Konsep Berkomunikasi dengan Data

Pada Preattentive Attributes yang kita pelajari sebelumnya kita telah belajar bagaimana memusatkan perhatian audiens terhadap informasi yang kita berikan. Namun, untuk membuat visualisasi kita lebih menarik maka kita memerlukan beberapa fundamental desain. Oleh karena itu setidaknya mari kita berpikir sebagai desainer.

Pada bagian ini kita akan belajar bagaimana cara berpikir sebagai seorang desainer dan bagaimana konsep desain tradisional dapat diterapkan untuk berkomunikasi dengan data. Terdapat 4 poin utama dalam desain yang akan kita bahas yaitu affordances, accessibility, aesthetics, dan acceptance. Seorang desainer dapat membedakan mana desain yang baik dan tidak dengan membiasakan diri dengan beberapa aspek umum dan contoh-contoh desain yang ada. Kita akan belajar dan menanamkan kepercayaan diri pada insting visual dengan mempelajari beberapa tips untuk diikuti dan disesuaikan ketika hal-hal dirasa kurang tepat pada sebuah visual.

Affordances

Dalam istilah desain, semua benda memiliki fungsinya masing-masing. Seperti halnya ketika kita melihat tombol, kita tahu bahwa guna mengaktifkan tombol, kita perlu menekannya. Karakteristik ini menunjukkan bagaimana objek harus berinteraksi. Nah bagaimana kita menerapkan konsep affordances ke dalam visualisasi data?

Highlight hal yang penting

Pada pembelajaran sebelumnya kita mengetahui bagaimana menggunakan preattentive attributes untuk menarik perhatian audiens. Ada beberapa hal cara highlighting yaitu:

• Bold/italic/underline : Biasanya digunakan untuk judul, caption, ataupun kata pendek yang membedakan elemen. Bold umumnya lebih disukai daripada huruf miring dan garis bawah karena menambah sedikit kebisingan pada desain sambil secara jelas menyoroti elemen yang dipilih.
• CASE : Kita bisa menggunakan huruf kapital untuk menarik perhatian dari audiens karena huruf kapital mudah untuk dipindai oleh mata.
• Color : efektif bila digunakan bersamaan dengan teknik highlighting lainnya. Karena menambahkan nilai estetika dan menarik perhatian audiens.
• Inversing Element : Cara ini sangat menarik perhatian mata, namun beberapa orang tidak nyaman ketika melihat inversing.
• Size : Hal ini paling biasa kita lakukan untuk membedakan mana judul, sub-judul, atau lainnya yang juga merupakan sinyal untuk memberitahu hal yang harus difokuskan audiens.

Ketika kita memiliki hal yang sangat penting dan ingin kita tampilkan maka kita bisa memberikan bold, memperbesar ukuran font, atau bahkan mewarnainya.

Perhatikan gambar di atas dan bagaimana ia membawa fokus audiens terhadap hal yang ingin ia sampaikan. Tentu kita fokus melihat Bachelor’s degree or more karena warna mencolok. Sementara bagian kirinya tidak mencolok dengan warna standar abu-abu. Sampai di sini, paham? Highlighting memberikan sinyal yang jelas ke mana kita harus memusatkan perhatian kita.

Eliminasi distraksi

Ketika kita melihat tulisan di kertas yang bernoda maka kita akan ikut melihat noda di kertas tersebut. Tapi apakah noda tersebut merupakan hal yang harusnya kita lihat? Bandingkan dengan kita melihat tulisan di atas kertas putih bersih. Maka kita akan langsung fokus pada tulisan tersebut. Dalam sebuah bukunya Antoine de Saint‐Exupery berkata “Anda tahu Anda telah mencapai kesempurnaan, bukan ketika Anda tidak memiliki apa-apa lagi untuk ditambahkan, tetapi ketika Anda tidak memiliki apa pun untuk diambil”. Oleh karena itu kita butuh untuk mengeliminasi distraksi dari grafik kita. Beberapa hal yang bisa membantu kita dalam mengeliminasi distraksi.

• Tidak semua data setara informasinya. Seperti clutter yang kita pelajari pada modul sebelumnya maka informasi tersebut bisa dihilangkan.
• Ketika detail tidak dibutuhkan maka rangkumlah. Mungkin menurut kita detail itu penting, tapi apakah audiens perlu dan akan membaca semua detail tersebut?
• Tanya diri sendiri, apabila kita hapus sesuatu apakah merubah informasinya? Apabila jawabannya tidak, maka Anda dapat menghapusnya. Jangan biarkan rasa estetika ataupun rasa “sebaiknya harus ada” menghalangi kita untuk menghapus data tersebut.
• Ketika tidak terlalu penting namun dibutuhkan, samarkan dengan warna latar. Gunakan ilmu preattentive attributes mu dan gunakan warna abu-abu untuk menyamarkannya.

Banyak hal yang kita ubah pada grafik tersebut. Seperti yang kita tahu bahwa grafik garis lebih mudah memperlihatkan tren waktu. Kita juga mengurangi informasi dengan merubah 25 bar menjadi 4 garis. Kita juga dapat melihat perbedaan secara lebih jelas karena hanya perlu melihat dalam satu garis vertikal. Karena yang kita ingin tunjukan adalah perbandingan dan perbandingannya sudah jelas terlihat, kita tidak memerlukan bentuk desimal.

Accessibility

Konsep ini membicarakan bahwa desain seharusnya bisa digunakan oleh orang dari berbagai latar belakang atau kemampuan. Apakah termasuk penyandang disabilitas? Ya, disabilitas juga termasuk. Namun hal yang dimaksud lebih luas. Apabila kita seorang sarjana ekonomi, maka hasil analisis dan visual yang kita buat harus dapat dimengerti orang yang bukan sarjana ekonomi. Ada beberapa hal yang dapat membantu Anda mendapatkan Accessibility.

