Thread by @pacmannai

“Bikin visualisasi data itu tinggal bikin grafik doang kan?”

Jangan salah!

Nyatanya gak semudah itu.
Coba kalian liat contoh di bawah ini,

Menurut kalian, apa yang salah dari grafik ini?

Jawaban: tinggi bar chartnya ga merepresesentasikan nilai yang seharusnya.

Kalau bar chart sebelumnya kita coba benerin, maka tampilan seharusnya mestinya begini: kang emil cuma keliatan lehernya aja :(

Bikin visualisasi itu memang susah-susah gampang.

Biar visualisasi yang kamu buat gak seperti contoh sebelumnya,

Malam ini kita akan coba bahas beberapa do’s and don'ts ketika bikin visualisasi data yang wajib kamu tau!

Buat yang lagi nyusun portofolio ke kumpeni idaman, wajib save thread ini!

Disclaimer: penjelasan dos & don’tsnya kali ini sebatas gimana kamu memilih tipe chart dan milih tipe warna ya!

STEP PERTAMA:
Tentuin tipe chart yang sesuai dengan tujuan/informasi yang ingin kamu tampilkan dan tipe data input yang akan kamu visualisasikan

Tujuan visualisasi umumnya bisa dibagi jadi 3 tipe:
- comparison & composition
- relationship
- distribution

COMPARISON: menunjukkan perbandingan data dari 2 kelompok, minimal butuh input 1 tipe data numerik + 1 tipe data kategorik.

Tipe chart yang paling umum dipakai adalah bar chart.

contoh: visualisasinya dari @JabarDigitalService yang membandingkan luas kawasan hutan antar kabupaten

(source: opendata.jabarprov.go.id/id/visualisasi… )

BIG NO ketika kamu nunjukin informasi yang bersifat comparison: pakai pie/doughnut/treemaps chart.

3 tipe chart ini gak bisa ngasih informasi dengan efektif dan efisien.

Contoh: visualisasi Anggaran Belanja dan Pendapatan Daerah Provinsi DKI Jakarta 2017

(source: Open Data Jakarta data.jakarta.go.id/visualisasi/de…)

“Biar bagus, boleh dijadiin 3D chart ga?”

Nah, penggunaan 3D chart HARUS DIHINDARI karena bisa menimbulkan persepsi yang salah.

Ngomong-ngomong tentang persepsi, ini juga menjawab pertanyaan Pacmin di awal.

Persepsi audiens ketika melihat grafik tersebut seolah-olah perbandingan 1 kandidat dengan yang lainnya gak jauh beda.

Padahal, tinggi pada masing-masing bar grafik tersebut gak konsisten.

Lanjut lagi ke tujuan visualisasi yang kedua!
RELATIONSHIP: menunjukkan adanya HUBUNGAN antara 2 variabel atau lebih dengan tipe data numerik.

Tipe chart yang biasa dipakai: scatterplot, line plot.

Contoh: hanya dengan scatterplot aja @OurWorldInData bisa ngejelasin bahwa Child Mortality Rate punya hubungan terbalik dengan GDP per capita loh:

https://twitter.com/OurWorldInData/status/1573317162928082949

DISTRIBUTION: nunjukin PERSEBARAN data dengan tipe data numerik.

Tipe chart yang biasa dipakai: histogram, kde-plot, boxplot, violinplot dan scatterplot.

Contoh: histogram persebaran penghasilan per rumah tangga Jakarta vs Jogja.

(source: nmonarizqa.medium.com/gaji-jakarta-t…, by @nmonarizqa )

Nah kalau kamu sudah bisa nentuin tipe chart berdasarkan highlight informasi yang ingin kamu tampilkan,

Kita bisa lanjut ke STEP KEDUA: tentuin WARNA yang mau kamu pakai!

Kedengerannya sepele kali ya, perkara cuma milih warna. Padahal, milih warna itu ada aturannya loh, gabisa cuma karna keliatan estetik atau mood-moodan kamu aja xixixi.

Sebelum kita bahas, coba kamu cek dulu contoh grafik ini.

(source grafik tadi: medium.com/fm-stories/how… )

Pusing ga buat baca grafiknya?

Biar ga kayak chart di atas, untuk itu kamu perlu mengerti dulu soal COLOR HUE!

Color hue bisa diartikan sebagai “BASE” warna. Contoh warna dengan hue yang berbeda: kuning, merah, biru.

