Buat Akun DQLab & Akses Kelas Data Science Python, R, dan Excel GRATIS
 SIGN UP  

Simak Contoh Visualisasi dalam Jenis Data Statistik

Belajar Data Science di Rumah 19-Januari-2022
https://dqlab.id/files/dqlab/cache/efb10325dc0e42f2a2174553ab8d1f7b_x_Thumbnail800.jpg

Kita tahu bahwa ilmu statistik merupakan ilmu yang mempelajari seputar pengolahan data, analisis data maupun interpretasi. Statistik banyak dipakai dalam berbagai bidang mulai dari industri, pemasaran, kesehatan, perbankan dan keuangan, asuransi dan lain-lain. Penyajian visualisasi data statistik adalah metode–metode yang berkaitan dengan pengumpulan dan penyajian suatu kumpulan data sehingga memberikan informasi yang berguna. Statistika deskriptif memberikan informasi hanya mengenai data yang dipunyai dan sama sekali tidak menarik inferensi atau kesimpulan apapun tentang data tersebut. Kegiatan pengumpulan data di lapangan, akan menghasilkan angka-angka yang disebut data kasar. Penyebutan dengan istilah data kasar menunjukkan bahwa data itu belum diolah dengan teknik statistik tertentu. Jadi, data-data itu masih berwujud apa adanya atau sebagaimana data itu diperoleh. Penyajian data merupakan salah satu kegiatan dalam pembuatan laporan hasil penelitian yang telah dilakukan agar dapat dipahami dan dianalisis sesuai dengan tujuan yang diinginkan. Data yang disajikan harus sederhana, jelas agar mudah dibaca. Penyajian data juga dimaksudkan agar para pengamat dapat dengan mudah memahami apa yang kita sajikan untuk selanjutnya dilakukan penilaian atau perbandingan dan lain lain. 


Penyajian data statistik adalah suatu bentuk penataan data statistik agar data statistik lebih mudah dipandang dan mudah dipahami oleh pengguna data. Tujuannya adalah adalah agar data statistik mudah dimengerti, mudah dianalisis, sehingga proses pengambilan kesimpulan dan keputusan berdasarkan data menjadi lebih akurat. Biasanya penyajian data statistik dibagi menjadi dua jenis yaitu penyajian data dalam bentuk tabel maupun penyajian data statistik dalam bentuk grafik. Tabel biasanya menyajikan data dalam bentuk kolom dan baris sedangkan grafik menyajikan data dalam bentuk gambar visual Namun tidak heran jika penggunaan data statistik dengan bentuk grafik selalu menarik perhatian. Ada beberapa jenis penyajian data dalam bentuk grafik mulai dari poligon, histogram, distribusi frekuensi hingga ogive. Hal ini dikarenakan penyajian data statistik bermaksud untuk menggambarkan karakteristik dan kecenderungan persebaran datanya seperti apa. Mari kita cari tahu lebih dalam soal penyajian data statistik berupa grafik. Pada artikel DQLab kali ini, kita akan membahas mengenai apa saja jenis-jenis penyajian data statistik dalam bentuk visualisasi grafis. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, peneliti maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!


1. Histogram

Jenis visualisasi pertama adalah histogram. Dalam bidang statistik, histogram sangat diperlukan dalam melaporkan data khususnya bentuk tampilan grafis. Histogram mencirikan bentuk tampilan diagram Tiap tampilan batang menunjukkan proporsi frekuensi pada masing-masing deret kategori yang berdampingan dengan interval yang tidak tumpang tindih. Histogram dapat dipahami dengan tampilan bentuk grafis untuk menunjukkan distribusi data secara visual atau seberapa sering suatu nilai yang berbeda itu terjadi dalam suatu kumpulan data. Histogram juga merupakan salah satu alat dari 7 alat pengendalian kualitas (QC 7 Tools yaitu Diagram Pareto (Pareto chart), check sheet, diagram kontrol (control chart), Diagram ishikawa (cause-and-effect diagram), Diagram alir (flowchart), dan scatter diagram). 

Histogram juga dapat diartikan sebagai salah satu teknik visualisasi paling dasar untuk memahami frekuensi kemunculan nilai. Histogram menunjukkan distribusi data dengan memplot frekuensi kejadian dalam suatu rentang. Dalam histogram, atribut inkuiri ditampilkan pada sumbu horizontal dan frekuensi kemunculannya pada sumbu vertikal. Untuk tipe data numerik kontinu, rentang atau nilai binning untuk mengelompokkan rentang nilai perlu ditentukan. Misalnya, dalam kasus tinggi manusia dalam sentimeter, semua kejadian antara 152,00 dan 152,99 dikelompokkan dalam 152. Tidak ada jumlah optimal bin atau lebar bin yang berfungsi untuk semua distribusi. 


Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik


2. Poligon

Selanjutnya jenis visualisasi kedua adalah poligon. Poligon frekuensi menjadi salah satu alternatif dalam menyajikan sebuah data karena dapat memudahkan pembacaan data. Tujuan penggunaan poligon frekuensi juga sama dengan histogram yang memberi keuntungan untuk memberikan tampilan yang menarik. Penggunaan poligon frekuensi hampir sama penerapannya dengan histogram dengan penyajian sebuah diagram. Bedanya, histogram menggunakan diagram batang, sedangkan poligon frekuensi berwujud diagram dengan menggunakan garis atau kurva. 