Jangan mempersulit sesuatu

Ketika kita membuat sebuah visual terkadang kita ingin menampilkan sesuatu yang unik dan beda dari yang lain. Contohnya kita membuat presentasi dengan font huruf sambung atau untuk alasan estetika kamu memperkecil teks agar terlihat rapi. Hal tersebut akan menyulitkan audiens dalam menyerap informasi dari visualisasi yang Anda buat. Beberapa hal yang perlu Anda ingat yaitu:

• Gunakan font yang tegas dan mudah dibaca oleh orang lain;
• Bersihkan dari setiap clutter dan buat visualisasi data kita sesuai dengan visual affordances;
• Gunakan bahasa yang umum dan to the point;
• Simplicity is the best.

Teks adalah temanmu

Teks membantu kita dalam mengkomunikasikan visualisasi sehingga dapat dimengerti audiens. Anda selalu bisa menggunakan teks sebagai penjelasan suatu visual. Mulai dari judul, deskripsi, atau bahkan memanfaatkan teknik highlighting pada sebuah teks.

Seperti gambar di atas kita dapat menunjukan pemahaman dari grafik dengan menambahkan teks. Gambar pertama merupakan grafik yang bagus, tapi apa maksud dari grafik tersebut? Ketika sebuah grafik belum dapat menyampaikan maksud kita, maka tambahkanlah teks pada grafik kita seperti halnya gambar kedua.

Aesthetics

Estetika mungkin terlihat berlawanan dengan apa yang disampaikan pada pembelajaran sebelumnya. Namun, yang dimaksud dengan estetika di sini bukanlah menambahkan sesuatu sehingga membuat visual lebih menarik. Tapi bagaimana kita membuat pilihan warna, spacing, alignment, dan layout menjadi satu kesatuan yang menarik. Apakah estetika itu penting? Ya tentu saja, seperti kebiasaan kita apabila melihat sesuatu yang kurang menarik atau tidak indah maka kita cenderung memberikan kesan negatif walaupun belum mengerti secara lebih detail.

Lihat kedua gambar di atas. Pada gambar pertama kita melihat penggunaan banyak warna yang sangat mencolok sehingga mengurangi nilai estetika. Bahkan alignment yang tidak rata, kotak merah yang menunjukan persentase, dan memiliki warna yang sama dengan salah satu elemen lainnya. Pada gambar kedua kita merapikan beberapa hal mulai dari pemilihan warna, menghilangkan garis-garis, dan perbaikan alignment. Dengan adanya sedikit perubahan sedemikian rupa, tampilan visual jadi jauh lebih baik.

Acceptance

Agar suatu desain menjadi efektif, ia harus diterima oleh audiens yang dituju. Pepatah desain ini juga berguna dalam visualisasi data. Seperti contohnya jika kita memilih visual yang kompleks maka tidak dapat diterima oleh audiens karena sulit dipahami maksud visualisasinya. Beberapa hal yang dapat kita gunakan untuk meningkatkan penerimaan visual oleh audiens. 

1. Mengartikulasikan manfaat dari pendekatan baru atau berbeda. Kadang-kadang jika kita transparan pada audiens tentang kenapa hal-hal terlihat berbeda, akan membantu audiens mereka merasa lebih nyaman. Apakah ada pengamatan baru dan lebih baik dengan melihat data dengan cara yang berbeda? Atau apa manfaat lain yang dapat Anda artikulasikan untuk membantu meyakinkan audiens Anda terbuka terhadap perubahan?
2. Tes A/B. Pasangan pendekatan awal dan pendekatan baru dengan menunjukkan sebelum dan sesudah serta menjelaskan mengapa kita ingin mengubah cara kita melihat sesuatu.
3. Siapkan beberapa opsi desain untuk Anda bandingkan.

Preattentive Attributes pada Visualisasi Data

Kita telah mengetahui pentingnya mengidentifikasi dan menghilangkan hal-hal yang berantakan dari visual yang dibuat. Kita akan berbicara singkat mengenai pengamatan dan ingatan untuk menekankan pentingnya sebuah preattentive attributes. Pada bagian ini kita akan mengeksplorasi bagaimana atribut seperti, ukuran, warna, dan posisi di halaman dapat digunakan secara strategis dalam dua cara:

1. Preattentive attributes dapat dimanfaatkan untuk membantu mengarahkan perhatian pada fokus utama yang ingin disampaikan.
2. Atribut ini dapat digunakan untuk membuat hierarki elemen visual yang mengarahkan perhatian pada informasi yang hendak diinformasikan sesuai dengan proses yang diharapkan.

Jika kita menggunakan preattentive attributes secara strategis, audiens jadi mudah melihat dan menemukan dengan cepat apa yang kita ingin mereka cari.

Preattentive attributes adalah sinyal fokus area

Cara terbaik untuk membuktikan kekuatan preattentive attributes adalah dengan mendemonstrasikannya. Gambar di bawah ini menunjukkan sejumlah angka. Hitunglah berapa banyak angka enam yang ada dalam rangkaian tersebut.

Jawabannya adalah sepuluh. Pada gambar di atas tidak terdapat tanda visual yang membantu menjawab pertanyaan. Namun, apa yang terjadi ketika membuat sebuah perubahan di rangkaian angka seperti berikut.

Perhatikan betapa mudah dan cepat kita menemukan berapa banyak angka 6 dalam data di atas menggunakan data yang sama. Tidak dibutuhkan waktu yang lama dan tiba-tiba terdapat sepuluh angka 6 yang dapat dilihat. Preattentive attributes dari contoh kasus ini adalah penggunaan intensitas warna yang membuat angka 6 mencolok dari angka lain. Sehingga, otak kita menangkap secara cepat dan menghitung jumlah angka 6 yang terlihat mencolok daripada yang lain.

Preattentive attributes dalam teks

Ketika membicarakan preattentive pada teks, mungkin teman-teman secara tidak sadar telah melakukan hal tersebut. Seperti contohnya ketika membuat sebuah dokumen pasti kita akan membedakan ukuran nama judul, sub judul, dan paragraf. Ataupun ketika kita menggunakan stabilo pada sebuah buku yang kita baca. Nah, sebenarnya untuk apa sih kita melakukan hal tersebut? Coba bandingkanlah ketika kamu membaca sebuah buku dengan judul dan tanpa judul: bagian buku yang kita beri warna highlighter  dan tidak. Tutuplah buku tersebut dan buka lagi setelah beberapa hari, maka kamu akan melihat buku yang kamu berikan preattentive akan lebih mudah kamu baca kembali. Kenapa? Karena dengan melakukan preattentive pada teks, kita mengarahkan audiens untuk lebih fokus ke beberapa hal saja, bukan semua. 

