Pengenalan Data

Pada modul pengenalan data ini kita akan mempelajari dasar-dasar dalam data mulai dari pengertian data,
jenis data, hingga perbedaan dari data struktur dengan tidak terstruktur.

Apa itu Data?

Banyak orang berbicara tentang data. Bahkan hampir setiap hari kita pernah mendengar kata data.
Sebenarnya apa sih pengertian dari data itu sendiri? Menurut KBBI, data merupakan keterangan atau bahan
nyata yang dapat dijadikan dasar kajian (analisis atau kesimpulan). Selain itu apabila data dihubungkan
dengan ilmu komputer maka memiliki arti, informasi dalam bentuk yang dapat diproses seperti representasi
digital dari teks, angka, gambar grafis, atau suara.
Masih bingung dengan apa definisi data? Di sini akan kami gambarkan melalui sebuah contoh sederhana.
Perhatikan gambar di bawah ini.

Apa yang bisa diceritakan dari gambar di atas? Pasti Anda bilang gambar tersebut adalah bola tenis, bukan?
Nah, di sini kita sudah mendapatkan sebuah informasi bahwa gambar di atas adalah bola tenis yang sering
kita jumpai pada permainan tenis. Selanjutnya apabila diperhatikan kembali, kita akan melihat bahwa bola
tenis tersebut berwarna kuning, walaupun ada yang menyebutnya hijau. Jadi warnanya kuning atau hijau?
Tenang dulu, menurut International Tennis Federation (ITF) standar warna bola tenis adalah kuning atau
putih. Bola tenis awalnya dibuat berwarna putih, namun Wimbledon tahun 1986 jadi kali pertama pemain
menggunakan bola tenis warna kuning. 
Warna kuning pada bola tenis sering disebut “Optical Yellow” dengan jahitan warna putih atau abu-abu terang.
Warna bola tenis sendiri sebenarnya tidak pernah hijau, tetapi jika sudah sering digunakan maka warnanya
memudar dan menjadi kuning kehijau-hijauan. Nah, dari penjelasan tersebut kita dapat mengasumsikan
bahwa warna bola tenis yang ada dalam gambar tersebut adalah kuning. Selain itu apabila dilihat dari segi
jumlah, kita bisa mendapat informasi bahwa terdapat 3 buah bola tenis. 

Dari beberapa informasi di atas mulai dari nama objek, warna, jumlah, ukuran, tekstur, hingga kondisi bola
itulah yang disebut data dari bola tenis. Jadi sesuatu yang melekat pada objek atau benda bisa saja memiliki
data. Contoh lain misalnya diri kita sendiri. Kita juga memiliki data yang melekat dalam diri meliputi nama,
tanggal lahir, tinggi badan, berat badan, umur, dan sebagainya.

Nah, dari beberapa contoh sederhana di atas, kita bisa memahami pengertian dari sebuah data. Lalu, tiba-tiba
Anda terpikir sebuah pertanyaan, “Apabila data yang kita dapatkan dari sebuah objek itu ada beraneka ragam
dan berjumlah banyak, bagaimana ya mengelompokkannya?”. Materi berikutnya akan membahas mengenai
jenis-jenis data yang dapat digunakan untuk mengelompokkannya sehingga data pun jadi lebih mudah dibaca
dan dipahami. Sudah siap untuk lanjut? 
Jenis-Jenis Data
Setelah kita mengetahui definisi data, mungkin muncul pertanyaan lanjutan, “Apa fungsi dari sebuah data
yang telah kita peroleh?”

Fungsi dari Data

Sebelum membahas apa saja jenis-jenis data, kita juga harus mengetahui apa saja fungsinya. Istilah data
sendiri kebanyakan pasti merujuk pada sesuatu yang berhubungan dengan komputer atau teknologi. Namun
pada dasarnya semua aspek yang ada dalam kehidupan ini berhubungan dengan data. Bagi para peneliti,
data digunakan sebagai sumber acuan dalam sebuah pengembangan sedangkan dalam dunia komputer, data
digunakan dalam proses pengolahan untuk mendapatkan suatu hasil tertentu yang bisa memecahkan
masalah yang ada.

Dari penjabaran di atas, dapat disimpulkan bahwa fungsi data secara umum antara lain sebagai:  

1. Pedoman dasar dalam menentukan perencanaan sebuah penelitian.

2. Bahan analisis dan evaluasi dari suatu kegiatan.
3. Acuan dalam mengembangkan sebuah kegiatan atau penelitian.
4. Acuan untuk mengambil suatu keputusan.

Setelah kita mengetahui fungsi data, saatnya membahas apa saja jenis-jenis data. Dalam data terdapat dua
kategori utama yang harus diketahui yaitu Data Kualitatif dan Data Kuantitatif. Apakah Anda sudah
mengetahui kedua kategori tersebut? Yuk, lanjut ke materi berikutnya untuk mengetahui pembahasannya.
Data Kualitatif
Pernahkah Anda membagikan kuesioner dengan tujuan mendapatkan umpan balik bagi proyek yang sedang
Anda garap? JIka pernah membuat kuesioner, maka hasil umpan baliknya secara umum dikategorikan
sebagai data kualitatif. Sebuah kuesioner umumnya berisi pertanyaan seputar pendapat, saran, atau apa saja
yang perlu diperbaiki dari sebuah produk atau pengalaman. Data yang ingin didapatkan merujuk pada kualitas
sebuah objek yang menghasilkan umpan balik berupa kalimat pernyataan verbal.

Masih ingat dengan contoh gambar bola tenis di materi sebelumnya? Jika ingin mendapat data kualitatif
seputar bola tenis tersebut, kita bisa melihat sisi kualitas, tekstur bola, warna, dan bentuknya. Sehingga dari
gambar bola tenis tersebut didapatkan data kualitatif seperti berikut:

Warna Kuning

Kondisi Baru

Tekstur Soft

Bentuk Bulat

Dari kedua contoh di atas dapat disimpulkan bahwa data kualitatif adalah data yang bergantung pada kualitas
sebuah objek dan dideskripsikan dalam bentuk kata, gambar, atau simbol. Selain itu, data kualitatif bisa
bersifat subjektif karena hasilnya dapat diartikan dengan persepsi berbeda apabila dibaca atau dilihat orang
lain. Sederhananya dengan kasus bola tenis tadi, ada orang yang melihat dengan warna hijau dan ada pula
yang kuning.

Apakah Data Kualitatif itu Penting?

Data kualitatif erat hubungannya dengan data kuantitatif sehingga saling melengkapi satu sama lain. Data ini
penting untuk menentukan sebuah karakteristik, kebiasaan atau ciri-ciri lainnya. 

Apakah Anda pernah membeli nasi goreng di sebuah warung langganan favorit? Nah, saat pertama kali
datang membeli nasi goreng, Anda mengatakan, “Beli nasi goreng satu tapi tanpa telur, ya.”

Setelah Anda menunggu, kemudian penjual nasi goreng datang dengan membawakan Anda seporsi nasi
goreng tanpa telur. Hari demi hari berlalu dan Anda pun sudah enam kali datang ke warung tersebut dengan
pesanan menu yang sama yaitu nasi goreng tanpa telur. 

Kemudian pada hari ke-7 saat Anda datang kembali ke warung tersebut si penjual nasi goreng menanyakan
pada Anda, “Mau pesan nasi goreng tanpa telur ya, mas?” Dengan senyum di wajah, pasti Anda langsung
mengiyakan dan duduk manis di kursi tunggu sambil menunggu makanan datang. Pasti dalam hati Anda
merasa puas karena si penjual nasi goreng sudah hafal dengan pesanan sehingga Anda jadi berlangganan di
sana. Nah, dari cerita tersebut si penjual mendapatkan data kualitatif berupa siapa pelanggan mereka, menu
apa yang sering dipesan, dan kebiasaan apa yang sering dilakukan pelanggannya dalam memesan makanan
misal seperti tanpa telur, pedas, atau nasinya setengah saja. 

Dari cerita tersebut kita dapat menyimpulkan bahwa data kualitatif, misalnya data yang bersifat verbal, dapat
dengan mudah dicerna oleh manusia, sehingga lebih mudah dalam mengidentifikasi dan menghasilkan
pemecahan masalah yang tepat.

Metode Pengumpulan Data Kualitatif

Pengumpulan data kualitatif bersifat eksploratif karena melibatkan analisis dan penelitian. Metode ini
digunakan untuk mendapatkan wawasan, penjabaran, serta motivasi sehingga Anda dapat lebih memahami
penelitian yang sedang dilakukan. Data kualitatif termasuk jenis data yang tidak dapat diukur, maka dari itu ia
lebih mengarah ke preferensi metode pengumpulan data yang terstruktur. Berikut adalah beberapa metode
yang dapat dilakukan untuk mengumpulkan data kualitatif:

 Wawancara
Metode ini paling umum digunakan untuk memperoleh data kualitatif. Dalam proses wawancara biasanya pihak
yang diwawancarai akan menjawab pertanyaan yang diajukan. Jawaban-jawaban dari peserta wawancara dapat
berupa deskripsi diri, kemampuan yang dimiliki, latar belakang pendidikan, dan lain sebagainya. Dalam
pengumpulan data kualitatif biasanya pertanyaan tidak selalu terstruktur atau terkesan spontan karena ingin
mendapatkan jawaban yang mencerminkan karakter dari peserta wawancara.
  Kelompok Diskusi
Metode ini lebih mirip seperti forum diskusi yang diadakan oleh 5-10 orang. Terdapat seorang moderator yang
bertugas mengatur jalannya diskusi serta mencatat pokok bahasan penting. Misalnya, ada seorang peneliti
sedang mempelajari tentang cara meningkatkan kualitas tanaman padi. Maka, peneliti tersebut mengundang
para -pakar pertanian, ahli di bidang pangan, dan lainnya yang berhubungan dengan tanaman padi. Nah, dari
sana peneliti akan mendapatkan insight lebih dari para ahli di bidangnya sehingga data penelitian yang
didapatkan lebih terarah dan tepat.
 Metode Pengamatan atau Observasi
Dalam metode pengamatan, seorang peneliti yang ingin memperoleh data dari responden harus langsung terjun
ke lapangan untuk mengamati dan mencatat informasinya. Misalnya, ada seorang peneliti ingin meneliti pola
belajar siswa di sebuah sekolah. Maka peneliti tersebut dapat langsung terjun ke dalam lingkungan sekolah
dengan mengamati perilaku siswa dalam belajar, proses belajar mengajar, dan lain sebagainya.

Analisis Data Kualitatif

Menganalisis data merupakan hal yang sangat penting. Pasti Anda tidak ingin banyak waktu guna mendapat
data / informasi jadi berakhir sia-sia karena analisis yang kurang tepat. Namun perlu dicatat bahwa tidak ada
aturan baku untuk menganalisis data kualitatif. Apa pasal? Jawabnya, semuanya bermula dari memahami
data yang telah kita dapatkan dengan benar. Berikut dua pendekatan utama dalam analisis data kualitatif yang
dapat Anda terapkan:

 Pendekatan Deduktif
Pendekatan deduktif didasarkan pada struktur yang telah ditentukan oleh peneliti. Dalam hal ini, seorang peneliti
dapat menggunakan pertanyaan yang telah disusun sebagai panduan untuk menganalisis data. Pendekatan ini
lebih cepat dan mudah digunakan ketika seorang peneliti memiliki gagasan yang sesuai dengan kemungkinan
respon dari populasi sampel.
 Pendekatan Induktif
Sebaliknya, pendekatan induktif tidak berdasar pada struktur atau kerangka aturan yang sudah dibuat.
Pendekatan ini lebih menyita waktu yang cukup besar karena dibutuhkan analisis menyeluruh pada data
kualitatif. Pendekatan induktif sering digunakan ketika seorang peneliti sedikit atau bahkan tidak sama sekali
memahami hasil penelitian.

Langkah-langkah analisis data kualitatif

1. Siapkan dan kelompokkan data

Setelah Anda mengumpulkan data dari berbagai sumber seperti teks, rekaman suara, video, atau informasi lain,
mulailah mengelompokkan data-data tersebut. Tuliskan ke dalam bentuk teks sehingga Anda lebih mudah dalam
menganalisis data.
2. Review kembali datanya
Sekarang data Anda sudah dikelompokkan dengan baik, kemudian Anda dapat membaca kembali semua data.
Mungkin saja perlu dilakukan beberapa kali untuk memahami seluruh isinya. Tak apa. Pada saat membaca
ulang apabila terpikirkan sebuah ide ataupun pertanyaan, catat terlebih dahulu saja ya.
3. Tandai poin-poin penting
Pada setiap data tandai poin-poin pentingnya. Penandaan bisa menggunakan blok stabilo, tambahan komentar
atau apa pun yang bisa membantu Anda dalam menandai poin-poin penting dalam data.

Misalnya terdapat 5 data penelitian tentang pola belajar dari siswa yang berprestasi di kelasnya. Berikut ini
adalah hasilnya:
- Orang tua selalu mendampingi anaknya untuk belajar di rumah pada pukul 19.00 sampai 20.00.
- Orang tua mempercayakan anaknya untuk belajar di lembaga bimbingan belajar seminggu sekali.
- Anak aktif eksplorasi dan mencari penyelesaian masalah dari berbagai sumber.
- Orang tua memberikan anaknya waktu fleksibel dalam bermain untuk menghindari stress dalam belajar
namun tetap dibatasi waktunya kecuali hari Sabtu dan Minggu.
- Orang tua menjauhkan anaknya dari gawai saat belajar dan memperbolehkan anak bermain gawai setelah
selesai belajar.
4. Tinjau ulang poin-poin yang telah dibuat dan gabungkan menjadi tema
Anda perlu meninjau ulang poin-poin di atas untuk memastikan kembali apakah sudah sesuai atau masih perlu
revisi. Selain itu apabila pada langkah kedua sebelumnya sudah terlontar beberapa pertanyaan, sesuaikan dan
usahakan pertanyaan tersebut terjawab oleh poin penting yang sudah Anda tandai di langkah ketiga. Misal Anda
sudah membuat pertanyaan sebagai berikut:

- Bagaimana peran orang tua terhadap proses belajar anak?

- Apakah anak hanya belajar melalui buku pelajaran saja?

Nah, setelah memastikan poin yang ditandai sesuai dengan pertanyaan awal yang dicatat, maka data dapat
digabungkan ke dalam blok-blok warna dari poin-poin yang sudah ditandai. Misalnya:

- Warna orange menandakan perilaku orang tua terhadap anak.

 - Warna biru menandakan perilaku anak dalam belajar.
- Warna hijau menandakan metode belajar yang dilakukan.
- Warna merah menandakan waktu istirahat anak dalam belajar.
5. Menyimpulkan data
Langkah terakhir yang dilakukan adalah membuat kesimpulan dari data. Berdasarkan contoh di atas bisa
disimpulkan bahwa pola belajar siswa yang berprestasi di kelas dapat dilihat dari beberapa faktor seperti dari
orang tua dan kemampuan anak itu sendiri. Terkadang muncul persepsi bahwa siswa yang berprestasi selalu
termotivasi untuk mengisi hari-harinya dengan belajar dan suka bereksplorasi. Namun, berdasarkan hasil
penelitian, selain motivasi dari dalam diri siswa seperti kemampuan eksplorasi, faktor eksternal dari orang tua
juga penting dalam mendukung proses belajar.

Orang tua memantau sendiri proses belajar anaknya di rumah atau mempercayakan untuk belajar di lembaga
bimbingan belajar (bimbel). Selain proses belajar, orang tua juga memberikan waktu anak yang fleksibel dalam
bermain untuk menghindari stres. Namun, masih dibatasi seperti pada saat belajar dilarang membawa gawai
kecuali setelah selesai atau saat akhir minggu.

Dalam penyampaian kesimpulan usahakan sesuai dengan audiens, tujuan penelitian, dan konten lainnya yang
menceritakan kisah penting di balik data Anda.

Data Kuantitatif
Data Kuantitatif merupakan data yang dinyatakan dalam bentuk angka yang bisa didapatkan dari hasil
pengukuran atau observasi. Berbeda dengan data kualitatif, data kuantitatif cenderung lebih objektif karena
hasilnya bisa ditafsirkan sama oleh semua orang. Beberapa contoh hasil data kuantitatif adalah, panjang pita
100 cm, berat badan saya naik 3 kg dari bulan lalu, saya berbelanja ke supermarket setiap dua minggu sekali,
dll.

