Bab 14: Prinsip Visualisasi & Pemilihan Chart

Kenapa Visualisasi Data Penting

Setelah mempelajari Spreadsheet dan SQL yang menghasilkan data dalam bentuk tabel angka, kamu mungkin bertanya, kenapa data tersebut masih perlu diubah menjadi chart atau grafik. Jawabannya berkaitan dengan cara kerja otak manusia dalam memproses informasi. Manusia jauh lebih cepat menangkap pola, tren, dan perbandingan melalui bentuk visual, dibanding membaca dan membandingkan angka satu per satu dalam sebuah tabel.

Sebagai ilustrasi, bayangkan kamu diberikan tabel berisi seratus baris data penjualan bulanan Belanjain selama delapan tahun terakhir. Untuk mengetahui apakah penjualan cenderung naik atau turun dari waktu ke waktu, kamu perlu membaca dan membandingkan angka-angka tersebut satu per satu, sebuah proses yang memakan waktu dan rawan salah tafsir. Namun jika data yang sama divisualisasikan sebagai line chart, tren naik turun tersebut akan langsung terlihat dalam sekejap mata, bahkan oleh orang yang sama sekali tidak familiar dengan angka-angka detail di baliknya. Inilah alasan mendasar kenapa visualisasi data menjadi keterampilan penting bagi seorang Data Analyst, bukan sekadar mempercantik tampilan laporan.

Data-Ink Ratio: Prinsip Kesederhanaan dalam Visualisasi

Salah satu prinsip paling mendasar dalam merancang visualisasi data yang efektif adalah data-ink ratio, sebuah konsep yang menekankan bahwa sebagian besar elemen visual dalam sebuah chart seharusnya benar-benar merepresentasikan data, bukan sekadar dekorasi yang tidak menambah informasi apa pun. Semakin tinggi proporsi elemen yang benar-benar menyampaikan data dibanding elemen dekoratif yang tidak perlu, semakin baik dan efisien sebuah visualisasi tersebut.

Sebagai ilustrasi pelanggaran prinsip ini, bayangkan sebuah bar chart penjualan Belanjain yang dihiasi dengan efek tiga dimensi, gradasi warna yang mencolok, bayangan (shadow) di setiap batang, serta garis grid yang sangat tebal di latar belakang. Seluruh elemen dekoratif ini tidak menambah informasi apa pun tentang data penjualan itu sendiri, namun justru bisa mengalihkan perhatian pembaca dari inti informasi yang ingin disampaikan, bahkan pada kasus tertentu bisa mendistorsi persepsi terhadap perbandingan nilai yang sebenarnya, misalnya efek tiga dimensi yang membuat batang di bagian depan terlihat lebih besar dibanding batang di bagian belakang meskipun nilainya sama.

Sebagai kebiasaan yang baik, setiap kali kamu merancang sebuah chart, tanyakan pada diri sendiri, apakah elemen ini benar-benar membantu pembaca memahami data, atau hanya sekadar mempercantik tampilan tanpa menambah informasi. Warna latar belakang yang mencolok, border tebal yang tidak perlu, atau elemen dekoratif lain yang tidak membawa informasi sebaiknya dihilangkan, sehingga perhatian pembaca sepenuhnya tertuju pada data itu sendiri.

Anatomi Chart yang Baik

Terlepas dari jenis chart yang dipilih, sebuah visualisasi data yang baik umumnya memiliki beberapa elemen dasar yang perlu diperhatikan. Judul chart harus jelas dan langsung menyampaikan inti informasi, idealnya tidak hanya menyebutkan apa yang divisualisasikan (misalnya "Penjualan Bulanan"), namun jika memungkinkan juga menyampaikan insight utamanya (misalnya "Penjualan Meningkat 20% Sejak Maret"), sebuah pendekatan yang akan dibahas lebih dalam pada Bab 17 mengenai data storytelling.

Label sumbu (axis label) harus jelas menyebutkan satuan yang dipakai, misalnya "Nilai Transaksi (Rupiah)" atau "Bulan", sehingga pembaca tidak perlu menduga-duga satuan apa yang sedang ditampilkan. Legenda (legend) diperlukan ketika chart menampilkan lebih dari satu kategori data sekaligus, misalnya perbandingan penjualan beberapa kategori produk dalam satu chart yang sama, namun legenda ini sebaiknya tidak digunakan jika chart hanya menampilkan satu kategori data saja, karena hanya akan menjadi elemen yang tidak perlu.