Selain itu, ukuran juga memberikan informasi hirarki. Seperti halnya judul dan sub judul, kita mengetahui bahwa informasi sub judul merupakan bagian lebih detail dari judul.

Dengan membuat hirarki kita akan memudahkan audiens untuk memisahkan grup informasi yang memiliki korelasi. Seperti halnya pada modul ini kita menggunakan ukuran sebagai pembatas dari informasi-informasi pembelajaran. Hal ini juga bisa kita terapkan pada pembuatan presentasi seperti gambar di bawah.

Bagaimana? Dengan sedikit memainkan ukuran, warna dan ketebalan kita bisa membuat perbedaan yang cukup signifikan. Coba kamu lihat gambar di bawah sebagai pembanding. Selain warna dan ukuran masih banyak yang bisa kita lakukan untuk membuat preattentive pada teks.

Mungkin pertanyaan selanjutnya adalah kapan kita harus menggunakan salah satunya? Kembali lagi ke audiens. Ketika audiens merupakan orang yang cukup tua atau memiliki penglihatan yang kurang maka perubahan ukuran akan lebih baik. Bila seseorang sulit untuk membedakan warna maka jangan gunakan pewarna sebagai preattentive. Ketika kita memiliki banyak informasi yang penting dalam sebuah teks, maka kita dapat memberikan outline kotak atau mungkin kalian lebih suka untuk melingkari hal yang penting.

Preattentive attributes dalam grafik

Grafik juga memerlukan penanda visual seperti yang sudah dijelaskan dengan contoh kasus menghitung jumlah angka 3 sebelumnya. Berikut merupakan contoh penerapan preattentive attributes dalam grafik.

Grafik di atas terlihat tanpa penanda visual sehingga kita sulit menentukan informasi yang ingin diketahui. Masih ingatkah Anda dengan perbedaan antara exploratory analysis dan explanatory analysis? Gambar di atas juga dapat membantu untuk masuk dalam proses explanatory analysis. Namun, jika kita melihat data untuk memahami apa yang menarik dan penting untuk dikomunikasikan kepada orang lain, maka penggunaan warna dan teks adalah salah satu cara untuk fokus pada hal yang ingin diinformasikan. Contohnya seperti pada ilustrasi di bawah ini.

Penyajian di atas menggunakan dan dan visual yang sama, tetapi dengan modifikasi fokus dan teks untuk mengarahkan ke bagian makro dan mikro dari data yang ingin disampaikan. Anda juga dapat menambahkan cerita untuk melengkapi informasi tersebut seperti di bawah ini.

Khususnya dalam presentasi langsung, kita bisa lakukan pengulangan visual dengan perbedaan penekanan untuk menyampaikan aspek yang berbeda dari cerita yang sama. Ini merupakan strategi efektif.

Dalam preattentive attributes terdapat beberapa atribut yang penting dari sudut pandang strategis ketika memfokuskan perhatian sesuai spesifikasi diskusinya yaitu:

1. Ukuran
   Ukuran relatif berpengaruh untuk menunjukkan tingkat kepentingan. Ingat selalu ketika mendesain komunikasi visual. Jika kita menunjukkan berbagai hal yang memiliki kepentingan yang sama, berikan mereka ukuran yang sama. Sebagai alternatif, jika terdapat satu hal penting maka manfaatkan ukuran dan membuatnya menjadi lebih besar.
2. Warna
   Ketika digunakan secara bijak, warna merupakan salah satu alat paling ampuh untuk menarik perhatian. Hindari keinginan untuk menggunakan warna hanya karena ingin terlihat meriah atau warna warni semata. Gunakan warna secara selektif sebagai sebuah alat strategis untuk menekankan bagian penting dari visual yang dibuat.
   
3. Posisi di halaman
   Ketika kita membuat sebuah visual, maka kita harus bijak dalam memilih posisi. Seperti kita ketahui umumnya kita membaca dari kiri dan ke kanan seperti gambar di bawah ini. Tapi bagaimana dengan orang dari Arab? Kita harus menyesuaikan dengan cara audiens membaca. Hal tersebut akan bermanfaat untuk kita menentukan struktur dari visualisasi.

Cara Menghilangkan Elemen yang Rumit pada Visualisasi Data

Bayangkan halaman kosong atau layar kosong. Kemudian, tiap elemen yang Anda tambahkan ke halaman atau layar tersebut pasti memerlukan waktu untuk kita pahami. Dengan kata lain, penambahan elemen membutuhkan kekuatan otak untuk memproses. Oleh karena itu, kita perlu membuat elemen visual terlihat rapi. Secara umum, identifikasilah dan hapuslah elemen yang kurang efektif.

Cognitive Lead (Beban Kognitif)

Apa itu beban kognitif? Sederhananya, usaha kognitif kita dalam mempelajari informasi baru. Ketika kita meminta komputer untuk melakukan pekerjaan, kita mengandalkan kekuatan pemrosesan komputer. Ketika kita meminta audiens untuk menyerap informasi, kita mengoptimalkan pola berpikir mereka untuk memproses hal tersebut. Ini disebut dengan beban kognitif. Otak manusia memiliki kekuatan untuk pemrosesan yang terbatas. Sebagai desainer informasi, kita harus membuat audiens mudah memahami data yang kita sampaikan. Jika audiens membutuhkan waktu lama untuk memahami data yang kita sampaikan, maka kita harus memperbaiki persepsi visual data yang kita buat.

Hal yang sangat penting ketika menyangkut komunikasi visual adalah usaha audiens untuk mencerna informasi. Seberapa sulit bagi mereka untuk percaya bahwa informasi dapat diserap dari apa yang kita sampaikan.

