1. Kenapa Perlu Visualisasi Data dan Bagaimana Caranya?

Pengantar

“Hasil kerjamu bikin dalam grafik saja agar mudah dicerna. Minta tolong Senja jelaskan kalau tidak tahu caranya,” komentar Andra di telepon. Sudah kuduga, akan ada revisi. Tipe pribadi seperti Andra tampaknya sulit dipuaskan. Ponselku kembali bergetar. Andra kembali menelepon, “Sore ini juga kirim hasil visualisasinya ke saya.” Kalau seperti ini, sesegera mungkin aku butuh kuliah singkat dengan Senja! Lembar berisi grafik warna-warni tersaji di mejaku. Aku baru saja mendapat referensi penyajian data yang pernah dilakukan perusahaan tahun lalu. Menarik sekali! Grafiknya memiliki sejumlah bentuk dan paduan warna yang memanjakan mata. Namun, yang paling pentingnya lagi…warna dan bentuk tersebut mewakili makna data. Tidak sembarangan. Bagaimana yah bisa seperti ini? Mengingat selama ini aku hanya berkutat pada angka dan kode. Di tengah perenunganku, pundakku ditepuk dengan gulungan dokumen. Saat kulirik, Senja sudah berdiri rapi dengan setumpuk modul. Apakah ini ada hubungannya dengan berkas-berkas penyajian data yang kudapat tadi pagi? “Sudah selesai lihat-lihatnya, Aksara?” Tuh kan benar! Pasti ada hubungannya. Tapi kalau yang dipelajari warna-warni grafik seperti ini sih, boleh deh. “Sudah. Apa yang akan aku pelajari lagi, Nja?” “Tentunya hal yang bikin kamu bisa menyajikan data seperti yang dicontohkan berkas-berkas tadi. Tepatnya cara memvisualisasikan data. Soalnya, enggak selamanya orang-orang bisa membaca data mentah seperti kita, perlu disajikan lebih sederhana dan beragam.” Aku mengangguk setuju. Aku siap untuk materi ini!

“Oke, ini kamu baca dulu modulnya sembari saya persiapkan bahan praktiknya.”

Visualisasi Data, Apa itu?

Seorang analis data seringkali menghabiskan waktunya untuk berkutat dengan data, menganalisisnya hingga benar-benar menghasilkan kesimpulan yang tepat. Pendek kata, yang diurusi melulu soal angka. Namun, ada satu hal yang seringkali dilewatkan, yakni ketika harus menyajikannya kepada orang lain yang belum tentu paham dengan data tersebut. Hal yang paling umum terjadi adalah: data disajikan apa adanya. Misalnya, dalam bentuk grafik dengan desain template dari aplikasi seperti Microsoft Excel. Karena menggunakan template, tampilan data itu menjadi monoton, bikin bosan, kadang tidak pas dengan kesimpulan dan pesan yang ingin disampaikan.

Permasalahan lain pun muncul, yakni ketika orang yang melihatnya salah mengartikan data. Ini dapat terjadi karena, misalnya, data dipresentasikan tanpa narasi yang jelas. Atau, bisa jadi tata letak dan elemen grafisnya tidak tepat sehingga audiens tersesat dari maksud dan tujuan sang analis. Maka dari itu, penting bagi seorang analis data untuk memvisualisasikan hasil kerjanya dengan baik. Analis data perlu mengetahui cara menggambarkan data agar audiens memahami konteks dari data yang disajikan.

Apa yang kamu dapatkan?

Modul ini akan membahas beragam cara memvisualisasikan data, terutama cara memilih grafik yang tepat serta memodifikasinya agar fokus pada pesan yang ingin disampaikan. Setelah menuntaskan modul ini, diharapkan tidak lagi menggunakan jenis grafik yang itu-itu saja dengan desain yang itu lagi dan itu lagi. Modul ini juga akan menuntun untuk memahami elemen-elemen pada grafik sehingga dapat mengubah elemen-elemen tersebut sesuai kebutuhan. Pada modul ini akan mempelajari bagian mana yang perlu dan tidak perlu ditampilkan dalam visualisasi data. Modul ini tidak akan mengajarkan menjadi seorang analis data dengan kemampuan desain grafis sekaligus. Namun, setidaknya lebih mudah untuk dapat memahami bagaimana sebuah desain visual dapat membantu audiens memahami data yang disajikan.

Mengenal visualisasi data

Visualisasi data dapat didefinisikan sebagai cara merepresentasikan data melalui komponen visual, seperti posisi, komposisi, panjang, luas, dan warna. Visualisasi data juga mencakup cara berkomunikasi secara efektif kepada audiens melalui bahasa gambar.

Coba perhatikan Gambar 1. Gambar tersebut dibuat oleh engineer asal Prancis, Charles Joseph Minard, yang terlibat dalam invasi militer Napoleon ke Rusia pada 1812-1813.

Gambar 1: Grafik kekuatan pasukan Napoleon dalam invasi ke Rusia pada 1812-1813.

Garis coklat dan hitam memperlihatkan kekuatan pasukan dari Prancis menuju dan kembali dari Moskow. Lebar garis menggambarkan banyaknya serdadu. Lebarnya mengecil karena jumlahnya terus menyusut.

Gambar yang dibuat tahun 1869 tersebut juga memperlihatkan peta, rute dan arah perjalanan, jarak tempuh, hingga grafik temperatur pada medan yang dilalui.

Siapapun yang melihatnya, dan paham bahasanya, akan dengan mudah mengetahui data dan cerita yang disampaikan dalam gambar tersebut. Invasi itu berakhir dengan hilangnya sebagian besar kekuatan Napoleon. Awalnya lebih dari 400.000-an prajurit, yang kembali hanya 10.000-an. Sisanya menjadi korban akibat penyakit, suhu dingin, kelaparan, atau serangan lawan. Tragis!

