Visualisasi data: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
k →Perspektif lain: Kesalahan kata. |
Fitur saranan suntingan: 3 pranala ditambahkan. Tag: VisualEditor Suntingan perangkat seluler Suntingan peramban seluler Tugas pengguna baru Disarankan: tambahkan pranala |
||
| (19 revisi perantara oleh 9 pengguna tidak ditampilkan) | |||
Baris 2:
'''Visualisasi data''' dilihat oleh banyak bidang ilmu sebagai komunikasi visual modern.
Visualisasi data tidak berada di bawah bidang manapun, melainkan interpretasi di antara banyak bidang (misalnya, terkadang dilihat sebagai cabang modern dari [[statistik deskriptif]] oleh beberapa orang,
Visualisasi data mengikutkan pembuatan dan kajian dari representasi [[sistem visual|visual]] dari [[data]], artinya "informasi yang telah diabstraksikan dalam bentuk skematis, termasuk atribut atau variabel dari unit [[informasi]]".
<ref name
Tujuan utama dari visualisasi data adalah untuk mengkomunikasikan informasi secara jelas dan efisien kepada pengguna lewat [[infografis|grafik informasi]] yang dipilih, seperti tabel dan grafik.
Visualisasi yang efektif membantu pengguna dalam
Ia membuat data yang kompleks bisa diakses, dipahami dan berguna.
Tabel pada umumnya digunakan saat pengguna akan melihat ukuran tertentu dari sebuah variabel, sementara grafik dari berbagai tipe digunakan untuk melihat pola atau keterkaitan dalam data untuk satu atau lebih variabel.
[https://eko.co.id/223/mengenal-program-sains-data-prospek-kerja-dan-gajinya/ Visualisasi data] adalah seni dan sains.
Laju di mana data dikeluarkan telah meningkat, dipicu oleh meningkatnya ekonomi berbasis informasi.
Data yang dibuat oleh aktivitas internet dan sejumlah sensor yang makin bertambah dalam lingkungan, seperti satelit dan kamera jalan, disebut sebagai "[[Big data]]".
Pemrosesan,
Bidang [[ilmu data]] dan pelakunya yang disebut [[ilmuwan data]] telah muncul untuk membantu mengatasi tantangan tersebut.
== Gambaran Umum ==
[[
Visualisasi data mengacu pada teknik yang digunakan untuk mengkomunikasi data atau informasi dengan membuatnya sebagai objek visual (misalnya, titik, garis, atau batang) dalam grafik.
Baris 30:
<ref>Vitaly Friedman (2008) [http://www.smashingmagazine.com/2008/01/14/monday-inspiration-data-visualization-and-infographics/ "Data Visualization and Infographics"] in: ''Graphics'', Monday Inspiration, January 14th, 2008.</ref>
[[Fernanda Viegas]] dan [[Martin M. Wattenberg]] menyarankan bahwa sebuah visualisasi yang ideal tidak hanya harus mengkomunikasikan secara jelas,
<ref>Fernanda Viegas and Martin Wattenberg, "How To Make Data Look Sexy", CNN.com, April 19, 2011. http://articles.cnn.com/2011-04-19/opinion/sexy.data_1_visualization-21st-century-engagement?_s=PM:OPINION {{Webarchive|url=https://web.archive.org/web/20110506065701/http://articles.cnn.com/2011-04-19/opinion/sexy.data_1_visualization-21st-century-engagement?_s=PM%3AOPINION |date=2011-05-06 }}</ref>
Visualisasi data secara dekat berkaitan dengan [[grafik informasi]], [[visualisasi informasi]], [[visualisasi ilmiah]], [[eksplorasi analisis data]] dan [[grafik statistis]].
Pada milenia baru, visualisasi data telah menjadi wilayah penelitian, pengajaran dan pengembangan yang aktif.
Menurut Post dkk. (2002), visualisasi data telah menyatukan visualisasi informasi dan ilmiah.