Kerumitan

Salah satu penyebab utama yang menimbulkan cognitive lead yang berlebihan adalah sebuah kerumitan atau disebut juga dengan clutter. Clutter merupakan elemen visual yang tidak menambah pemahaman. Terdapat alasan sederhana mengapa kita berusaha untuk mereduksinya. Mungkin tanpa kita sadari sebuah clutter dalam komunikasi visual dapat menyebabkan informasi kurang ideal sehingga berdampak pada  pengalaman tidak nyaman bagi audiens saat membacanya. Ketika visual terlihat rumit, kita membuat audiens membuang banyak waktu untuk memahami tampilan data. Sehingga kita dapat kehilangan kesempatan menyampaikan informasi pada audiens dengan efektif

Tips Visualisasi Data yang Efektif

Terdapat banyak sekali jenis grafik yang dapat digunakan dalam visualisasi data, tetapi hanya sedikit di antaranya yang mampu menjawab kebutuhan kita. Pada tahap ini kita akan fokus pada beberapa visual.

Berbentuk Teks

Ketika kita hanya ingin menampilkan satu atau dua angka saja, gunakan teks sederhana. Tabel dan grafik tidak perlu. Buat tampilan angka terlihat menonjol. Tambahkan beberapa kata pendukung untuk menyampaikan pikiran kita secara jelas. Penambahan kata atau kalimat pendukung berfungsi untuk meminimalisir perbedaan pendapat atau kesalahan informasi. Untuk mengilustrasikan penjelasan tersebut, mari kita lihat contoh di bawah ini:

Kenyataannya, kita tidak harus menggunakan diagram atau grafik jika ingin menampilkan beberapa angka saja. Grafik tidak menjelaskan banyak mengenai interpretasi angka. Dalam kasus ini, harusnya gunakan sebuah kalimat sederhana saja, seperti: Tahun 2012 sebanyak 20% anak tinggal di rumah ibunya, dibandingkan dengan tahun 1970 sebanyak 41%. Sebagai alternatif, kita dapat mewujudkan informasi visual alternatif sebagai berikut:

Ketika kita hanya memiliki satu atau dua angka yang ingin disampaikan, sampaikanlah tanpa grafik atau tabel. Sebaliknya, jika ada  banyak angka untuk ditampilkan, tabel atau grafik jadi opsi terbaik.

Tabel

Pasti kita sering menemui data dalam bentuk tabel. Ketika terdapat sebuah tabel kita cenderung akan menggunakan telunjuk untuk membaca antar baris dan kolom untuk membandingkan nilai. Tabel sangat baik untuk beragam audiens yang membaca baris tertentu sesuai kepentingan masing-masing. Jika kita berhadapan dengan banyak unit pengukuran, tabel lebih memudahkan saat dibaca.  

Perlu diperhatikan jika membuat tabel dalam presentasi. Hindari penggunaan garis tepi yang tebal atau bayangan. Audiens jadi fokus ke garis atau bayangan tersebut. Lebih baik gunakan garis tepi tipis atau ruang putih untuk memisahkan elemen-elemen dalam tabel. Berikut ilustrasi untuk memperjelas detail tsb:

Garis tepi seharusnya digunakan untuk membantu audiens membaca data namun jangan berlebihan sehingga jadi pusat perhatian. Pertimbangkan untuk membuat garis tepinya jadi abu-abu atau tanpa warna. Datalah yang seharusnya menjadi pusat perhatian, bukan garis tepi.

Heatmap

Cara untuk menggabungkan detail angka pada tabel dengan visual adalah menggunakan heatmap. Grafik ini berfungsi untuk memvisualisasikan data melalui format tabulasi yang memanfaatkan pewarnaan dalam sel untuk menunjukkan besaran nilai angkanya.

Pada gambar di atas terdapat tabel biasa di sebelah kiri dan heatmap di sebelah kanan. Pada tabel biasa kita harus mengamati tiap baris dan kolom untuk memahami data mana yang lebih besar atau lebih kecil dibandingkan lainnya. Untuk mengurangi proses dalam memahami data, gunakan saturasi warna sebagai penanda visual. Hal ini dapat membantu mata dan otak kita bekerja lebih cepat untuk menentukan hal penting yang kita butuhkan. Kategori warna pada tabel heatmap sebelah kanan membuat proses mencari informasi lebih mudah dan cepat karena jika kita ingin mencari data yang persentasenya paling besar dapat mencari saturasi warna yang paling gelap.

Grafik

Grafik lebih cepat diproses dan mudah dipahami dalam mendapatkan informasi. Artinya, kita dapat lebih cepat memahami informasi dari grafik dibandingkan dengan tabel yang didesain dengan baik.

Grafik yang digunakan umumnya terbagi menjadi empat kategori : Titik, garis, batang, dan area.

Titik

Scatterplot

Grafik scatterplot berguna untuk menunjukkan hubungan antara dua hal yang terdapat di sumbu x dan y karena grafik ini membuat kita memproses data serentak untuk melihat hubungan apa yang muncul. Meski jarang digunakan, dunia bisnis masih ada yang menggunakan scatterplot.

Sebagai contoh, bayangkan kita mengelola armada bus dan ingin memahami hubungan antara mil yang ditempuh dan biaya per mil. Scatterplot akan terlihat seperti gambar di bawah ini.

Jika kita ingin lebih fokus pada kasus di mana biaya per mil di bawah rata-rata, maka kita dapat memodifikasi sedikit scatterplot untuk menarik perhatian pembaca seperti pada gambar di bawah ini.

Kita dapat menambahkan informasi observasi, seperti biaya per mil lebih tinggi dari rata-rata ketika jarak tempuh kurang dari 1.700 mil atau lebih dari 3.300 mil untuk sampel yang diobservasi.

Garis

Grafik garis biasanya digunakan untuk melihat data yang bersifat kontinu. Karena titik biasanya dihubungkan melalui garis, grafik ini membuat hubungan antar titik dan mungkin tidak sesuai untuk data yang bersifat kategori. Sering kali, data kontinu berupa unit waktu: hari, bulan, kuarter, atau tahun.