Urgensi visualisasi data

Dari contoh sebelumnya, jelaslah bahwa penyajian data dengan visualisasi yang tepat bisa dengan cepat mendapat perhatian audiens dan membuatnya paham tentang apa yang disampaikan.

Itulah tujuan utama visualisasi data. Bukan sekadar membuat tampilan data yang enak dilihat, tetapi juga harus bisa membuat data lebih mudah dipahami, jelas, dan menarik. Yang tidak kalah penting, harus dapat meyakinkan audiens sesuai kesimpulan dan narasi yang dibangun analis.

Pembahasan tentang visualisasi data ini dimaksudkan dengan tujuan sebagai berikut:

1. Memecahkan masalah, bukan sekadar tampil cantik. Ingatlah bahwa informasi visual lebih bukan mengutamakan hasil akhir berupa infografik atau presentasi serba indah. Sasarannya adalah memproses dan mengorganisasi fakta dan data, menemukan pola, hingga menghasilkan solusi. Desain visual membantu mengomunikasikan penyelesaian masalah itu agar mudah dipahami.
2. Fokus pada target dan audiens, bukan tools ataupun tekniknya. Modul ini tidak mewajibkan penggunaan aplikasi tertentu ataupun teknik khusus untuk memvisualkan data. Maka itu diperbolehkan menggunakan cara dan tools apa pun untuk itu. Yang diutamakan adalah apa tujuan menampilkan data tersebut dan siapakah audiensnya.
3. Panduan dan alur, bukan asal menata gambar. Urutan dan penempatan elemen visual harus dapat memandu audiens untuk memahami masalah hingga menuju jalan keluarnya. Memilih jenis dan ukuran huruf, warna yang tepat, mengatur tata letak visualnya, serta mengatur pola elemen visual menjadi penting agar audiens memahami maksud dan pesan yang dimunculkan dari data.
4. Konsep dan kerangka berpikir, bukan cuma kreativitas visual. Visualisasi data adalah mentransfer konsep dan cara berpikir atas data dan proses analisisnya dengan cara yang mudah dipahami oleh oleh manusia. Tujuannya adalah meyakinkan audiens dengan konsep dan kerangka pikir yang dibangun. Data dan analisisnya menjadi bukti penguat dan tak terbantahkan atas konsep tersebut.
5. Kontekstual. Data yang disajikan harus saling mendukung satu sama lain. Rangkaian visual yang dibuat harus memiliki konteks yang sama dan terorganisasi dengan baik sehingga menambah kejelasan makna dari pesan yang ingin disampaikan.

Eksploratif versus naratif

Sebelum menentukan visual yang cocok atas suatu data, seorang analis data harus memahami siapa atau audiens yang akan membaca data tersebut. Dengan mengetahui karakter audiens, seorang data analis akan bisa memperkirakan kepadatan data dan informasi yang akan disajikan.

Hal itu akan mempengaruhi pilihan visualisasi data, yakni visual yang mengeksplorasi data sedetail mungkin atau grafis yang menarasikan informasi dengan ringkas dan jelas. Apa bedanya?

Visual naratif seringkali digunakan untuk presentasi, biasanya statis, dan berisi ringkasan informasi. Tujuan utamanya adalah menjelaskan hasil akhir atau kesimpulan dari analis.

Hasil tersebut bisa jadi disebarluaskan untuk banyak orang dengan berbagai tingkat pemahaman terhadap data. Audiens tidak perlu lama-lama membacanya dan semestinya bisa segera memahaminya. Oleh karena itu, penyajiannya cenderung menonjolkan keindahan visual. Maka tidak heran bila informasi tidak disampaikan secara detail, misalnya grafik tanpa legenda, label data, ataupun detail lain.

Contoh visual naratif dapat dilihat pada Gambar 1.

Gambar 1: Heatmap menggambarkan transaksi kumulatif harian selama satu tahun. Grafik ini tidak menampilkan data secara detail karena tujuan utamanya adalah memperlihatkan pada jam berapa transaksi tertinggi dan terendah terjadi.

Sebaliknya, visual eksploratif bertujuan memaparkan proses yang dilakukan untuk mendapatkan hasil akhir yang tepat. Penyajiannya dibuat serinci dan seakurat mungkin untuk meyakinkan bahwa prosesnya benar.

Visual eksploratif cenderung menampilkan banyak data. Audiensnya pun tidak sembarang orang karena butuh waktu lebih lama untuk mencerna kompleksitas data tersebut. Visual ini lebih ditujukan untuk orang-orang yang memang memahami data atau bisa menginvestigasi data tersebut. Contoh visual eksploratif dapat dilihat pada Gambar 2.

Gambar 2: Grafik transaksi harian selama satu tahun. Grafik menggunakan elemen secara detail untuk memperlihatkan performa per jam setiap hari.

Baik visual naratif maupun eksploratif ini memiliki tantangan tersendiri dalam pengerjaannya. Untuk grafis naratif, sudah jelas bahwa kekuatan penyajiannya terletak pada cerita dan pesan dari narasi yang disampaikan. Cerita dan pesan itu akan mudah dipahami apabila didukung dengan paparan yang tidak bertele-tele dan kemasan visual "menuntun" audiens pada tujuan yang sama. Wujudnya bisa berupa infografik, annual report, materi promosi, hingga company profile.

Adapun visual eksploratif haruslah menonjolkan kekuatan analisis, hubungan sebab-akibat perubahan data, dan proses lain. Detail data ditampilkan untuk mendukung kesahihan analisis.

Quiz

Dalam memaparkan data untuk rapat manajer tingkat menengah di perusahaan, terdapat sejumlah data yang harus ditampilkan kepada para manajer tersebut. Tampilan grafik manakah yang paling tepat disajikan berikut ini?