<ref name=
== Karakteristik dari penampilan grafik yang efektif ==
[[
Profesor [[Edward Tufte]] menjelaskan bahwa pengguna dari tampilan informasi melakukan ''pekerjaan analitis'' tertentu seperti membuat perbandingan atau menentukan kausalitas.
Baris 60:
Grafik ''menyingkap'' data.
Tentu saja grafik bisa lebih tepat dan membuka daripada komputasi statisik konvensional."
<ref name=Tufte1983>{{cite book|last=Tufte|first=Edward|title=The Visual Display of Quantitative Information|url=https://archive.org/details/visualdisplayofq0000edwa|year=1983|publisher=Graphics Press|location=Cheshire, Connecticut|isbn=0961392142}}</ref>
Sebagai contohnya, diagram Minard memperlihatkan kekalahan yang dialami oleh tentara Napoleon dalam periode 1812-1813.
Enam variabel dipaparkan: ukuran tentara, lokasinya dalam dua-dimensi (x dan y), waktu, arah pergerakan, dan temperatur.
Tampilan multivarian tersebut dalam dua dimensi menceritakan sebuah cerita yang dapat ditangkap langsung sementara mengidentifikasi sumber data untuk membangun sebuah kredibilitas.
Tufte menulis
Dengan tidak menerapkan prinsip-prinsip tersebut bisa menghasilkan [[grafik menyesatkan]], yang mengganggu pesan atau mendukung kesimpulan yang salah.
Baris 79:
== Pesan Kuantitatif ==
[[
[[
Penulis Stephen Few menjelaskan delapan tipe pesan kuantitatif yang pengguna coba pahami atau komunikasikan dari sekumpulan data dan grafik yang digunakan untuk membantu mengkomunikasikan pesan:
Baris 92:
# Korelasi: Perbandingan antara observasi direpresentasikan oleh dua variabel (X, Y) untuk menentukan apakah mereka condong bergerak ke arah yang sama atau berlawanan. Sebagai contohnya, memplotkan pengangguran (X) dan inflasi (Y) untuk sampel beberapa bulan. Sebuah [[scatter plot]] biasanya digunakan untuk menyampaikan pesan tersebut.
# Perbandingan nominal: Membandingkan pembagian kategori tanpa urutan tertentu, seperti jumlah penjualan berdasarkan kode produk. Grafik batang bisa digunakan untuk pembandingan ini.
# Geografis atau geospasial: Perbandingan dari sebuah variabel di peta atau letak, seperti laju pengangguran berdasarkan negara bagian atau jumlah orang pada lantai di sebuah bangunan. Bagan yang digunakan biasanya adalah sebuah [[cartogram]].
Analis yang meninjau sekumpulan data bisa mempertimbangkan apakah beberapa atau semua pesan dan tipe grafik di atas bisa diterapkan pada pekerjaan atau penonton mereka.
Baris 100:
Seseorang bisa membedakan perbedaan antara panjang dua garis, orientasi bentuk, dan warna (corak) tanpa usaha pemrosesan yang signifikan; hal ini disebut sebagai "[[Pemrosesan pra-atensi|atribut pra-atensi]]."
Sebagai contohnya, mungkin membutuhkan waktu dan usaha ("pemrosesan atensi") untuk mengidentifikasi berapa kali angka "5" muncul dalam sekumpulan angka;
<ref name="perceptualedge.com">[http://www.perceptualedge.com/articles/ie/visual_perception.pdf Steven Few-Tapping the Power of Visual Perception-September 2004]</ref>▼
Grafik yang efektif menggunakan kelebihan pemrosesan pra-atensi dan atribut dan kekuatan relatif dan atribut tersebut.
Sebagai contohnya, secara manusia dapat dengan mudah memroses perbedaan panjang garis daripada wilayah permukaan, akan lebih efektif menggunakan grafik batang (yang mengambil keuntungan panjang garis untuk memperlihatkan perbandingan) daripada grafik lingkaran (yang menggunakan wilayah permukaan).