Di antara kategori grafik garis, terdapat dua tipe yang biasanya digunakan yaitu grafik garis dan slopegraph.

1. Grafik Garis
   Grafik garis dapat menampilkan sebuah serial data, dua serial data atau multi serial data seperti contoh pada gambar di bawah ini.
   
2. Slopegraph
   Slopegraph berguna ketika menyajikan data yang memiliki dua periode waktu atau perbedaan data. Hal tersebut bertujuan untuk menunjukkan secara cepat kenaikan dan penurunan atau perbedaan kategori yang beragam antara dua data.
   Bayangkan kita menganalisis dan mengkomunikasikan data dari survei karyawan. Dari hasil analisis tersebut menunjukkan perubahan dalam kategori survei dari 2014 hingga 2015 seperti berikut:
   
   Slopegraph memuat banyak informasi. Dalam hal nilai absolut garis yang menghubungkan titik, kita jadi dapat gambaran kenaikan atau penurunan tingkat perubahan tanpa penjelasan.
   Jika terlalu banyak garis bersinggungan, slopegraph mungkin tidak efektif sehingga sulit membaca datanya. Berikut merupakan contoh slopegraph dengan menunjukkan satu kategori yang menurun dari tahun sebelumnya.
   

Batang

Terkadang kita menghindari penggunaan grafik batang karena grafik ini terlalu sering digunakan. Pendapat ini justru salah. Sebaliknya, grafik batang seharusnya digunakan karena mereka sering digunakan sehingga audiens tidak perlu mempelajari cara membaca grafik yang baru. Daripada menggunakan energi untuk memahami bagaimana cara membaca grafik, lebih baik jika audiens menggunakan waktunya untuk memahami isi datanya.
Grafik batang mudah untuk dibaca. Mata kita akan membandingkan beberapa data yang digambarkan dalam bentuk batang secara cepat. Sehingga, kita bisa dengan cepat tahu data yang terbesar, terkecil, dan perbandingan antara kategori data. Perlu diingat, karena mata kita membandingkan secara otomatis dan melihat batang pada ujung atas, mulailah dari titik 0 pada sumbu Y. Tanpa demikian, perbandingan visual, bisa salah seperti ini (diagram sebelah kiri).

Pada grafik sebelah kiri terlihat perbedaan yang sangat mencolok karena sumbu Y tidak dimulai dari 0. Sebenarnya kenaikan tidak terlalu signifikan karena jika diterapkan sumbu Y mulai dari 0 akan terlihat seperti grafik sebelah kanan.

Selanjutnya selain mempertimbangkan panjang batang, kita juga harus memperhatikan lebar dari diagram batang tersebut. Secara umum lebar batang harus lebih besar dibandingkan jarak antara batang, penggambarannya seperti di bawah ini.

Kita telah membahas bagaimana cara terbaik untuk membuat grafik batang secara umum. Selanjutnya mari kita lihat ragam jenis grafik batang. Dengan tahu varian yang ada, kita bisa memilih mana yang terbaik untuk keperluan kita.

1. Grafik Batang Vertikal
   Seperti grafik garis, grafik batang vertikal dapat berjumlah satu, dua, ataupun multi serial data. Perlu diingat bahwa jika serial data yang ditambahkan semakin banyak, semakin sulit audiens fokus membaca dan menarik kesimpulan. Alternatifnya, gunakan grafik multi serial. Kita juga harus memperhatikan penyesuaian visual yang terjadi jika memiliki satu serial data. Hal ini membuat susunan kategorisasi menjadi penting. Pertimbangkan apa yang ingin diketahui audiens dan buat susunan kategorisasi sejelas mungkin.
   
2. Grafik Batang Vertikal Bertumpuk
   Stacked vertical bar chart atau grafik batang bertumpuk penggunaannya lebih terbatas. Grafik ini memungkinkan kita untuk membandingkan antar kategori utama dan juga antar sub komponen dalam tiap kategori. Namun, grafik ini dapat membuat audiens kebingungan secara visual, terutama ketika aplikasi grafik menambahkan variasi warna secara otomatis. Sulit untuk membandingkan sub komponen dari kategori-kategori ketika mereka tidak terletak sejajar di garis bawah. Hal ini menyulitkan kita untuk membandingkan, seperti ilustrasi pada gambar di bawah ini.
   
3. Grafik Air Terjun
   Waterfall Chart atau apabila diterjemahkan menjadi grafik air terjun dapat digunakan untuk menampilkan bagian tertentu dari grafik batang bertumpuk. Hal tersebut bertujuan untuk lebih fokus menunjukkan data awal, kenaikan atau penurunan, serta data akhir.
   Cara terbaik untuk mengilustrasikan waterfall chart adalah dengan contoh spesifik. Bayangkan kita adalah rekan bisnis yang ingin memahami dan mengkomunikasikan bagaimana perubahan jumlah karyawan dari tahun lalu untuk klien kita.
   
   Di sisi kiri, kita melihat jumlah karyawan di awal tahun. Seraya kita bergerak ke arah kanan, kita melihat pertambahan: perekrutan dan peralihan karyawan ke dalam tim yang semula berasal dari tim yang berbeda organisasi. Pertambahan ini diikuti dengan pengurangan: peralihan karyawan keluar tim untuk tim yang berbeda dan pengurangan karyawan. Batang yang di ujung kanan merepresentasikan jumlah karyawan di akhir tahun, setelah pertambahan dan pengurangan karyawan di awal tahun.
4. Grafik Batang Horizontal
   Grafik ini sangat mudah dibaca untuk mengetahui kisaran sebuah data, khususnya jika nama kategori panjang. Selain itu, mata kita memproses informasi mulai dari kiri atas (nama kategori) hingga ke kanan (data) dari grafik batang horizontal. Ini artinya ketika kita membaca data, kita sudah mengetahui apa yang dipresentasikan.
   