Apabila masih bingung, mari kita kembali ke gambar bola tenis. Dari gambar bola tenis sebelumnya apabila
dilihat lebih detail maka kita mendapatkan beberapa data kuantitatif lainnya, misalnya seperti berikut:

Jumlah 3 buah

Harga Rp. 10.000,- per buah

Diamater 65,41 mm

Berat 56 gram

Pentingnya Data Kuantitatif

Pernahkah Anda melihat anak balita yang tengah ditimbang di posyandu? Di posyandu, petugas atau bidan
akan menimbang berat badan balita. Setelah menimbang, petugas mencatat hasilnya di sebuah kartu.
Gunanya untuk memantau perkembangan berat badan balita setiap bulannya. Misal, pada awal menimbang,
berat badan 11 kg, pada bulan kedua 11,5, bulan ketiga 12 kg. Berarti apabila dihitung dalam 3 bulan tersebut
rata-rata berat badannya meningkat 0,5 kg per bulan. 

Dengan hasil yang didapatkan, ibu dari balita tersebut bisa mengetahui perkembangan dari anaknya setiap
bulan sehingga bisa disesuaikan dengan kebutuhan gizi yang diperlukan. Data kuantitatif yang didapatkan dari
cerita di atas adalah dalam bentuk angka yang akurat dan terukur. 

Metode Pengumpulan Data Kuantitatif

Data kuantitatif merupakan data yang berhubungan dengan angka. Data yang dikumpulkan biasanya berasal
dari pertanyaan yang mengarah ke angka, misalnya berapa jumlah penduduk di desa A, berapa rata-rata
pertumbuhan penduduk dari tahun 2010 sampai 2020, dan sebagainya. Sehingga data yang dihasilkan
merupakan data yang bersifat objektif serta dapat dianalisis secara statistik dan matematika.

 Sampling Probabilitas
Metode pengambilan data dari populasi yang lebih besar, dipilih dengan metode probabilitas. Sehingga setiap
anggota berkesempatan secara acak untuk terpilih sebagai data sampel. Salah satu keunggulan dari sampling
probabilitas adalah peneliti dapat mengumpulkan data dari perwakilan populasi yang ingin diambil sampelnya.
Selain itu, data yang terkumpul secara acak dari sampel menghindarkan penelitian dari  kemungkinan bias
pengambilan sampel.
 Wawancara
Wawancara merupakan metode yang kerap digunakan dalam pengumpulan data. Bedanya, wawancara dalam
rangka mengumpulkan data kuantitatif biasanya lebih terstruktur, fokus ke bahasan mengenai data angka.
Misalnya seperti berapa jumlah portofolio aplikasi yang sudah Anda buat?
 Survei atau Kuesioner
Hampir sama dengan wawancara tetapi perbedaannya untuk survei atau kuesioner biasanya menggunakan
form. Metode ini bisa dipakai pada pengumpulan data kualitatif dan kuantitatif. Pada survei kuantitatif biasanya
kita menjawab pertanyaan-pertanyaan yang berhubungan dengan angka, skala rating, ataupun yang
berhubungan dengan data angka lainnya.
 Pengamatan
Salah satu yang paling sederhana adalah metode pengamatan. Dalam metode ini peneliti mengumpulkan data
kuantitatif melalui pengamatan sistematis dengan menggunakan teknik seperti menghitung jumlah orang yang
hadir di acara tertentu dan pada waktu tertentu.

Analisis Data Kuantitatif

Kita juga perlu menganalisa data kuantitatif supaya data penelitian bisa dipahami dan dimengerti. Hasilnya,
permasalahan terkait penelitian pun dapat terselesaikan dengan baik. Berikut adalah beberapa contoh analisis
yang dapat Anda lakukan:

 Tabulasi Silang
Sebuah metode analisis data kuantitatif yang paling banyak digunakan dan paling disukai karena menggunakan
bentuk tabel dasar untuk menarik kesimpulan dari dataset yang berbeda dalam studi penelitian.
  Analisis MaxDiff
Metode analisis data kuantitatif yang digunakan untuk preferensi dalam mengukur ketertarikan pengguna untuk
melakukan pembelian dan melihat parameter apa yang memiliki peringkat lebih tinggi dari yang lain. Dalam
bentuk yang sederhana, metode ini juga disebut metode "terbaik dan terburuk".
 Analisis SWOT
Metode analisis data kuantitatif yang menetapkan nilai numerik untuk menunjukkan kekuatan, kelemahan,
peluang, dan ancaman pada suatu produk atau layanan. Metode ini membantu menciptakan strategi bisnis yang
efektif.

Langkah-Langkah Analisis Data Kuantitatif

Sebelumnya kita telah mengetahui beberapa contoh analisis data kuantitatif, selanjutnya kita akan membahas
tentang langkah-langkah analisis dari data kuantitatif. Berikut uraiannya:

1. Hubungkan skala pengukuran dengan variabel

Kaitkan skala pengukuran seperti Nominal, Ordinal, Interval, dan Rasio dengan variabel. Langkah ini
penting untuk mengatur data dalam urutan yang benar. Data dapat dimasukkan ke dalam lembar
pengolah angka (spreadsheet) untuk mengaturnya dalam format tertentu.
2. Hubungkan statistik deskriptif dengan data
Hubungkan statistik deskriptif untuk merangkum data yang tersedia. Beberapa statistik deskriptif yang
banyak digunakan adalah:
- Mean : Rata-rata nilai untuk variabel tertentu.
- Median : Titik tengah skala nilai untuk variabel.
- Mode/modus : Untuk sebuah variabel, mode merupakan nilai yang paling umum.
- Frekuensi : Jumlah kali nilai yang diamati dalam skala tertentu.
- Nilai Minimum dan Maksimum : Nilai terendah dan tertinggi dalam sebuah skala tertentu.
- Persentase : Format untuk mengekspresikan skor dan set nilai untuk variabel.
3. Tentukan skala pengukuran
Penting untuk memutuskan skala pengukuran dalam menyimpulkan statistik deskriptif dari sebuah
variabel. Misalnya, skor variabel nominal tidak akan pernah memiliki mean atau median sehingga
statistik deskriptif akan bervariasi. Statistik deskriptif cukup dalam situasi di mana hasilnya tidak dapat
digeneralisasi ke populasi.
4. Pilih tabel yang sesuai untuk mewakili data dan menganalisis data yang dikumpulkan
Setelah memutuskan skala pengukuran yang sesuai, peneliti dapat menggunakan format tabel untuk
mewakili data. Data ini dapat dianalisis menggunakan berbagai teknik seperti tabulasi silang.

Diskrit vs Kontinu
Apabila dilihat dari segi sifatnya, data bisa dibedakan menjadi dua, yaitu data diskrit dan kontinu. Berikut
penjelasan mengenai kedua data tersebut.

Diskrit
Data diskrit merupakan data yang diambil dari proses perhitungan. Hal tersebut dikarenakan data yang
bersifat diskrit tidak bisa diukur. Misalnya Anda ingin mengetahui jumlah orang yang hadir dalam sebuah
acara, maka Anda dapat melakukannya dengan cara menghitung dari daftar hadir atau menghitung langsung
setiap orang yang masuk. Ciri dari data diskrit adalah bisa dihitung dan tidak bisa dipecah. Jadi tidak mungkin
kita menghitung jumlah orang dan menghasilkan data 10,5. Kemungkinannya adalah 10 atau 11 orang.

Kontinu
Data kontinu merupakan data yang didapat dari proses pengukuran. Hal tersebut dikarenakan data yang
bersifat kontinu tidak bisa dihitung. Misalnya Anda ingin mengetahui suhu tubuh maka Anda akan mengukur
dengan termometer bukan menghitungnya. Hasil yang didapat bisa berupa pecahan seperti 34,5 derajat
celcius. Pengukuran suhu, berat badan, atau jarak merupakan beberapa contoh dari data kontinu.

Karakteristik Data Diskrit dan Kontinu

Untuk membedakan antara data diskrit dan kontinu dengan mudah, berikut karakteristik masing-masing:

Diskrit Kontinu

Data dapat dihitung Data dapat diukur

Nilai tidak dapat dibagi menjadi pecahan kecil Bisa dibagi menjadi pecahan kecil

Data tidak dapat diukur Data tidak dapat dihitung

Umumnya digambarkan dalam bar graph Umumnya digambarkan dalam histogram

Numerik vs Kategorikal
Apabila data dilihat dari sisi variabel, setidaknya ada dua contoh variabel yang dapat digunakan.
Data Numerik
Data ini memiliki arti sebagai sebuah ukuran dan identik dengan angka, misalnya tinggi badan, berat badan,
dan tekanan darah seseorang. Selain itu juga didapatkan dengan cara menghitung, seperti jumlah peserta
yang hadir di sebuah acara, berapa jumlah gigi bayi, atau berapa banyak jumlah mangga yang ada di
keranjang buah. Data numerik juga dapat dibedakan menjadi data diskrit dan kontinu seperti ulasan materi
sebelumnya.

Data Kategorikal
Data yang dapat dikelompokkan dan terbagi berdasarkan karakteristik masing-masing. Misalnya seperti status
seseorang yang ada di KTP, status perkawinan, jenis kelamin, kota asal, hobi, ataupun film favorit. Data
kategorikal dapat dipadukan dengan data numerik, contohnya pada form sebuah form pendaftaran untuk
mengisi jenis kelamin dapat ditulis dengan angka "1"  untuk laki-laki dan "2" menunjukkan perempuan.
Namun, angka-angka tadi tidak memiliki arti matematika ataupun lainnya karena apabila Anda menjumlahkan
angka satu dan dua di atas,  tidak akan ada pengaruhnya pada data karena berfungsi sebagai pembeda saja.
Berikut pembagian dari jenis dari data kategorikal:

Nominal
Data nominal merupakan sebuah data diskrit yang tidak memiliki keterkaitan dengan data lainnya dan tidak
memiliki arti khusus. Sehingga data ini hanya dapat dibedakan tanpa bisa diurutkan ataupun dibandingkan
dengan data lainnya. Sebagai contoh adalah jenis kelamin, pekerjaan, atau semacamnya. Nah, berikut akan
dijelaskan ciri-ciri data nominal untuk mempermudah memahami konsepnya.

 Merupakan hasil hitungan dan tidak ditemui dalam bentuk pecahan.

 Angka yang tertera hanya simbol saja untuk memberikan label tanpa memiliki urutan tertentu.
 Tidak memiliki ukuran yang baku, sehingga pelabelan dapat dilakukan dalam bentuk angka, simbol, huruf atau
lainnya.
 Tidak memiliki nilai nol mutlak.

Ordinal
Data ordinal adalah bilangan bulat diskrit yang memiliki urutan tertentu atau peringkat (ranking). Ciri dari data
ini adalah jarak antara urutan data tidak diketahui atau tidak sama. Misalnya, pelari yang mencapai garis finish
pertama menempuh waktu 15.00 menit, pelari kedua menempuh 30.10 menit, sedangkan pelari ketiga 35.04
menit. Dengan artian jarak waktu tempuh antara juara pertama dan kedua berbeda dengan jarak juara kedua
dan ketiga.

Data ordinal bukan hanya mengkategorikan variabel dari perbedaan data kualitatif antara kategori satu
dengan yang lainnya, tetapi juga mengurutkan kategori yang ada berdasarkan cara tertentu.

Data Terstruktur vs Data Tidak Terstruktur

Pernah mendengar istilah Big Data sebelumnya? Pasti dalam kumpulan data yang besar di dalamnya terdapat
berbagai macam jenis atau variasi data. Variasi data biasanya bisa dilihat dari struktur data ataupun format
berkas yang didapatkan. Nah, setelah kita mengetahui tentang jenis data seperti kualitatif dan kuantitatif,
selanjutnya kita akan belajar tentang data terstruktur dan data tidak terstruktur. 

Perbedaan yang mendasar di antara keduanya adalah data terstruktur sangat terorganisir dan disusun
sedemikian rupa sehingga mudah dicari dalam database relasional. Sementara data yang tidak terstruktur
tidak memiliki format atau organisasi yang ditentukan sebelumnya. Akibatnya mengumpulkan, memproses,
dan menganalisa data jadi jauh lebih sulit.

Data Terstruktur
Pernahkah Anda melihat data dalam sebuah pengolah angka? Biasanya data tersebut tersaji dalam bentuk
baris dan kolom serta memiliki nilai di dalamnya. Salah satu contohnya adalah kartu stok atau data penjualan
di supermarket digambarkan dalam bentuk tabel berisi nama barang, stok barang, tanggal penjualan, dan
sebagainya. 

Data terstruktur tersusun dengan rapi dan mudah dipahami oleh bahasa mesin. Sehingga orang yang bekerja
dalam basis data relasional dapat memasukkan, mencari, dan memanipulasi data terstruktur dengan lebih
cepat. Inilah yang termasuk kelebihan dari data terstruktur.

Data Tidak Terstruktur

Berbeda dengan data terstruktur, data tidak terstruktur lebih beragam jenisnya dan tidak memiliki struktur
khusus contohnya seperti data dalam bentuk teks, audio, video, data dari sosial media, dan lainnya. Mesin
juga dapat menghasilkan data tidak terstruktur juga, lho. Sehingga perlu pengolahan data dan analisis lebih
lanjut untuk dapat dipahami. Salah satu contohnya adalah citra satelit yang menghasilkan data cuaca. 

Pasti selama ini kita hanya mengetahui hasil dari prakiraan cuaca seperti mendung, hujan dan panas. Namun
dibalik itu data yang dikirimkan dari satelit pastinya berupa data tidak beraturan sehingga perlu pemrosesan
khusus terlebih dahulu.

Data Semi Terstruktur

Data semi terstruktur merupakan penggabungan antara data terstruktur dan tidak terstruktur. Mengapa
demikian? Data semi terstruktur memiliki informasi yang tidak berada di basis data relasional atau tabel data
lainnya, namun tersusun dengan rapi sehingga membuatnya lebih mudah untuk dianalisis. Biasanya data
semi terstruktur dipisahkan dengan tanda hubung tertentu seperti koma, titik koma, dan lainnya bergantung
pada aturan penulisan dari data tersebut. Contoh dari data semi terstruktur adalah XML dan JSON. 

Dari sini kita dapat menyimpulkan bahwa terdapat data yang bisa dibaca oleh manusia dengan mudah dan
sebaliknya, ada pula data yang membingungkan karena hanya mampu terbaca oleh mesin atau komputer.
Contoh data sederhana untuk manusia seperti sebuah bola tenis berwarna kuning dalam keadaan baru
tersebut berjumlah 3 buah. Kita bisa memahami data tersebut dengan mudah. Namun, apabila kalimat
tersebut diberikan pada komputer maka pemrosesan sulit dilakukan. Sehingga apabila ingin diproses dalam
komputer perlu pemisahan berdasarkan kategori masing-masing mulai dari nama objek, kondisi, warna,
jumlah dengan masing-masing diberi nilai sesuai keterangan yang ada.

1. {

2.   "object_name" : "Bola_Tenis",

3.   "condition" : "New",

4.   "color" : "Yellow",

5.   "quantity" : 3

6. }
Apa itu Visualisasi Data?

Pernah mendengar istilah Visualisasi Data? 

Bayangkan  kisah seorang raja yang terlampau sibuk. Pada suatu hari ia mendapat informasi bahwa sebuah
kerajaan nan jauh di sana berencana untuk menyerang istana. 

Sang raja pun memikirkan langkah apa yang harus ia ambil. Ia menugasi perdana menteri untuk bantu
menyusun strategi perang. Raja memberikan waktu dua hari untuk menyiapkan semua itu untuk kembali
dilaporkan ke raja. Karena perdana menteri mengetahui betul sang raja sangat sibuk, dan mudah bosan
karena itu perdana menteri punya cara menarik untuk memaparkan strategi perangnya, yakni menggunakan
visualisasi data.

Semua data digambarkan dengan tampilan visual yang efektif dan kebutuhan perang tersaji dengan data
dalam bentuk grafik yang menarik. Raja pun tertarik dan mudah memahaminya.

Bayangkan jika perdana menteri datang dengan membawa setumpuk kertas berisi tulisan tanpa ada
visualisasi yang jelas? Dari ilustrasi ini kita punya sedikit gambaran bahwa visualisasi data dapat membuat
sebuah data tersampaikan dengan baik dan membuat pembacanya lebih tertarik.

Nah lalu apa sebenarnya visualisasi data itu? Visualisasi data merupakan cara mengomunikasikan sebuah
informasi atau data dalam bentuk visual seperti diagram, grafik, atau representasi visual lainnya. Dalam
kehidupan sehari-hari kita kerap bersentuhan dengan sudah melihat visualisasi data. Speedometer, simbol
bensin di mobil, dan tampilan kecepatan di dalam mobil, contohnya.

Mengapa Menggunakan Visualisasi Data?

“Un bon croquis vaut mieux qu’un long discours” (Napoleon, Kaisar Perancis)

“Sketsa yang bagus lebih baik daripada pidato yang panjang”

Sketsa yang dimaksud ibarat data yang kita visualisasikan dengan baik sehingga bisa dipahami banyak orang.
Mungkin ia lebih baik daripada tabel ribuan baris dan kolom. Di sini jelas bahwa visualisasi data diperlukan
supaya penyampaian informasi jauh lebih efektif. 

