Visualisasi Data

Python for Data Science — pertemuan ke-5

Anggit Wirasto, S.Si., M.Eng.

Tujuan pembelajaran

Setelah materi ini, mahasiswa diharapkan mampu:

  • Menjelaskan prinsip dasar data storytelling dan memilih jenis grafik sesuai pertanyaan analitik (distribusi, relasi, komposisi).
  • Membuat EDA dengan grafik statis: scatter, bar, histogram, dan boxplot memakai Matplotlib dan Seaborn.
  • Mengenal visualisasi interaktif dan ide dasbor (dashboard) sederhana untuk melaporkan wawasan data.

Mengapa visualisasi?

  • Manusia memproses pola visual lebih cepat daripada tabel angka mentah.
  • Grafik yang tepat mengurangi salah tafsir dan memperjelas pertanyaan bisnis (“naik/turun?”, “outlier?”, “proporsi?”).
  • Visualisasi menjembatani eksplorasi data (EDA) dan komunikasi ke pemangku kepentingan non-teknis.

Data storytelling — inti singkat

Data storytelling = menggabungkan data, narasi, dan visual agar audiens memahami apa yang terjadi, mengapa penting, dan apa implikasinya.

  1. Konteks: siapa audiens, metrik relevan, batas waktu/lokasi.
  2. Fokus: satu pesan utama per slide; hindari “grafik semua yang ada”.
  3. Bukti: angka dan grafik mendukung klaim; sumber data transparan.
  4. Tindakan: rekomendasi atau pertanyaan lanjutan yang jelas.

Memilih grafik: distribusi, relasi, komposisi

Jenis Contoh pertanyaan Grafik umum
Distribusi Sebaran nilai? Skew/outlier? Histogram, KDE, boxplot, violin
Relasi Dua variabel berkaitan? Scatter, garis (time series), heatmap korelasi
Komposisi Bagian terhadap keseluruhan? Bar bertumpuk, 100% stacked, pie (hati-hati)

Perbandingan antar kategori sering paling jelas dengan bar chart horizontal atau vertikal.

Distribusi, relasi, komposisi (lanjutan)

Distribusi — bentuk data: pusat, sebaran, ekor. Histogram untuk binning; boxplot untuk median/IQR/outlier antar grup.

Relasi — scatter untuk dua numerik; garis untuk urutan waktu. Korelasi bukan kausalitas.

Komposisi — stacked bar atau 100% stacked; pie hanya jika sedikit kategori dan perbedaan proporsi jelas.

Pie chart — apa, kapan dipakai, kapan dihindari

  • Pie chart menunjukkan bagian terhadap keseluruhan (100%): tiap slice = proporsi satu kategori terhadap total.
  • Cocok bila: kategori sedikit (biasanya ≤ 5–6), selisih proporsi terlihat jelas, dan pesan utamanya “komposisi satu kelompok” (bukan perbandingan ketat antar nilai).
  • Kurang ideal bila: banyak kategori (slice tipis sulit dibandingkan), perlu membaca nilai pasti atau membandingkan slice yang tidak berdekatan — lebih aman pakai bar chart (sering horizontal) atau 100% stacked bar.
  • Tips: urutkan slice (mis. dari terbesar), beri label % atau nilai; hindari 3D dan explode berlebihan karena mengganggu persepsi luas area.

Praktik baik (ringkas)

  • Judul menyampaikan insight, bukan hanya nama variabel.
  • Sumbu berlabel dan skala jujur (misalnya bar vertikal: pertimbangkan mulai dari 0).
  • Warna konsisten dan jangan hanya mengandalkan warna untuk makna (aksesibilitas).
  • Kurangi noise: grid berlebihan, efek 3D gimmick.

Lingkungan Python

pip install matplotlib seaborn pandas numpy plotly jupyter
# opsional dasbor:
pip install streamlit

Menyiapkan data (Pandas + NumPy)

import matplotlib

matplotlib.use("module://matplotlib_inline.backend_inline")

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

sns.set_theme(style="whitegrid", context="notebook")
plt.rcParams["figure.dpi"] = 110

rng = np.random.default_rng(42)
n = 200

df = pd.DataFrame(
    {
        "usia": rng.normal(35, 10, n).clip(18, 65),
        "pendapatan_juta": rng.lognormal(2.5, 0.4, n),
        "jam_belajar": rng.uniform(0, 20, n),
        "kota": rng.choice(["A", "B", "C"], size=n, p=[0.5, 0.3, 0.2]),
    }
)
df["skor"] = (40 + 2.2 * df["jam_belajar"] + rng.normal(0, 8, n)).clip(0, 100)

df.head()
usia pendapatan_juta jam_belajar kota skor
0 38.047171 13.943728 2.860438 B 46.646662
1 24.600159 21.391481 15.535359 A 72.554478
2 42.504512 12.632009 3.964085 A 40.061568
3 44.405647 15.761583 18.212765 A 78.859667
4 18.000000 5.365187 13.125381 B 62.907052

Scatter plot — relasi dua variabel numerik

fig, ax = plt.subplots()
sns.scatterplot(data=df, x="jam_belajar", y="skor", hue="kota", ax=ax)
ax.set_title("Jam belajar vs skor (per kota)")
ax.set_xlabel("Jam belajar per minggu")
ax.set_ylabel("Skor ujian")
plt.tight_layout()
plt.show()

Baca pola: kecenderungan naik, sebaran error, perbedaan antar kota.