5. Grafik Batang Horizontal Bertumpuk
   Grafik batang horizontal bertumpuk dapat menunjukkan perbandingan antara kategori total dengan antar sub komponen di tiap kategori.
   Grafik ini dapat digunakan untuk memvisualisasikan porsi keseluruhan skala dari negatif hingga positif, karena kita menggunakan garis dasar yang konsisten baik ujung kiri maupun ujung kanan. Pendekatan grafik ini dapat terlihat cukup baik pada contoh data survei di bawah ini:
   

Area

Salah satu grafik yang paling dihindari adalah area. Mata manusia tidak terbiasa menghubungkan data kuantitatif dengan bidang dua dimensi. Hal ini menyebabkan grafik area lebih sulit dibaca daripada grafik-grafik sebelumnya. Untuk alasan ini,  hindari grafik area kecuali ketika ingin memvisualisasikan angka dengan ukuran besaran yang berbeda. Kehadiran dua dimensi dari grafik ini memungkinkan kita menampilkan data lebih ringkas dibandingkan dengan satu dimensi

Prinsip Gestalt dalam Persepsi Visual

Ketika mengidentifikasi elemen informasi yang mungkin masih terlihat berantakan dalam visualisasi, pertimbangkan prinsip gestalt dalam persepsi visual. 

Gestalt merupakan sebuah teori yang menyatakan bahwa seseorang cenderung mengelompokkan sesuatu yang dilihat menjadi satu kesatuan utuh berdasarkan pola, hubungan, dan kemiripan. Berikut enam prinsip gestalt dalam persepsi visual yang akan kita pelajari: proximity, similarity, enclosure, closure, continuity, and connection.

Proximity (Kedekatan)

Kita cenderung berpikir bahwa objek yang berdekatan secara fisik termasuk pada golongan yang sama. Kita akan melihat titik-titik sebagai tiga kelompok terpisah akibat kedekatan relatif satu sama lain, contohnya seperti di bawah ini:

Similarity (Kesamaan)

Objek yang memiliki warna, bentuk, ukuran, dan arah yang sama dianggap terkait atau termasuk bagian dari suatu kelompok. Kesamaan ini dapat membantu menarik perhatian audiens ke arah yang ingin kita fokuskan.

Enclosure (Pembeda)

Kita berpikir objek-objek yang memiliki batas secara fisik termasuk dalam sebuah kelompok. Salah satu cara untuk mengoptimalkan prinsip enclosure adalah menggambar visual pembeda dalam data kita. Seperti menambahkan area berbayang untuk memisahkan prediksi dengan data yang aktual di bawah ini:

Closure (Bentuk Tertutup)

Konsep closure berkata bahwa orang-orang menyukai hal sederhana dan sesuai dengan konstruksi yang ada di pikiran mereka. Karena hal ini orang-orang cenderung melihat elemen individu sebagai elemen-elemen tunggal atau sesuatu yang dapat dikenali. Sehingga elemen tersebut terlihat solid dan terlihat seimbang. Misalnya penggambaran grafik masih terbaca dengan baik sehingga tidak perlu ditambahkan garis tepi atau bayangan.

Continuity (Kesinambungan Pola)

Prinsip continuity mirip dengan closure. Ketika melihat objek, mata kita mencari garis tepi dan secara alami membuat kelanjutan dari apa yang kita lihat meskipun kelanjutannya tidak terlihat secara eksplisit. Contohnya dapat dilihat pada gambar di bawah ini. Penerapan prinsip ini menghilangkan garis sumbu-y vertikal. Maka kita tetap melihat gambar batang yang berbaris di titik yang sama karena konsistensi jarak antara label di kiri dan data di kanan. Seperti apa yang kita lihat di prinsip closure dalam aplikasi, membuang elemen yang tidak dibutuhkan dapat membuat data kita lebih menonjol.

Connection (Koneksi)

Prinsip terakhir yang akan kita bahas adalah connection. Kita cenderung memikirkan objek yang secara fisik terhubung sebagai bagian dari grup. Koneksi biasanya memiliki nilai asosiatif yang lebih kuat daripada warna, ukuran, atau bentuk yang serupa. Properti connection tidak sekuat enclosure tetapi dapat mempengaruhi hubungan ini melalui ketebalan dan pewarnaan untuk menciptakan hirarki visual yang diinginkan.

Salah satu cara yang bisa kita manfaatkan untuk prinsip koneksi adalah grafik garis yang bertujuan untuk membantu mata kita melihat susunan data seperti pada gambar di bawah ini.

Berdasarkan penjelasan di atas kita dapat mengetahui bahwa prinsip gestalt membantu kita memahami bagaimana orang melihat dan mengidentifikasi elemen yang tidak diperlukan untuk mempermudah proses komunikasi visual

Cara Bercerita dengan Data

Pada modul sebelumnya kita telah mempelajari tentang jenis data, diagram, dan lain-lain. Sekarang saatnya kita mulai menyatukan hal-hal yang telah kita pelajari dari awal sampai akhir. 

Semua hasil analisa pasti memiliki tujuan, baik itu untuk memberikan insight maupun meyakinkan orang lain untuk mengambil sebuah keputusan dengan diperkuat oleh hasil analisis kita. Tujuan utama dari modul ini adalah membantu Anda menyampaikan hasil visualisasi yang mendukung hipotesa Anda pada orang lain. Sehingga, kita pun dapat mencapai tujuan penyampaian data tersebut.

Exploratory vs Explanatory

Masih ingatkan poin penting yang telah kita pelajari pada modul sebelumnya, bahwa sebelum memulai analisis, kita harus tahu konteks dari data yang ingin kita olah?  Exploratory Data Analysis adalah hal yang akan kita lakukan untuk memahami data apa yang ingin diketahui dan menarik bagi audiens. Kita dapat memulai dengan hipotesis/pertanyaan atau dengan menggali data guna menentukan apa yang mungkin menarik atau bahkan berdampak besar pada proses penyampaian data.

Setelah mengetahui hal yang ingin kita sampaikan, kita akan mulai berbicara tentang explanatory. Explanatory merupakan cara kita untuk menceritakan sebuah hasil analisis secara terstruktur dan mudah dimengerti oleh audiens kita.