Apa saja pentingnya penggunaan visualisasi data? Kita simak penjelasannya berikut ini.

Komunikasi lebih efektif

Let’s say Anda ditugasi mempresentasikan hasil keuntungan perusahaan dalam sebuah rapat tahunan. Jika
Anda dapat memposisikan diri seolah sebagai Storyteller, pasti Anda selalu berusaha untuk menyampaikan
data Anda dengan cara yang menarik seolah sedang bercerita sehingga audiens tertarik mengikuti alurnya.
Apalagi jika Anda hanya punya beberapa menit presentasi.

Bagaimana jika Anda presentasi dengan grafik yang menarik, simple, dan detail? Presentasi Anda akan terus
diingat, bahkan setelah rapat tersebut. Pada dasarnya setiap orang ingin menangkap sebuah informasi
dengan mudah, jelas, dan cepat tanpa menghilangkan poin penting dari informasi tersebut. Maka dari itu
visualisasi data sangat penting diterapkan dalam kehidupan sehari-hari.

Memantau data dengan lebih mudah

Apa yang Anda lakukan apabila ingin memantau pengeluaran mingguan dalam sebulan? Hal yang kerap kita
lakukan adalah mencatat semua pengeluaran dalam bentuk teks. Misal pengeluaran di minggu pertama dan
berikutnya untuk kebutuhan konsumsi, belanja, ataupun lainnya Anda jumlahkan sehingga menghasilkan
sebuah nilai, misalnya Rp. 500.000. Berikut ini visualisasinya dalam bentuk tabel di bawah ini:

Minggu ke-1 Minggu ke-2 Minggu ke-3 Minggu ke-4

Januari Rp500,000 Rp300,000 Rp700,000 Rp1,000,000

Dari tabel di atas dapat dilihat bahwa pengeluaran terbesar ada di minggu ke-4. Sekilas kita dapat melihat
perbandingannya dengan mudah karena data yang dihasilkan masih sedikit. Setelah enam bulan kemudian,
tiba-tiba Anda ingin melihat perbandingan pengeluaran setiap minggunya dalam sebulan. Catatan
pengeluaran setelah 6 bulan seperti di bawah ini:

Minggu ke-1 Minggu ke-2 Minggu ke-3 Minggu ke-4

Januari Rp500,000 Rp300,000 Rp700,000 Rp1,000,000

Februari Rp400,000 Rp500,000 Rp300,000 Rp800,000
Maret Rp600,000 Rp500,000 Rp500,000 Rp900,000
April Rp200,000 Rp300,000 Rp500,000 Rp800,000
Mei Rp500,000 Rp800,000 Rp900,000 Rp1,000,000
Juni Rp400,000 Rp350,000 Rp900,000 Rp800,000

Cek tabel tersebut dan tentukan minggu dan bulan manakah yang jumlah pengeluarannya terbesar? Cukup
sulit, bukan? Coba Anda bandingkan dengan contoh diagram berikut:
Diagram tersebut menunjukkan bahwa pengeluaran terbesar ada di minggu ke-4 bulan Januari dan Mei.
Sedangkan terendah ada di minggu ke-I April. Analisa jadi lebih mudah dengan visualisasi data, bukan?

Di atas hanyalah sebuah contoh sederhana. Bayangkan bagaimana untuk data besar seperti sensus
penduduk. Pastinya visualisasi data sangat dibutuhkan untuk mempermudah kita membaca dan menganalisis
data.
Media Visualisasi Data
Tahukah Anda macam-macam media yang digunakan dalam visualisasi data? Berikut penjelasannya: 

Tabel
Ketika Anda menyusun data Anda ke dalam sebuah baris dan kolom, Selamat! Anda berhasil membuat
sebuah tabel. Tabel merupakan salah satu media visualisasi data yang sederhana dan sering kita temukan.
Data dalam tabel biasanya dikategorikan dalam baris atau kolom tertentu yang kemudian dapat diurutkan
dengan mudah misal diurutkan secara menaik (Ascending) atau menurun (Descending). Hal tersebut
memudahkan kita untuk menyusun data sesuai dengan perintah yang diinginkan. Bayangkan Anda memiliki
data buah-buahan seperti, apel (50 buah), jambu (35 buah), melon (40 buah), semangka (10 buah), mangga
(25 buah), dan jeruk (100 buah). Bagaimana Anda mencatatnya supaya lebih mudah dibaca? Salah satu
caranya Anda bisa membuat tabel seperti berikut:

Nama Buah Jumlah

Apel 50
Jambu 35
Melon 40
Semangka 10
Mangga 25
Jeruk 100
TOTAL 260

Setelah diurutkan secara ascending berdasarkan nama buah sebagai berikut:

Nama Buah Jumlah

Apel 50
Jambu 35
Jeruk 100
Mangga 25
Melon 40
Semangka 10
TOTAL 260

Dari tabel di atas, Anda dapat membaca data buah-buahan dengan lebih efektif dan mengetahui jumlah total
buah. Dari data tersebut kita juga dapat mengurutkan dari jumlah buah yang paling banyak, paling sedikit,
atau mengurutkan nama buah berdasarkan abjad.

Terdapat beberapa aturan dasar dalam penulisan tabel yaitu sebagai berikut:

 Penulisan judul
Dalam menulis judul pastikan sudah mencakup isi dari tabel kita. Usahakan menggunakan font yang
jelas dan mudah dibaca. Pembaca jadi paham tabel apa yang tersaji.  
 Simpel
Simplicity is a must. Jangan terlalu berlebihan dalam mendesain sebuah tabel. Akibatnya pembaca
tidak fokus pada data yang disajikan. Penulisan variabel di dalamnya juga singkat saja.  
 Penjelasan Simbol
Apabila dalam tabel Anda terdapat simbol atau istilah tertentu Anda dapat menjelaskannya pada
catatan kaki tabel tersebut.
 Penekanan
Penekanan yang dimaksud adalah cara kita memfokuskan perhatian pembaca pada pokok data. Misal,
dalam penulisan tabel di atas, nama buah menggunakan warna background biru supaya pembaca bisa
mudah membedakan nama buah dan jumlah buah. Jika  data Anda dalam kategori yang sama dan
dapat dijumlahkan, maka Anda dapat menyertakan total di akhir datanya seperti contoh tabel di atas.
 Sumber Tabel
Apabila tabel yang Anda sajikan bukan milik Anda, maka sertakan sumber di catatan kaki tabel
tersebut.
Diagram
Sering kali kita mendengar kata Diagram. Sebenarnya apa itu diagram? Diagram merupakan sebuah
representasi data yang digambarkan dalam bentuk grafik. Jika Anda memiliki sebuah data dan ingin
diproyeksikan dalam bentuk diagram, berikut beberapa tipe diagram yang bisa Anda gunakan.

Diagram Batang
Pernah membuat diagram batang sebelumnya? Diagram batang merupakan salah satu jenis grafik yang
hampir sering kita jumpai dalam visualisasi data. Sebabnya, ia dapat menunjukkan perbandingan angka pada
kategori tertentu. Jumlah elemen batang dari diagram ini sebaiknya tidak terlalu banyak supaya label dari data
tersebut masih bisa terbaca atau tidak terpotong. Sumbu X pada diagram batang menunjukkan kategori data
sedangkan sumbu Y menunjukkan skala nilai dari data dalam satuan ukuran tertentu. Pastikan pada sumbu Y
nilai awalnya adalah 0 supaya diagram Anda terlihat akurat dan mengurangi kesalahpahaman dalam
mengartikan data.

Selain itu, perhatikan pula penulisan label diagram. Hindari penulisan label secara vertikal maupun diagonal
supaya tidak menyulitkan pembaca dalam memahami label tersebut. Warna juga penting dalam penyajian
data diagram. Usahakan menggunakan warna yang konsisten supaya mudah dipahami. Berikut contoh dari
diagram batang yang sudah Anda lihat di penjelasan sebelumnya.

Diagram Garis
Diagram garis biasanya menyajikan perubahan data dalam periode waktu tertentu. Secara umum, diagram
garis digunakan untuk melihat perkembangan data tertentu yang berlangsung secara terus menerus atau
berkelanjutan. Contoh dari data yang bisa digambarkan dalam diagram garis seperti, perkembangan jumlah
penduduk selama 10 tahun terakhir, pertumbuhan ekonomi Indonesia dari tahun 2000 sampai 2019, dan
lainnya. Dalam proses penggambaran diagram garis diperlukan sumbu mendatar atau X dan sumbu tegak
atau Y. Masing-masing sumbu memiliki fungsinya sendiri-sendiri. Sumbu X berfungsi untuk menunjukkan
interval waktu sedangkan sumbu Y menunjukkan kuantitas atau nilai dari data tersebut seperti total penjualan,
biaya yang dikeluarkan, jumlah pendapatan, dan lain sebagainya. 

Kemudian, buat tanda titik koordinat yang menunjukkan nilai data berdasarkan waktunya. Setelah semua data
ditandai dengan titik koordinat, maka selanjutnya buatlah garis yang menghubungkan titik-titik tersebut. Dari
penarikan garis tersebut kita bisa melihat pola perkembangan datanya cenderung naik, stabil, atau menurun. 

Bayangkan Anda memiliki sebuah toko sepeda dan ingin melihat perkembangan penjualan tahun 2019 yang
lalu. Anda memiliki tabel seperti berikut:

Bulan Jumlah

Januari 150
Februari 130
Maret 180
April 190
Mei 250
Juni 200
 Bulan Jumlah

Juli 230
Agustus 250
September 280
Oktober 290
November 300
Desember 350
Total 2800

Untuk mempermudah melihat perkembangan data, maka Anda dapat membuat data dalam tabel tersebut
menjadi sebuah diagram garis berikut ini:

Dari data tersebut dapat dilihat tren penjualan sepeda pada toko Anda cenderung naik pada tahun 2019.
Walaupun pada bulan Januari sampai Juni sedikit tidak stabil karena terjadi kenaikan dan penurunan, namun
pada bulan Juni sampai Desember penjualan cenderung naik. Nah, data diagram garis tersebut lebih mudah
dibaca, bukan?

Diagram Lingkaran
Apakah Anda pernah membuat diagram lingkaran sebelumnya? Diagram lingkaran mirip seperti sebuah pizza
yang diiris dengan porsi tertentu. Pada konteks data, irisan pizza tersebut menggambarkan persentase data
nilai atau kuantitas. Ada irisan yang besar dan ada yang kecil semuanya bergantung pada data yang
ditampilkan. Apabila irisan tersebut dijumlahkan nilainya, maka seharusnya akan menghasilkan 100 persen
atau 360 derajat. 

Diagram lingkaran biasanya sering digunakan oleh perusahaan atau dunia pendidikan untuk
merepresentasikan data. Diagram lingkaran tidak hanya menunjukkan jumlah relatif dari kuantitas suatu data
satu sama lain, namun dapat menunjukkan keseluruhan data dan kuantitas sebuah kategori data itu sendiri
relatif vis a vis atau berhubungan dengan keseluruhan data yang ada. Untuk memperjelas pemahaman
tentang diagram lingkaran, berikut terdapat contoh survei terhadap siswa yang memiliki hobi sepak bola,
basket, dan bulu tangkis untuk pelatihan menghadapi lomba tingkat kecamatan.

Hobi Jumlah
Sepak Bola 17
Basket 3
Bulu Tangkis 5
Lainnya 10
Total Siswa 35

Apabila data tabel di atas digambarkan dengan diagram lingkaran, ini hasilnya:

Dari 35 siswa dalam satu kelas, sepak bola paling digemari dibandingkan dengan  hobi lainnya. Hampir
separuh  dari total siswa menyukainya. Basket dan bulu tangkis masing-masing sebanyak 8,6% dan 14,3%.
Sedangkan 28,6% atau sama dengan 10 orang siswa lainnya memiliki hobi lainnya seperti bermain musik,
jalan-jalan, dan membaca novel. Nah, bagaimana caranya menjadikan jumlah data tersebut dalam bentuk
persen? Ada rumusnya, lho. Berikut ini perhitungan rumus diagram lingkaran dalam bentuk persen dan
derajat.

Dalam bentuk Persen

(Jumlah data dalam kategori tertentu / Total data keseluruhan) X 100

Dalam bentuk Derajat

(Jumlah data dalam kategori tertentu / Total data keseluruhan) X 360

Dalam proses pembuatan diagram lingkaran terdapat beberapa aturan-aturan dasar yang perlu diperhatikan.
Sama seperti diagram garis dan batang, pastikan terdapat judul pada diagram lingkaran yang Anda buat.
Apabila Anda membuat diagram lingkaran dalam satuan persen maka pastikan jumlah total datanya adalah
100%, sedangkan untuk satuan derajat totalnya adalah 360 derajat. Kemudian penulisan label juga penting
untuk penanda dari suatu data, bisa menunjukkan kategori data, nilai, ataupun keduanya. Selanjutnya buat
setiap warna irisannya berbeda untuk membedakan datanya. Yang paling penting, usahakan data yang Anda
gambarkan dalam diagram maksimal 5 irisan supaya tidak menyulitkan pembaca. Selain itu juga tidak
menimbulkan bias antara data satu dengan yang lainnya.

Referensi pendukung lainnya: [Link]

Visualisasi Data dalam Bisnis
Dalam kehidupan sehari-hari visualisasi data sering kita gunakan, baik di bidang kesehatan, pendidikan, dan
lain sebagainya. Bagaimana kalau di bidang bisnis? Pernahkah Anda membayangkan berapa banyak data
yang dimiliki perusahaan besar? 

Visualisasi data pasti tidak lepas dari bidang bisnis karena terdapat banyak informasi yang beragam dan
kompleks. Dalam bidang bisnis, kita harus bisa menyampaikan data secara benar dan tepat untuk
menghindari kesalahan analisis di masa mendatang. Berikut tipe visualisasi data yang dapat diterapkan dalam
bidang bisnis.

Dashboard

Dashboard merupakan kumpulan dari berbagai visualisasi yang berbeda yang menggabungkan dan
merangkum informasi atau data bisnis. Sebelum mendesain sebuah dashboard, Anda harus menentukan
terlebih dahulu apa saja yang ingin Anda ceritakan dalam dashboard itu. Saat kerangka dashboard sudah
dibuat, Anda dapat mengisinya dengan berbagai visualisasi yang relevan seperti diagram garis, batang,
lingkaran, dan berbagai metode visualisasi lainnya. Biasanya terdapat kombinasi empat visualisasi data yang
saling berhubungan satu sama lain. 
Scorecard

Scorecard merupakan tipe lainnya dalam visualisasi di bidang bisnis. Berbeda dengan dashboard yang
terdapat banyak visualisasi di dalamnya, scorecard lebih fokus pada sebuah target tertentu. Visualisasinya
berupa  jumlah pendapatan, kepuasan pelanggan, dan hal lainnya yang dapat dibandingkan dengan target
yang telah ditentukan. Scorecard juga biasanya disajikan dalam salah satu komponen dashboard. Scorecard
menggambarkan tentang Key Performance Indicators (KPI) yang lebih disederhanakan untuk dapat
memantau kemajuan progres.
Analytic Report

Analytic report atau laporan yang berisi analisis yang digunakan untuk menentukan keputusan. Jenis laporan
ini menggunakan data kualitatif dan kuantitatif untuk menganalisis dan mengevaluasi ide dari suatu bisnis.
Analytic report memberikan keuntungan untuk pembaca karena memberi  pemahaman yang mudah dipahami.
Selain itu hanya dengan membaca sekilas saja. pembaca juga dapat memahami data dalam jumlah yang
banyak. 

Analytic report juga menerapkan langkah-langkah umum seperti mengidentifikasi masalah, menentukan
metode yang tepat, analisis data, dan mendapatkan solusi terbaik dari masalah yang dihadapi.
Reports

Report merupakan bagian dari visualisasi data dalam bisnis yang memuat semua ringkasan dari apa yang
terjadi di perusahaan dalam waktu tertentu. Inti dari report adalah apa yang Anda lakukan untuk mendapatkan
dan memahami hal yang sedang terjadi dari suatu perusahaan dengan secepat mungkin.
Tools dalam Visualisasi Data
Dalam membuat visualisasi data kita juga terbantu dengan perangkat lunak atau tools tertentu. Berikut tools
gratis yang dapat Anda gunakan untuk mulai belajar tentang visualisasi data.

