[Tanya Jawab] Data Visualization for Non-Programmer (Data Visualization with Story-Telling Part-2)
Badan Kejuruan Teknik Industri Persatuan Insinyur Indonesia (BKTI - PII)

[Tanya Jawab] Data Visualization for Non-Programmer (Data Visualization with Story-Telling Part-2)

Data Visualization Series #2
0 Peserta Enroll
0 Peserta Lulus
Average: 0
Rating Count: 0
You Rated: Not rated
( 0 )
Biaya untuk Umum
Rp0
Biaya untuk Mahasiswa/Freshgraduate
Rp0
Pemateri
Aditya Parama Setiaboedi, S.T., M.Sc, IPP

1. Pertanyaan dari (Tanpa Nama)
Coding itu apa ya, Pak?

Jawaban: Coding itu maksudnya bahasa pemrograman, istilah anak-anak sekarang coding.

2. Pertanyaan dari Ibu Intan Noviani
Visualisasi data itu?

Jawaban: Membuat visualisasi atau grafik, gambar dari data yang sudah kita kumpulkan.

3. Pertanyaan dari Bapak Muhammad Wachid
Data di Kaggle itu mostly harus diproses, untuk yang kita bisa tinggal visualisasi itu di mana mencarinya? Untuk latihan.

Jawaban: Untuk data setnya tergantung juga mau visualisasi apa, beberapa data set di Kaggle juga bisa kalau mau langsung di visualisasi minimal untuk eksplorasi deskriptif, misalnya mengetahui frekuensinya, distribusi, mean, median atau dibikin grafik untuk histogramnya bisa. Tetapi kalau misalnya yang bisa langsung Saya paling enak menggunakan Gapminder, Gapminder itu dataset yang bisa langsung diolah. Ini saya ngomongin 1 dataset yang bisa kita olah untuk langsung diolah untuk langsung belajar tentang visualisasi dari data tersebut  bisa langsung ditampilkan.

Kalau ingin latihan visualisasi data atau latihan untuk data science bisa menggunakan Gapminder. (Seperti tertera pada layar presentasi) misalnya untuk data science, ini bisa melakukan prediksi analisis, Apa hubungan population di prediction dengan gini indeks, atau income diprediksi dengan variabel lain, banyak variabel yang bisa diolah. Salah satu yang saya tampilkan tadi, cerita Gapmindernya adalah bubble chart ini dari data Gapminder tadi hubungan antara average life expectancy dan average income, saya tidak mengolah sama sekali datanya sudah "plek" yang ada dari data set tadi tinggal diolah. Sumbu y adalah life expectancy dan sumbu x nya adalah income. Jadi langsung diplot jadilah data yang kira-kira seperti ini.

Datanya Sebenarnya bukan download dari mana tetapi data apa yang akan diolah, dari Kaggle pun bisa langsung diolah contohnya. Gapminder juga bisa di download di Kaggle. Karena banyak juga data yang bisa dibuat visualisasinya tanpa diolah terlebih dahulu contohnya Gapminder ini.

4. Pertanyaan dari Bapak Syari
Tentang membaca atau memunculkan permasalahan untuk membuat visualisasi. Contohnya membel kopi tanpa gula, kita membuat visualisasinya dulu atau muncul pertanyaan atau sebaliknya?

Jawaban: Di awal sebelum membuat grafiknya itu konteksnya kita mau ngapain, mau cerita apa. Kalau bisa membuat storyboardnya sambil saya sharing storyboard dari pertemuan sebelumnya. Kita membuat ceritanya dulu mau mengkomunikasikan apa baru nanti kita bisa membuat, "Oh ini tekniknya mau visualisasinya menggunakan bar chart, datanya pakai apa". Sebelum membuat kotak-kotaknya, warnanya mau apa kita sudah menentukan dahulu konteksnya mau cerita ke siapa, siapa yang mau membaca, setelah itu mau ngapain, cukup tahu atau take action, itu juga didefinisikan naratifnya baru pilih efektif visualnya. Konteksnya itu berbeda-beda memberitahu ke orang lain, misalnya tentang kita hanya ingin memberitahu bahwa temperatur di Bandung selama global warming itu bagaimana naiknya. Cukup tahu saja atau misalnya kita menginginkan orang tersebut take action juga, misalnya tidak perlu menggunakan AC di kota Bandung karena traffic panasnya naik terus, lainnya.