• Visual 1

• Visual 2

• Visual 3

Penjelasan pemilihan grafik pada Quiz

Jawaban Visual 2 adalah benar. Berikut penjelasannya: Saat presentasi kepada manajer, data yang perlu dipaparkan adalah ringkasan atau kesimpulan dari sekumpulan data. Penyebutan simpulan analisis data sangat perlu untuk menggiring manajer pada analisis tentang strategi/langkah lanjutan. Visual 1 akan menyulitkan audiens untuk mencari rata-rata ataupun puncak data. Bisa menyajikan gambar ini ketika berdiskusi dengan para analis data. Analis akan mengeksplorasi data tersebut dengan analisis-analisis lanjutan yang lebih dalam. Adapun Visual 3 lebih cocok disajikan kepada audiens umum, misalnya untuk infografik atau materi presentasi kepada klien. Bisa juga disampaikan untuk level direksi ke atas, dengan catatan penyaji siap dengan data yang lebih detail.

Memetakan tujuan

Aku baru selesai membaca pengantar awal isi modul mengenai visualisasi data. Lalu kutemukan hasil survei yang menarik untuk kujadikan bahan praktik awal. Aku pun mencoba menyampaikan keinginanku pada Senja.(lihat Gambar 1).

Gambar 1: Grafik batang ganda menunjukkan nilai hasil survei terhadap orangtua dan siswa.

“Nja, ini aku mau coba praktik pakai data antusiasme orangtua dan murid terhadap kegiatan sekolah,” ujarku setelah membaca modul visualisasi data dari Senja. “Boleh. Itu praktiknya ada di berkas studi kasus ya, bisa kamu cek.” “Iya, ini ditulis kalau sekolah A berharap bahwa murid-murid menunjukkan antusiasme lebih besar dibanding orangtua untuk semua kegiatan yang diadakan di sekolah. Dari grafik ini, awalnya pihak sekolah tidak menyadari bahwa ternyata respons murid terhadap kegiatan religi tidak setinggi harapan orangtua. Itu karena grafik yang dimiliki sekolah tidak memperlihatkan perbedaan yang jelas satu sama lain.” “Oke, sudah ada kasusnya. Sudah paham harus diolah seperti apa visualisasinya, Aksara?” Aku terdiam untuk berpikir sebentar.

“Aku akan mengubah desain grafiknya. Aku akan membuat slope graph (lihat Gambar 2) untuk memperlihatkan pertanyaan/kategori apa yang memperlihatkan respons murid lebih rendah ketimbang orangtua untuk menunjukkan secara jelas perbedaannya,” jawabku. “Kenapa memilih grafik itu, Aksara? Bisa jelaskan alasannya?” “Aku menggunakan slope graph agar keterangan kegiatan dapat diletakkan di samping (kiri) dari angka-angka tersebut. Jika aku paksa menggunakan column chart, aku bisa menyusun urutan angkanya secara vertikal. Tetapi, di sekolah juga akan mengalami kesulitan yang sama seperti grafik sebelumnya. Grafik batang maupun kolom seharusnya menempatkan angka nol pada garis dasar, baik vertikal maupun horizontal. Ini bisa menjadi masalah karena perbedaan persentase respons pada antarkegiatan tidak terlalu besar, hanya sekian persen. Sekolah pun akan sulit melihat bedanya secara sekilas. Dengan slope graph, aku dapat menghilangkan garis zero based dan fokus pada kisaran angka persentase dalam data,” jelasku panjang lebar. Senja tersenyum dan mempersilahkanku untuk mulai mengerjakan studi kasusku dengan hasil seperti ini:

Gambar 2: Slope graph merupakan salah satu cara membandingkan dua kategori/kelompok dengan berbagai variabel.

“Gimana menurutmu hasilnya, Nja?” ujarku sambil menunjukkan hasil visualisasiku. “Hmmm, menurut saya, kamu bisa menampilkan angka persentase dari murid dan orangtua dari item kegiatan religi saja. Yang lain bisa kamu jelaskan tanpa harus menampilkan grafiknya. Contohnya seperti ini agar menjadi lebih simpel (lihat Gambar 3)." Aku membiarkan Senja mengambil alih hasil kerjaku sebentar. Setelah diubah sedikit oleh Senja, aku mendapati gambar jadi lebih simpel dan langsung memperlihatkan pesan yang ingin disampaikan.

Gambar 3: Dengan mengandalkan kekuatan teks dan warna, pesan dalam grafik dapat terlihat dengan jelas meskipun desainnya sederhana.

“Sekarang kamu punya dua opsi grafik, Aksara, terutama dalam hal menampilkan seberapa detail data yang ingin ditonjolkan. Grafik yang terakhir menonjolkan peringatan tentang kegiatan yang perlu dibenahi, sementara grafik sebelumnya menitikberatkan pada seberapa antusias orangtua dan siswa terhadap seluruh kegiatan di sekolah. Jadi lebih beragam untuk disajikan semisal kita punya klien,” terang Senja. Dari penjelasan Senja, hal yang perlu kucatat adalah beri opsi tampilan grafik, jangan hanya satu. “Makasih sarannya, Nja!”

2. Jenis Grafik dan Penggunaannya

Proses visualisasi data

“Nja, aku mau tanya deh.” “Ya? Tanya saja,” sahut Senja sambil tetap fokus pada layar laptop. “Sebelum menarasikan data, sebenarnya apa yang harus kita perhatikan ya?” Senja menghentikan pekerjaannya untuk menjawab rasa penasaranku. “Pertama, apa. Tanyakan pada dirimu, pesan/hal apa yang paling ingin kamu sampaikan kepada audiens. Misalnya, kamu ingin audiens tahu bahwa performa perusahaan terus menurun. Atau, kinerja perusahaan sedang bagus, tetapi sebetulnya masih perlu ada perbaikan di beberapa sektor. Jika pesan utama sudah diketahui, periksalah apakah data dan grafik yang kamu miliki sudah menunjukkan dengan jelas pesan tersebut,” jelas Senja. Aku diam mendengarkan sembari sibuk mencatat poin-poin pentingnya.

