PERTEMUAN 2 – ANALITIK DAN VISUAISASI DATA

Pengantar Analitik & Visualisasi Data

Kompetensi: Mahasiswa Mampu menjelaskan konsep dasar data, visualisasi data serta
Representasi Grafik Pengantar Visualisasi Data, Visualisasi Data Melalui Representasi
Grafik, Dashboards, Komunikasi Data

1. Pendahuluan
Data adalah kumpulan dari sebuah informasi ataupun keterangan yang berisikan hal-hal
yang diperoleh melalui suatu pengamatan, penelusuran dan pencarian dari sumber-sumber
tertentu. Dalam sistematikanya setelah data tersebut telah didapat, maka data tersebut harus
diolah dan disajikan dengan baik, jelas dan menarik, serta akurat agar nantinya data tersebut
dapat mudah dipahami oleh para pembacanya. Peran penting dalam sebuah bentuk data yang
telah diolah sedemikian rupa itulah dimaksudkan agar informasi dari data tersebut dapat
tersampaikan bagi yang membutuhkan.
Penyajian data menjadi sangat penting bagi proses penghitungan statistik dan statistika di
dalam ruang lingkup penelitian. Baik dalam jenis penelitian kuantitatif ataupun kualitatif
perolehan akan data-data yang akurat diperlukan guna mendapatkan hasil yang sesuai dengan
realita sesungguhnya.
Oleh karena itulah sebagai setiap hasil dan laporan penelitian, termasuk contoh penelitian
kualitatif dan kuantitatif tidak terlepas daripada prosedur penyajian data ini. Penyajian data
dikenal dengan juga mekanisasi yang dipergunakan dalam sebuah laporan penelitian untuk
menyajikan rangkaian angka numerik (penomoran) agar mudah dibaca. Sehingga secara
umumnya, data-data penelitian tersebut dapat disajikan kepada khalayak umum dengan sangat
mudah. Hal ini juga dijalankan oleh peneliti, sehingga nantinya diperoleh informasi tentang
hal tersebut, kemudian ditarik kesimpulannya.

2. Pengertian Data Dasar

Pengertian data menurut Said (2022) merupakan deskripsi dari kenyataan yang
menggambarkan suatu kejadian-kejadian dan kesatuan nyata dan kejadian yang dihadapi yang
dinyatakan dalam ukuran tertentu. Data dasar merupakan bentuk yang belum dapat
memberikan manfaat yang besar bagi penerimanya, sehingga perlu suatu model yang nantinya
akan dikelompokkan dan diproses untuk menghasilkan informasi. Sedangkan menurut
Algoritma Data Science School (2022) data merupakan fakta dan atau informasi dari obyek
yang diamati untuk mengetahui lebih mendalam dengan melakukan analisis. Data dasar perlu
diolah terlebih dulu agar lebih mudah dipahami. Di sisi lain, statistik seringkali disajikan
dalam bentuk tabel, bagan, atau grafik meskipun hal tersebut tidak diwajibkan.
Selanjutnya Said (2022) memberikan contoh data dasar kasus bisnis, dimana bagian
marketing melaporkan transaksi hasil penjualan bagian penjualan didapatkan data pada suatu
periode tertentu. Data dasar yang dikumpulkan tersebut masih data mentah dan belum dapat
dimanfaatkan untuk mengambil suatu kebijakan karena belum memberikan informasi yang
baik bagi manajemen. Agar data-data tersebut dapat dijadikan informasi pengambilan
keputusan bagi manajemen, maka data-data dasar tersebut harus dilakukan proses pengolahan
lebih lanjut untuk menjadi suatu informasi bisnis, resources organisasi dan informasi lain yang
diperlukan.
Pada kasus-kasus lain data-data dasar dapat dimanfaatkan misalkan data penjualan barang-
barang tertentu dengan penjualan puncaknya terkait dengan waktu pembelian oleh konsumen.
Data dasar yang ada dapat langsung dapat dimanfaatkan untuk penyiapan stok barang. Data-
data dasar yang dikumpulkan dalam survei/penelitian juga dilakukan