Tableau Public

Tableau Public merupakan sebuah layanan gratis yang memungkinkan siapa saja dapat mempublikasikan
visualisasi data ke dalam web. Visualisasi yang telah dipublikasikan ke Tableau Public ("vizzes") dapat
diletakkan dalam halaman web dan blog, dibagikan ke sosial media, dan juga dapat juga diunduh oleh
pengguna lainnya. Untuk proses pembuatan visualisasi datanya sendiri menggunakan aplikasi terpisah
bernama Tableau Desktop Public Edition. Ingin tahu hal yang menarik dari Tableau Desktop Public ini? Ya,
Anda dapat menggunakan aplikasi ini tanpa memerlukan keahlian dalam bidang pemrograman. Keren,
bukan? Untuk mengunduh aplikasi Tableau Public dapat klik di sini, ya.

Google Sheets

Sudah pernah
menggunakan Google Sheets sebelumnya? Anda tidak harus melakukan instalasi aplikasi spreadsheet di
laptop Anda, karena dalam Google Spreadsheet semuanya tersedia online. Google Sheets menawarkan
kumpulan fitur dan fungsi standar spreadsheet application seperti yang ada di Microsoft Excel. Tentunya pada
Google Sheets dapat membuat visualisasi sederhana dari data yang kita buat baik dalam bentuk diagram
batang, diagram garis, maupun diagram lingkaran.
Microsoft Excel

Pasti Anda familiar dengan Microsoft Excel, bukan? Sebuah aplikasi spreadsheet buatan Microsoft yang
memuat banyak fitur powerful. Microsoft Excel menggunakan spreadsheet yang terdiri dari baris dan kolom
untuk manajemen data serta melakukan perhitungan fungsi yang lebih akrab disebut formula. Selain
melakukan perhitungan angka yang bersifat numerik, Excel juga dapat membuat visualisasi data sederhana
ke dalam bentuk grafik seperti diagram garis, batang, lingkaran, dan lain-lain.
Konteks Data
Data bisa dikatakan sebagai abstraksi dari kehidupan nyata, dan Anda tahu kehidupan di dunia nyata itu
rumit. Begitu pula data, data yang banyak akan terlihat rumit dan sulit dipahami. Namun, apabila Anda
menemukan konteks dari data tersebut setidaknya Anda dapat menemukan sebuah cara yang solid untuk
memahaminya. Maka dari itu apabila kita memiliki data tanpa memahami konteks, bisa saja data tersebut
tidak bisa tersampaikan dengan baik. 

Penting untuk mengetahui audiens untuk menentukan bagaimana cara Anda menyampaikan data.
Selanjutnya Anda juga harus bertanya pada diri Anda sendiri, Apakah mereka perlu tahu dan apakah Anda
ingin mereka tahu? Hal ini harus bisa Anda jawab terlebih dahulu sebelum menyampaikan data kepada
audiens. Apabila pertanyaan tersebut belum terjawab, maka bisa saja Anda masih tetap menyampaikan hal-
hal yang menurut mereka tidak perlu dan menjadi kurang relevan. Tetapi harus dalam batas wajar dan tidak
berlebihan, sehingga penyampaian Anda mudah diterima.

Misal, Anda tahu audiens yang hadir adalah data analyst dan memiliki pengalaman di bidang pengolahan
data, maka tidak mungkin Anda menyampaikan informasi kepada mereka sama halnya seperti dengan
pengusaha. Sehingga Anda perlu menentukan gaya bahasa Anda dalam menyampaikan informasi.

Pertanyaan penting yang juga harus ditanyakan ke diri sendiri adalah, Bagaimana saya bisa menentukan poin
penting dan membuat data tersampaikan secara efektif? Bayangkan data Anda berupa kanvas, dan Anda
sebagai seorang pelukis. Anda sebagai seorang pelukis telah memiliki sebuah kanvas. Apa pun yang akan
Anda lukis pada kanvas itulah yang akan dilihat oleh orang lain. Lalu, sebagai seorang pelukis, Anda memiliki
beberapa pertanyaan ke diri Anda sendiri, 

 Untuk siapa lukisan ini dibuat?

 Apa yang ingin Anda lukis?
 Bagaimana cara saya melukiskannya?

Poin-poin pertanyaan di atas, apabila dilakukan oleh seorang Data Analyst menjadi seperti berikut:

 Kepada siapa data ini akan saya disampaikan?

 Data apa yang ingin saya sampaikan?
 Bagaimana cara saya menyampaikan data tersebut?

Kepada siapa data ini akan disampaikan?

Sebelum menyampaikan sebuah data, kita harus mengetahui dulu siapa audiens yang akan kita hadapi. Hal
ini penting untuk membuat proses penyampaian data lebih efektif dan bisa diterima oleh audiens. Anda harus
bisa membedakan penyampaian data antara audiens umum dan yang sudah profesional. Apabila audiens
umum bukan berarti kita bisa mengartikan semuanya masih pemula. Bisa saja di antara mereka ada salah
satu audiens profesional, maka dari itu kita harus mengambil titik tengah dalam hal penyampaian data yaitu
dengan penyampaian yang mudah dipahami namun tidak mengurangi detail dari data. Lain ceritanya jika kita
membawakan data kita dengan audiens yang rata-rata sudah profesional. Maka harus benar-benar
diperhatikan setiap detail dari data yang kita bawakan karena pasti audiens lebih kritis dalam memahami apa
yang kita sampaikan.

Data apa yang ingin saya sampaikan?

Supaya data Anda relevan dengan audiens, Anda harus menyaring terlebih dahulu data yang Anda miliki. Hal
ini untuk membuat audiens menentukan langkah selanjutnya seperti apa yang harus dilakukan audiens
setelah mengetahui data yang kita sampaikan. Misal, Anda diminta untuk mempresentasikan data tentang
perkembangan penjualan perusahaan dalam setahun terakhir dalam sebuah rapat, maka Anda dapat
mengumpulkan data mulai dari jumlah pemasukan dan pengeluaran perusahaan, perbandingan dengan tahun
sebelumnya, total produksi barang, berapa produk yang terjual dan lain sebagainya. Sehingga audiens yang
ada dalam rapat tersebut mengambil keputusan untuk lebih gencar dalam memperbanyak produksi barang
karena permintaan pasar cenderung naik.
Bagaimana cara menyampaikan data tersebut?
Metode penyampaian juga perlu diperhatikan. Misal, terdapat kondisi di mana sebagian besar audiens
terbiasa dengan data dalam bentuk angka-angka saja. Maka, kita dapat menggunakan metode seolah kita
sedang bercerita dengan berdasar pada data yang kita sampaikan. Sehingga cara kita membawakan data
tidak seperti membaca karena audiens sudah melihat visualisasi data yang ada di layar. Tugas kita sebagai
presenter yang membawakan data tersebut adalah memperjelas setiap bagian dengan bumbu cerita pada
beberapa elemen data yang ada. Misal, penjualan novel dengan judul A pada bulan Juni 2019 meningkat
sebanyak 25% dibanding bulan sebelumnya. Nah, di sini Anda jangan terlalu datar dengan menyampaikan
jumlah peningkatannya saja. Namun, Anda dapat bercerita tentang apa yang melatarbelakangi peningkatan
tersebut. Misal kita membawakan dengan narasi sebagai berikut:

Film A yang ditayangkan bulan Februari 2019 lalu mengundang antusias yang tinggi bagi penonton film tanah
air. Bahkan beberapa sumber mengatakan jutaan tiket bioskop ludes terjual dalam waktu sehari saja dari total
keseluruhan penonton di Indonesia. Hal tersebut dikarenakan film A merupakan adaptasi novel yang dapat
mempengaruhi penjualan. Sehingga pada bulan Juni penjualannya meningkat sebanyak 25% dibanding bulan
sebelumnya.
Dasar Matematika dan Statistika
Sebelumnya kita telah mempelajari pengenalan dan visualisasi yang erat hubungannya dengan perhitungan
dan angka. Hal tersebut erat kaitannya dengan matematika dan statistika. Pernah mempelajari statistika
sebelumnya? Jika sudah maka Anda dapat membaca kembali sembari menyegarkan ingatan Anda. Namun,
bagi Anda yang baru mempelajari statistika, jangan khawatir. Kami akan membawakan materi ini secara
ringan dan mudah diikuti.

Statistik vs Statistika
Tahukah Anda perbedaan antara statistik dan statistika? Statistik merupakan kumpulan hasil pengolahan data
baik berupa angka maupun non-angka yang digambarkan dalam bentuk tabel, diagram, ataupun lainnya.
Statistik dibuat dengan tujuan untuk memudahkan dalam membaca atau menginterpretasikan suatu data yang
akan digunakan. 

Sedangkan statistika merupakan sebuah ilmu yang mempelajari tentang cara cara mengumpulkan, mengolah,
menganalisis, menginterpretasi, dan mempresentasikan suatu data. Statistika dapat memudahkan kita
mendapat gambaran data yang sudah dianalisis sehingga memperoleh suatu kesimpulan tertentu.

Berbicara mengenai statistik, apakah setiap data sampel yang diambil dari populasi tertentu dapat mewakili
kebenaran data itu sendiri? Seberapa akuratkah data sampel tersebut dalam mewakili populasi yang ada?
Seberapa besar tingkat kepercayaan Anda terhadap data-data angka tersebut? Nah, kita mengetahui sebuah
ketidakpastian dan mencoba membuat perkiraan atau estimasi yang mendekati kebenaran berdasarkan
perhitungan yang ada. Dengan kata lain otak kita akan lebih mudah menangkap data yang sudah diringkas
dari yang awalnya beragam menjadi beberapa angka.

Misal, Lebih dari 590 juta orang tinggal di 12 negara Asia Tenggara. Jika kita ingin membandingkan
pendapatan setiap negara, pastinya tidak masuk akal apabila kita membandingkannya satu per satu seperti
negara A dan negara B saja. Maka dari itu kita dapat membandingkan pendapatan suatu negara
menggunakan rata-rata. Hal tersebut merupakan salah satu abstraksi yang sangat membantu. Namun, Anda
berpendapat bahwa mendeskripsikan seluruh kumpulan data menggunakan satu angka saja, misal seperti
rata-rata seringkali menghasilkan angka yang tidak akurat atau bisa saja tidak sesuai kenyataan. Hal tersebut
terjadi karena kita tidak mengetahui range atau rentang data yang dihasilkan. Bisa jadi dalam suatu negara
penduduk yang berpendapatan rendah berbeda jauh dengan penduduk yang berpendapatan tinggi. Dan poin
tersebut penting diketahui untuk meminimalkan ketidakakuratan data. Maka dari itu kita perlu mendeskripsikan
beberapa angka yang dapat menggambarkan data sebenarnya dengan tepat dan mudah dipahami.
Rata-Rata Statistik
Rata-rata statistik merupakan konsep paling sederhana yang paling umum digunakan. Tujuan dari
penggunaan rata-rata adalah mendapatkan nilai tengah dari suatu kumpulan data. Berikut empat jenis rata-
rata statistik yang dapat diterapkan:

Mean
Mean atau sering kita kenal dengan nilai rata-rata mengacu pada nilai yang dalam statistik kita sebut dengan
rata-rata aritmatika atau arithmetic mean. Masih ingat cara menghitung rata-rata? Dalam menghitung rata-rata
kita mulai dengan menjumlahkan semua elemen data yang ada. Selanjutnya hasil penjumlahan tersebut kita
bagi dengan total elemen yang ada. Misalnya kita mempunyai data sebagai berikut:

Pada sebuah ulangan matematika, nilai yang didapatkan oleh 10 siswa sebagai berikut:

1. 65,70,75,70,80,60,80,90,70,65

Berapa rata-rata (arithmetic mean) nilai ulangan matematika dari 10 siswa tersebut?

Apabila kita menggunakan cara perhitungan seperti yang sudah dijelaskan sebelumnya, maka rumusnya
seperti berikut:

Nah, dari perhitungan di atas kita dapat mengetahui bahwa nilai rata-rata ulangan matematika dari 10 siswa
tersebut adalah 72,5.

Contoh di atas disebut dengan rata-rata aritmatika. Lebih lanjut, terdapat jenis perhitungan rata-rata lainnya
seperti rata-rata harmonik (harmonic mean), rata-rata ukur (geometric mean), rata-rata tertimbang (weighted
mean), dan rata-rata terpangkas (trimmed mean). Jangan pusing dulu, ya. Mari kita bahas satu per satu.

Rata-rata Harmonik
Rata-rata harmonik bisa dikatakan sebagai kebalikan dari rata-rata aritmatika. Kenapa demikian? Karena
jumlah data dibagi dengan pecahan data ke-i dengan pembilang 1 (1/xi). Apabila dituliskan dalam rumus
matematika menjadi sebagai berikut:
Diketahui bahwa:

H = rata-rata harmonik

n = banyak data

xi = nilai data ke-i

Untuk memperjelas rumus di atas, berikut terdapat contoh beberapa angka:

2,3,5,6,6
Dari angka di atas apabila ingin didapatkan rata-rata harmoniknya maka penerapannya dengan rumus
sebagai berikut:

Rata-rata ukur (Geometric Mean)

Rata-rata yang didapatkan dengan cara mengalikan semua data yang ada dalam suatu kelompok atau
sampel. Kemudian data tersebut diakar pangkat dengan jumlah sampel yang ada. Karena menggunakan akar
pangkat, apabila terdapat data yang memiliki nilai negatif maka perhitungan dengan rata-rata ukur (geometric
mean) tidak bisa digunakan. Berikut rumus untuk menghitung rata-rata geometrik. 

Metode pertama:
Diketahui bahwa:

G = rata-rata geometrik

x1...xn = data ke-i

n = banyak data

Metode pertama di atas adalah rumus yang bisa digunakan dengan mudah dan efektif apabila jumlah datanya
tidak terlalu banyak. Namun, jika datanya sangat banyak mencapai puluhan, ratusan, atau lebih pasti akan
terasa sulit apabila menggunakan metode pertama tadi. Maka, terdapat cara kedua yaitu menggunakan
logaritma. Hitung log semua data terlebih dulu, kemudian lakukan perhitungan aritmatika seperti biasanya.
Lebih lengkapnya simak rumus berikut:

Metode logaritma

Diketahui bahwa:

Log (G) = rata-rata geometrik

xi = data ke-i

n = banyak data

Berikut contoh soal dari rata-rata ukur (geometric mean):

Hitunglah data di bawah ini dengan rata-rata ukur baik perhitungan biasa maupun logaritma.

3,4,6
Dihitung dengan perhitungan rata-rata ukur biasa seperti berikut:

Sedangkan apabila diukur dengan logaritma sebagai berikut:

Angka 10 pada 100.61911083214375616 merupakan default log yang berarti Log(10) = 1.

Sehingga dari data di atas dapat dilihat bahwa apabila datanya sederhana, lebih mudah dihitung dengan
metode biasa yang pertama. Namun apabila datanya kompleks lebih baik menggunakan metode logaritma.
Manapun pilihan Anda, hasilnya tetap sama.

Rata-rata tertimbang (Weighted Mean)

Pernah mendengar sebelumnya? Rata-rata tertimbang dihitung dengan memperhatikan bobot yang ada
dalam setiap datanya. Setiap bobot tersebut merupakan pasangan setiap dari data. Hal ini sangat berguna
ketika terdapat bobot tertentu pada suatu data yang bisa mempengaruhi data yang bersangkutan. Inilah
perbedaan utama yang membedakan dengan perhitungan rata-rata aritmatika. Apabila dituliskan dalam rumus
matematika sebagai berikut:

Diketahui bahwa:

x  = rata-rata tertimbang (weighted mean)

xi = nilai data ke-i

wi = bobot data ke-i

n = jumlah data

Sederhananya seperti ini, terdapat sebuah sekolah yang menerima pendaftaran siswa baru. Salah satu
penilaiannya adalah angka di rapor. Proses seleksi berfokus pada beberapa mata pelajaran tertentu dan
memiliki bobot masing-masing dalam penilaiannya seperti, Matematika memiliki bobot 40, IPA bobot nilainya
30, Bahasa Indonesia bobot nilainya 15, dan Bahasa Inggris bobot nilainya 15. Untuk dapat diterima di
sekolah tersebut, calon siswa setidaknya memiliki nilai raport rata-rata 70 berdasarkan bobot yang sudah
ditentukan. 

Nah, terdapat dua orang calon siswa, sebut saja Budi dan Toni yang memiliki nilai raport sebagai berikut:

Budi:

Matematika : 80
IPA : 75
Bahasa Indonesia : 70
Bahasa Inggris : 60

Toni:

Matematika : 60

IPA : 70

Bahasa Indonesia: 75

Bahasa Inggris: 85

Di antara kedua siswa di atas, siapa yang kira-kira berpotensi untuk lolos seleksi?

Apabila dihitung dengan rata-rata tertimbang sebagai berikut:

   
   

Belum selesai di sana, kita coba hitung rata-rata masing-masing dengan metode rata-rata aritmatika biasa.