“Kedua, untuk apa orang lain perlu mengetahui hal yang kamu sampaikan tadi. Di sinilah kamu tunjukkan hasil analisismu terhadap data yang kamu miliki. Hasil analisismu harus bisa membuktikan bahwa pesan yang kamu sampaikan tadi penting karena ada efek lanjutan yang tak kalah penting dari pesan tersebut. Dari contoh tadi, misalnya, kamu ingin audiens tahu bahwa performa perusahaan akan semakin anjlok jika tidak segera mengambil tindakan tepat. Atau, untuk contoh kedua, perusahaan sebetulnya bisa mendapatkan hasil lebih maksimal jika sektor-sektor tertentu segera mengevaluasi kinerjanya yang merosot,” tambah Senja. Tak kusangka cukup banyak juga hal yang tak boleh kulewatkan saat mengolah dan menarasikan data. “Terakhir, bagaimana caranya agar masalah yang kamu sampaikan tadi bisa teratasi. Di sini kamu bisa menyampaikan sejumlah alternatif solusi atau action plan yang diperlukan, tentunya berdasarkan analisis data yang menunjukkan bahwa rencana itulah yang paling baik untuk ditindaklanjuti. Jadi, sudah cukup jelas ya, Aksara?” “Iya, Nja. Makasih ya! Ini jelas banget.” “Satu lagi, Aksara. Itu baru langkah awal. Dengan cara itu, setidaknya kamu bisa lebih fokus pada pesan yang ingin kamu sampaikan kepada audiens. Kamu juga bisa lebih fokus menentukan data apa saja yang perlu disajikan. Ini penting karena pada langkah berikutnya, kamu bisa melanjutkan analisis data dan menyampaikan kesimpulan yang benar-benar berkaitan dengan masalah yang kamu paparkan.” “Kelihatannya sih mudah, tapi sebenarnya penuh tantangan yah, Nja?” “Begini saja. Kalau kamu kesulitan melakukannya, buatlah sketsa atau coretan-coretan seperlunya tentang tiga hal tadi. Saya bisa berikan contohnya (lihat Gambar 1).” Aku pun mempelajari gambar yang dibagikan Senja.

Jenis visualisasi data

“Aksara, kalau Jika sketsa tadi sudah selesai dibuat, jangan lupa menguji kembali apakah data dan grafik yang ditampilkan sudah sesuai dengan pertanyaan-pertanyaan tadi ya,” pinta Senja. “Maksudnya, Nja?” “Begini, kamu tentu tahu bahwa data bisa ditampilkan dalam berbagai jenis tampilan. Masing-masing jenis memiliki karakter visual dan fungsi berbeda-beda. Nah, periksalah sketsa grafik yang kamu buat pada langkah sebelumnya, apakah jenisnya cocok dengan pesan yang ingin kamu sampaikan.” “Tapi, bukankah ada beberapa grafik saja yang lazim digunakan dan mudah dipahami orang awam? Setahuku hanya tabel, grafik batang/kolom, dan pie chart atau kombinasi dari itu semua,” sahutku masih bingung. “Betul, itu jenis-jenis visualisasi data yang biasa disajikan karena mudah dibuat dan mudah dipahami. Secara umum visualisasi data itu bisa diwujudkan dengan cara teks, grafik, tabel, dan peta. Dan apa yang kamu sebutkan tadi adalah bagian dari jenis-jenis visualisasi data di atas. Masih banyak jenis lainnya yang bisa kamu eksplorasi. Dari situ, kamu bisa merangkainya menjadi sebuah tata visual yang kompleks, misalnya infografik, dashboard, dan sebagainya.” “Oh oke, aku mulai paham.” “Sebenarnya enggak cuma itu saja, kamu juga harus belajar tentang memilih warna, mengatur ukuran huruf, serta tata letak ataupun bentuk-bentuk visual untuk membuat visualisasi data menjadi sempurna,” tambah Senja.

Lama akhirnya aku menyadari jika visualisasi data bukan hanya soal angka, tetapi juga memanjakan mata.

Pilah-pilih grafik

Membaca grafik bukanlah satu pekerjaan mudah bagi sebagian orang, terutama yang tidak terbiasa melihat data. Melihat dua garis saling bersinggungan, misalnya, bisa menimbulkan arti berbeda bagi orang yang tidak memahami data. Oleh karena itu, penting sekali memperkenalkan visualisasi data dengan sesederhana mungkin agar alur membaca dan mengambil kesimpulan atas elemen visual yang ditampilkan dengan lebih mudah. Ada berbagai macam cara menampilkan data, entah dalam bentuk grafik, angka, atau teks. Cara menampilkannya tergantung pada pesan yang ingin disampaikan kepada audiens. Berikut penjelasan singkat tentang sejumlah pilihan visualisasi data.

Quiz

Di antara grafik-grafik ini, manakah yang paling cocok digunakan untuk menggambarkan jumlah karyawan berdasarkan usia?

• Pie chart

• Column chart

• Histogram

Penjelasan pemilihan grafik pada Quiz

Jika memilih Histogram jawabannya adalah benar. Kenapa harusnya Histogram, berikut penjelasannya: Ingat, kelompok usia adalah kategori data berantai yang saling berhubungan. Secara psikis, pembaca data akan dapat menghubungkan masing-masing kelompok usia itu berdasarkan urutannya, misal dari usia paling muda (kecil) hingga paling besar. Urutan ini tidak boleh diubah berdasarkan besaran nilai data pada setiap kategori. Penggunaan pie chart dapat dimaklumi bila pesan yang ingin disampaikan adalah proporsi jumlah karyawan berdasarkan usia. Namun, tampilan pie chart di atas menyulitkan pembaca untuk menelusuri bagian lingkaran dan keterangan kategori usia pada legenda. Demikian juga dengan diagram kolom, penggunaan banyak warna tidak mutlak digunakan, apalagi setiap kelompok tersebut homogen, yakni dipilah berdasarkan rentang usia. Histogram horizontal memperlihatkan postur jumlah karyawan berdasarkan usia. Dari tabel ini terlihat kelompok usia manakah yang paling dominan.

