Ringkasan dokumen tersebut adalah: Dokumen tersebut membahas tentang data processing dan visualisasi, meliputi pengertian, tujuan, tahapan data processing, jenis dan metode data processing, pengertian dan kegunaan visualisasi data serta contoh aplikasi visualisasi data untuk memantau suhu dan kelembaban di lahan pertanian.

1. Pengantar Elektronika:
Digitalent Scholarship Professional Academy
Data
Processing dan
Visualisasi

2. Isi dan elemen dari video ini memiliki hak kekayaan
intelektual yang dilindungi oleh undang-undang
Dilarang menggunakan, merubah, memperbanyak,
dan mendistribusikan video ini untuk tujuan komersil.

3. Outline
• Data Processing
⚬ Tujuan dan Fungsi Data Processing
⚬ Tahapan Data Procesing
⚬ Tipe Data Processing
⚬ Metode Data Processing
• Data Visualization
⚬ Alasan Visualisasi data Penting
⚬ Tpie Visualisasi Data
⚬ Pengaplikasian Visualisasi Data
• Project Monitoring Suhu dan Kelembaban

4. Data Processing adalah metode pengumpulan data mentah dan menerjemahkannya ke dalam informasi
yang dapat digunakan. Biasanya dilakukan dalam proses langkah demi langkah oleh tim data scientist dan
data engineers dalam sebuah organisasi.
Pemrosesan data dimulai dengan data dalam bentuk mentahnya dan mengubahnya menjadi format yang
lebih mudah dibaca (grafik, dokumen, dll.), memberikannya bentuk dan konteks yang diperlukan untuk
ditafsirkan oleh komputer dan digunakan oleh karyawan di seluruh organisasi.
A. Data Processing
Data Processing Information
Storage

5. Untuk mengambil informasi asli (data) dan darinya
menghasilkan informasi lain dalam bentuk yang
berguna (hasil).
• Mengambil program dan data (masukan / input)
• Menyimpan program dan data serta
menyediakan untuk pemrosesan
• Menjalankan proses aritmatika dan logika pada
data yang disimpan
• Menyimpan hasil antara dan hasil akhir
pengolahan.
• Mencetak atau menampilkan data yang
disimpan atau hasil pengolahan.
Fungsi dasar Pengolahan Data :
Tujuan Pengolahan Data :
A. Data Processing
• Tujuan dan Fungsi Data Processing
Sumber : Google

6. Mengumpulkan data adalah langkah
pertama dalam pengolahan data. Data
diambil dari sumber yang tersedia,
termasuk data lake dan data warehouse.
Penting bahwa sumber data yang tersedia
dapat dipercaya dan dibangun dengan
baik sehingga data yang dikumpulkan (dan
kemudian digunakan sebagai informasi)
memiliki kualitas setinggi mungkin.
1. Pengumpulan Data
• Tahapan Data Procesing
A. Data Processing
Sumber : Canva

7. Setelah data terkumpul, selanjutnya memasuki
tahap persiapan data. Persiapan data, sering
disebut sebagai "pra-pemrosesan" adalah
tahap di mana data mentah dibersihkan dan
diatur untuk tahap pemrosesan data
berikutnya.
Selama persiapan, data mentah diperiksa
dengan teliti untuk menemukan kesalahan.
Tujuan dari langkah ini adalah untuk
menghilangkan data yang buruk (data yang
berlebihan, tidak lengkap, atau salah) dan
mulai membuat data berkualitas tinggi untuk
intelijen bisnis terbaik.
2. Persiapan Data
A. Data Processing
• Tahapan Data Procesing
Sumber : Canva

8. Data bersih kemudian dimasukkan ke
tujuannya (mungkin CRM seperti Salesforce
atau gudang data seperti Redshift), dan
diterjemahkan ke dalam bahasa yang
dapat dipahami. Input data adalah tahap
pertama di mana data mentah mulai
berbentuk informasi yang dapat
digunakan.
3. Masukan data
• Tahapan Data Procesing
A. Data Processing
Sumber : Canva