<ref name="perceptualedge.com"/>
▲<ref>[http://www.perceptualedge.com/articles/ie/visual_perception.pdf Steven Few-Tapping the Power of Visual Perception-September 2004]</ref>
== Terminologi ==
Visualisasi data mengikutkan terminologi khusus, beberapa diturunkan dari statistik.
Sebagai contohnya, penulis Stephen Few mendefinisikan dua [[tipe data]], yang digunakan secara kombinasi untuk mendukung analisis atau visualisasi yang bermakna:
* Kategorial: label teks menjelaskan sifat dari data, seperti "Nama" atau "Umur". Istilah ini melingkupi data kualitatif (bukan angka).
* Kuantitatif: Pengukuran angka, seperti "25" untuk merepresentasikan umur dalam tahun.
Baris 143 ⟶ 141:
Dimensi
|- border="0"
| [[
| Jaringan
|
Baris 152 ⟶ 150:
* [[spasialisasi]]
|-
| [[
| Grafik Batang
|
Baris 159 ⟶ 157:
* waktu
|-
| [[
| Streamgraph
|
Baris 166 ⟶ 164:
* waktu (alur)
|-
| [[
| Treemap
|
Baris 172 ⟶ 170:
* warna
|-
| [[
| Gantt Chart
|
Baris 178 ⟶ 176:
* waktu (alur)
|-
| [[
| Scatter Plot (3D)
|
Baris 210 ⟶ 208:
Di lain sisi, dari perspektif [[ilmu komputer]], Frits H. Post (2002) mengkategorikan bidang ilmu ini menjadi sejumlah sub-bidang:
<ref name=
Frits H. Post, Gregory M. Nielson and Georges-Pierre Bonneau (2002).
[http://visualisation.tudelft.nl/publications/post2003b.pdf ''Data Visualization: The State of the Art''].
Baris 218 ⟶ 216:
* Teknik pemodelan
* Metode Multiresolusi
* [[Algoritma|Algoritme]] dan teknik visualisasi
* [[Visualisasi volume]]
== Arsitektur Presentasi Data ==
[[
'''Arsitektur Presentasi Data (APD)''' adalah sekumpulan keahlian yang mencoba mengidentifikasi, menempatkan,
<ref>Penggunaan formal, tercatat, publik yang pertama dari istilah arsitektur presentasi data adalah saat tiga acara formal dari Microsoft Office 2007 Launch bulan Desember, Januari, dan Februari tahun 2007-08 di Edmonton, Calgary dan Vancouver (Canada) yang dipresentasikan oleh Kelly Lautt menjelaskan sebuah sistem intelijensi bisnis yang dirancang untuk meningkatkan kualitas layanan di sebuah perusahaan bubur kertas. Istilah tersebut kemudian digunakan dan tercatat digunakan di publik pada tanggal 16 Desember 2009 dalam sebuah presentasi Microsoft Canada tentang nilai dari menggabungkan Intelijensi Bisnis dengan proses kolaborasi perusahaan.
</ref>
"Arsitektur Presentasi Data adalah penerapan keahlian yang jarang digunakan untuk kesuksesan dan nilai dari [[Intelijensi Bisnis]].
Arsitektur presentasi data mengawinkan ilmu angka, data dan statisik dalam [[penemuan informasi|menemukan informasi yang berharga]] dari data dan membuatnya berguna, berkaitan dan dapat diaksikan dengan seni dari visualisasi data, komunikasi, [[psikologi organisasi]] dan [[manajemen perubahan]] dengan tujuan untuk menyediakan solusi intelijensi bisnis dengan ruang lingkup data, pemilihan waktu penyampaian, format dan visualisasi yang secara efektif akan mendukung dan mengarahkan perilaku operasional, taktikal, dan strategik ke arah tujuan bisnis (atau organisasi) yang dapat dipahami.
APD bukanlah kemampuan [[teknologi informasi]] (TI) atau bisnis
Terkadang dianggap dengan visualisasi data, APD adalah keahlian yang lebih luas yang mengikutkan penentuan data apa dan pada waktu kapan dan dalam format apa akan dipresentasikan, tidak hanya cara terbaik menampilkan data yang telah dipilih sebelumnya (yaitu visualisasi data).