Panduan ringkas memilih grafik

Merangkum jenis-jenis grafik dan penggunaannya, berikut ini panduan singkat penggunaan jenis grafik berdasarkan kebutuhannya.

Karakter Visual

Setelah berhasil memilih grafik yang benar sesuai tujuan penyajian data, tantangan berikutnya adalah bagaimana membuat grafik tersebut menjadi mudah dipahami oleh audiens. Di sini kata kuncinya adalah audiens, yang karakternya berbeda-beda.

Karena itu, sangat penting bagi seorang pemapar data untuk memahami karakter audiens. Seseorang yang terbiasa melihat data, tentu saja akan lebih mudah mencerna grafik apa pun yang ada di hadapannya, bukan? Sebaliknya, orang yang tak biasa menyaksikan gambar-gambar disertai angka, apalagi disertai rumus atau perhitungan rumit, tentu membutuhkan waktu lebih lama menerjemahkan sajian grafis tentang data.

Karena karakter audiens yang beragam, maka cara mereka membaca data dan grafik pun tidak sama satu sama lain. Karena itu, dalam menyajikan data, seorang analisis sebisa mungkin "mengarahkan" pembaca. Mengarahkan di sini berarti harus dapat membawa alam pikir audiens seturut dengan logika analisis data hingga menyimpulkan hasilnya. Juga mengarahkan mata pembaca dalam menelusuri sajian visual atas analisis data dan kesimpulan tersebut.

Gambar 1: Grafik garis ini menggambarkan tren penjualan tiga produk selama satu tahun. Alih-alih menonjolkan garis teratas (produk A) yang memiliki nilai lebih tinggi, grafik ini justru menonjolkan produk B dengan warna terang yang mencolok mata.

Lihatlah dua ilustrasi grafik pada Gambar 1 dan Gambar 2. Pada Gambar 1, tidak ada petunjuk jelas tentang bagaimana cara membaca grafik tersebut. Karena tidak ada ketentuan khusus, orang yang melihatnya akan membacanya dengan cara berbeda-beda. Mungkin ada yang membacanya mulai dari judul grafik, tetapi ada pula yang langsung mengarahkan perhatian pada garis berwarna cerah di bagian tengah.

Gambar 2: Simulasi urutan membaca grafik oleh audiens. Urutan ini tidak baku, tergantung pada karakter audiens yang melihatnya. Namun, penggunaan warna terang pada garis di tengah akan mengarahkan pembaca untuk fokus pada garis tersebut.

Gambar 2 memperlihatkan contoh pola membaca grafik tersebut. Belum tentu semua orang akan menggunakan alur baca yang sama seperti ilustrasi tersebut. Namun, setidaknya penggunaan warna, tebal-tipis garis, maupun besar-kecil ukuran huruf, menuntun audiens untuk menentukan bagian mana yang perlu dibaca lebih dulu.

Coba bayangkan bila semua garis pada grafik tersebut memiliki ketebalan dan warna yang sama. Demikian ukuran huruf pada judul, penjelasan grafik, legenda, hingga keterangan di masing-masing sumbu. Sudah dapat dipastikan, tidak ada bagian yang paling menonjol dalam grafik tersebut, bukan? Kalau begitu kondisinya, dapat dipastikan pula setiap orang yang membacanya akan punya cara sendiri-sendiri untuk mencerna grafik tersebut.

Yuk Bedah Grafik - Part 1

Sebagai mentorku Senja ingin aku bisa mengetahui hal-hal apa saja yang perlu diperbaiki dalam visualisasi data. Ia pun memintaku untuk mengumpulkan contoh-contoh data visual yang pernah dibuat perusahaan untuk dievaluasi dan diperbaiki di kemudian hari. Aku pun mulai mengumpulkan sejumlah presentasi, materi promosi, hingga materi iklan yang pernah digarap oleh perusahaan untuk dievaluasi. Terkumpullah sejumlah materi grafik yang perlu dibenahi. Tapi, sebelumnya aku butuh bantuan Senja untuk memberi masukan atas materi-materi ini. “Kalau saya lihat, ini materinya perlu dirombak total. Tampilannya ini bukan saja membingungkan, tapi juga berpotensi melahirkan asumsi-asumsi yang salah atas datanya.” “Aku pikir juga begitu sih, Nja.” “Contohnya ini ya, Aksara. Menurut saya, sangat sulit dipahami karena tidak mudah membedakan proporsi jawaban survei berdasarkan persentase jumlahnya. Bahkan, ada porsi gambar yang salah pada jawaban Baik (20%) dan Sangat Baik (22%), di mana potongan jawaban Baik justru tampak lebih besar dibanding Sangat Baik,” komentar Senja untuk salah satu contoh grafik kolom yang dibuat dengan tiga dimensi (lihat Gambar 1).

Gambar 1: Hindari penggunaan pie chart tiga dimensi dengan selisih angka kecil antarbagian karena besar tiap bagian bisa meleset.

“Ini karena selisih persentase antarbagian tidak terlalu besar dan pie chart ditampilkan dalam rupa tiga dimensi dengan perspektif yang tidak pas. Kamu paham maksud saya, Aksara? Ini bisa jadi masukan untuk membenahi grafik-grafik lainnya juga,” sahut Senja. “Oke, aku paham. Tapi, menurutku sebenarnya tidak masalah jika selisih keduanya kecil. Pesan yang ingin disampaikan adalah sebagian besar responden memiliki pemahaman cukup hingga sangat baik atas pernyataan yang diajukan, Nja,” aku memberanikan diri memberi penilaian. Senja tampak mempertimbangkan opiniku. “Maksudmu responden yang menjawab Cukup, Baik, dan Sangat Baik adalah responden dengan kategori yang kamu sebutkan tadi? Jumlahnya memang dominan, 67 persen sih.”