Memilih Jenis Chart yang Tepat

Kesalahan paling umum dalam visualisasi data bagi pemula adalah memilih jenis chart yang tidak sesuai dengan karakteristik data maupun pertanyaan yang ingin dijawab. Berikut penjelasan mendalam mengenai kapan sebaiknya menggunakan masing-masing jenis chart dasar.

Bar Chart paling cocok digunakan untuk membandingkan nilai antar kategori yang berbeda, misalnya membandingkan total penjualan antar kategori produk Belanjain (Fashion, Elektronik, Kecantikan), atau membandingkan performa penjualan antar kota. Bar chart bekerja dengan baik untuk perbandingan semacam ini karena mata manusia sangat mudah membandingkan panjang atau tinggi batang yang berjajar, dan urutan kategori pada sumbu X umumnya tidak memiliki makna kronologis atau berurutan secara alami.

Line Chart paling cocok digunakan untuk menunjukkan tren atau perubahan data dari waktu ke waktu, karena garis yang menghubungkan titik-titik data secara berurutan sangat efektif menyampaikan arah pergerakan, baik naik, turun, maupun fluktuatif. Sebagai ilustrasi, tren penjualan bulanan Belanjain sepanjang tahun paling tepat divisualisasikan sebagai line chart, karena kamu ingin menekankan bagaimana nilai tersebut berubah secara berurutan dari bulan ke bulan, bukan sekadar membandingkan nilai antar bulan yang berdiri sendiri-sendiri.

Scatter Plot paling cocok digunakan untuk menunjukkan hubungan atau korelasi antara dua variabel numerik, dengan setiap titik pada scatter plot merepresentasikan satu observasi. Sebagai ilustrasi, jika kamu ingin melihat apakah ada hubungan antara jumlah kunjungan website Belanjain dengan nilai transaksi yang dihasilkan, scatter plot akan menampilkan setiap hari sebagai satu titik, dengan posisi horizontal mewakili jumlah kunjungan dan posisi vertikal mewakili nilai transaksi, sehingga pola hubungan (jika ada) antara kedua variabel tersebut bisa langsung terlihat dari sebaran titik-titiknya.

Histogram sering disalahpahami mirip dengan bar chart karena sama-sama menggunakan batang, namun sebenarnya memiliki tujuan yang sangat berbeda. Histogram digunakan untuk menunjukkan distribusi (sebaran) dari satu variabel numerik, dengan sumbu X dibagi menjadi beberapa rentang nilai (disebut bin), dan tinggi setiap batang menunjukkan seberapa banyak data yang jatuh dalam rentang tersebut. Sebagai ilustrasi, jika kamu ingin melihat bagaimana sebaran nilai transaksi pelanggan Belanjain, apakah mayoritas transaksi bernilai kecil dengan sedikit transaksi bernilai sangat besar, atau justru tersebar merata, histogram akan menampilkan hal ini dengan jelas, sebuah kebutuhan analisis yang akan dibahas lebih mendalam pada Bagian V Handbook ini mengenai statistik dan EDA.

Kapan Tidak Menggunakan Pie Chart

Pie chart adalah salah satu jenis chart yang paling sering disalahgunakan dalam praktik visualisasi data, sehingga penting membahas secara khusus kapan sebaiknya chart ini dihindari. Pie chart dirancang untuk menunjukkan proporsi bagian terhadap keseluruhan (part-to-whole), namun mata manusia pada dasarnya kurang akurat dalam membandingkan besaran sudut atau luas area melingkar, dibanding membandingkan panjang atau tinggi seperti pada bar chart.

Sebagai ilustrasi masalah ini, bayangkan pie chart yang menampilkan kontribusi lima kategori produk Belanjain terhadap total penjualan, dengan beberapa kategori memiliki proporsi yang cukup berdekatan, misalnya 22%, 19%, dan 18%. Membedakan ukuran ketiga potongan pie chart tersebut secara visual jauh lebih sulit dibanding jika data yang sama ditampilkan sebagai bar chart, di mana perbedaan panjang batang akan jauh lebih mudah dibandingkan meskipun selisihnya relatif kecil.

