1. Pengantar Teknik Visualisasi Data
Analogi Jaman Now: Infografis Instagram
Bayangin kamu habis riset data buat tugas kelompok. Dapat angka-angka mentah se-Excel. Terus kamu bikin slide PowerPoint penuh tabel angka doang — pasti temen-temen kamu langsung ngantuk! Tapi kalau kamu ubah jadi infografis keren kayak di Instagram Story, dengan diagram batang warna-warni & pie chart animasi? Pasti langsung paham. Nah itulah Teknik Visualisasi Data — seni mengubah angka membosankan jadi gambar yang bercerita.
👩🏫 Secara Formal: Teknik visualisasi data bertujuan agar pembaca lebih mudah untuk memahami pola dan hidden layer yang ada di dalam data. Salah satu bahasa pemrograman yang paling populer untuk analisis dan visualisasi data adalah Python. Bahasa pemrograman ini memiliki beberapa library untuk visualisasi data yang indah, interaktif, dan kompleks.
Plotly
40+ Jenis Chart
Seaborn
Palet Warna Cantik
ggplot
Berbasis R
Matplotlib
Paling Populer
Visualisasi: Mengapa Grafik Lebih Baik?
Bandingkan dua cara menampilkan data yang sama:
❌ Cara Lama: Tabel Angka
| Buah | Penjualan |
|---|---|
| Apel | 450 |
| Jeruk | 320 |
| Mangga | 580 |
| Pisang | 200 |
✅ Cara Baru: Diagram Batang
2. Library Plotly & Seaborn
Analogi Jaman Now: Toolkit Editing
Kayak kalau kamu mau edit video — ada CapCut (gampang, banyak template), ada Adobe Premiere (pro, fiturnya lengkap). Di Python juga gitu: Seaborn itu kayak CapCut-nya visualisasi data — simpel, cantik, tinggal pakai. Sedangkan Plotly itu kayak Adobe Premiere — sangat powerful, bisa bikin grafik 3D interaktif, tapi lebih kompleks.
a. Library Plotly
👩🏫 Secara Formal: Plotly merupakan library grafik open source yang dapat digunakan untuk membuat visualisasi data yang tersedia dalam bahasa pemrograman Python dan pemrograman R. Library ini dibangun di atas library JavaScript Plotly. Library ini dapat digunakan untuk membuat visualisasi data berbasis web yang dapat ditampilkan pada Jupyter Notebook atau aplikasi web menggunakan dash.
💡 Plotly menyediakan 40+ jenis diagram unik, termasuk contour plots yang tidak umum di library lain.
b. Library Seaborn
👩🏫 Secara Formal: Seaborn merupakan library visualisasi data pada Python yang dibangun berdasarkan library matplotlib dan terintegrasi dengan struktur data pada library NumPy dan Pandas. Library ini memiliki berbagai fungsi plot di mana kumpulan data diolah pada frame dan array, kemudian diagregasikan dan hasilnya akan digunakan untuk membuat plot interaktif.
💡 Kelebihan Seaborn: Memiliki berbagai palet warna menarik yang dapat disesuaikan kebutuhan.
Visualisasi: Contoh Output Plotly vs Seaborn
Simulasi: Kedua library menghasilkan diagram, tapi dengan gaya berbeda.
Gaya Plotly (Interaktif, 3D-feel)
Gaya Seaborn (Clean, Palet Soft)
3. Library ggplot & Matplotlib
Analogi Jaman Now: Kamera HP
Kayak kamera HP: Matplotlib itu kamera bawaan HP — selalu ada, bisa apa aja, dan jadi dasar semua library lain. Sedangkan ggplot itu kayak filter VSCO — dia sebenarnya diimpor dari dunia lain (bahasa R), tapi bikin grafikmu jadi lebih estetik dengan API yang konsisten.
c. Library ggplot
👩🏫 Secara Formal: ggplot adalah library visualisasi data pada Python yang dibuat berdasarkan implementasi ggplot pada bahasa pemrograman R. Beberapa diagram yang dapat dibuat menggunakan library ini adalah diagram batang, pie chart, histogram, error chart, scatter plot, dan lain-lain.
💡 Kelebihan: Dapat dikombinasikan dengan fungsi API untuk menambah komponen/lapisan visualisasi. Terhubung langsung dengan library Pandas dan dapat menyimpan data pada dataframe.
d. Library Matplotlib PALING POPULER
👩🏫 Secara Formal: Matplotlib merupakan library visualisasi data dua dimensi pada Python. Library yang dirilis pada tahun 2003 ini merupakan library visualisasi data yang paling populer dan banyak digunakan oleh Python users. Matplotlib dapat digunakan pada script Python, shell Python, IPython, Jupyter Notebook, web application server, dan lain-lain.
Selain itu, Matplotlib mendukung integrasi dengan toolkit GUI: Tinker, TK+, wxPython, Qt, dll.
Lab Interaktif: Perbandingan 4 Library
Klik masing-masing library untuk melihat ringkasan fiturnya.
Library grafik open source untuk Python & R. Dibangun di atas JavaScript Plotly.
- Mendukung 40+ jenis diagram
- Output bisa di Jupyter Notebook atau web app (Dash)
- Mendukung 3D charts & contour plots
4. Lab: Membuat Visualisasi Data
Analogi Jaman Now: Kanvas Seni Digital
Kayak kalau kamu main Canva — tinggal pilih template, masukin data, dan langsung jadi desain keren. Di Python, library Plotly juga gitu: kamu tinggal kasih data, pilih jenis diagramnya, dan voilà — muncul grafik interaktif!
👩🏫 Secara Formal: Library Python yang dapat digunakan untuk membuat tampilan grafik atau diagram yaitu Plotly. Library ini perlu ditambahkan terlebih dahulu di kode program. Setiap diagram dan chart memiliki kegunaan sesuai karakteristiknya. Misalnya diagram batang digunakan untuk memperlihatkan beberpa item serupa yang perlu dibandingkan. Di sisi lain, diagram lingkaran digunakan untuk memperlihatkan proporsi dari beberapa item yang menjadi bagian utuh dari suatu kasus.
Mini-Lab: Chart Builder
PRAKTIK: INTERAKTIFPilih jenis diagram dan ubah datanya untuk melihat bagaimana visualisasi berubah secara real-time!
Edit Data (Nilai Siswa):
Aktivitas Pembelajaran
Modul 3 Selesai
Beralih ke Tahap Evaluasi