Nah, apabila dilihat dari rata-rata tertimbang yang lolos seleksi adalah Budi. Namun, pada perhitungan rata-
rata aritmatika keduanya lolos seleksi. Kenapa hal itu bisa terjadi?

Dari hasil tersebut bisa kita ketahui bahwa nilai rata-rata tertimbang dan rata-rata aritmatika dari Budi masing-
masing (74) dan (71,5). Begitu pula dengan Toni rata-rata tertimbang dan aritmatikanya masing-masing (69)
dan (72,5). Rata-rata tertimbang Budi lebih besar dari Toni, Namun, rata-rata aritmatika Budi lebih kecil dari
Toni. 
Jika kita lihat kembali setiap nilai datanya, bisa kita ketahui bahwa rendahnya nilai rata-rata tertimbang Toni
disebabkan nilai matematikanya paling rendah di antara mata pelajaran lainnya. Padahal matematika memiliki
bobot penilaian yang paling besar. Sedangkan nilai Bahasa Inggris Toni paling tinggi, tetapi bobotnya paling
kecil. Alhasil, ini tak berpengaruh besar dalam meningkatkan rata-rata nilainya.

Rata-rata terpotong (Trimmed Mean)

Rata-rata terpotong bisa diartikan dengan memotong atau memangkas data berdasarkan posisi data dengan
nilai rata-rata. Misal, rata-rata terpotong sebanyak 5% berarti terdapat 5% nilai angka (setelah diurutkan dari
yang terkecil ke terbesar) yang berada pada ujung kiri data (awal) dan ujung kanan data (akhir) yang harus
dibuang. Dengan membuang nilai tersebut diharapkan dapat mengurangi outliers sehingga data yang
didapatkan lebih rapi. Apa itu outliers? Dalam ilmu statistika, outlier atau sering disebut “pencilan” merupakan
sebuah nilai angka yang berbeda atau menyimpang sangat jauh dari angka lainnya di dalam satu kelompok
data. Tujuan dari perhitungan rata-rata terpotong digunakan supaya data yang dihasilkan lebih akurat dan
konsisten.

Apabila ditulis dengan rumus sebagai berikut:

Diketahui dari rumus di atas bahwa:

Misal terdapat data sebagai berikut:

3,5,7,8,10,15,20,25,40,70
Berapa rata-rata terpotong sebanyak 30% dari data di atas?

Sebelum memasukkan data tersebut ke dalam rumus, kita cari dulu data yang harus dihapus atau dipotong.
Ibaratkan data yang terpotong dengan g, sehingga perhitungannya sebagai berikut.
Nah, dari perhitungan di atas kita mendapatkan nilai 3 yang berarti kita menghapus 3 data yang paling kanan
dan 3 data yang paling kiri.

Data sebelum dipotong = 3,5,7,8,10,15,20,25,40,70

Data yang dipotong sebanyak 30% = 3,5,7,8,10,15,20,25,40,70

Data yang dihasilkan = 8,10,15,20

Jadi, hasil rata-rata terpotong 30% dari data di atas adalah 13,25.
Median
Pasti Anda sudah pernah mendengar istilah median, bukan? Median merupakan nilai tengah dari suatu data
yang telah diurutkan terlebih dahulu mulai dari yang terkecil hingga terbesar. Dalam matematika, biasanya
Median dilambangkan sebagai Me dan dihitung dengan rumus seperti berikut:

Untuk penerapannya perhatikan contoh soal di bawah ini:

Contoh 1 - Median data ganjil

3,2,7,12,10

Berapakah nilai median dari data di atas?

Pertama, kita urutkan data di atas terlebih dahulu seperti berikut: 2,3,7,10,12.

Karena data di atas ada 5 (n=5) yang berarti ganjil, maka terapkan rumus median ganjil seperti berikut:

Median menghasilkan x3 yang berarti median data tersebut ada di urutan ke-3. Sehingga dari hasil
perhitungan di atas, median dari data di atas adalah 7.

Contoh 2 - Median data genap

3,2,7,12,10,3,5,12,15,8
Berapakah nilai median dari data di atas?

Sama seperti sebelumnya, kita urutkan dulu datanya menjadi 2,3,3,5,7,8,10,12,12,15

Karena data di atas berjumlah 10 (n=10) yang berarti genap, maka kita terapkan dengan rumus median genap
seperti berikut:

Dari perhitungan di atas didapatkan hasil x5 dan x6 yang berarti kita menjumlahkan elemen data diurutan ke-5
dan urutan ke-6 kemudian dibagi 2.

2,3,3,5,7,8,10,12,12,15

Sehingga nilai median dari data genap di atas adalah 7,5.

Modus
Modus merupakan nilai yang sering muncul dari suatu data. Tiada rumus tertentu guna mencari nilai modus
karena kita hanya perlu mengamati frekuensi data mana yang sering muncul. Dalam matematika, modus
biasanya dilambangkan dengan Mo.

Suatu data bisa jadi memiliki lebih dari satu modus. Apabila sebuah kumpulan data memiliki dua modus, ia
disebut bimodal. Sedangkan apabila memiliki lebih dari dua modus ia disebut multimodal. Tetapi ada juga data
yang tidak memiliki nilai yang sering muncul sehingga dikatakan data tersebut tidak memiliki modus.

Contoh 1:

Guru matematika mengadakan ulangan di kelas A dan mengambil hasil sampel nilai dari 5 siswanya sebagai
berikut.

80, 70, 75, 80, 80, 90

Tentukan modus dari hasil ulangan matematika dari 5 siswa tersebut!

Jawab:

Untuk menjawab pertanyaan di atas kita hanya memerlukan pengamatan saja tanpa rumus apa pun. Untuk
memudahkan kita dalam menemukan modus dari data di atas, kita urutkan terlebih dahulu sehingga hasilnya
menjadi seperti di bawah ini.

70, 75, 80, 80, 80, 90

Sehingga dari hasil pengamatan terlihat bahwa nilai 80 muncul sebanyak 3 kali. Jadi, secara otomatis bisa
dikatakan bahwa dari ulangan matematika di atas modusnya adalah 80.

Contoh 2:

Terdapat 10 orang yang sedang mengukur tinggi badannya dan menghasilkan data sebagai berikut.

160,153,155,170,165,154,165,160,157,174

Sama seperti contoh sebelumnya, kita harus mengurutkannya terlebih dahulu menjadi seperti berikut.

Jawab:

Tentukan modus dari data tinggi badan di atas!

153,154,155, 157, 160,160,165,165, 170, 174

Dari hasil pengamatan, didapatkan bahwa data yang sering muncul adalah 160 dan 165 yang masing-masing
muncul sebanyak dua kali. Jadi dari data tinggi badan di atas terdapat dua modus (bimodal) yaitu 160 dan
165.
Range
Dalam kumpulan data yang berbentuk angka pasti ada nilai maksimum dan minimumnya. Range atau bisa
disebut dengan rentang data merupakan selisih antara data maksimum dan minimum tersebut. Rumus dari
range sebagai berikut.

Terdapat kumpulan data dengan nilai sebagai berikut:

10, 30, 30, 25, 40, 50, 20

Untuk menentukan range dari data di atas, kita dapat mengurutkannya terlebih dahulu mulai dari nilai terkecil
sampai terbesar.

10, 20, 25, 30, 30, 40, 50

Setelah kita mengurutkan data, kita dapat dengan mudah mengetahui bahwa nilai paling kecil adalah 10 dan
nilai yang paling besar adalah 50. Sehingga range dari data tersebut bisa mudah dihitung yaitu, 50 - 10 = 40.
Kuartil
Apakah Anda familiar dengan kuartil? Kuartil dalam matematika biasanya digambarkan dengan notasi Q.
Kuartil merupakan nilai yang membagi data berurutan menjadi 4 bagian yang besarnya sama. Kuartil terdiri
dari 3 bagian yaitu, kuartil pertama (Q1), kuartil kedua (Q2), dan kuartil ketiga (Q3). Dalam menghitung nilai
kuartil, kita harus memperhatikan jumlah data (n) yang ada. 

Gambar di atas merupakan ilustrasi letak kuartil terhadap banyaknya data. Dalam penentuan dan perhitungan
kuartil terdapat 4 kondisi dan rumus yang berbeda.

 Banyak data (n) ganjil dan nilai (n+1) habis dibagi 4

 Banyak data (n) ganjil dan nilai (n+1) tidak habis dibagi 4

 Banyak data (n) genap dan habis dibagi 4

  Banyak data (n) genap dan tidak habis dibagi 4

Berikut contoh soal untuk memperjelas tentang kuartil:

Contoh 1:
Hitunglah kuartil dari data panjang jalan tersebut?

7, 6, 8, 3, 2

Jawab:

Pertama urutkan dulu datanya mulai dari yang terkecil hingga terbesar.

2, 3, 6, 7, 8
Karena datanya ganjil dan hasil dari (n+1) adalah 6 maka tidak habis dibagi 4. Sehingga kita dapat
menggunakan rumus yang kedua seperti berikut:

Dari hasil perhitungan di atas diketahui posisi Q1 berada di antara data ke-1 dan ke-2. Untuk menghitung
nilainya berarti kita menambahkan x1 dan x2 kemudian dibagi 2 menjadi,
Dari rumus di atas diketahui bahwa letak Q2 berada di data ke-3, sehingga berdasarkan data di atas Q2 = 6.

Sama seperti cara sebelumnya, Q3 apabila dilihat dari rumus di atas berarti ada di posisi data ke-4 dan ke-5.
Sehingga untuk menghitung nilai dari Q3 menjadi,

Contoh 2:
Apabila terdapat data berjumlah 430, di manakah posisi masing-masing kuartilnya?

Jawab:
Diketahui bahwa jumlah datanya genap dan tidak habis dibagi 4 berarti kita bisa menggunakan contoh rumus

keempat seperti berikut:

Sehingga dari rumus di atas dapat dilihat bahwa posisi Q1 berada pada data ke-108, Q2 berada di antara data
ke-215 dan 216, dan Q3 berada pada data ke-323.
Standar Deviasi
Standar deviasi atau disebut dengan simpangan baku adalah ukuran varian atau perbedaan dari nilai amatan
terhadap rata-rata suatu data yang sering digunakan dalam statistik. Standar deviasi sendiri juga digunakan
untuk mengukur jumlah variasi atau sebaran dari beberapa nilai data. Maka dari itu rumus dari standar deviasi
adalah akar kuadrat dari varian. Apabila salah satu nilai dari varian atau standar deviasi diketahui, maka nilai
yang lainnya akan dapat mudah ditemukan. Sehingga rumus dari varian adalah sebagai berikut:

Sedangkan rumus dari varian baku sebagai berikut:

Contoh 1
Untuk lebih memahami tentang standar deviasi, terdapat data tinggi badan siswa seperti di bawah ini.

160, 153, 155, 170, 165, 154, 167, 161, 157, 174

Dari data di atas diketahui bahwa jumlah data (n = 10)  dan jumlah (n - 1) adalah 9. Untuk mempermudah
Anda menghitung variannya, mari kita buat dalam bentuk tabel seperti berikut.

i Xi X i2

1 160 25600
2 153 23409
3 155 24025
4 170 28900
5 165 27225
6 154  23716
7 167  27889 
8 161 25921
9 157 24649
10 174 30276
1616 261610 
Jika tabel di atas dituliskan dalam bentuk rumus, seperti ini jadinya:

Dari perhitungan yang sudah diketahui dari rumus di atas, apabila angka dimasukkan ke dalam rumus varian.
Maka menjadi sebagai berikut:

Sehingga kita mendapatkan nilai varian dari data tersebut yaitu 51,6. 
Dari nilai varian di atas, kita juga dapat mencari nilai standar deviasi atau simpangan bakunya dengan cara
sebagai berikut:

Contoh 2
Seorang guru matematika ingin menguji pemahaman materi dan metode belajar yang tepat bagi siswanya. Ia
membagi satu kelas menjadi 2 kelompok siswa yang masing-masing 10 orang. Anggap saja kelompok A dan
kelompok B. Kelompok A diberikan waktu belajar sehari sedangkan kelompok B diberikan waktu belajar tiga
hari. 

Pada hari yang ditentukan setelah kelompok A selesai belajar dalam waktu sehari, guru matematika tersebut
mengadakan ulangan harian. Singkat kata, hasil dari ulangannya sebagai berikut:

Siswa ke- Nilai

1 70
2 65
3 50
4 80
5 75
6 45
7 55
8 75
9 80
10 60

Berselang tiga hari kemudian kelompok B melakukan ulangan matematika yang sama seperti kelompok A.
Nilai ulangan matematika Kelompok B sebagai berikut:

Siswa ke- Nilai

1 65
2 40
3 90
4 55
5 45
6 85
7 55
8 70
9 60
10 75
Dari permasalahan di atas, guru matematika tersebut ingin menghitung standar deviasi dari masing-masing
kelompok untuk mengukur apakah waktu belajar siswa mempengaruhi hasil ulangan. Bagaimanakah
hasilnya?

Jawab:

Pertama kita mulai menghitung dari kelompok A. Sama seperti pada contoh soal sebelumnya, kita tentukan
dulu varian sebagai berikut:

i x x2

1 70 4900
2 65 4225
3 50 2500
 i x x2

4 80 6400
5 75 5625
6 45 2025
7 55 3025
8 75 5625
9 80 6400
10 60 3600
Total 655 44325

Jika tabel di atas dituliskan dalam bentuk rumus, seperti ini jadinya:
Dari perhitungan yang sudah diketahui dari rumus di atas, apabila angka dimasukkan ke dalam rumus varian.
Maka menjadi sebagai berikut:

Sehingga kita mendapatkan nilai varian dari data tersebut yaitu 158,05. 

Dari nilai varian di atas, kita juga dapat mencari nilai standar deviasi atau simpangan bakunya dengan cara
sebagai berikut:

Kita simpan dulu hasilnya perhitungan untuk kelompok A. Selanjutnya kita akan mulai menghitung hasil dari
kelompok B.

i X X2

1 65 4225
2 40 1600
3 90 8100
4 55 3025
5 45 2025
6 85 7225
7 55 3025
8 70 4900
9 60 3600
10 75 5625
Total 640 43350
Jika tabel di atas dituliskan dalam bentuk rumus, seperti ini jadinya:
Dari perhitungan yang sudah diketahui dari rumus di atas, apabila angka dimasukkan ke dalam rumus varian.
Maka menjadi sebagai berikut:

Sehingga kita mendapatkan nilai varian dari data tersebut yaitu 265,5. 

Dari nilai varian di atas, kita juga dapat mencari nilai standar deviasi atau simpangan bakunya dengan cara
sebagai berikut:

Nah, kita sudah mendapatkan standar deviasi dari kelompok A dengan pola belajar satu hari sedangkan
kelompok B tiga hari. 

Kelompok A memiliki standar deviasi 12,571, angka tersebut lebih kecil dibandingkan kelompok B yaitu
16,294. Tapi belum berhenti di sana. Bukan berarti memiliki standar deviasi tinggi membuktikan pola belajar 3
hari itu efektif. Karena jika dilihat kembali terdapat siswa dari kelompok B yang mendapat nilai di bawah 60
sebanyak 4 walaupun ada yang memiliki nilai tinggi yaitu 90. Sedangkan kelompok A yang mendapat nilai di
bawah 60 hanya ada 2 orang walaupun nilai tertingginya hanya 80. Hal ini membuktikan bahwa standar
deviasi tinggi belum tentu efektif. Sebaliknya, semakin kecil standar deviasi maka rentang datanya lebih kecil
sehingga hasilnya lebih baik.

Dari contoh kasus di atas dengan waktu belajar yang lama ada kemungkinan murid tidak fokus belajar, lupa,
dan faktor lainnya. Sedangkan yang belajar dalam waktu 1 hari bisa memaksimalkan waktunya dengan baik
walaupun faktor lainnya juga bergantung pada kemampuan siswa itu sendiri.
Apa itu Spreadsheet?
Seberapa familiarkah Anda dengan Spreadsheet? Penyebutan spreadsheet sangat sering kita kaitkan dengan
pengolahan suatu data berupa angka atau mungkin Anda lebih familiar mendengar Microsoft Excel dan
Google Sheets. Iya, itu memang benar. Namun, tahukah Anda arti dari Spreadsheet itu sendiri? Spread yang
berarti penyebaran atau menyebar dan sheet yang berarti lembaran. Sehingga, spreadsheet merupakan
sebuah lembaran berisi baris dan kolom yang dapat kita gunakan untuk analisis data.