Saat memulai explanatory analysis, ada beberapa hal yang harus diperhatikan. Sebelum menganalisis data atau membuat suatu konten, jawab 3 pertanyaan ini dulu:

Kepada siapa kita berkomunikasi?

Hal ini sangat penting agar kita paham bagaimana mengomunikasikan hasil yang didapatkan. Dengan tahu audiens, kita bisa memilih bagaimana berbicara dan bertindak saat menyampaikan informasi, tergantung siapa lawan bicara. Contohnya, bicara kepada teman ataupun orang tua, beda kan?

• Audiens
  Semakin spesifik kita tahu siapa audiens kita, semakin besar potensi komunikasi kita sukses. Sehingga kita harus menghindari penyampaian data yang terlalu general. Kita juga perlu mengetahui kebutuhan informasi seperti apa yang ingin diketahui audiens. Berkomunikasi dengan terlalu banyak orang dengan kebutuhan berbeda sekaligus, cenderung tak tetap sasaran. Ini justru membuat kita kurang efektif dalam usaha untuk penyampaian informasi. Persempit target audiens, maka hasilnya akan lebih efektif.    
• Diri sendiri
  Penting kita mengetahui hubungan kita dengan audiens, apakah mereka sudah mengenal kita? Apakah mereka menganggap kita sebagai ahli dan setiap hal yang kita sampaikan bisa dipercaya? Ini merupakan sebuah acuan untuk menyusun cara komunikasi kita, hal yang disampaikan, dan kapan harus menggunakan data. Hal ini dapat memengaruhi alur keseluruhan cerita yang ingin kita sampaikan.

Hal apa yang ingin diketahui audiens?

Kita harus mengetahui dengan jelas apa yang ingin diketahui oleh audiens sehingga kita dapat menentukan cara kita berkomunikasi untuk menyampaikan data secara efektif.

• Action
  Bagaimana membuat informasi yang kita sampaikan bisa relevan untuk audiens? Ini penting agar audiens dapat memahami dengan jelas dan menyimak serius hal yang kita sampaikan.
  Pernahkah kita berpikir bahwa audiens bisa lebih tahu daripada kita? Terkadang asumsi tersebut muncul. Tapi sebaiknya hapus pemikiran seperti itu. Jika kita adalah orang yang menganalisis dan mengkomunikasikan data, maka kita harus percaya bahwa kita yang ahli dalam bidang ini. Bahkan kita dapat melakukan interaksi dengan audiens untuk meningkatkan engagement rate atau mengurangi rasa gugup kita saat menyampaikan data tersebut.
• Mechanism
  Metode yang kita gunakan untuk berkomunikasi dengan audiens memiliki peran penting dalam sejumlah faktor, termasuk jumlah kontrol yang kita miliki atas bagaimana audiens memperoleh informasi dan tingkat detail yang perlu lebih dijelaskan.
  
  Pada proses presentasi langsung, kita dapat menanggapi audiens jika terdapat hal yang kurang jelas. Tidak semua yang kita sampaikan harus ditulis secara detail pada slide presentasi karena kita ada di sana untuk menjelaskan dan menjawab setiap pertanyaan yang muncul selama presentasi.
  
  Lain halnya ketika hanya menuliskan hasil analisis dalam bentuk dokumen. Jika pada presentasi langsung kita dapat mengendalikan audiens yang kurang paham, maka hal tersebut tidak efektif jika bentuk informasinya berupa dokumen. Tingkat detail yang diperlukan pada penulisan dokumen biasanya lebih tinggi. Hal tersebut diakibatkan karena kita tidak ada di sana untuk menanggapi atau melihat ekspresi kebingungan audiens saat menemui bagian yang kurang jelas. Maka dari itu kita harus menentukan terlebih dahulu: apakah data disajikan secara langsung atau dalam bentuk tulisan dokumen.
• Tone
  Pertimbangan penting lainnya adalah nada penyampaian pada  audiens. Apakah kita ingin menyampaikannya dengan ceria, memotivasi, atau serius? Nada yang kita inginkan untuk komunikasi akan memiliki pengaruh pada pilihan desain yang akan digunakan untuk membuat proses visualisasi data.

Bagaimana kita bisa menggunakan data untuk membantu menegaskan maksud kita?

Setelah kita menjawab pertanyaan di atas, barulah kita membahas data apa yang akan membantu membuat menjadi poin penting sehingga mendukung penyampaian kita. Dari sini kita akan mengeksplorasi data yang kita miliki dan memilih data yang dapat membantu menegaskan informasi penting yang ingin kita sampaikan.

Contohnya:

• Siapa : Ketua panitia dapat menyetujui pendanaan untuk kelanjutan acara musik tahunan.
• Apa : Ketua panitia menyetujui untuk melakukan acara musik tahunan.
• How : Menggambarkan pendapat dan dampak yang dihasilkan oleh acara musik tersebut dan membandingkannya dengan acara-acara lainnya

Pentingnya Dokumentasi Data

Definisi di atas memperjelas bahwa kepercayaan, kredibilitas, dan reproduksibilitas terhadap sebuah data yang ada, dapat didasari oleh dokumentasi sumber data yang sesuai. 

Dalam sebuah penelitian, pengguna data tidak serta merta dapat menjadi pembuat data. Orang yang membuat data dapat; 1) mengonfigurasikan instrumen atau simulasi dari mengumpulkan data primer, atau 2) menerapkan metodologi dan proses tertentu guna mengekstraksi, mengubah, dan menganalisis data masukan demi menghasilkan sebuah produk data keluaran.

Metadata merupakan bagian penting dari data yang dipublikasi untuk menentukan kualitas, kredibilitas, reprodusibilitas hasil (terukur), serta menentukan apakah data dapat digunakan kembali atau tidak (reusable).

Mengelola Sumber Data

Provenance dapat dicatat dalam jenis metadata tentang sebuah data. Banyak bidang metadata yang dapat dikumpulkan dalam kategori informasi asalnya, misalnya tanggal pembuatan, pemilik, perangkat lunak atau tools lain yang digunakan, metode pemrosesan data, dan lain sebagainya. Dengan demikian, pengelolaan dan manajemen data yang baik menjadi dasar dari dokumentasi data yang akurat.

