Apa Itu Data Visualization?

Bentuk-Bentuk Data Visualization

Pada awal dikenalnya data visualization, teknik visualisasi yang paling umum digunakan adalah dengan menggunakan spreadsheet Microsoft Excel untuk mengubah informasi menjadi tabel, grafik batang atau diagram lingkaran. Walau metode visualisasi ini masih umum digunakan, teknik yang lebih rumit sudah tersedia, termasuk seperti berikut ini:

• infografis
• bubble cloud
• bullet graph
• heat maps
• fever chart
• grafik deret waktu

Beberapa teknik populer lainnya adalah sebagai berikut:

1. Line chart. Ini adalah salah satu teknik yang paling dasar dan umum digunakan. Bagan garis menampilkan bagaimana variabel dapat berubah dari waktu ke waktu.

2. Area chart. Metode visualisasi ini merupakan variasi dari diagram garis, dengan menampilkan beberapa nilai dalam deret waktu -- atau urutan data yang dikumpulkan pada titik waktu yang berurutan dan berjarak sama.

3. Scatter plot. Teknik ini menampilkan hubungan antara dua variabel. Plot sebar mengambil bentuk sumbu x dan y dengan titik-titik untuk mewakili titik data.

4. Treemap. Metode ini menunjukkan data hierarkis dalam format bersarang. Ukuran persegi panjang yang digunakan untuk setiap kategori sebanding dengan persentase keseluruhannya. Treemap paling baik digunakan ketika ada beberapa kategori, dan tujuannya adalah untuk membandingkan bagian-bagian yang berbeda secara keseluruhan.

5. Piramida penduduk. Teknik ini menggunakan grafik batang bertumpuk untuk menampilkan narasi sosial yang kompleks dari suatu populasi. Ini paling baik digunakan ketika mencoba menampilkan distribusi suatu populasi.

Contoh Kasus Penggunaan Data Visualization

Kasus penggunaan umum untuk data visualization meliputi hal berikut ini:

1. Penjualan dan pemasaran. Penelitian dari agensi media Magna memperkirakan bahwa setengah dari semua anggaran periklanan global akan dibelanjakan secara online pada tahun 2020. Akibatnya, tim pemasaran harus memperhatikan dengan cermat sumber trafik website mereka dan bagaimana properti web mereka menghasilkan pendapatan. Data visualization memudahkan mereka untuk melihat tren trafik dari waktu ke waktu sebagai hasil dari upaya pemasaran.

2. Politik. Penggunaan visualisasi data yang umum dalam politik biasanya berupa peta geografis yang menampilkan jumlah suara dari partai yang bertarung di kontestasi nasional.

3. Dunia kesehatan. Profesional kesehatan sering menggunakan peta choropleth untuk memvisualisasikan data kesehatan yang penting. Peta choropleth menampilkan wilayah geografis atau wilayah yang dibagi yang diberi warna tertentu dalam kaitannya dengan variabel numerik. Peta Choropleth memungkinkan para profesional untuk melihat bagaimana variabel, seperti tingkat kematian penyakit jantung, berubah di wilayah tertentu.

4. Ilmuwan. Scientific visualization, kadang-kadang disebut sebagai SciVis, memungkinkan para ilmuwan dan peneliti untuk mendapatkan wawasan yang lebih besar dari data eksperimen mereka.

5. Keuangan. Profesional keuangan harus mampu melacak kinerja keputusan investasi mereka ketika memilih untuk membeli atau menjual aset. Grafik candlestick digunakan sebagai alat perdagangan dan membantu profesional keuangan menganalisis pergerakan harga dari waktu ke waktu, menampilkan informasi penting, seperti sekuritas, derivatif, mata uang, saham, obligasi, dan komoditas. Dengan menganalisis bagaimana harga berubah dari waktu ke waktu, analis data dan profesional keuangan dapat mendeteksi tren.

6. Logistik. Perusahaan pengiriman barang dapat menggunakan alat visualisasi untuk menentukan rute pengiriman terbaik.

7. Ilmuwan dan peneliti data. Visualisasi yang dibuat oleh ilmuwan data biasanya untuk digunakan oleh ilmuwan itu sendiri, atau untuk menyajikan informasi kepada audiens tertentu. Representasi visual dibangun menggunakan pustaka visualisasi dari bahasa dan alat pemrograman yang dipilih. Ilmuwan dan peneliti data sering menggunakan bahasa pemrograman open-source, seperti Python atau alat lainnya yang dirancang untuk analisis data yang kompleks.

Visualisasi data yang dilakukan oleh para ilmuwan dan peneliti data ini membantu mereka memahami kumpulan data dan mengidentifikasi pola dan tren yang mungkin luput dari perhatian.