9. Selama tahap ini, data yang dimasukkan ke
komputer pada tahap sebelumnya benar-benar
diproses untuk interpretasi. Pemrosesan dilakukan
menggunakan algoritme pembelajaran mesin,
meskipun prosesnya sendiri mungkin sedikit
berbeda bergantung pada sumber data yang
diproses (danau data, jejaring sosial, perangkat
yang terhubung, dll.) dan tujuan penggunaannya
(memeriksa pola iklan, diagnosis medis dari
perangkat yang terhubung, menentukan
kebutuhan pelanggan, dll).
4. Pemrosesan
• Tahapan Data Procesing
A. Data Processing
Sumber : Canva

10. Tahap output/interpretasi adalah tahap di mana
data akhirnya dapat digunakan oleh ilmuwan
non-data. Ini diterjemahkan, dapat dibaca, dan
sering dalam bentuk grafik, video, gambar, teks
biasa, dll.). Anggota perusahaan atau institusi
sekarang dapat mulai melayani sendiri data
untuk proyek analitik data mereka sendiri.
5. Data keluaran/interpretasi
• Tahapan Data Procesing
A. Data Processing
Sumber : Canva

11. Tahap terakhir dari pengolahan data adalah
penyimpanan. Setelah semua data diproses,
kemudian disimpan untuk digunakan di masa
mendatang. Sementara beberapa informasi
dapat segera digunakan, sebagian besar akan
berguna di kemudian hari. Selain itu, data yang
disimpan dengan benar merupakan keharusan
untuk mematuhi undang-undang perlindungan
data seperti GDPR. Ketika data disimpan dengan
benar, itu dapat dengan cepat dan mudah
diakses oleh anggota organisasi saat
dibutuhkan.
6. Penyimpanan data
• Tahapan Data Procesing
A. Data Processing
Sumber : Canva

12. Tipe Penggunaan
Batch Processing Data dikumpulkan dan diproses dalam batch. Digunakan untuk data dalam jumlah besar. Contoh : sistem penggajian
Real-time
Processing
Data diproses dalam hitungan detik saat input diberikan. Digunakan untuk sejumlah kecil data. Contoh : menarik uang dari
ATM
Online Processing Data secara otomatis diberikan ke CPU segera setelah data tersedia. Digunakan untuk pemrosesan data secara berkelanjutan.
Contoh : barcode scanning
Multiprocessing Data dipecah menjadi frame dan diproses menggunakan dua atau lebih CPU dalam satu sistem komputer. Juga dikenal
sebagai pemrosesan paralel. Contoh : perkiraan cuaca
Time-sharing Mengalokasikan sumber daya dan data komputer dalam slot waktu untuk beberapa pengguna secara bersamaan.
Ada berbagai jenis data processing berdasarkan sumber data dan langkah-langkah yang diambil oleh unit
pemrosesan untuk menghasilkan output. Tidak ada metode dengan istilah “one size (must) fit all” yang cocok untuk
dapat digunakan dalam memproses data mentah. Berikut tipe data processing yaitu :
B. Tipe Data Processing

13. C. Metode Data Processing
Dalam metode pemrosesan data ini, data diproses
secara manual. Seluruh proses pengumpulan data,
pemfilteran, penyortiran, penghitungan, dan operasi
logis lainnya dilakukan dengan intervensi manusia
tanpa menggunakan perangkat elektronik atau
perangkat lunak otomatisasi lainnya.
Metode ini adalah metode berbiaya rendah dan
membutuhkan sedikit atau tanpa alat, namun
menghasilkan kesalahan tinggi, biaya tenaga kerja
yang tinggi dan banyak waktu.
• Manual Data Processing
Sumber : Canva

14. Data diproses secara mekanis melalui penggunaan
perangkat dan mesin. Metode ini dapat mencakup
perangkat sederhana seperti kalkulator, mesin ketik,
percetakan, dan lain-lain. Operasi pemrosesan data
sederhana dapat dicapai dengan metode ini.
Metode ini memiliki kesalahan yang jauh lebih rendah
daripada pemrosesan data manual, tetapi dengan
terjadinya peningkatan data telah membuat metode ini
menjadi lebih kompleks dan sulit.
2. Mechanical Data Processing
C. Metode Data Processing
Sumber : Canva