3. Pengantar Visualisasi Data

Visualisasi data tidak hanya sekadar merepresentasikan data dalam bentuk grafik sebagai
alternatif tabel, tetapi juga mencakup pengungkapan informasi yang terkandung dalam data
melalui tampilan yang efektif. Grafik yang dihasilkan harus mampu membantu pengguna
dalam mengidentifikasi struktur yang terdapat dalam data tersebut. Visualisasi data merupakan
bagian dari disiplin baru dalam visualisasi informasi, yang mencakup representasi berbagai
jenis informasi, tidak hanya terbatas pada data numerik, dan memiliki keterkaitan erat dengan
penelitian dalam bidang ilmu komputer.
Visualisasi data, meskipun merupakan perkembangan statistik yang terbilang modern,
sebenarnya memiliki akar yang mendalam. Penggunaan representasi grafis untuk menyajikan
informasi kuantitatif telah ada sejak lama, mulai dari pembuatan peta dan visualisasi awal
hingga berkembang menjadi kartografi tematik, statistik, serta grafik statistik. Berbagai inovasi
dan penerapan visualisasi ini dapat ditemukan dalam berbagai disiplin ilmu, seperti kedokteran
dan sains, yang saling berkaitan dalam penggunaannya. Berbagai kemajuan telah berperan
penting dalam meningkatnya penggunaan visualisasi data saat ini. Di antaranya adalah
kemajuan teknologi dalam pembuatan dan reproduksi gambar, perkembangan dalam bidang
matematika dan statistik, serta inovasi dalam metode pengumpulan data, observasi, dan
pencatatan empiris.
Visualisasi data merujuk pada penyajian data, angka, dan statistik melalui representasi
grafis seperti gambar dan grafik. Dengan memvisualisasikan data, pola-pola signifikan dapat
lebih mudah diidentifikasi dibandingkan dengan deretan angka yang sulit dipahami, sehingga
memfasilitasi penarikan kesimpulan dan pengambilan keputusan yang lebih tepat.

4. Visualisasi Data Melalui Representasi Grafik

Jumlah data dan informasi yang dikumpulkan serta disimpan oleh organisasi terus
mengalami peningkatan seiring dengan kemajuan dalam teknik pengumpulan data, digitalisasi
transaksi, dan perkembangan teknologi penyimpanan. Selain itu, banyak atribut yang dicatat,
yang menghasilkan kumpulan data dengan dimensi yang sangat tinggi.
Langkah awal dalam mengekstraksi informasi yang relevan dari kumpulan data yang besar
dan terstruktur adalah memvisualisasikan strukturnya, serta mengidentifikasi pola, tren, dan
hubungan kompleks di antara elemen-elemen data. Konsep utama eksplorasi data visual adalah
menghasilkan representasi data yang memungkinkan mata manusia untuk mengidentifikasi
wawasan terkait struktur dan pola yang ada. Teknik visualisasi dalam penambangan data telah
terbukti sangat bermanfaat dalam proses analisis eksploratif.
Terdapat beberapa contoh yang digunakan untuk mengilustrasikan teknik visualisasi data
yaitu:
A. Data dan Grafik
Grafik adalah entitas yang berguna karena dapat mewakili hubungan antara kumpulan
objek. Salah satunya dapat digunakan untuk memodelkan sistem yang kompleks, seperti
jaringan komputer dan transportasi, VLSI dan tata letak situs web, molekul, dll. Pada statistik
dan analisis data, data dan grafik banyak ditemukan dalam analisis kluster sebagai dendogram,
analisis klasifikasi sebagai pohon keputusan, dan diagram jalur dalam model persamaan
structural.
Berbagai teknik visualisasi grafik menawarkan perspektif berbeda, sering kali
memperlihatkan pola menarik dan hubungan yang tidak diperhatikan. Sebagai contoh Gambar
1 dibawah ini menunjukkan representasi grafik dari jaringan interaksi protein yang terlibat
dalam proses fusi membran transportasi vesikular untuk ragi.

Gambar 1. Contoh Representasi Grafik

B. Teknik Tata Letak Grafik

Untuk menggambar grafik, harus membuat dua pilihan yaitu: pemilihan ruang dan
pemilihan kurva. Misalnya, tata letak kisi memposisikan simpul pada titik dengan koordinat
bilangan bulat, sedangkan tata letak hiperbolik menyematkan titik pada bola. Sebagian besar
teknik menggambar grafik menggunakan garis lurus antar node yang terhubung, namun ada
juga yang menggunakan kurva dengan derajat tertentu.
Banyak algoritma tata letak didasarkan pada seperangkat aturan estetika yang harus
dipatuhi oleh gambar. Aturan yang populer adalah node dan edge harus terdistribusi secara
merata, edge harus memiliki panjang yang sama, persilangan edge harus diminimalkan, dll.
Beberapa aturan ini penting dalam area aplikasi tertentu.
Dalam banyak kasus, tata letak dasar diperoleh dengan algoritma komputasi cepat, dan
gambar yang dihasilkan diproses setelahnya mematuhi aturan estetika seperti itu. Banyak
sistem juga memungkinkan pemrosesan manual dari tata letak yang dihasilkan; misalnya
sistem visualisasi Cytoscape.
 Gambar 2. Sistem Visualisasi Cytoscape