Data yang terdapat pada spreadsheet terlihat lebih terstruktur. Proses memilah serta mengurutkan data pun
terasa lebih mudah. Selain itu, hasil data dari spreadsheet akan lebih mudah dibaca oleh program komputer
yang berkaitan dengan pengolahan data lainnya. Jika Anda memiliki ribuan data penjualan produk alat tulis
kantor (ATK) dan ingin mengetahui berapa jumlah pensil yang terjual, maka aplikasi spreadsheet sangat
membantu Anda. Hal tersebut karena spreadsheet memiliki fitur untuk mengelompokkan data berdasarkan
parameter tertentu. Bayangkan jika Anda menuliskan data tersebut pada aplikasi pengolah kata atau dokumen
biasa, pasti Anda akan mengalami kesulitan dalam mengelompokkan dan menghitung jumlah datanya.

Fungsi Spreadsheet
Wah, tentunya banyak sekali manfaat dari Spreadsheet, dari jaman dahulu spreadsheet digunakan sebagai
alat untuk mencatat data yang berupa angka. Berikut ini adalah banyak kegunaan spreadsheet:  

 Menyimpan informasi secara detail seperti sebuah Id nasabah bank bisa memiliki banyak atribut seperti nama,
jenis kelamin, usia, jumlah uang masuk, jumlah uang keluar, saldo, dan lainnya.
 Membuat tabel data dengan lebih mudah.
 Membantu dalam perhitungan statistik.
 Memvisualisasikan data ke dalam bentuk grafik.
 Lengkap dengan rumus-rumus yang membantu dalam perhitungan data.

Wah, ternyata banyak juga fungsi dari spreadsheet. Apakah Anda dapat menambahkan fungsi lainnya?
Apabila dilihat dari beberapa penjabaran di atas, spreadsheet kadang disebut mirip dengan database. Namun,
bedanya spreadsheet tidak dilengkapi query sehingga data spreadsheet tidak bisa disebut dengan database.

Macam-Macam Aplikasi Spreadsheet

Berbicara tentang aplikasi spreadsheet, apa nama aplikasi pengolah data yang pertama kali muncul di benak
Anda? Meskipun banyak aplikasi pengolah data tetapi secara fungsinya dan kegunaannya sama. Yang
berbeda hanya fitur yang ditawarkan setiap pengembangnya. Berikut adalah aplikasi spreadsheet populer
yang sering digunakan untuk pengolahan data.

1. Microsoft Excel
Pasti Anda sudah tidak asing lagi dengan aplikasi pengolah data yang satu ini. Excel merupakan aplikasi
Spreadsheet besutan Microsoft yang berada dalam satu paket Microsoft Office. Saat ini versi paling barunya
adalah Microsoft Office 2019. Pengguna Microsoft Office juga bisa dikatakan sangat massal dan berasal dari
berbagai kalangan. Bahkan bagi penggunanya yang memiliki mobilitas tinggi, Microsoft Office hadir dalam versi
khusus yang dapat dijalankan di Smartphone dan dapat diunduh secara gratis termasuk Excel di dalamnya. Fitur
yang ditawarkan di dalamnya terhitung lengkap dan powerful. Salah satunya adalah penggunaan rumus untuk
menghitung data atau sering disebut formula merupakan hal yang tidak bisa dipisahkan dari Excel.
2. LibreOffice Calc
Meski tak sepopuler Excel, LibreOffice Calc memiliki sisi fungsionalitas yang kurang lebih sama dengan Excel.
Namun, perbedaannya adalah LibreOffice Calc lebih bersifat open source sehingga dapat diunduh secara gratis
sedangkan versi desktop dari Excel berbayar. Fiturnya tidak kalah dengan Excel. Bahkan dalam LibreOffice Calc
Anda bisa membuka berkas yang dibuat di Microsoft Excel, lho. Fungsi dasar spreadsheet mulai dari
perhitungan, analisis, grafik, dan lainnya dapat Anda temui juga pada LibreOffice Calc ini.
3. Google Sheets
Pernahkah Anda membayangkan ingin mengerjakan tugas pengolahan data menggunakan aplikasi spreadsheet
namun ruang kosong pada harddisk kian menipis? Nah, Anda juga bisa menggunakan Google Sheets dalam
melakukan pengolahan data. Google Sheets dapat diakses secara online dan berkasnya dapat diunduh atau
disimpan dalam Google Drive. Fitur yang ditawarkan di dalamnya memang tidak selengkap Excel atau Calc. Tapi
tidak perlu khawatir karena fitur dasar spreadsheet sudah terpenuhi serta visualisasi grafik yang ditawarkan lebih
luas cakupannya.

Google Sheets LibreOffice Calc Microsoft Excel

 Pemakaian  Gratis  Gratis  Desktop (Berbayar)

 Mobile atau online
(Gratis)

 Lokasi penyimpanan  Google Drive atau dapat diunduh  Hard disk  Hard disk Anda
berkas
 Google Sheets LibreOffice Calc Microsoft Excel

 Membutuhkan koneksi  Default (Iya)  Tidak  Desktop (Tidak)

internet?  Ekstensi Google Chrome (Tidak)  Mobile atau online
(Iya)

 Diperlukan instalasi?  Tidak  Iya  Iya

 Kolaborasi dengan  Iya  Tidak  Desktop (Tidak)

pengguna lain (fitur  Mobile atau online
sharing) (Iya)

 Visualisasi  Range lebih luas  Grafik  Grafik dasar

dasar

Nah, pada modul ini, kita akan membahas dasar-dasar spreadsheet menggunakan Google Sheets. Hal ini
dilakukan supaya lebih fleksibel dan lebih praktis penggunaannya karena tidak memerlukan instalasi
tambahan lain.

Navigasi Dasar pada Google Sheets

Spreadsheet pada dasarnya sama karena kita selalu dihadapkan pada baris dan kolom. Baris dan kolom ini
tersusun dari kumpulan sel. Dalam sel inilah kita memasukkan data yang ingin diproses.

Data yang dapat dimasukkan dalam sel tersebut dapat berupa,

 Angka: Anda dapat memasukkan angka yang nantinya dapat dihitung secara matematis.
 Teks: Anda juga dapat memasukkan teks untuk penanda yang mewakili keterangan dari angka-angka
yang dimasukkan. Misal judul tabel di bagian atas, kemudian setiap bagian kolom yang berisi data
terdapat kategori untuk mengidentifikasi tentang angka apa yang Anda masukkan pada sel tersebut.
Misal, Anda memasukkan teks “Jumlah barang” maka di bawahnya memiliki data angka seperti
5,7,9,dst yang menandakan jumlah barang tersebut.
 Rumus: Digunakan untuk melakukan perhitungan dari angka dalam kolom atau deretan sel. Misal, kita
ingin mengetahui total barang maka kita dapat memasukkan rumus yang menjumlahkan sel yang
diinginkan.

Biasanya baris dan kolom memiliki label sendiri-sendiri. Kolom dilabelkan dengan huruf yang membentang
secara horizontal ke kanan. Sedangkan baris dilabelkan dengan angka-angka yang tersusun secara vertikal
ke bawah. Misal seperti ini, Anda menulis nama Anda di posisi B2. Berarti posisinya berada pada kolom B dan
baris ke-2 sehingga letak nama Anda dalam sel menjadi seperti berikut:

Supaya lebih efektif dalam memasukkan data pada setiap sel, berikut beberapa tombol pintasan keyboard
yang memudahkan Anda dalam proses navigasi spreadsheet.

Tombol pada
Keyboard Fungsi
Tab Mengakhiri masukan data pada sebuah sel dan bergeser ke sel selanjutnya secara horizontal (ke
kanan)
Enter Mengakhiri sebuah masukan data dan berpindah satu baris ke bawah
Panah ke atas Berpindah satu sel ke atas
Panah ke bawah Berpindah satu sel ke bawah
Panah ke kanan Berpindah satu sel ke kanan
Panah ke kiri Berpindah satu sel ke kiri
Ctrl + arah Berpindah ke sel paling luar berdasarkan arah yang dimasukkan. Misal data tertulis dalam kolom
panah A1 sampai J1. Apabila diberikan perintah Ctrl + arah kanan maka sel akan berpindah ke kolom J1.
Shift + arah Untuk menyorot sel berdasarkan arah yang diberikan. Misal terdapat data yang berada pada A1
panah sampai A10, jika ditekan Shift + arah bawah mulai dari A1 maka akan menyorot data pada sel A2,
A3, dan seterusnya.
Ctrl + Shift + Untuk menyorot sel yang berisi data. Misal terdapat data yang berada pada A1 sampai A10, jika
arah panah ditekan Ctrl + Shift + arah bawah maka data yang dimulai dari A1 sampai A10 langsung otomatis
tersorot.
Ctrl + C Untuk menduplikasi isi data dari suatu sel
Ctrl + X Untuk memindahkan isi data dari suatu sel
Ctrl + V Untuk menampilkan data hasil duplikasi atau pemindahan yang dilakukan sebelumnya
Ctrl + Z Untuk mengembalikan ke kondisi perubahan data terakhir (Undo)
Ctrl + Y Untuk membatalkan perintah undo atau kembali ke kondisi sebelum perintah Undo
Elemen pada Google Sheets

Pada pembahasan sebelumnya kita telah membahas pintasan perintah keyboard untuk membuat proses
memasukkan data lebih cepat dan efisien. Apabila ingin melakukan pengaturan lebih lanjut, maka kita harus
memahami elemen-elemen yang ada di Google Sheets.

Title Bar

Kita mulai dari yang paling atas sendiri yaitu Title Bar. Bagian ini menunjukkan judul berkas yang sedang
dikerjakan. Kita juga dapat mengubah judul berkas dengan sangat mudah yaitu dengan cara klik pada
judulnya kemudian ubah sesuai keinginan. Untuk mengakhiri proses tekan Enter dan jadilah judul berkas yang
baru.

Di samping judul juga terdapat gambar bintang yang berfungsi untuk menandai berkas supaya lebih mudah
ditemukan. Apabila ikon bintang kita klik maka berkas tersebut dapat dengan mudah kita lihat pada halaman
Google Drive kategori Stared seperti berikut.

Sedangkan ikon folder di samping bintang berfungsi untuk memindahkan berkas ke direktori lain yang
diinginkan.

Selanjutnya pada sebelah kanan terdapat tombol lainnya yang tidak kalah penting seperti berikut:

Pada gambar menunjukkan 2 tombol. Sebelah kiri untuk melihat riwayat komentar yang diberikan. Sedangkan
tombol hijau sebelah kanan yang bertuliskan share berfungsi untuk membagikan berkas spreadsheet ke
pengguna lain berdasarkan hak akses yang ditentukan oleh pemilik.

Menu Bar

Menu bar berada tepat di bawah judul berkas yang sebelumnya telah kita bahas. Menu yang disediakan oleh
Google Sheets mulai dari File hingga Help akan Anda temui dalam uraian berikut.
File

Apabila kita klik menu File, maka muncul banyak sub-menu yang dapat kita lihat. Berikut penjabarannya.

Nama Menu Kegunaan

Membagikan berkas yang kita kerjakan supaya dapat dilihat, diubah atau dikomentari oleh pengguna
lain. Menu ini bisa kita gunakan untuk berkolaborasi dengan pengguna lain untuk menyelesaikan
sebuah pekerjaan. Setiap perubahan yang dilakukan oleh pengguna lain dapat dilihat oleh pemilik
Share berkas bergantung pada tingkat akses yang diberikan

Membuat berkas spreadsheet baru. Bahkan bisa juga digunakan untuk membuat berkas dokumen
New
lain seperti google docs, presentation, dan lainnya
Memasukkan berkas lain ke dalam spreadsheet yang sedang kita buat. Format yang didukung antara
Import
lain, csv, txt, tsv, tab, htm, html, xls, xlsx, xlsm, xlt, xltm, xltx, dan ods.
Make a copy Menduplikasi berkas yang sedang kita kerjakan
Download Mengunduh berkas yang kita kerjakan ke dalam komputer
Email as Mengirimkan berkas spreadsheet sebagai lampiran email
 Nama Menu Kegunaan

attachment
Memungkinkan kita mengerjakan spreadsheet secara offline dan data yang dimasukkan akan sinkron
Make available
saat kondisi online. Namun, apabila berkas telah dibagikan ke orang lain maka hanya bisa dikerjakan
offline
secara online
Version
Melihat setiap riwayat pengubahan data yang sebelumnya
history
Rename Mengubah nama berkas spreadsheet
Move Memindahkan berkas spreadsheet ke direktori lain dalam Google Drive
Menghapus berkas spreadsheet tapi masih bisa ditemukan di tempat sampah (trash) dalam Google
Move to trash
Drive sehingga bisa dikembalikan lagi
Publish to the Berkas kita dapat dimasukkan ke dalam sebuah web dengan memanfaatkan embed link yang sudah
web disediakan
Email Mengirimkan pesan kepada teman yang ikut tergabung dalam kolaborasi pengerjaan berkas
collaborators spreadsheet
Document Memperlihatkan detail dari berkas spreadsheet yang sedang dikerjakan seperti direktori
details penyimpanan berkas, pemilik berkas, tanggal berkas dibuat, dan tanggal berkas dimodifikasi
Spreadsheet Mengubah pengaturan pada Spreadsheet seperti zona waktu, bahasa, dan lainnya
Print Digunakan untuk mencetak berkas spreadsheet

Edit

Dalam menu Edit, kita akan menemui beberapa sub-menu sebagai berikut:

 Nama Menu Kegunaan

Undo Mengembalikan ke kondisi perubahan data terakhir

Redo Membatalkan perintah undo atau kembali ke kondisi sebelum perintah Undo
Cut Memindahkan isi data dari suatu sel
Copy Menduplikasi isi data dari suatu sel
Paste Menampilkan data hasil duplikat atau pemindahan yang dilakukan sebelumnya
Menampilkan data hasil duplikat atau pemindahan dengan pemilihan tertentu, misal hanya nilainya
Paste special
saja (value only), format penulisannya saja (format only), dan lainnya
Find and
Mencari data tertentu pada suatu sel dan menggantinya dengan masukan baru
replace
Hanya menghapus nilai baik berupa angka maupun kata yang berada dalam sebuah sel (tanpa
Delete value
mempengaruhi format penulisan)
Delete row Menghapus data yang terdapat pada sebuah baris yang diinginkan
Delete column Menghapus data yang terdapat dalam sebuah kolom
Delete cells and
Menghapus data dalam sebuah sel dan data di bawahnya akan otomatis bergeser ke atas
shift up
Delete cells and
Menghapus data dalam sebuah sel dan data di sebelah kanannya akan otomatis bergeser ke kiri
shift left
Clear notes Menghilangkan catatan yang ada di sel terpilih
Remove
Menghilangkan checkbox yang ada di sebuah sel
checkbox

View

Selanjutnya kita beralih ke menu View. Dalam menu view terdapat sub lainnya sebagai berikut:

Nama Menu Kegunaan

Membuat baris atau kolom yang dibekukan akan terlihat walaupun kita scroll ke bawah atau
Freeze
samping
Gridlines Menampilkan garis khayal sel di berkas spreadsheet
Protected range Menampilkan sel mana yang terproteksi dan membutuhkan hak akses untuk mengubahnya
Formula bar Menampilkan bar khusus untuk formula atau rumus yang dibuat dalam sebuah sel
Show formula Menampilkan formula yang dibuat dalam sebuah sel
Hidden sheets Menampilkan sheet yang disembunyikan
Zoom Memperbesar tampilan spreadsheet
Full screen Menampilkan spreadsheet dalam satu layar penuh
Berikut lanjutan dari materi sebelumnya mengenai elemen yang ada pada Menu Bar Spreadsheet,

Insert

Dalam menu Insert, kita dapat memasukkan beberapa komponen mulai dari baris dan kolom baru hingga
membuat diagram. Berikut uraian selengkapnya:

Nama Menu Kegunaan

Row above Memasukkan baris baru di atas sel yang sedang dipilih.
Row below Memasukkan baris baru di bawah sel yang sedang dipilih.
Column left Memasukkan kolom baru di samping kiri sel yang sedang dipilih.
Column right Memasukkan kolom baru di samping kanan sel yang sedang dipilih.
Cells and shift Menambahkan sel baru dengan menggeser ke bawah dari sel yang aktif saat itu.
down
Cells and shift Menambahkankan sel baru dengan menggeser ke kanan dari sel yang aktif saat itu.
right
Chart Membuat grafik atau diagram berdasarkan data yang dibuat.
Image Memasukkan gambar ke dalam sel yang aktif saat itu.
Drawing Memasukkan objek sederhana seperti garis, bangun sederhana, dan lainnya layaknya menu
autoshapes pada Microsoft Word.
Form Mengintegrasikan spreadsheet dengan google form.
Function Memasukkan rumus atau fungsi yang digunakan dalam spreadsheet.
 Nama Menu Kegunaan

Insert link Memasukkan tautan ke dalam sel.

Checkbox Membuat checkbox dalam sebuah sel.
Comment Memberi komentar pada sel yang dipilih yang sangat berguna apabila berkolaborasi dengan orang
lain.
Note Untuk membuat catatan pada sel tertentu. Bedanya dengan comment adalah untuk note hanya
pemilik spreadsheet sendiri yang bisa melihat.