“Betul, ketiga kategori itulah yang ingin ditonjolkan. Itu menurut pandanganku ya.” Setelah lama menimbang-nimbang, tampaknya Senja cukup setuju dengan analisisku. “Baiklah, jika seperti itu, pesannya menjadi lebih jelas. Kamu masih bisa menggunakan pie chart atau diagram donat dengan pewarnaan sesuai kategori tadi. Jangan lupa berikan kesimpulan data pada grafik tersebut untuk memudahkan orang membacanya. Kamu bisa lihat contohnya di Gambar 2, seperti ini.”

Gambar 2: Diagram donat yang dilengkapi kesimpulan data dengan cara mengelompokkan kategori yang dianggap sama.

Yuk Bedah Grafik - Part 2

“Aksara, satu lagi, saya punya tips lain tentang bagaimana memilih warna, bentuk, dan elemen visual untuk presentasi data. Coba lihat perbandingan contoh grafik di layar.” Aku menarik bangku mendekati Senja.
“Wah, ini jadi sangat jelas sekali. Aku jadi paham kenapa selama ini sering gagal menampilkan data. Sayang banget pas sekolah dulu hal ini enggak ada saat pelajaran matematika atau statistik,” ungkapku. “Memang jarang dipelajari di sekolah atau kuliah. Soalnya bukan ranahnya ilmu pasti seperti matematika. Ini lebih kepada soal "rasa" dan persepsi. Dan, tiap orang bisa berbeda-beda menilainya. Tapi setidaknya ini bisa jadi referensi yang membantu.” “Bagaimana gambar tadi bisa menjelaskan rasa dan persepsi, Nja?”

“Mudah saja. Untuk gambar teratas, sudah jelas bahwa perbedaan warna yang sangat kontras akan membantu mata membedakan setiap bagian. Ada mata yang dengan mudah membedakan perbedaan tipis seperti petak-petak di bagian kiri. Tetapi bagi sebagian orang, warna yang tidak pekat itu akan dianggap sama saja. Tipis sekali bedanya.” “Kalau gambar yang di tengah?” tanyaku antusias.

“Gambar di tengah juga sama, tetapi kali ini lebih kepada problem membaca posisi. Lihat, ada sejumlah titik yang hampir segaris, agak sulit membedakan mana yang lebih tinggi dan rendah.” “Oh, begitu. Oke, aku akhirnya baru bisa membedakan perbedaan tinggi masing-masing titik pada gambar di sebelah kanan. Garis tipis di belakang titik sangat membantu menentukan batasnya.”

“Satu lagi yang harus kamu perhatikan, Aksara. Kesalahan seperti gambar terbawah di bagian kiri sering terjadi. Alih-alih membuat lebih dinamis, tampilan visual berbentuk grafik balon ini justru bikin sulit membedakan lingkaran terbesar dan terkecil. Selisihnya amat kecil sehingga tampak sama, bukan?” Aku ikut menyimak gambar yang ditunjuk Senja. “Ya, tetapi yang bagian kanan pun sama sulitnya membedakan tinggi kolom pertama dan terakhir. Bukan begitu, Nja?” “Kamu benar. Tetapi sudah jauh lebih baik dibanding yang kiri. Kalau mau lebih sempurna, tinggal tambahkan garis tipis sebagai pemandu seperti gambar tengah, atau berikan saja label data di masing-masing kolom.” “Tampaknya ini akan jadi diskusi yang menarik,” batinku sambil menyimak kembali gambar-gambar tersebut.

Bekerja dengan tabel

“Aksara, menggunakan tabel memang cara paling simpel untuk menyajikan data berupa angka berderet. Selain pengerjaannya yang sangat singkat, data tabular juga memungkinkan untuk menampung banyak kategori dalam satu tampilan sederhana. Ada beberapa contoh tabel yang mau saya perlihatkan padamu,” ujar Senja lagi. Aku mengernyitkan dahi. “Maksudnya?” “Coba kamu lihat tabel ini (lihat Gambar 1 dan Gambar 2). Data disusun dalam urutan horizontal dan vertikal. Angka-angka diletakkan sesuai dengan matriks hari (vertikal) dan jam (horizontal). Pesan apa yang ingin ditonjolkan dari tabel itu? Tidak jelas. Coba perhatikan baik-baik, bagaimana cara membaca tabel ini? Apakah angkanya perlu dibaca dari kiri ke kanan sesuai hari, ataukah dari atas ke bawah sesuai jam transaksi?”

Gambar 1: Data yang ditampilkan dalam tabel tanpa dekorasi warna diasumsikan dibaca secara horizontal dari kiri ke kanan.

“Ah, betul juga. Tetapi, bukankah itu memberi kebebasan kepada audiens untuk memilih cara membaca data ini, Nja?” tanyaku berusaha kritis dalam membaca visual data. “Di situ letak masalahnya. Tabel ini tidak mengarahkan pembaca pada satu kesimpulan ataupun pesan yang ingin disampaikan berdasarkan data tersebut.” “Kalau kasusnya seperti itu, apakah ada saran bagaimana cara memperbaikinya? Adakah kesimpulan yang ingin ditarik dari data ini?” “Saran saya, bikin tabel yang membuat pembaca tabel ini mudah mencari hari dan jam berapa terjadi transaksi tertinggi dan terendah. Kalau memakai sudut pandang klien, saya pasti memerlukan itu untuk memetakan jam-jam efektif untuk melayani transaksi tersebut.” Dari percakapan di atas, permasalahan utama adalah bagaimana cara membaca tabel tersebut. Jika audiens ingin mencari pada hari apa performa tertinggi, audiens harus menyusuri tabel dari atas ke bawah. Jika ingin mencari jam terbaik, pembaca harus membaca dari kiri ke kanan berulang-ulang. Pesan dari Senja tadi sangat jelas, ia menginginkan ada pemetaan atas tabel untuk menentukan nilai tertinggi hingga terendah pada tabel tersebut. Ini artinya aku harus membuatnya lebih sederhana, menarik, dan mudah dicerna.