Salah satu usaha dan pendekatan yang mungkin Anda familiar adalah blockchain dalam supply-chain management, mari simak video berikut:

Bayangkan bahwa metadata adalah lokasi ikan ditangkap, nelayan yang menangkapnya, kapan ikan tersebut ditangkap, dan sebagainya. Sementara data adalah ikan itu sendiri.

Pendekatan yang dapat dilakukan dalam mendapatkan sebuah dokumentasi data sebagai berikut:

• Dicatat dalam bentuk teks, bisa menggunakan skema penulisan umum atau bisa juga dengan skema khusus dalam data provenance.
• Dicatat dan disimpan secara internal menggunakan program perangkat lunak atau dalam sistem eksternal lainnya.
• Dituliskan dalam bentuk yang dapat dibaca oleh mesin atau yang bisa dibaca oleh manusia.

Bentuk sederhananya, sebuah sumber dicatat dan disimpan dalam sebuah berkas  berjudul README yang di dalamnya menjelaskan tentang pengumpulan data dan metode pemrosesan. Data sumber juga dapat dicatat dengan lebih terstruktur menggunakan elemen-elemen spesifik dalam standar metadata seperti Dublin Core, hingga standar disiplin metadata khusus seperti ISO 19115-2 . Untuk lebih memperjelas contoh bentuk penulisan dokumentasi data, simak uraian berikut ini:

• Berkas README
  Pernah menemui berkas readme? Berkas readme biasanya berupa text (.txt) dan sering kita temui dalam paket instalasi perangkat lunak, kode pemrograman, kumpulan data, dan bisa juga ditemui dalam proyek penelitian. Tentunya dalam proyek penelitian sebuah berkas readme harus memuat daftar berkas yang digunakan dalam dataset, rujukan informasi yang relevan, serta berkas lain yang menunjang penelitian seperti artikel, karya ilmiah, atau slide presentasi. Untuk template penulisan readme, cek tautan Guide to writing readme ini.
• Data Dictionaries
   
  Data dictionaries atau kamus data berisi informasi kunci tentang data yang Anda kumpulkan. Ia digunakan untuk menjelaskan suatu bagian tertentu dalam dataset, misal menjelaskan arti dari nama sebuah variabel, kegunaan, deskripsi, dan lain sebagainya. Kamus data biasanya digunakan pada data tabular atau sebuah database. Contoh dari data dictionaries dapat di simak di tautan example data dictionaries.
• Data Paper
  
  Berbeda dengan paper penelitian biasa, dalam data paper cenderung menyajikan dataset yang lebih besar disertai dengan metadata yang menggambarkan isi, konteks, kualitas, hingga struktur dari data tersebut. Contoh data paper dapat Anda lihat di tautan Scientific Data.

Tools Dokumentasi Data

Dalam proses dokumentasi data pastinya kita memerlukan sebuah tools supaya lebih mudah dan efisien. Berikut beberapa hal yang dapat Anda lakukan.

Pergunakan Buku Catatan

Cara tradisional yang dapat diterapkan adalah dengan buku catatan. Kita dapat menggunakan catatan sebagai alat untuk mencatat sumber data yang kita peroleh. Namun, jika berbicara tentang data pasti tidak jauh dengan angka dan terkadang terdiri dari banyak digit. Sehingga jika data yang dicatat dalam jumlah yang besar maka rentan salah. Kita dapat menggunakan buku catatan untuk mencatat poin-poin pentingnya untuk meminimalisir kesalahan.

Gunakan Alur Ilmiah yang Terstruktur

Nah di sini lah kita dapat memanfaatkan alur terstruktur yang terdiri dari pencatatan, eksekusi, pemrosesan, dan urutan secara ilmiah. Hal tersebut penting supaya pembaca paham sumber asal dan teori yang mendukung dokumentasi data buatan kita. Data provenance adalah konsep yang penting dalam sebuah alur ilmiah. Selain itu data provenance juga memungkinkan para peneliti untuk memahami asal data, mengembangkan eksperimen, dan melakukan validasi terhadap proses untuk memperoleh suatu data.

Alur tersebut dapat dirancang dalam bentuk grafis secara berurutan berdasarkan tugas yang diberikan. Sehingga tugas baru yang dimasukkan dapat mengambil masukan dari tugas sebelumnya dan data yang didapatkan dari luar. Supaya alur kerja dapat digunakan kembali di masa mendatang maka informasi yang dicatat dapat menunjukkan dari mana data berasal, bagaimana proses data tersebut diubah, dan komponen apa saja yang mendukung di dalamnya. Hal tersebut dapat memungkinkan peneliti lainnya untuk melakukan eksperimen lebih lanjut dan merevisi apabila terdapat hal yang kurang tepat dari data tersebut.

Log dan Blockchain

Jika bekerja sendiri, Anda dapat melakukan logging, atau menggunakan tools bantuan (docs, spreadsheet) yang memiliki kemampuan untuk memperlihatkan histori. Anda yang bekerja dengan tools modern mungkin mengenal istilah logging atau auditing. Anda dapat memanfaatkan log aplikasi untuk mencatat perubahan pada Data.

Pada pasar perdagangan dunia, pencatatan ini dapat dilakukan melalui shared ledger yang diterapkan pada blockchain. Setiap stakeholder akan memiliki salinan dari setiap kejadian yang tercatat, termasuk perubahan-perubahan yang terjadi pada data tersebut. 

Tips Dokumentasi Data

1. Tautan ke data sumber asli harus  jelas. Sebutkan dari mana Anda mendapatkannya. Ini sangat penting untuk menunjukkan sumber supaya dataset terlihat kuat dan dapat dipercaya.
2. Penjelasan setiap perubahan data yang Anda lakukan harus dituliskan dengan terperinci. Ini krusial bagi  Anda sendiri atau orang lain yang ingin memeriksa data Anda