Karena kuning, merah dan biru ini sangat kontras, maka kita bisa bilang merah-kuning-biru itu punya hue yang beda (contoh kiri).

Contoh warna dengan hue yang sama: merah kecoklatan, merah bata, merah maroon, merah muda, pink (semua merah, cuma intensitasnya aja yang beda).

Pemakaian warna/color hue yang kontras akan ngasih persepsi bahwa apapun yang direpresentasikan dengan warna yang beda maka akan masuk ke kelompok data yang berbeda.

Dan sebaliknya, kalau ada data yang direpresentasikan dengan warna dasar sejenis maka data tersebut masuk ke kelompok yang sama.

Akibatnya, pemilihan color map ini biasanya berkaitan dengan tipe data variabel input yang kita visualisasikan.

Berdasarkan tipe data, colormap dibagi jadi 3 tipe:
- QUALITATIVE COLORMAP
- SEQUENTIAL COLORMAP
- DIVERGING COLORMAP

QUALITATIVE COLORMAP

Bayangin ketika kamu lagi nunjukin 2, 3 atau lebih kelompok data,

Nah supaya kamu bisa nge-point out bahwa kelompok yang satu sangat berbeda dengan yang lain, maka kamu butuh warna yang hue nya beda juga dongs xixixi.

Contoh: kalau kamu perhatiin chart dari @worldindata tadi, selain nunjukin hubungan antara variabel numerik Child Mortality Rate vs GDP per capita.

Mereka juga ngasih informasi soal kelompok geografi dari masing-masing negara lewat warna (ungu: afrika, hijau: asia, merah: amerika, dan abu: europe)

Nih Pacmin highlight pengelompokan warnanya biar kamu bisa langsung ngeh:

SEQUENTIAL & SEQUENTIAL DIVERGING COLOR MAP

Lanjut case lain, misal kamu mau nunjukin informasi dengan input data numerik.

Jenis colormap apa yang harus kamu pilih?

Gampang!

Kamu tinggal cek range numerical data kamu.

Sebelum itu, beda sequential dan sequential diverging colormap tuh gimana sih?

Sequential itu cuma terdiri dari SATU jenis hue warna aja tapi intensitas warnanya bervariasi dari terang ke gelap.

Kalau sequential diverging terdiri dari DUA jenis hue warna dengan intensitas yang juga bisa bervariasi (source: blog.datawrapper.de/which-color-sc…)

Sequential colormap dipakai ketika input data numerik kamu HANYA bernilai positif saja atau negatif saja (1 polar nilai)

Sequential diverging colormap dipakai ketika input data numerik kamu ada pada range positif dan negatif (2 polar nilai)

(source: web.natur.cuni.cz/~langhamr/lect…)

Ralat untuk tweet ini, pake gambar yang ini.

Pantesan kok gak pada nge-vote xixixi

https://twitter.com/pacmannai/status/1593232553758326784?s=20&t=CkZfvjGC1NbVByQTLiuoZqVoMk7ueN85dL_MxE_uID8

Nah, seharusnya itu kayak gini,

Karena kita tau range data temperaturnya ada di range negatif dan positif (2 kutub), maka kita bisa pake 2 color hue aja!

Nih chart barusan kalo diganti pake sequential diverging tampilannya jadi:

Nah segitu aja penjelasan soal dos and don'ts visualisasi.

Kalau dibahas semua rule of thumb visualisasi lewat thread bisa2 jari Pacmin ketuker antara telunjuk dan kelingking.

Buat kamu-kamu yang masih struggle untuk bikin portofolio dan pingin belajar lebih jauh soal visualisasi kamu bisa banget nih ikutan program belajar di Pacmann!

Psst.. di Pacmann bahkan ga cuman belajar visualisasi lewat kelas aja loh!

Semua student Pacmann dikasih bimbingan untuk konsul portofolio juga.

Menarik khan?

Nih sneak peak soal konsul porto di Pacmann, dikasih feedback yang mendetail untuk porto kamu:

Bisa tebak, siapa yang memberikan saran bagi portofolio student?

Bagi Pacpeers yang pengen dapet diskon sampe 700ribu, bisa langsung aja klik link ini
bit.ly/pacreferral_th…

Atau masuk ke website pacmann.io kemudian daftar dan masukin aja kode promo ini:

#SeekMastery at Pacmann