Poligon frekuensi merupakan bagian dari penerapan diagram yang berbentuk grafik. Bentuk poligon dibuat grafik dengan menghubungkan nilai tengah di setiap sisi atas yang berdekatan dengan nilai tengah jarak frekuensinya. Di setiap tengah-tengah sisi atas persegi panjang sebuah poligon diatur berdampingan dan dihubungkan dengan suatu garis yang akan terbentuk menjadi diagram garis. Perbedaan antara histogram dengan poligon frekuensi adalah kalau histogram menggunakan batas kelas sedangkan poligon menggunakan titik tengah. Grafik histogram berwujud segiempat atau menyerupai diagram batang, sedangkan poligon berwujud garis atau kurva yang saling berhubungan satu sama lain.


3. Ogive

Ogive merupakan bentuk penyajian data dalam grafik berdasarkan data yang sudah disusun dalam bentuk tabel distribusi frekuensi kumulatif. Ogive sering disebut sebagai grafik frekuensi meningkat. Ogive dibagi menjadi dua, yaitu ogive positif dan ogive negatif. Pada ogive positif menggunakan batas atas kelas dan frekuensi kumulatif kurang dari. Sedangkan pada ogive negatif menggunakan batas bawah kelas dan frekuensi kumulatif lebih dari. Batas atas kelas diperoleh dengan cara menambahkan nilai tertinggi pada kelas tersebut dengan 0,5. Batas bawah kelas diperoleh dengan cara mengurangkan nilai terendah pada kelas tersebut dengan 0,5. Nilai frekuensi kumulatif kurang dari diperoleh dengan cara menjumlahkan frekuensi setiap kelas dengan semua frekuensi semua kelas di atasnya. Nilai frekuensi kumulatif lebih dari diperoleh dengan cara mengurangkan semua frekuensi dengan frekuensi kelas di atasnya.


4. Diagram Batang Daun

Diagram Batang Daun merupakan salah satu dari metode grafik(histogram, diagram dahan daun, dan boxplot) untuk menampilkan ringkasan sebuah data. Dalam prinsipnya diagram ini akan menyajikan data dalam dua bagian yaitu bagian sebelah kiri sebagai batang dan sebelah kanan adalah sebagai daun. Diagram batang daun adalah bentuk penyajian data statistika yang memang agak jarang anda temukan dalam kehidupan sehari-hari. Disebut sebagai diagram batang daun, pada diagram ini dibagi menjadi 2 bagian. Bagian Batang sebagai angka puluhan. Bagian Daun sebagai angka satuan. Diagram ini sering digunakan untuk data di bawah 100


5. Pie Chart

Pie chart atau diagram lingkaran merupakan grafik statistik berbentuk lingkaran yang dibagi menjadi beberapa irisan dan luasnya bergantung kepada proporsi numerik atau kuantitas dari data yang dimiliki. Satu lingkaran menunjukkan bagian utuh atau seratus persen. Setengah lingkaran menunjukkan proporsi setengah dari total atau lima puluh persennya, dan seterusnya. Diagram lingkaran banyak digunakan di dunia bisnis. Untuk mempermudah presentasi, orang terkadang menggunakan diagram lingkaran. Oleh karena itu, penting untuk mengetahui bagaimana cara mendeskripsikan diagram lingkaran. Dalam tes tertentu, misalnya pada tes IELTS, Anda juga dapat diminta untuk menjelaskan mengenai diagram lingkaran

Pie chart digunakan digunakan untuk menampilkan total persentase yang harus mencapai 100%, dimana setiap potongan pie akan menampilkan ukuran tertentu. Bentuk lingkaran dengan cepat mengaktifkan intuisi kita sebagai pembaca untuk memahami bahwa kita dapat membagi-bagi pie menjadi beberapa potongan. Sebagai catatan, persentase yang dibulatkan dapat membuat angka total pie tidak menjadi pas 100%. Keuntungan lain ketika menggunakan pie chart dibandingkan dengan bar chart adalah pada bar chart, pembaca akan sedikit kesulitan untuk menentukan total persentase dari keseluruhan bar, apakah 100%, kurang, atau lebih


Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika


6. Belajar Statistika Sampai Mahir Bersama DQLab!

Agar skill statistik kamu semakin terasah, tidak salah lagi jika kamu bisa upgrade skillmu bersama DQLab! Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id dan lakukan signup untuk dapatkan info-info terbaru serta belajar data science. Banyak benefit yang bisa kamu dapatkan jika kamu bergabung untuk belajar bersama DQLab! Nikmati pengalaman belajar data science yang menarik dan cobain berlangganan bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu gratis! Jika ingin berlangganan kalian bisa mendapatkan benefit yang beragam salah satunya mencoba modul platinum dan career track.


Dapatkan keuntungan-keuntungan yang didapatkan salah satunya tidak perlu install software tambahan. Karena kalian belajar secara langsung terhubung dengan live code editor dari device yang kalian gunakan. Kalian juga bisa mencoba studi kasus penerapan real case industry. Jika kamu kesulitan dalam proses pembelajaran di DQLab, kamu bisa loh gabung ke discord kita untuk menanyakan hal-hal yang kurang jelas dan bingung bagaimana cara penyelesaiannya. Kamu juga diberikan kesempatan mendapatkan job connector dari perusahaan ternama di ranah industri data. Uniknya kamu bisa langsung apply dari akun kamu loh. So, tunggu apalagi, buruan SIGNUP Sekarang ya!


Penulis: Reyvan Maulid


Postingan Terkait

Sign Up & Mulai Belajar Gratis di DQLab!