Bar chart — perbandingan antar kategori

agg = df.groupby("kota", as_index=False)["skor"].mean()

fig, ax = plt.subplots()
sns.barplot(data=agg, x="kota", y="skor", hue="kota", palette="muted", ax=ax, legend=False)
ax.set_title("Rata-rata skor per kota (data sintetis)")
ax.set_ylabel("Rata-rata skor")
plt.tight_layout()
plt.show()

Untuk banyak kategori, bar horizontal mempermudah membaca label.

Histogram — distribusi satu variabel numerik

fig, ax = plt.subplots()
sns.histplot(data=df, x="pendapatan_juta", bins=25, kde=True, ax=ax)
ax.set_title("Distribusi pendapatan (juta)")
ax.set_xlabel("Pendapatan (juta)")
plt.tight_layout()
plt.show()

Sesuaikan bins agar tidak terlalu kasar atau terlalu halus.

Boxplot — distribusi dan perbandingan grup

fig, ax = plt.subplots()
sns.boxplot(data=df, x="kota", y="skor", palette="pastel", ax=ax)
ax.set_title("Sebaran skor per kota")
plt.tight_layout()
plt.show()

Menonjolkan median, IQR, dan outlier.

Komposisi — contoh bar bertumpuk

Proporsi kategori skor per kota (diskretisasi skor untuk ilustrasi):

df = df.copy()
df["kelompok_skor"] = pd.cut(df["skor"], bins=[0, 60, 80, 100], labels=["≤60", "61–80", "81–100"])
ct = pd.crosstab(df["kota"], df["kelompok_skor"], normalize="index") * 100

fig, ax = plt.subplots()
ct.plot(kind="bar", stacked=True, ax=ax, colormap="viridis", edgecolor="white")
ax.set_title("Komposisi kelompok skor per kota (%)")
ax.set_xlabel("Kota")
ax.set_ylabel("Persen dalam kota")
ax.legend(title="Kelompok skor", bbox_to_anchor=(1.02, 1), loc="upper left")
plt.tight_layout()
plt.show()

EDA vs laporan akhir

EDA: banyak plot, iterasi, catatan anomali sebelum pemodelan.

Komunikasi: sedikit plot, pesan tajam, polesan visual.

Alatnya sama; bedanya tujuan dan tingkat penyempurnaan.

Matplotlib vs Seaborn

  • Matplotlib: kontrol detail (figure, axes, anotasi).
  • Seaborn: API statistik di atas Matplotlib (agregasi, palet, style).

Prototipe cepat dengan Seaborn; turun ke Matplotlib untuk kustomisasi halus.

Visualisasi interaktif (Plotly)

Interaktif: zoom, hover, filter — cocok untuk eksplorasi bersama. Di HTML, Plotly bisa tertanam sebagai widget (butuh paket plotly di lingkungan eksekusi).

Di bawah ini: tampilan statis yang sama secara visual; kode Plotly untuk dijalankan di Jupyter/VS Code ada pada chunk berikutnya (eval: false).

fig, ax = plt.subplots()
sns.scatterplot(data=df, x="jam_belajar", y="skor", hue="kota", ax=ax)
ax.set_title("Jam belajar vs skor — setara visual untuk bandingkan dengan Plotly")
ax.set_xlabel("Jam belajar per minggu")
ax.set_ylabel("Skor ujian")
plt.tight_layout()
plt.show()

# Jalankan di notebook / REPL setelah: pip install plotly
import plotly.express as px

fig = px.scatter(
    df,
    x="jam_belajar",
    y="skor",
    color="kota",
    hover_data=["pendapatan_juta", "usia"],
    title="Jam belajar vs skor (interaktif)",
)
fig.update_layout(template="plotly_white", height=450)
fig.show()  # atau fig.write_html("scatter.html")

Dasbor sederhana (Streamlit)

Dasbor = beberapa visual + filter dalam satu halaman (KPI, monitoring).

  • Streamlit: prototipe cepat di Python.
  • Dash: layout/callback lebih terstruktur.
# Contoh kerangka — jalankan dengan: streamlit run app.py
import streamlit as st
import plotly.express as px

st.title("Dasbor contoh: skor & jam belajar")
kota = st.multiselect("Filter kota", sorted(df["kota"].unique()), default=sorted(df["kota"].unique()))
sub = df[df["kota"].isin(kota)]
st.plotly_chart(px.scatter(sub, x="jam_belajar", y="skor", color="kota"), use_container_width=True)

Ringkasan

  • Storytelling data: konteks, fokus, bukti visual, implikasi tindakan.
  • Pilih grafik: distribusi / relasi / komposisi; bar sering lebih jelas dari pie untuk perbandingan.
  • Matplotlib + Seaborn untuk EDA statis di slide; Plotly untuk interaksi di HTML; Streamlit/Dash untuk dasbor.

Bacaan