15. Data diproses dengan teknologi
modern menggunakan perangkat
lunak dan program pemrosesan data.
Serangkaian instruksi diberikan
kepada perangkat lunak untuk
memproses data dan menghasilkan
output. Metode ini adalah yang paling
mahal tetapi memberikan kecepatan
pemrosesan tercepat dengan
keandalan dan akurasi output
tertinggi.
3. Electronic Data Processing
C. Metode Data Processing
Sumber : Canva

16. Visualisasi data atau Data Visualization adalah
salah satu komunikasi visual modern yang dapat
menjadi solusi menyajikan suatu data agar lebih
mudah dipahami. Dari segi bahasa bisa diartikan
tampilan visual berupa grafis dari informasi dan
data tertentu.
D. Data Visualization
Singkatnya penggunaan data visualization
mengkonversikan kumpulan data menjadi hal
yang lebih sederhana untuk disajikan. Dengan
tujuannya untuk mengkomunikasikan informasi
secara lebih efisien menggunakan grafik informasi.
Sehingga pembaca lebih mudah memahami pola,
outliers, dan trends dari suatu data.
Sumber : Canva

17. Alasan utama kenapa data visual sangatlah
penting dikarenakan oleh data yang ditampilkan
secara visual memungkinkan banyak orang untuk
memahami data dengan lebih cepat.
Kemampuan untuk menampilkan data dalam
skala besar juga merupakan salah satu alasan
mengapa data visual itu penting.
Alasan Visualisasi Data Penting
D. Data Visualization
Sumber : Canva

18. Membedakan panjang, tinggi, atau area dari grafis
yang sama (seperti kolom, cincin, spider, dll.) untuk
menampilkan perbedaan antara nilai indeks yang
berkorespondensi dengan indikator yang berbeda
secara jelas. Cara ini memungkinan peninjau untuk
melihat dan membandingkan data dengan sekali
pandang. Formula matematika biasa digunakan
untuk menampilkan skala secara akurat ketika
membuat grafik data visual ini.
• Visualisasi Data Berdasarkan Area dan Ukuran
Tipe Visualisasi Data
B. Data Visualization
Sumber : Google

19. Visualisasi data berdasarkan warna cukup
sering digunakan dalam membandingkan
ukuran nilai indeks. Pengguna dapat
melihat data mana yang lebih menonjol
hanya dengan sekejap.
• Visualisasi Data Berdasarkan Warna
Tipe Visualisasi Data
B. Data Visualization
Sumber : Google

20. Dengan menggunakan gambar dan ikon, data dapat ditampilkan secara realistik dan informasi dapat disampaikan
dengan lebih mudah.
Contohnya, grafik dibawah menampilkan proporsi laki-laki dan perempuan melalui ikon sebagai latar belakang.
Kamu dapat mengenal laki-laki dan perempuan dengan sekejap melalui ikon tersebut.
• Visualisasi Data Berdasarkan Gambar
Tipe Visualisasi Data
B. Data Visualization

21. Dengan menerjemahkan data
indikator yang abstrak menjadi
data yang gampang dicerna,
pengguna dapat dengan mudah
memahami arti dari sebuah grafik.
• Visualisasi Data Berdasarkan Konsep
Tipe Visualisasi Data
B. Data Visualization
Sumber : Google

22. Ketika kita merancang indikator dan
data, penggunaan grafis berhubungan
dengan topik presentasi akan
membuat tampilan data lebih jelas
sehingga pengguna dapat dengan
mudah mengerti kegunaan grafik
tersebut. Ini adalah jenis visualisasi
data yang paling umum digunakan.
• Visualisasi Data Berdasarkan Grafik atau Bagan
Tipe Visualisasi Data
B. Data Visualization
Sumber : Google

23. Perangkat lunak visualisasi data yang digunakan
wajib memiliki kemampuan melacak tren secara
akurat. Sehingga Anda dapat memantau kondisi
terkini terkait perkembangan bisnis Anda yang
selanjutnya bisa membantu pengambilan keputusan
terbaik.
• Mampu Melacak Tren Secara Akurat
Pengaplikasian Visualisasi Data
B. Data Visualization
Sumber : Canva