Format

Menu selanjutnya yaitu Format. Dalam menu ini kita dapat mengatur seperti format penulisan, paragraf dan
lainnya. Berikut penjelasan selengkapnya.

Nama Menu Kegunaan

Theme Mengatur tema tampilan grafik yang akan dibuat nantinya.

Number Mengatur segala sesuatu yang berhubungan dengan penulisan angka seperti mata uang, tanggal,
persen, dan lainnya.
Bold Membuat angka atau kata yang terdapat dalam sel menjadi tebal.
Italic Membuat angka atau kata yang terdapat dalam sel menjadi miring.
Underline Membuat angka atau kata yang terdapat dalam sel menjadi bergaris bawah.
Strikethrough Membuat angka atau kata yang terdapat dalam sel menjadi tercoret.
Font size Mengubah ukuran font.
Align Mengubah format penulisan seperti rata kanan, tengah, dan kiri.
 Nama Menu Kegunaan

Merge cells Menggabungkan beberapa sel menjadi satu sel.

Text wrapping Membuat penulisan teks yang panjang menjadi beberapa baris dan bisa terbaca dalam 1 kolom.
Text rotation Mengubah orientasi posisi dari teks dalam sebuah sel.

Conditional Melakukan format penulisan secara kondisional.

formatting
Alternating Colors Memberikan warna ke dalam satu atau beberapa sel sesuai pola dan ketentuan warna yang ada.
Clear formatting Menghilangkan semua format penulisan dalam sebuah sel, misal tebal, miring, dan sebagainya.

Data
Lanjut ke menu berikutnya yaitu Data. Dalam menu ini terdapat berbagai perintah untuk mengatur segala hal
yang berkaitan dengan data. Berikut uraiannya:

Nama Menu Kegunaan

Sort sheet by Menyortir data yang berada dalam sebuah sheet dalam sebuah kolom yang dipilih secara menaik
column (A-Z) (dari kecil ke besar).
Sort sheet by Menyortir data yang berada dalam sebuah sheet dalam sebuah kolom yang dipilih secara menurun
 Nama Menu Kegunaan

column (Z-A) (dari besar ke kecil).

Sort range Menyortir data yang ada dalam sel terpilih dengan parameter tertentu (menaik atau menurun).
Create filter Mengurutkan dan mengelompokkan data yang dipilih dengan parameter tertentu.
Filter views Mempermudah memantau pengurutan data sehingga lebih praktis penggunaannya.
Slicer Mengatur data yang ada dalam sebuah tabel pivot. Penggunaan slice dapat memudahkan ubah data
pivot dan chart dengan hanya sekali klik. Selain itu penggunaan slicer juga sangat membantu dalam
membuat dashboard laporan.
Data validation Memeriksa data yang dimasukkan sudah benar atau tidak. Misal data dari A1 sampai A10 ingin
diketahui ada berapa angka yang lebih dari 5. Maka kita dapat menggunakan data validation
dengan tipe number dengan rentang angka 1 sampai 5. Apabila terdapat data yang nilainya lebih
besar dari 5 maka di pojok kanan atas terdapat penanda bahwa nilai dari sel tersebut melebihi data
yang diinginkan.
Pivot table Membuat sebuah pivot table yang berguna untuk analisis suatu data yang banyak.
Randomize Membuat pengurutan data secara acak.
range
Named ranges Mengkategorikan baris atau kolom dalam sebuah rentang (range) dengan nama tertentu.
Protected sheets Mengunci sel tertentu dan membatasi pengguna lain untuk melihat data yang terproteksi.
and ranges
Split text to Memecah beberapa data dalam sebuah sel menjadi beberapa kolom. Misal A,B,C,D. Keempat data
column tersebut akan dipecah menjadi 4 kolom berdasarkan separator yang memisahkan antara data satu
dengan lainnya.
Remove Memeriksa dan menghapus duplikasi data yang berada dalam rentang sel tertentu.
duplicates
Trim Memangkas spasi (whitespace) apabila terdapat data yang kelebihan spasi di awal atau akhir
whitespace penulisannya.
Group Mengelompokkan data dalam baris atau kolom ke dalam grup tertentu.
Ungroup Membatalkan proses pengelompokkan data dari suatu baris atau kolom tertentu.

Tools
Menu berikutnya adalah Tools yang berisi sub menu lainnya sebagai berikut:

Nama Menu Kegunaan

Create a form Membuat google form baru yang data masukannya akan terekam dalam sheet baru yang
otomatis terbuat.
Script editor Membuat kustomisasi formula pada perhitungan rumus Google Sheets.
Macros Merekam duplikasi dari serangkaian interaksi UI tertentu yang kita terapkan dan menyimpannya
dengan tombol pintasan tertentu. Kita dapat menggunakan pintasan untuk mempercepat
 Nama Menu Kegunaan

menjalankan kembali langkah-langkah makro yang tepat sesuai kebutuhan.

Spelling Memeriksa penulisan teks dan menyesuaikan dengan pengaturan bahasa yang digunakan.
Enable Memberikan saran penulisan sehingga apabila kita mengetik kata, otomatis akan muncul saran
autocomplete tertentu. Apabila kita setuju dengan saran tersebut maka langsung tekan enter.
Notification rules Apabila diaktifkan maka muncul notifikasi sesuai pengaturan yang dipilih. Misal terdapat
notifikasi setiap perubahan yang ada pada berkas spreadsheet tersebut.
Protect sheet Apabila berkas spreadsheet dibuka oleh pengguna lain dan mengarah ke sheet yang terproteksi
maka akan muncul peringatan tertentu. Sebagai pemilik sheet, Anda dapat memberikan hak
akses tertentu terhadap siapa saja yang ingin membuka sheet tersebut.
Accessibility Mengaktifkan screen reader atau kaca pembesar yang membantu pengguna untuk memahami isi
settings spreadsheet.

Add-ons

Dalam Google Sheets kita juga diizinkan untuk menambahkan alat tambahan yang dapat membantu
pengerjaan spreadsheet lebih mudah dan efektif.

Help

Dalam menu help kita dapat memberikan feedback apabila ada saran pengembangan Google Sheets,
bantuan apabila mengalami kesulitan, petunjuk untuk pintasan keyboard, dan lain sebagainya.
Baris dan Kolom
Pada materi sebelumnya kita telah mempelajari navigasi pada Google Sheets. Nah, sekarang yuk bermain
dengan baris dan kolom dengan memanfaatkan contoh data spreadsheet yang sudah ada. Contoh data dapat
diunduh disini sample file.

Dalam percobaan kali ini kita menggunakan data sederhana yang terdiri dari 10 baris saja. Kita dapat
memasukkan file tersebut dengan cara Import seperti berikut:

1. Klik File - Import pada menu bar Google Sheets

2. Selanjutnya pilih berkas yang ingin ditambahkan dan muncul jendela berikut

Pada gambar di atas terdapat tiga pilihan dengan fungsi masing-masing yaitu,
- Create new spreadsheet : menambahkan contoh berkas pada spreadsheet baru.
- Insert new sheet(s) : menambahkan contoh berkas menjadi sheet baru dalam spreadsheet yang sedang aktif.
- Replace spreadsheet : Menggantikan spreadsheet yang sedang aktif dengan contoh berkas yang
ditambahkan.

Maka dari itu kita pilih Insert new sheet supaya tidak perlu membuat berkas baru.
 3. Apabila data sudah dimasukkan, maka tampilannya sebagai berikut:

Jangan ditutup dulu berkasnya ya. Kita masih menggunakan lagi di uraian berikutnya.

Menyisipkan Kolom
Saat ini Anda sudah memiliki 10 baris contoh data. Bagaimana caranya apabila kita ingin menambahkan
kolom baru dengan nama city di antara gender dan country? Berikut langkah langkah-langkahnya.

1. Sorot salah satu kolom. Misalnya di sini kita memilih kolom gender. Karena gender berada di kolom D, maka
klik kolom tersebut sehingga semua kolom D tersorot.
 2. Klik kanan pada kolom gender tersebut kemudian pilih Insert 1 right karena kolom city yang ingin kita buat
posisinya setelah kolom gender dan sebelum kolom country.

3. Hasilnya adalah kolom baru di antara gender dan country. Lalu kita dapat mengisi data pada kolom city.

Kita telah berhasil menyisipkan kolom baru pada contoh data yang ada.

Menghapus Kolom
Kita tidak sengaja membuat kolom baru dan ingin menghapusnya. Misalkan pada contoh data sebelumnya
kita ingin menghapus kolom Date. Bagaimana caranya?

1. Karena date berada di kolom H, klik kolom tersebut sehingga semuanya tersorot.
 2. Klik kanan pada kolom date tersebut kemudian pilih Delete Column.

3. Sehingga data ID akan bergeser ke kiri seperti berikut.

Kita telah berhasil menghapus kolom date dari contoh data di atas.

Menyisipkan Baris
Sebelumnya kita membahas tentang menyisipkan dan menghapus kolom. Selanjutnya kita bermain dengan
baris dari contoh data yang ada. 

Bagaimana caranya jika kita ingin menyisipkan nama George di baris ke-5 setelah nama Philip? Masih
menggunakan contoh data terakhir di atas, mulai dengan langkah berikut.

1. Berdasarkan spreadsheet, Philip berada di baris ke-4. Karena itu klik baris tersebut sehingga semua baris ke-4
tersorot.
 2. Klik kanan pada baris nama Philip tersebut kemudian pilih Insert 1 below karena nama George yang ingin kita
buat posisinya setelah Philip dan sebelum Kaithleen.

3. Sehingga menghasilkan baris baru di antara Philip dan Kaithleen. Lalu kita dapat mengisi data George pada
baris baru tersebut.

Kita telah berhasil membuat baris baru dengan nama George pada data contoh di atas.

Menghapus Baris
Yeay, kita sudah bisa menghapus kolom. Saat ini kita akan beralih ke menghapus baris. Coba kita hapus
kembali baris George yang sudah kita buat sebelumnya. Langsung simak uraian berikut ini.

Kita tidak sengaja membuat baris baru dan ingin menghapusnya. Misalkan pada contoh data sebelumnya kita
ingin menghapus baris George. Bagaimana caranya?

1. Karena date berada di baris ke-5, klik baris tersebut sehingga semuanya tersorot.
 2. Klik kanan pada baris George tersebut kemudian pilih Delete Row.

3. Sehingga data Kaithlenn akan bergeser ke atas seperti berikut.

Kita telah berhasil menghapus baris George dari contoh data di atas.
Sortir Data
Tahukah Anda tentang sortir data di Google Sheets? Fitur ini berguna untuk mengurutkan data yang kita miliki
supaya lebih tertata rapi.

Terdapat faktor yang harus didefinisikan di awal sebelum melakukan sortir data, di antaranya seperti:

 Manakah kolom yang harus disortir?

Tentukan terlebih dahulu data yang ingin disortir. Misalnya kita ingin mengurutkan data dari tabel penjualan
barang berdasarkan jumlah produk yang terjual.
 Bagaimana metode mengurutkannya?
Selanjutnya Anda dapat menentukan metode dalam proses sortir. Misalnya, Anda ingin mengurutkan data dari
tabel penjualan mulai dari produk yang paling banyak terjual hingga yang paling sedikit.

Kunci dalam proses sortir adalah memastikan bahwa seluruh data yang ingin disortir telah terpilih. Setiap baris
dalam berkas spreadsheet dapat mewakili penjualan produk kepada pelanggan. Kemudian, setiap kolom
atribut akan mencatat detail misalnya seperti jumlah produk terjual penjualan, waktu dibuat, alamat pelanggan,
dan lain-lain.

Masih bingung tentang sortir data? Simak penerapan sortir data pada uraian di bawah ini:

1. Unduh berkas contoh data penjualan yang ingin kita sortir di sini.
2. Selanjutnya lakukan import contoh data tersebut ke dalam Google Sheets.
3. Sehingga tampilannya menjadi seperti berikut.
 4. Sorot terlebih dahulu semua data yang ada di Spreadsheet tersebut kemudian pilih Data - Sort Range.

Sebelum ke langkah selanjutnya, tentukan terlebih dahulu data yang ingin kita urutkan. Misal kita telah
membuat kondisi sebagai berikut:

 Mengurutkan data berdasarkan nama pelanggan secara menaik (A-Z).

 Mengurutkan data berdasarkan nama pelanggan dan nama item yang dibeli dari pelanggan tersebut (A-Z).

Mengurutkan berdasarkan nama pelanggan (satu kondisi)

1. Untuk menyelesaikan kondisi pertama, perhatikan pengaturan sort range di bawah ini:

Centang has header row untuk mempermudah penentuan pengelompokkan data. Pada data penjualan di atas
terdapat judul kategori masing-masing seperti order date, region, customer’s name, dan seterusnya yang
mewakili setiap isi data di bawahnya.
2. Nah, pada kondisi kali ini kita akan mengurutkan data berdasarkan nama pelanggan sesuai urutan abjad menaik
(A-Z). Maka kita mengisi kondisi Sort by dengan Customer’s Name dan diakhiri dengan klik Sort. Sehingga
 hasil pengurutan data berdasarkan nama pelanggan secara menaik (A-Z) menjadi sebagai berikut:

3. Data di atas menunjukkan nama pelanggan sudah terurut secara menaik sesuai abjad (A-Z). Bukan namanya
saja yang berubah urutannya sesuai abjad, tetapi data yang melekat pada nama pelanggan tersebut juga ikut
menyesuaikan.

Mengurutkan berdasarkan nama pelanggan dan item (dua kondisi)

Selanjutnya kita ingin mengurutkan data berdasarkan nama pelanggan dan item yang dibeli. Apabila
sebelumnya hanya menggunakan satu kondisi yaitu berdasarkan nama pelanggan saja, saat ini kita
tambahkan lagi kondisi lainnya yaitu item. Sehingga data yang diurutkan adalah berdasarkan nama pelanggan
dan item.
1. Sorot kembali semua data yang ada, kemudian pilih menu Data - Sort Range.

2. Sesuaikan pengaturan pada sort range sesuai dengan data yang ingin diurutkan dalam hal ini berdasarkan
nama pelanggan dan item seperti berikut:

3. Pada kondisi pertama urutkan berdasarkan nama pelanggan berarti kita mengisi sort by dengan Customer’s
Name. Kemudian tambahkan kondisi baru dengan klik Add another sort column dan isikan dengan Item.
Sehingga alur sortirnya dimulai berdasarkan nama pelanggan terlebih dahulu kemudian itemnya.
4. Setelah selesai pilih Sort kemudian menampilkan hasil sebagai berikut:

Dari gambar di atas dapat dilihat bahwa metode pengurutan pertama adalah berdasarkan nama kemudian item.
Misalnya Andrews pernah membeli binder dan pencil. Sedangkan Gill membeli Binder, pen, dan pencil. Karena
abjad nama Andrew (A) lebih dulu dari Gill (G) maka Andrews berada di urutan pertama. Urutkan item yang
dibeli Andrew menurut abjad mulai dari binder (b) hingga pencil (p). Setelah mengurutkan item yang dibeli
Andrews, barulah menuju Gill dengan urutan item yang dibeli mulai dari binder hingga pencil.
Penyaringan Data
Pada sortir data kita hanya mengurutkan data berdasarkan kondisi yang ditentukan.  Lalu, bagaimanakah cara
untuk menampilkan siapa saja yang membeli produk pensil?  

Dari kondisi tersebut maka kita perlu menggunakan salah satu fitur spreadsheet yaitu penyaringan (filter).
Untuk memperdalam pemahaman tentang penyaringan data, mari kita mulai penerapannya pada contoh data
penjualan sebelumnya.

1. Pertama tentukan data apa yang ingin Anda ketahui. Misalnya kita ingin melihat dan menampilkan data
pelanggan yang membeli pensil.
2. Sorot semua data dengan Ctrl + A, kemudian pilih menu Data - Create a filter.

3. Setelah itu Anda akan melihat ikon kecil di sebelah kanan kategori data.
4. Klik ikon kecil di samping kategori item dan centang pencil.

5. Setelah itu klik OK. Berikut inilah hasilnya:

Apa itu Formula?
Sebelum memulai pembahasan mengenai formula, ada baiknya kita menyegarkan ingatan tentang materi
yang sudah dipelajari sebelumnya. Pada dasar spreadsheet kita telah belajar tentang navigasi hingga
penyaringan data (filter). Namun, bagaimana jika kita ingin menganalisis data? Pasti dalam prosesnya tidak
lepas dari perhitungan matematis dalam spreadsheet tersebut. Nah, di sinilah pentingnya formula yang dapat
membantu kita dalam perhitungan tersebut mulai dari yang sederhana seperti penjumlahan, rata-rata hingga
data yang kompleks.