5. Dashboards
Dashboards adalah tampilan informasi yang dinamis untuk mendukung pengambilan
keputusan berkualitas tinggi. Dashboards ini terdiri dari berbagai visualisasi data untuk
menyediakan konteks bagi seseorang/sekelompok orang untuk menemukan wawasan dan
membuat keputusan.
Dashboards bersifat dinamis karena saat data yang mendasarinya berubah, dashboards
diperbarui secara otomatis sehingga wawasan dan keputusan yang sensitif terhadap waktu
dapat dibuat. Sebagai contoh adalah dashboards yang melacak metrik teratas untuk perusahaan
SaaS. Dashboards tersebut memberikan informasi sekilas terkait pendapatan, biaya operasi,
total pengguna, dan data relevan lainnya yang dapat dievaluasi. Dashboards ini dapat
membantu CEO atau siapa pun di perusahaan untuk mengetahui apa yang sedang terjadi di
tingkat tinggi, dan membantunya memutuskan di mana harus mengambil tindakan.
Tujuan dashboard bisnis modern berawal dari penelitian yang dimulai pada tahun 1970- an
untuk menggunakan komputer guna membantu orang membuat keputusan yang lebih baik.
Pada pertama kali dipasarkan, dashboard dikenal sebagai Sistem Pendukung Keputusan dan
dikomersialkan sebagai Sistem Informasi Eksekutif. Saat ini alat tersebut digunakan secara luas
dalam bisnis untuk memantau kinerja dan membantu para pengambil keputusan.
 Gambar 3. Contoh Dashboard

6. Komunikasi Data
Saat itu tahun 1949, dan dua karyawan di Bell Laboratories—Claude Elwood Shannon dan
rekan penulisnya Warren Weaver—menerbitkan artikel penting di University of Illinois Press
berjudul The Mathematical Theory of Communication. Di dalamnya, mereka memperkenalkan
model sistem komunikasi di mana "sumber informasi" memilih pesan dan kemudian "pemancar
mengubah pesan ini menjadi sinyal yang benar-benar dikirim melalui saluran komunikasi dari
pemancar ke penerima" seperti terlihat pada gambar 4.

Gambar 4. Model Sistem Komunikasi

Shannon dan Weaver menjelaskan bagaimana model ini dapat diterapkan pada berbagai
macam kasus, termasuk yang di mana simbolnya adalah "huruf atau kata tertulis, atau not
musik, atau kata yang diucapkan, atau musik simfoni, atau gambar". Sederhananya, model
tersebut menggambarkan proses dari satu pikiran yang mencoba mempengaruhi yang lain, dan
itu adalah inti dari pengalaman manusia.
Untuk mulai memahami cara mengkomunikasikan data dengan efektif, penting untuk
mempertimbangkan jenis masalah komunikasi yang telah diidentifikasi oleh Shannon dan
Weaver, diantaranya:
A. Masalah teknis: Seberapa akurat simbol komunikasi dapat ditransmisikan?
B. Masalah semantik: Seberapa tepat simbol yang ditransmisikan menyampaikan makna
yang diinginkan?
C. Masalah efektivitas: Seberapa efektif makna yang diterima memengaruhi perilaku
dengan cara yang diinginkan?

Contoh masalah teknis meliputi resolusi layar yang rendah, audio yang terdistorsi, video
yang buram, atau kualitas cetak yang tidak jelas—semua hal ini dapat menyebabkan penerima
menerima informasi yang berbeda dari yang sebenarnya dibuat. Mengingat beragamnya
perangkat, sistem operasi, dan perangkat lunak yang mungkin digunakan oleh penerima,
memastikan bahwa pesan tetap utuh bisa menjadi tantangan tersendiri.
Contoh masalah semantik terjadi ketika kita menyandikan pesan menggunakan jenis visualisasi
yang kurang tepat, atau ketika simbol yang digunakan tidak dapat dimengerti oleh penerima.
Misalnya, jika kita mengkodekan nilai menggunakan diameter lingkaran alih-alih luasnya, hal
ini dapat menyebabkan distorsi dalam persepsi proporsi yang sebenarnya.
Contoh masalah keefektifan adalah pertanyaan "lalu apa?", dan ini mungkin menjadi aspek
yang paling krusial. Meskipun pesan berhasil dikodekan, dikirim, didekodekan, dan dipahami
dengan sempurna, jika penerima tidak tertarik atau tidak mengambil tindakan yang diharapkan,
maka komunikasi tersebut tetap dianggap gagal.