Kemampuan visualisasi data adalah salah satu elemen dari APD.
Baris 241 ⟶ 238:
PAD memiliki dua objektif utama:
* Menggunakan data untuk menyediakan pengetahuan dengan cara yang seefisien mungkin (meminimalkan ''noise'', kompleksitas, dan data yang tidak perlu terhadap kebutuhan dan peran penonton)
* Menggunakan data untuk
=== Ruang lingkup ===
Dengan objektif di atas, pekerjaan sebenarnya dari arsitektur presentasi data terdiri dari:
* Membuat mekanisme penyampaian yang efektif untuk setiap
* Menentukan makna yang penting (pengetahuan yang berkaitan) yang dibutuhkan oleh setiap anggota
* Menentukan periode perbaruan dari data yang dibutuhkan (peredaran dari data)
* Menentukan waktu yang tepat untuk presentasi data (kapan dan seberapa sering pengguna membutuhkan untuk melihat data)
Baris 256 ⟶ 253:
Pekerjaan APD memiliki kesamaan dengan beberapa bidang lainnya, termasuk:
* [[Analisis
* [[Perbaikan proses bisnis]] yang mana tujuannya adalah untuk meningkatkan dan mempersingkat aksi dan keputusan dalam mendorong tujuan bisnis
* Visualisasi data
* Perancangan grafik atau pengguna: Saat istilah APD digunakan, ia menjadi semacam rancangan yang
** memilih lokasi untuk berbagai elemen representasi data
** memilih untuk memberikan warna tertentu pada elemen grafis yang merepresentasikan data
* [[Arsitektur informasi]], arsitektur informasi fokus pada data tak-terstruktur dan transformasi langsung dari konten yang
* Arsitektur solusi dalam menentukan rincian solusi yang optimal, termasuk ruang lingkup data yang digunakan, terhadap tujuan bisnis
* Analisis statistik atau analisis data yang mana ia menciptakan informasi dan pengetahuan dari data
Baris 277 ⟶ 274:
* [[Grafik statistik]]
* [[Infografik]]
*[https://eko.co.id/223/mengenal-program-sains-data-prospek-kerja-dan-gajinya/ Sains Data]
* [[Intelijensi bisnis]]
* [[Kartu skor seimbang]]
Baris 300 ⟶ 298:
* John P. Lee and Georges G. Grinstein (eds.) (1994). [http://portal.acm.org/toc.cfm?id=646122&type=proceeding&coll=GUIDE&dl=GUIDE&CFID=35087769&CFTOKEN=59542343 ''Database Issues for Data Visualization: IEEE Visualization '93 Workshop, San Diego''].
* Peter R. Keller and Mary Keller (1993). ''Visual Cues: Practical Data Visualization''.
* Frits H. Post, Gregory M. Nielson and Georges-Pierre Bonneau (2002). [http://visualisation.tudelft.nl/publications/post2003b.pdf ''Data Visualization: The State of the Art''] {{Webarchive|url=https://web.archive.org/web/20091007134531/http://visualisation.tudelft.nl/publications/post2003b.pdf |date=2009-10-07 }}.
* [[Stewart Liff]] and Pamela A. Posey, Seeing is Believing: How the New Art of Visual Management Can Boost Performance Throughout Your Organization, AMACOM, New York (2007), ISBN 978-0-8144-0035-7
* Stephen Few (2009) [http://www.perceptualedge.com/articles/visual_business_intelligence/differences_in_analytical_tools.pdf ''Fundamental Differences in Analytical Tools - Exploratory, Custom, or Customizable''].
==
{{Commons category|
* {{en}} [http://www.math.yorku.ca/SCS/Gallery/ Milestones in the History of Thematic Cartography, Statistical Graphics, and Data Visualization], An illustrated chronology of innovations by Michael Friendly and Daniel J. Denis.
* {{en}} [http://visualcomplexity.com VisualComplexity]
| |||