Scribd
Unggah
10 tayangan

Fundamental Data Visualization With Python

Diunggah oleh

refky
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai TXT, PDF, TXT atau baca online di Scribd
10 tayangan

Fundamental Data Visualization With Python

Diunggah oleh

refky
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai TXT, PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 2

# Mengenal visualisasi data

Visualisasi data dapat didefinisikan sebagai cara merepresentasikan data melalui


komponen visual, seperti posisi, komposisi, panjang, luas, dan warna. Visualisasi
data juga mencakup cara berkomunikasi secara efektif kepada audiens melalui bahasa
gambar.

# Urgensi visualisasi data

Memecahkan masalah, bukan sekadar tampil cantik. Ingatlah bahwa informasi


visual lebih bukan mengutamakan hasil akhir berupa infografik atau presentasi serba
indah. Sasarannya adalah memproses dan mengorganisasi fakta dan data, menemukan
pola, hingga menghasilkan solusi. Desain visual membantu mengomunikasikan
penyelesaian masalah itu agar mudah dipahami.
Fokus pada target dan audiens, bukan tools ataupun tekniknya. Modul ini tidak
mewajibkan penggunaan aplikasi tertentu ataupun teknik khusus untuk memvisualkan
data. Maka itu diperbolehkan menggunakan cara dan tools apa pun untuk itu. Yang
diutamakan adalah apa tujuan menampilkan data tersebut dan siapakah audiensnya.
Panduan dan alur, bukan asal menata gambar. Urutan dan penempatan elemen visual
harus dapat memandu audiens untuk memahami masalah hingga menuju jalan keluarnya.
Memilih jenis dan ukuran huruf, warna yang tepat, mengatur tata letak visualnya,
serta mengatur pola elemen visual menjadi penting agar audiens memahami maksud dan
pesan yang dimunculkan dari data.
Konsep dan kerangka berpikir, bukan cuma kreativitas visual. Visualisasi data
adalah mentransfer konsep dan cara berpikir atas data dan proses analisisnya dengan
cara yang mudah dipahami oleh oleh manusia. Tujuannya adalah meyakinkan audiens
dengan konsep dan kerangka pikir yang dibangun. Data dan analisisnya menjadi bukti
penguat dan tak terbantahkan atas konsep tersebut.
Kontekstual. Data yang disajikan harus saling mendukung satu sama lain.
Rangkaian visual yang dibuat harus memiliki konteks yang sama dan terorganisasi
dengan baik sehingga menambah kejelasan makna dari pesan yang ingin disampaikan.

# Eksploratif versus naratif

Sebelum menentukan visual yang cocok atas suatu data, seorang analis data harus
memahami siapa atau audiens yang akan membaca data tersebut. Dengan mengetahui
karakter audiens, seorang data analis akan bisa memperkirakan kepadatan data dan
informasi yang akan disajikan.
Visual naratif seringkali digunakan untuk presentasi, biasanya statis, dan berisi
ringkasan informasi. Tujuan utamanya adalah menjelaskan hasil akhir atau kesimpulan
dari analis.Visual eksploratif cenderung menampilkan banyak data. Audiensnya pun
tidak sembarang orang karena butuh waktu lebih lama untuk mencerna kompleksitas
data tersebut.

# Visualisasi - Part 1: Matplotlib

import pandas as pd
import matplotlib.pyplot as plt

tabel =
(pd.read_csv("https://storage.googleapis.com/dqlab-dataset/usia_karyawan.csv")
.sort_values("Kelompok Usia", ascending=False)
.set_index("Kelompok Usia")
)
tabel["Laki-laki"] = -tabel["Laki-laki"]

fig, axes = plt.subplots(1, 2, figsize=(14, 6))


fig.suptitle("Perbandingan Jumlah Karyawan Laki-laki dan Perempuan\nBerdasarkan
Kelompok Usia",
x=0., y=1.0, fontsize=24, fontweight="bold", ha="left")
tabel["Laki-laki"].plot(kind="barh", ax=axes[0], color="tab:blue", xlim=[-550, 0])
tabel["Perempuan"].plot(kind="barh", ax=axes[1], color="tab:orange", fontsize=14,
xlim=[0, 550])
axes[0].set_ylabel("")
axes[0].tick_params(left=False, bottom=False, labelleft=False, labelbottom=False)
axes[0].legend(["Laki-laki"], fontsize=14, bbox_to_anchor=(0., 0., 1., .05))
axes[0].set_frame_on(False)
axes[1].set_ylabel("")
axes[1].tick_params(left=False, bottom=False, labelbottom=False)
axes[1].legend(["Perempuan"], fontsize=14, bbox_to_anchor=(0., 0., 0.3, .05))
axes[1].set_frame_on(False)
for i, m, w in zip(range(tabel.shape[0]), list(tabel["Laki-laki"]),
list(tabel["Perempuan"])):
axes[0].annotate(str(abs(m)), (m+20, i), xytext=(m+20, i),
color="w", va="center", ha="center", fontsize=14)
axes[1].annotate(str(abs(w)), (w-20, i), xytext=(w-20, i),
color="w", va="center", ha="center", fontsize=14)
plt.tight_layout(rect=(0,0,1,0.88))
plt.show()

Anda mungkin juga menyukai