Pie chart juga menjadi semakin bermasalah ketika jumlah kategori yang ditampilkan terlalu banyak, misalnya lebih dari lima atau enam kategori, karena potongan-potongan yang dihasilkan menjadi terlalu kecil dan sulit dibedakan satu sama lain, apalagi jika beberapa di antaranya memiliki warna yang mirip. Sebagai panduan umum, pie chart sebaiknya hanya dipakai ketika jumlah kategori sangat sedikit (idealnya tidak lebih dari tiga hingga empat), dan proporsi antar kategori tersebut cukup berbeda jauh sehingga perbandingannya tetap jelas terlihat meskipun disajikan dalam bentuk lingkaran. Untuk hampir seluruh kasus lain, terutama ketika kategori lebih dari itu atau proporsinya berdekatan, bar chart hampir selalu menjadi pilihan yang lebih tepat dan lebih mudah dibaca.

Bias Sumbu Y: Manipulasi yang Menyesatkan

Salah satu bentuk bias visual paling umum sekaligus paling berbahaya dalam pembuatan chart adalah manipulasi skala sumbu Y, yang bisa membuat perubahan data terlihat jauh lebih dramatis dari kenyataan sebenarnya, meskipun secara teknis angka yang ditampilkan tidak salah sama sekali.

Sebagai ilustrasi, bayangkan data penjualan Belanjain naik dari 97 juta menjadi 100 juta antar bulan, kenaikan sekitar 3%. Jika sumbu Y sebuah bar chart dipotong sehingga hanya menampilkan rentang 95 juta hingga 100 juta, kenaikan yang sebenarnya kecil ini akan terlihat seolah-olah lebih dari dua kali lipat secara visual, karena batang kedua tampak jauh lebih tinggi dari batang pertama. Sebaliknya, jika sumbu Y dimulai dari nol sesuai kaidah yang benar, kenaikan yang sama akan terlihat proporsional dengan besaran sebenarnya, yaitu perubahan yang relatif kecil.

Manipulasi semacam ini, baik disengaja maupun tidak disengaja, adalah salah satu bentuk bias visual paling berbahaya karena bisa menyesatkan pengambil keputusan tanpa mereka sadari, terutama jika mereka hanya melihat sekilas chart tanpa memperhatikan detail skala sumbu Y. Sebagai prinsip dasar yang sangat disarankan, sumbu Y pada bar chart sebaiknya selalu dimulai dari nol, kecuali ada alasan yang benar-benar kuat dan dijelaskan secara eksplisit kepada pembaca kenapa sumbu tersebut dipotong. Pengecualian yang lebih bisa diterima biasanya berlaku untuk line chart yang menunjukkan tren dalam rentang nilai yang sangat sempit, namun bahkan dalam kasus ini, sangat penting untuk selalu mencantumkan keterangan yang jelas bahwa sumbu Y tidak dimulai dari nol, agar pembaca tidak salah menafsirkan besaran perubahan yang sebenarnya terjadi.

Audience-First Design: Merancang untuk Pembaca, Bukan untuk Diri Sendiri

Prinsip terakhir yang tidak kalah penting dalam merancang visualisasi data adalah audience-first design, yaitu kesadaran bahwa chart yang kamu buat pada akhirnya akan dibaca oleh orang lain, yang mungkin memiliki latar belakang, waktu, dan tingkat pemahaman teknis yang sangat berbeda dari dirimu sebagai pembuat chart tersebut. Chart yang kamu rancang bukan untuk dirimu sendiri yang sudah memahami seluruh konteks data, melainkan untuk pembaca yang mungkin baru pertama kali melihatnya, dan sering kali hanya memiliki waktu beberapa detik untuk menangkap inti informasinya sebelum melanjutkan ke hal lain.

Sebagai ilustrasi penerapan prinsip ini, bayangkan kamu merancang dashboard untuk tim manajemen Belanjain yang sangat sibuk dan tidak memiliki waktu untuk membaca detail teknis. Chart yang kamu buat sebaiknya langsung menonjolkan insight utamanya, misalnya dengan memberi warna berbeda pada batang yang menunjukkan performa di bawah target, dibanding menampilkan seluruh data dengan warna yang seragam dan mengharuskan pembaca menyimpulkan sendiri mana yang bermasalah. Prinsip audience-first design ini juga berarti menghindari istilah teknis yang mungkin tidak familiar bagi pembaca non-teknis, memilih jenis chart yang paling mudah dipahami sekilas (bukan yang paling canggih atau rumit), serta selalu mempertimbangkan konteks di mana chart tersebut akan dilihat, misalnya apakah akan ditampilkan di layar besar saat presentasi, atau dilihat melalui layar ponsel yang lebih kecil.