita buat baik dalam bentuk diagram batang, diagram garis, maupun diagram lingkaran. Layanan ini tersedia gratis namun Anda butuh memiliki akun Google untuk membuat file yang baru.

Microsoft Excel

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. Sebelum menggunakan Microsoft Excel, perlu dilakukan instalasi ke komputer atau laptop.

Scorecard

Scorecard merupakan sebuah visualisasi yang fokus pada sebuah jenis data yang spesifik. Sehingga biasanya terdiri dari 1 bentuk visualisasi saja. Visualisasinya dapat berfokus pada jumlah pendapatan, kepuasan pelanggan, dan hal lainnya yang dapat dibandingkan dengan target yang telah ditentukan. Scorecard dapat juga menggambarkan tentang salah satu Key Performance Indicators (KPI) perusahaan yang lebih disederhanakan untuk dapat memantau kemajuan progres.

Dashboard

Dashboard merupakan kumpulan dari berbagai macam visualisasi yang menggabungkan dan merangkum informasi atau data bisnis. Kumpulan beberapa scorecard juga dapat disebut sebagai sebuah dashboard. Sebelum mendesain sebuah dashboard, Anda harus menentukan terlebih dahulu apa saja yang ingin diceritakan dalam dashboard itu. Saat kerangka dashboard sudah dibuat, Anda dapat mengisinya dengan berbagai visualisasi yang relevan seperti diagram garis, batang, lingkaran, dan berbagai metode visualisasi lainnya. Biasanya terdapat kombinasi empat visualisasi data yang saling berhubungan satu sama lain.

Report

Report atau laporan merupakan suatu bentuk penyampaian berita, keterangan, pemberitahuan, ataupun pertanggungjawaban sebagai bentuk pelaksanaan komunikasi dari pihak yang satu kepada pihak yang lainnya. Report yang baik, menggunakan visualisasi data untuk membuat ringkasan dari apa yang terjadi di perusahaan dalam waktu tertentu sehingga dapat digunakan untuk memahami hal yang sedang terjadi dari suatu perusahaan dengan secepat mungkin.

Analytic Report

Analytic report adalah laporan yang berfokus pada 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. Analytic report juga menerapkan langkah-langkah umum seperti mengidentifikasi masalah, menentukan metode yang tepat, analisis data, dan mendapatkan solusi terbaik dari masalah yang dihadapi.

macam-macam media yang digunakan dalam visualisasi data

Tabel

Tabel merupakan salah satu media visualisasi data yang sederhana dan sering kita temukan. Data dalam tabel biasanya dikategorikan dalam baris atau kolom tertentu yang kemudian dapat diurutkan dengan mudah misal diurutkan secara menaik (Ascending) atau menurun (Descending). Hal tersebut memudahkan kita untuk menyusun data sesuai dengan perintah yang diinginkan.

Contoh tabel seperti berikut:

Nama Buah	Jumlah
Apel	50
Jambu	35
Melon	40
Semangka	10
Mangga	25
Jeruk	100
TOTAL	260

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 (kesederhanaan adalah suatu keharusan). 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 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 suatu data ada 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 disajikan bukan milik Anda, maka sertakan sumber di catatan kaki tabel tersebut.

Diagram

Diagram merupakan sebuah representasi data yang digambarkan dalam bentuk grafik. 

beberapa tipe diagram yang bisa digunakan

Diagram Batang

Diagram batang merupakan salah satu jenis grafik yang hampir sering kita jumpai dalam visualisasi data. Diagram batang 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. 

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 turun. 

Berikut adalah contohnya

Diagram Lingkaran

Diagram lingkaran mirip seperti sebuah makanan 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. 

Diagram lingkaran biasanya sering digunakan oleh perusahaan atau dunia pendidikan untuk merepresentasikan data. Diagram lingkaran tidak hanya menunjukkan jumlah relatif dari kuantitas suatu data satu sama lain, namun dapat menunjukkan keseluruhan data dan kuantitas sebuah kategori data itu sendiri relatif vis a vis atau berhubungan dengan keseluruhan data yang ada.

Berikut contohnya