Gambar 2: Data yang ditampilkan dalam tabel tanpa dekorasi warna diasumsikan dibaca secara vertikal dari atas ke bawah.

“Senja, aku akan bikin tiga alternatif tabel (lihat Gambar 3). Untuk dua tabel pertama, aku hanya menambahkan warna latar belakang pada baris ataupun kolom untuk memudahkan audiens bagaimana cara membaca tabel. Alternatif ketiga, aku membuat heatmap untuk memperlihatkan petak mana yang menunjukkan performa tertinggi dan terendah. Bagaimana menurutmu?” tanyaku memastikan. “Nah, ini jauh lebih memudahkan saya membaca tabel. Dua alternatif pertama membantu saya cara membaca data, dari kiri ke kanan atau atas ke bawah. Tetapi saya pilih yang ketiga, heatmap, karena saya ingin mencari bagian mana yang menunjukkan nilai tertinggi dan terendah. Kamu memilih warna yang benar, di mana merah menggambarkan angka rendah yang menunjukkan penurunan performa. Adapun hijau untuk nilai dengan performa tinggi. Saya langsung bisa menyimpulkan bahwa angka transaksi tertinggi berada pada awal pekan dan sekitar waktu istirahat makan siang. Sangat simpel. Saya suka. Good job, Aksara!”

Gambar 3: Data ditampilkan dengan dekorasi warna yang menuntun mata membaca arah data dan pesan yang disampaikan.

3. Mini project

Visualisasi Data 1

Terdapat sejumlah data tentang karyawan di perusahaan A. Lalu aku diminta untuk mempresentasikan sebagian data itu kepada pimpinan. Salah satu data yang hendak ditampilkan adalah jumlah karyawan berdasarkan jenis kelamin dalam kelompok usia tertentu. Pimpinan perusahaan ingin melihat postur jumlah karyawan laki-laki dan perempuan berdasarkan rentang usia mereka.

Aku pun diminta menampilkan grafik yang simpel, tetapi padat informasi. Grafik itu membandingkan banyaknya jumlah karyawan laki-laki dan perempuan dalam setiap kelompok umur yang sama. Tantangannya adalah, grafik tersebut harus menunjukkan postur jumlah karyawan berdasarkan jenis kelamin dan rentang usianya sekaligus. Dengan menggunakan Microsoft Excel, tentunya aku bisa dengan mudah membuat grafik seperti pada Gambar 1. Sayangnya, grafik ini boros tempat karena banyaknya kategori rentang usia membuatnya melebar. Ukuran huruf untuk keterangan pada masing-masing sumbu pun menjadi kecil dan kurang terbaca.

Gambar 1: Grafik perbandingan jumlah karyawan laki-laki dan perempuan berdasarkan rentang usia.

Selain itu, pembaca sulit melihat postur jumlah karyawan berdasarkan jenis kelamin karena jarak antarkolom jenis kelamin yang sama tampak berjauhan. Bagaimana caraku mengubah grafik ini menjadi lebih ringkas dan mudah terbaca?

Target

1. Grafik yang lebih simpel dan hemat ruang.
2. Komparasi jumlah karyawan laki-laki dan perempuan berdasarkan rentang usia.

Berikut adalah data karyawan di perusahaan A.

Dengan menggunakan data karyawan di atas, aku bisa mengerjakan dengan menggunakan aplikasi Google spreadsheet, Excel, LibreOffice atau OpenOffice untuk memplotkan data ini, tentunya di laptop/komputer ku nantinya.

Akan tetapi kali ini aku akan melakukannya dengan menggunakan Matplotlib (salah satu library plotting di Python). Aku pun tidak khawatir karena aku hanya akan diminta mengetikkan ulang kode yang telah diberikan.

Visualisasi - Part 1: Matplotlib

Untuk membuat visualisasi dari data yang telah disediakan silakan diketikkan kembali kode berikut di code editor

DQ-08-03-01

Jika dituliskan dengan benar dan kemudian dijalankan, maka diperoleh hasil seperti berikut

Solusi Visualisasi Data 1

Grafik kolom kurang cocok untuk menampilkan banyak kategori, dalam hal ini adalah rentang usia karyawan. Ada tujuh kelompok usia dalam tabel data, masing-masing memiliki keterangan sebanyak 11 karakter (huruf). Jika keterangan ini dijejer pada sumbu X, akan melebar dan makan tempat, bukan?

Pilihan yang lebih baik adalah menggunakan dua bar chart yang disusun menjadi piramida. Jenis grafik ini dapat menempatkan batang-batang grafik menjadi lebih berdekatan sehingga menghemat ruang tampilan. Dengan ukuran gambar yang sama seperti grafik sebelumnya, dimungkinkan juga untuk memilih ukuran huruf lebih besar dan lebih terbaca.

Sebagai catatan, ada trik khusus jika ingin membuatnya di Excel. Pada contoh ini, grafik tersebut sebetulnya terdiri dari dua grafik terpisah, masing-masing untuk laki-laki dan perempuan. Khusus untuk grafik laki-laki, hanya perlu mengubah nilai pada sumbu X menjadi terbaca dari kanan ke kiri (reverse order). Selain itu dapat juga mengubahnya pada jendela Format Data Series dalam Excel.

Gambar: Hasil akhir dari perbaikan grafik untuk Praktik Visualisasi Data 1.

Visualisasi Data 2

Pimpinan perusahaan merasa kesal karena setiap kali rapat, analis data mempresentasikan data report yang bertele-tele. Selain itu, ia selalu meragukan kesahihan kesimpulan dalam laporan itu karena analisis tidak dilakukan secara detail. Ketika analis data itu memberikan data lebih detail, pimpinan perusahaan semakin kesal karena yang ditampilkan adalah data mentah yang masih sangat kotor dan harus ia simpulkan sendiri. Pimpinan tersebut juga berkali-kali bertanya tentang data, yang disajikan dalam bentuk grafik tiga dimensi atau grafik yang penuh dengan label data dengan garis dan blok warna-warni yang mencolok mata.

