presentasi data analis

1. Data Visualization
The Beginning (Pertemuan I)
Main Book:
Andy Kirk’s “Data Visualization: A Handbook for Data Driven Design”, 2nd
Edition, Sage Publicaiton, 2019

2. Definisi Visualisasi Data
Visualisasi Data
Representasi dan
Penyajian data secara
visual untuk memfasilitasi
Pemahaman.
Penyajian (Presentation) :
semua keputusan desain
lainnya yang membentuk
anatomi penuh dari setiap
visualisasi

3. REPRESENTASI

4. Contoh
Representasi
Data (Tabel)

5. Representasi Data yg sama (Plot, X: Tahun, Y: %)

6. PENYAJIAN (PRESENTASI)

7. Contoh Penyajian
• Penyajian visual mencakup pilihan desain seperti penerapan fitur:
• interaktif,
• anotasi,
• penggunaan warna, dan
• komposisi karya.
• Contohnya diagram garis pada Gambar 1.3, jika ini ditujukan untuk Web, Anda
dapat membayangkan:
• tooltip label nilai saat Anda mengarahkan kursor ke bagian setiap baris.
• filtering
• judul, legenda warna
• keterangan

8. Tiga Fase Pemahaman
1. Melihat/
Merasakan
2. Interpretasi/
Tafsiran/ Pendapat
3. Pemahaman
makna

9. PERCEIVING (Pengamatan)

10. Fase 1 : Pengamatan
Fase pertama adalah mengamati, dan ini menyangkut tindakan
membaca grafik: 'apa yang saya lihat?'. Pembaca menerjemahkan
bagaimana data direpresentasikan untuk membentuk pengamatan
awal tentang fitur-fitur utama dari data yang ditampilkan:
• Bagan apa yang digunakan?
• Item data apa yang diwakili oleh tanda tersebut? Asosiasi nilai apa
yang dimiliki atribut tersebut mewakili?
• Berapa rentang nilai yang ditampilkan?
• Apakah data dan representasinya dapat dipercaya?

12. 1. Perceiving
Dengan pengamatan awal mulai dikenali ciri-ciri utama tampilan:
• Fitur apa saja (bentuk, pola, perbedaan atau hubungan) yang dapat
diamati?
• Di manakah nilai terbesar, sedang, dan terkecil? (dikenal sebagai
penilaian 'magnitudo bertahap' ).
• Dimana yang paling banyak dan paling sedikit? Dimana rata-rata atau
normalnya? (penilaian 'perbandingan global' ).

13. 2. Interpreting
Tahap kedua adalah menginterpretasikan hasil observasi
• Ciri-ciri apa – bentuk, pola, perbedaan atau hubungan – yang menarik?
• Fitur apa saja yang diharapkan atau tidak diharapkan?
• Ciri-ciri apa saja yang penting berdasarkan subjeknya?
Catatan: pengetahuan dasar tentang domain data/informasi yang ditampilkan
akan menentukan apakah pembaca bisa menginterpretasikan lebih lanjut atau
berhenti pada sekedar membaca tampilan.
Penting untuk menambahkan info atau label atau apapun untuk mengantisipasi
pembaca yang tidak memiliki pengetahuan ttg domain yang sedang
ditampilkan. Kemudian, menjadi tugas pembaca untuk mempelajari lebih lanjut
karena membuat interpretasi yang berguna dan masuk akal adalah
tanggungjawab bersama (shared responsibility)

14. 3. Comprehending
Pembaca mempertimbangkan apa arti interpretasi data bagi diri
mereka sendiri.
• Apa yang telah dipelajari? Apakah hal ini memperkuat atau
menantang pengetahuan yang sudah ada? Apakah sudah tercerahkan
dengan ilmu baru?
• Perasaan apa saja yang tergugah? Apakah pengalaman tersebut
berdampak secara emosional?
• Apa yang dilakukan seseorang dengan pemahaman ini? Apakah hanya
sekedar pengetahuan yang diperoleh atau sesuatu yang menginspirasi
tindakan, misalnya membuat keputusan atau memotivasi perubahan
perilaku?

15. Contoh visualisasi yang kebanyakan kita tidak
faham domainnya (beda dg domain sepak bola)

16. Memahami visualisasi data Messi
• Bagi beberapa orang hasil dari pemahaman yang dicapai dari grafik
Messi tidak terlalu dramatis atau emosional karena mereka tidak
memiliki koneksi langsung dengan hal tersebut. Hanya sekedar kesan
yang lebih tinggi yang terbentuk dari data ini, tentang betapa
sensasionalnya Messi sebagai pesepakbola.
• Bagi para fans fanatik Barcelona yang menonton Messi bermain
setiap minggu, mereka sudah memiliki pemahaman ini. Informasi ini
hanya akan menegaskan kembali apa yang mereka sudah tahu.
• Bagi orang lain yang kurang akrab dengan subjek tersebut, ini
mungkin lebih mencerahkan, tetapi hanya jika mereka memiliki minat
yang cukup.

17. So...
• Kata 'wow' pada satu orang adalah 'Saya tahu itu' pada orang lain,
dan 'Saya tidak peduli' pada orang lain.
• Bahkan jika anda hanya memiliki dua orang dalam kelompok audiens
target Anda, Anda berpotensi memiliki dua profil pemirsa yang
berbeda. Kita tidak selalu bisa mengantisipasi apa yang tidak mereka
ketahui, apa yang ingin mereka ketahui dan apa relevansinya bagi
mereka untuk mengetahui sesuatu.

18. Istilah-istilah sejenis dengan Data
Visualization
•Infographics
•Information
Visualization
•Information Design
•Data Journalism
•Visual Analytics
•Data Science
•Scientific Visualization
•Data Art
•Dashboard
•Storytelling

19. Tugas Individu 1
• Cari dan jelaskan definisi beserta contohnya, istilah-istilah sejenis
dengan Data Visualization di atas!
• Mana saja di antara istilah-istilah sejenis yang menurut anda paling
dekat dengan definisi Data Visualization, jelaskan!
• Dikumpulkan maksimal 4 Maret 2024, pukul 16.00, melalui link di
ILMU (link akan diberikan kemudian)