24. • Jaminan Keamanan Tinggi
Data yang diproses didapat dari pengumpulan,
pengaturan, dan klasifikasi untuk nantinya
dianalisis secara akurat. Karenanya integritas
informasi dan proteksi data begitu penting artinya.
Data perusahaan yang bersifat rahasia perlu
dilindungi dengan sistem keamanan memadai.
Agar risiko data hilang dapat ditekan.
Pengaplikasian Visualisasi Data
B. Data Visualization
Sumber : Canva

25. Perangkat yang digunakan mestinya dapat
memberikan tampilan data sesuai yang
dibutuhkan. Hal ini guna penggunaan data
visualization mampu memberikan klasifikasi yang
efektif dengan susunan data yang mendukung
kemudahan penggunaan. Salah satu tampilan
terbaru yang direkomendasikan untuk perusahaan
dan bisnis adalah Geospasial.
• Memberikan Tampilan yang Dibutuhkan
Pengaplikasian Visualisasi Data
B. Data Visualization
Sumber : Canva

26. Dalam memilih perangkat lunak visualisasi data
pengetahuan dan keahlian operator dalam
pengoperasian juga penting. Karenanya adanya
kemudahan penggunaan dengan layar interaktif
patut dijadikan bahan pertimbangan tersendiri.
• User Friendly
Pengaplikasian Visualisasi Data
B. Data Visualization
Sumber : Canva

27. Pada pertemuan sebelumnya
sudah sampai dalam
mengumpulkan data dari 3
Device.
Di pertemuan kali ini kita
akan melanjutkan dengan
menambah 2 buah Resistor
dan LED pada rangkaian.
Untuk rangkaian seperti
pada gambar disamping.
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

28. Suhu dan Kelembaban yang kita
pantau ada di 3 tempat yaitu Lahan
1, Lahan 2, dan Lahan 3.
Tampilan Device seperti pada
gambar disamping.
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

29. Data dari Suhu dan Kelembaban di
Lahan 1, Lahan 2 dan Lahan 3,
dibuat dashboard nya dengan
langkah seperti gambar disamping
Keterangan :
• Klik Dashboard groups
• Klik All
• Open entity group
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

30. • Buatlah dashboard baru
dengan klik (+)
• Beri nama dashboard sesuai
dengan project yang sedang
dikerjakan
• Klik Add
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

31. • Klik enter edit mode
• Klik Add new Widget
• Klik Create new widget (klik icon
yang sama seperti gambar
disamping)
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

32. Tampilan untuk memilih widget
yang akan digunakan
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

33. • Pilih GPIO Widgets
• Pilih Basic GPIO Control
• Pada target device diisi salah
satu lahan
• Klik pada menu Advanced
• Silang pada GPIO Switches no 3
karena tidak akan kita gunakan.
• Klik Add
• Buatlah GPIO Control sebanyak
3 buah untuk mengontrol GPIO
pada setiap lahan.
• Jangan lupa untuk mengubah
title pada menu settings agar
mudah membedakan untuk
setiap lahan.
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

34. • Pilih widget Chart, kemudian
pilih timeseries line chart.
• Klik Add (tampilan akan muncul
seperti gambar disamping)
• Isi bagian entity (entity alias dan
entity timeseries)
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

35. Pada bagian entity alias akan
muncul tampilan seperti gambar
disamping. Tambahkan nama, filter
type dan device
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

36. Pada bagian entity timeseries akan
muncul tampilan seperti gambar
disamping. Tambahkan type dan
parameters seperti gambar
disamping.
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

37. Tambahkan judul untuk widget
pada setiap device.
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

38. Hasil akhir tampilan dashboard GPIO Control dan Rangkaian pada
Wokwi. Lakukan percobaan ini pada setiap lahan.
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

39. Hasil akhir tampilan dashboard dari 3 lahan yang kita monitoring
Suhu dan Kelembaban nya.
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

40. Hasil akhir tampilan dashboard dari 3 lahan yang
kita monitoring Suhu dan Kelembaban nya.
C. Project Monitoring Suhu dan Kelembaban
Sumber : Dokumen Pribadi Indobot

41. Sekian Materi
Digitalent Scholarship Professional Academy
Data
Processing dan
Visualisasi