Kali ini aku mendapat tugas dari Senja untuk memperbaiki laporan dari contoh kasus tersebut. Tujuannya menyajikan visualisasi data yang enak dilihat, alur narasinya tepat, dan kesimpulannya benar. Tugasnya mencari karyawan dengan tren produktivitas paling baik selama satu tahun lalu untuk mendapatkan reward sebagai best employee. Masalahnya aku masih hanya bisa menggunakan Microsoft Excel dan PowerPoint untuk membuat presentasi laporan. Aku terbiasa menggunakan desain template dari kedua aplikasi itu. Yang aku tahu hanyalah jenis-jenis grafik bawaan yang disediakan pada aplikasi tersebut, contohnya seperti Gambar 1.

Gambar 1: Grafik Jumlah Produksi Per Karyawan.

Tujuan

1. Memilih jenis grafik yang benar
2. Menyederhanakan tampilan grafik
3. Memilah dan menonjolkan informasi yang diperlukan

Berikut adalah data karyawan di perusahaan:

Dengan menggunakan data karyawan di atas, aku dapat mengerjakan dengan menggunakan aplikasi Google spreadsheet, Excel, LibreOffice atau OpenOffice untuk memplotkan data ini, tentunya di laptop/komputer kamu nantinya. Akan tetapi kali ini aku akan melakukannya dengan menggunakan Matplotlib (salah satu library plotting di Python). Tapi, aku tidak merasa khawatir karena akan ada panduan untuk mengetikkan ulang kode yang telah diberikan.

Visualisasi - Part 2: Matplotlib

Untuk membuat visualisasi dari data yang telah disediakan silakan mengetikkan kembali kode berikut di code editor:

DQ-08-03-02

Jika dituliskan dengan benar dan kemudian dijalankan dengan maka diperoleh hasil seperti berikut:

Solusi Visualisasi Data 2

Senja membantuku dengan memberi hint untuk mengganti jenis grafik batang menjadi grafik garis. Kenapa? Karena jenis inilah yang paling cocok untuk menggambarkan data produktivitas dari waktu ke waktu.

Agar desainnya lebih simpel dan mudah dipahami, Senja juga menyarankan agar aku menyederhanakan tampilan grafik tersebut dengan langkah-langkah berikut ini (atau lihat Gambar 1 terkait proses perubahannya):

1. Memilih jenis grafik garis (line chart). Jenis grafik ini cocok untuk menampilkan perubahan nilai variabel dari waktu ke waktu dengan elemen yang lebih sederhana dibanding grafik batang horizontal.
2. Menghilangkan garis tepi grafik. Menghilangkan garis tepi akan memberi kesan ruang grafik yang luas.
3. Menghilangkan grid line/area. Jika yang ditonjolkan adalah pola garis naik-turun grafik, grid line dapat disamarkan atau dihilangkan sama sekali. Jika tidak, area grafik akan penuh oleh garis saling silang.
4. Menghapus label data dan marker. Terlalu banyak label data justru akan membuat tampilan grafik menjadi penuh dan terkesan berantakan. Tentu saja boleh menghilangkan seluruhnya atau tampilkan label data pada titik-titik tertentu saja. Hanya saja jangan lupa hindari penggunaan warna pekat pada label data, kecuali bila nilai data itu menjadi sorotan utama.
5. Menyederhanakan keterangan sumbu X dan Y. Jika sumbu XY memuat angka ribuan atau lebih, ringkaslah angka itu dengan menyederhanakan nilai angka pada setiap sumbu. Jangan lupa memunculkan satuan angka pada sumbu tersebut.
6. Mengatur legenda, judul, subjudul, keterangan. Diperlukan permainan tipografi dan penempatan teks yang tepat. Judul haruslah berukuran paling besar dan warna pekat. Ukuran huruf dan warna untuk elemen lain diatur lebih kecil dan lebih tipis. Lekatkan legenda dengan elemen grafik (dalam hal ini garis-garis grafik) untuk memudahkan pembaca mencari keterangan atas grafik tersebut.
7. Mengganti warna, tebal garis. Tidak ada patokan khusus mengenai jumlah warna dan ukuran garis. Namun, pastikan bahwa elemen yang paling menonjol diberi warna lebih pekat dari elemen lain.

Desain ini dipilih karena tujuannya adalah mencari satu karyawan yang memiliki produktivitas tertinggi. Produktivitas itu dapat terlihat dari tren kenaikan jumlah produksi dari awal hingga akhir tahun. Bisa pula terlihat dari rata-rata jumlah produksi.

Setelah satu karyawan terbaik terpilih, grafik untuk karyawan lain dapat disamarkan dengan warna lebih tipis, demikian pula tebal garisnya. Bagaimana dengan zero baseline yang tidak dimulai dari angka nol? Di sinilah fleksibilitas grafik garis dibandingkan dengan grafik batang. Dengan grafik batang, garis dasar nol pada sumbu X wajib digunakan. Dalam contoh ini, nilai minimum sumbu Y dimulai dengan angka 10 (ribuan) dan garis sumbu X dihilangkan karena garis tersebut sering diasumsikan sebagai garis nol.

Hasil Belajarku :)

Akhirnya, modul Introduction to Data Visualization telah ku selesaikan dengan baik. Berdasarkan materi-materi yang telah ku pelajari dan pahami serta praktekkan dalam modul ini, aku telah mendapatkan pengetahuan (knowledge) dan praktek (skill) yang diantaranya:

1. Mengenal visualisasi data
2. Urgensi visualisasi data
3. Visualisasi eksploratif versus naratif
4. Memetakan tujuan visualisasi data
5. Proses visualisasi data
6. Mengenal jenis grafik dan karakternya
7. Panduan singkat memilih grafik
8. Karakter visual suatu grafik
9. Bedah grafik

Semangat!