Membuat storyboardnya, apa yang mau dikomunikasikan, bagaimana kita ingin mengkomunikasikan, poin-poin pentingnya apa (Apakah cukup tahu atau ada rekomendasi yang mau diambil). Dari pertanyaan tadi, buat konteksnya apa, pertanyaan dulu baru definisikan visualisasinya. Berapa orang yang membeli kopi tanpa gula, tanyakan dulu mengapa mau memvisualisasikan itu, apakah misalnya Pak Syari memiliki warung kopi  mau memvisualisasikan data atau mungkin dari Departemen Kesehatan ingin membuat info grafik bahwa orang terlalu banyak yang meminum kopi dengan gula. Tergantung konteksnya bagaimana buat dulu di awal. Kalau misalnya di proporsi kan sering kali mungkin 70% waktu mungkin habis untuk membuat storyboard. Membuat konteksnya mau bagaimana, baru 30% waktunya kita membuat visualisasinya karena sudah jelas kita mau memberitahu informasi ini ke siapa, dengan cara apa, poin-poinnya apa, baru membuat visualisasi yang cepat.

5. Pertanyaan dari Bapak Defnil
Tampilan grafik biasanya pakai Excel apakah Excel disebut coding juga?

Jawaban: Excel itu memiliki DAX, ada fungsi-fungsi yang bisa teman-teman gunakan untuk membuat visualisasi di excel dengan menggunakan DAX ini. Misalnya membuat fungsi if, vlook up, hlook up itu juga termasuk kode, namun bukan kode untuk membuat visualisasi.

6. Pertanyaan dari Bapak Tege
Kalau mulai belajar, mulai dari mana?

Jawaban: Sebelum teman-teman terjun saya sarankan sekali memiliki bekalnya dulu. Kalau misalnya merasa saya tidak bisa programming sulit atau tidak tahu datangnya dari mana, pertama kali teman-teman bisa membaca buku yang judulnya Data Visualization with Storytelling dari Cole Nussbaumer Knaflic. Ini buku yang saya sarankan sekali untuk teman-teman baca mulai dari mananya ada disini, di sini benar-benar membahas dari basic-nya. Materi saya itu mayoritas dari sini dan dari bahan kuliah tentang bagaimana membuat data yang efektif, ada storynya, itu mengenai teorinya. Setelah itu kalau misalnya mau terjun untuk latihan datanya, seperti buku "Say It with Charts" ada 2 buku, ada exercise dan ada workbook. Kalau buku ini masih tulis tangan baru ketika mulai ingin belajar dengan aplikasi, kalau menggunakan Tableau ikuti saja courses dari Tableaunya yang 60 jam tadi, itu benar-benar dari awal, dari install, buka, masukin datanya, dibahas benar-benar dari dasar. Tableau Alhamdulillah menyediakan kursus dari dasar sampai advance 60 jam, Cicil saja seperti setengah jam, 10 menit, biar tahu Tableau lebih jelas.

Profil Instruktur

Aditya Parama Setiaboedi, S.T., M.Sc, IPP

Data Analyst


Deskripsi Pemateri:

Education
MSc in Data Analytics & Business Economics Hong Kong Baptist University & National Taiwan University
BSc in Engineering Management Institut Teknologi Bandung & Kumamoto University, Japan 

Membership & Activities
Indonesian Data Scientist Association
Research & Data Analytics POPCORN (Protect Our Peers from Consuming Porn)
Technaut Education Group Member 

Professional Certifications
Data Scientist with Python, Certified by Datacamp
Social Media Analyst, Certified by Telkom University
Data Analytics with Excel, Certified by The Datanomics Institute

Kursus Lainnya

Data Visualization with Story-Telling

Data Visualization with Story-Telling

Data Visualization with Power BI Basic and Beyond Part 1: Basic

Data Visualization with Power BI Basic and Beyond Part 1: Basic

Data Visualization for Non-Programmer (Data Visualization with Story-Telling Part-2)

Data Visualization for Non-Programmer (Data Visualization with Story-Telling Part-2)