Formula merupakan sebuah langkah atau rumus untuk melakukan perhitungan matematis sehingga
mendapatkan nilai tertentu. Istilah formula sendiri sudah sangat umum ditemui dalam aplikasi spreadsheet
seperti Microsoft Excel, LibreOffice Calc, dan Google Spreadsheet. Dengan formula kita akan terbantu dan
lebih cepat menghitung data. Formula tidak hanya berjalan di antar sel dalam satu sheet saja. Namun, bisa
berjalan di antar sel dalam sheet yang berbeda bahkan antar sel dalam berkas spreadsheet yang berbeda.

Referensi Sel
Sebuah formula pasti merujuk pada sebuah alamat sel tertentu. Nah, rujukan alamat bisa disebut dengan
referensi sel. Contoh sederhananya apabila kita ingin mengetahui jumlah nilai dari dua alamat sel, maka kita
bisa menggunakan rumus penjumlahan sederhana seperti berikut.

Bagian A, B, C, dan seterusnya yang terbentang secara horizontal disebut kolom. Sedangkan 1, 2, dan 3 yang
membentang vertikal disebut baris. Gambar di atas juga menjelaskan bahwa terdapat data pada sel A1
bernilai 4 dan sel A2 bernilai 3. Kemudian kita ingin mengetahui hasil penjumlahannya pada sel A3. Mulailah
dengan tanda “=” diikuti dengan alamat sel A1 + A2. Sehingga menghasilkan nilai baru yaitu 7 pada sel A3.

Apabila nilai dari salah satu sel referensi sel A1 atau A2 diubah maka secara otomatis hasil penjumlahan di
sel A3 juga berubah. Sehingga, jika kita merubah referensi sel, maka nilai yang tampil sebagai output di sel
lain yang berisi rumus juga berubah. Berhati-hatilah dalam mengganti referensi sel yang berkaitan dengan
rumus atau formula tertentu. Ini berlaku untuk semua penggunaan rumus yang ada di spreadsheet ya.
Dengan menggabungkan operator matematika dengan referensi sel, Anda dapat menerapkannya di rumus
lainnya dalam Google Spreadsheet. Formula atau rumus juga dapat menyertakan kombinasi referensi sel dan
angka, misalnya:

Penulisan rumus Keterangan

A1+A2 Menjumlahkan alamat sel A1 dan A2

A1-A2 Nilai pada sel A1 dikurangi dengan nilai pada sel A2
A1/2 Nilai pada sel A1 dibagi dengan 2
A1*3 Nilai pada sel A1 dikali dengan 3
A1^2 Nilai pada sel A1 dipangkatkan 2
Operator pada Spreadsheet
Penggunaan operator matematika erat kaitannya dengan perhitungan entah itu penjumlahan, pengurangan,
dan lainnya. Begitu pula dengan perhitungan dalam Google Spreadsheet. Operator juga selalu digunakan
dalam penulisan rumus. 

Penggunaan operator dalam spreadsheet baik itu Microsoft Excel, Google Spreadsheet, maupun lainnya,
mengikuti aturan urutan umum perhitungan matematika. Misalnya operator perkalian dan pembagian akan
berjalan lebih dulu. Baru setelahnya operator penjumlahan dan pengurangan. Setiap penulisan formula dalam
spreadsheet pun pasti diawali dengan tanda “=” . 

Berikut macam-macam operator yang digunakan:

Operator Aritmatika
Operator aritmatika atau matematika digunakan pada aplikasi Spreadsheet untuk melakukan operasi
matematika dasar, seperti penambahan, pengurangan, perkalian, atau pembagian. Selain itu dapat digunakan
untuk menghitung nilai pangkat atau persen.

Operator Kegunaan

+ Penjumlahan
- Pengurangan
/ Pembagian
* Perkalian
^ Pangkat
% Persen atau modulus

Operator Perbandingan
Dalam spreadsheet biasanya kita menggunakan jenis operator perbandingan untuk fungsi-fungsi logika
seperti IF, OR, AND, dan NOT. Hasilnya adalah kondisi nilai True atau False. Contohnya sebagai berikut:

Operator Kegunaan

= Sama dengan ...

> Lebih dari ...
>= Lebih dari atau sama dengan ...
<= Kurang dari atau sama dengan ...
<> Tidak sama dengan ...

Operator Text
Selanjutnya ada jenis operator teks. Tahukah Anda kapan jenis operator text digunakan? Operator text yang
dimaksud adalah ampersand (“&”) yang berfungsi untuk menggabungkan beberapa string text menjadi satu
string tunggal. Ia biasanya menggunakan formula Concatenate.

Operator Referensi
Apakah Anda familiar dengan operator referensi dalam spreadsheet? Sebenarnya secara tidak langsung kita
telah menerapkan operator ini saat menulis rumus yang berhubungan dengan beberapa sel. Misal rumus
total =SUM(A1:A5) maka penjumlahan dilakukan mulai dari sel A1 hingga A5. Sehingga bisa disimpulkan
bahwa operator referensi dalam spreadsheet berguna untuk menunjukkan lokasi sel yang digunakan dalam
penerapan sebuah rumus atau range data. Berikut macam-macam operator referensi yang sering digunakan
dalam spreadsheet:

Operator Kegunaan

Biasa disebut dengan operator range yang berfungsi untuk menghasilkan satu referensi ke
“:” (Titik dua) semua sel yang ada di antara dua referensi. Misalnya, sel A1:A10 artinya data terpilih adalah
A1, A2, A3, A4, … , A10.
“;” (titik Disebut juga dengan operator union yang berfungsi untuk menggabungkan beberapa referensi
 Operator Kegunaan

rentang sel menjadi satu. Misalnya, A1:A3;B3:B6;A4. Referensi sel tidak harus rentang data
koma/semicolon)
tetapi bisa menggunakan sel tunggal juga.
Bisa disebut juga dengan operator titik potong yang berfungsi untuk menunjukkan irisan dari
“ “ (Spasi) dua referensi sel. Misalnya A1:A5 A1:C3. Sehingga titik temu referensi tersebut ada di sel A1.
A1 rentang datanya sampai A5 dan juga C3.
Elemen Formula dalam Spreadsheet
Pernahkah Anda menulis sebuah fungsi sederhana dalam aplikasi spreadsheet? Pada materi sebelumnya kita
sudah berkenalan dengan apa itu formula, referensi sel, dan operator yang biasanya digunakan dalam
spreadsheet. Nah, kini saatnya mulai menulis formula. Tapi sebelum kita mulai menulis formula, ada baiknya
kita mempelajari dulu elemen-elemen dalam sebuah formula.

Penulisan formula dalam spreadsheet diawali dengan tanda sama dengan “=”. Sedangkan untuk bagian-
bagian dalam sebuah formula yaitu:

 Fungsi
 Referensi sel (single/range)
 Operator
 Konstanta

Untuk memperjelas setiap elemennya, langsung lihat penjabarannya berdasarkan gambar di bawah ini.

Sama dengan (“=”)

Tanda sama dengan “=” merupakan elemen yang paling awal ditulis dalam sebuah formula apa pun sebelum
lanjut ke elemen lainnya.

Fungsi
Fungsi merupakan sebuah penamaan yang telah ditentukan untuk melakukan kalkulasi data berdasarkan
susunan argumen dalam aplikasi spreadsheet. Misal, kita ingin menghitung rata-rata menggunakan
fungsi AVERAGE, total data menggunakan fungsi SUM, dan lainnya yang akan dijelaskan lebih lanjut di
materi berikutnya.

Referensi Sel
Telah disinggung di penjelasan sebelumnya bahwa referensi sel merupakan acuan sebuah sel atau range
dalam aplikasi spreadsheet, mulai dari sheet yang sama hingga berbeda berkas atau workbook. Pada contoh
gambar di atas terdapat dua jenis referensi sel yaitu range yang ditunjukkan dengan (A1:A5) dan single sel
yang ditunjukkan dengan alamat sel B1.

Operator
Masih ingat apa itu operator dalam spreadsheet? Operator juga termasuk salah satu elemen dalam penulisan
formula spreadsheet. Seperti yang dijelaskan pada materi sebelumnya, ada banyak jenis di dalam operator,
yaitu seperti operator aritmatika, perbandingan, teks, dan referensi. Pada contoh gambar penulisan formula di
atas menggunakan dua jenis operator yaitu operator aritmatika dan operator referensi. Operator aritmatika
terdapat pada tanda pembagian (“/”) dan perkalian (“*”). Sedangkan operator referensi merujuk pada (A1:A5).
Konstanta
Konstanta merupakan nilai masukan yang bukan berasal dari perhitungan karena nilainya selalu sama dan
tidak pernah berubah. Bentuk dari konstanta bisa berupa teks atau angka, misalnya dalam contoh di atas
konstanta ditunjukkan dengan angka 2.
Fungsi Dasar dalam Spreadsheet
Setelah kita mengetahui tentang elemen yang terdapat dalam formula spreadsheet, saatnya kita belajar
tentang macam-macam formula dan juga cara penulisannya. Sebelumnya buat contoh data sederhana berisi
angka sebagai berikut:

Berdasarkan contoh di atas kita akan menerapkan fungsi dasar spreadsheet. Berikut uraian lengkapnya.

Catatan:  Jika Anda mencoba menerapkan rumus misalnya seperti =SUMIF(range,”kriteria”,sum_range) dan

terjadi error atau tidak dapat terbaca di Excel atau Spreadsheet, maka gunakan tanda titik koma (;) sehingga
menjadi =SUMIF(range;”kriteria”;sum_range). Hal tersebut disebabkan pengaturan delimiter dari setiap
komputer terkadang berbeda-beda.

SUM
Kita sering menemui rumus ini dalam spreadsheet. Rumus SUM dapat membantu untuk mendapatkan nilai
total dari rentang sel yang dipilih. Penggunaannya dengan cara menyorot semua baris atau kolom yang ingin
diketahui jumlahnya. Penulisannya sebagai berikut:

1. =SUM(data ke-1, data ke-2, …. , data ke-n)

Contoh kasus:

Bagaimana cara mengetahui total semua stok dan barang yang yang terjual berdasarkan data penjualan ATK
di atas?
Pertama kita menghitung total dari stok barang dengan rumus =SUM(B3:B12). Sehingga sel yang dihitung
mulai dari B3 hingga B12 menghasilkan nilai 2550.

Selanjutnya kita hitung jumlah barang yang terjual. Masih menggunakan rumus fungsi yang sama
yaitu =SUM(C3:C12)sehingga sel yang dihitung mulai dari C3 hingga C12 menghasilkan nilai 1150.
Berdasarkan perhitungan kita dapat mengetahui total stok barang adalah 2550 unit dan total barang yang
terjual adalah 1150 unit.

SUMIF
Selanjutnya kita membahas fungsi SUMIF. Fungsi ini berbeda dari SUM yang biasa karena SUMIF ini
berfungsi untuk menjumlahkan data dengan kriteria tertentu. Penulisan fungsi dari SUMIF sebagai berikut:

1. =SUMIF(range,”kriteria”,sum_range)

Contoh kasus

Kita akan menggunakan contoh data di bawah ini:

Misalnya, kita ingin mengetahui berapa total buku tulis berdasarkan data di atas?

Jawab:
Berdasarkan contoh tabel data di atas, kita dapat menuliskan rumus SUMIF pada sel G3 sebagai berikut:

Pada rumus di atas, range diisi dengan sel C3 sampai C12 yang merupakan kumpulan nama barang yang
terjual dari tanggal 01 Februari 2020 sampai 04 Februari 2020. Kemudian kriteria diisi dengan nama barang
yang ingin dicari jumlahnya dan dalam contoh ini menggunakan “Buku tulis”. Kriteria dapat diisi dengan teks,
angka, ataupun ekspresi. Sedangkan sum_range diisi dengan sel-sel yang ingin dijumlahkan datanya yang
ditunjukkan pada sel D3 sampai D12. Sehingga menghasilkan total buku tulis yang terjual adalah 295 unit.

SUMIFS
Kemudian ada lagi fungsi yang bernama SUMIFS. Tahukah Anda perbedaan antara SUMIF dan SUMIFS?
Secara penggunaan sama yaitu untuk menjumlahkan data dengan kriteria tertentu. Apabila SUMIF hanya bisa
menggunakan satu kriteria saja, pada SUMIFS kita bisa menggunakan lebih dari satu kriteria. Penulisannya
sebagai berikut:

1. =SUMIFS(sum_range, kriteria_range1, “kriteria1”, kriteria_range2, “kriteria2”, dan seterusnya)

Contoh kasus:

Masih menggunakan contoh data di bawah ini:

Kali ini kita ingin mengetahui berapa total buku tulis yang terjual dari tanggal 01 Februari 2020 sampai 02
Februari 2020?

Jawab:
Berdasarkan contoh tabel data di atas, kita dapat menuliskan rumus SUMIF pada sel G3 sebagai berikut:

1. =SUMIFS(D3:D12,C3:C12,"Buku tulis",B3:B12,">=01/02/2020",B3:B12,"<=02/02/2020")

Pada contoh penjelasan gambar dan rumus di atas, sum_range diisi dengan sel sel yang ingin dijumlahkan
datanya. Kriteria_range1 berisi nama barang yang ditunjukkan oleh sel C3 sampai C12. Kriteria1 yang ingin
kita cari adalah Buku tulis dan Kriteria2 yang kita cari adalah buku tulis yang terjual pada atau setelah tanggal
01 Februari 2020 dan yang terjual pada atau sebelum tanggal 02 Februari 2020. Sehingga buku tulis yang
terjual sejumlah 175 unit.

AVERAGE
Masih ingatkah Anda dengan rata-rata aritmatika? Fungsi AVERAGE sama dengan rata-rata aritmatika yang
menjumlahkan semua data kemudian dibagi dengan jumlah data yang ada. Penggunaannya hampir sama
dengan rumus SUM yaitu sebagai berikut:

1. =AVERAGE(data ke-1, data ke-2, … , data ke-n)

Contoh kasus:

Bagaimana jika kita ingin mengetahui berapa rata-rata dari semua barang yang terjual dalam tabel data
penjualan ATK?
Kita dapat menghitung rata-rata jumlah semua barang yang terjual dengan
rumus =AVERAGE(C3:C12)sehingga sel yang dihitung mulai dari C3 hingga C12 menghasilkan nilai 115.

Berdasarkan perhitungan kita dapat mengetahui rata-rata dari semua barang yang terjual adalah 115 unit.
COUNT
Count merupakan fungsi yang dapat menghitung jumlah sel terpilih dalam rentang tertentu yang berisi nilai
numerik. Penggunaan fungsi COUNT sebagai berikut:

1. =COUNT(data ke-1, data ke-2, … , data ke-n)

Contoh kasus:

Dalam contoh penggunaan COUNT, kita modifikasi sedikit tabel data penjualan ATK untuk memperjelas
penggunaan fungsi ini. Contoh perubahannya sebagai berikut:

Pertanyaannya adalah bagaimana kita mengetahui jumlah produk yang berhasil terjual berdasarkan kolom
terjual?
Kita mulai dengan menuliskankan rumus =COUNT(C3:C12) pada sel C13. Lebih jelasnya bisa dilihat pada
gambar di bawah ini.

Berdasarkan perhitungan di atas kita dapat mengetahui barang yang berhasil terjual ada 8 jenis. Apakah Anda
tahu kenapa hasilnya 8? 

Pada fungsi COUNT hanya menghitung nilai numerik (hanya angka saja) sehingga data yang berupa non-
numerik dan sel kosong akan dilewati.
COUNTA
Sama seperti COUNT, COUNTA dapat menghitung jumlah sel terpilih dalam rentang tertentu. Namun
bedanya dalam COUNTA kita dapat menghitung semua sel yang terpilih, tak peduli apa pun jenis data yang
ada di dalamnya (angka, teks, tanggal, kondisi benar atau salah, hingga kesalahan perhitungan). Tetapi
terdapat satu yang dilewati dalam perhitungan COUNTA yaitu sel yang kosong. Penggunaan rumus COUNTA
sebagai berikut:

1. =COUNTA(data ke-1, data ke-2, … , data ke-n)

Contoh kasus:

Pada contoh kasus ini kita masih menggunakan tabel sebelumnya yang digunakan untuk fungsi COUNTA.

Pertanyaannya adalah bagaimana kita mengetahui berapa jenis barang yang terjual berdasarkan kolom
terjual? (termasuk yang belum terjual dan sel tidak kosong).
Kita lakukan hal yang sama seperti fungsi sebelumnya, namun di sini menggunakan
rumus =COUNTA(C3:C12) pada sel C13. Untuk lebih jelasnya lihatlah gambar di bawah ini.

Berdasarkan gambar di atas, COUNTA dari data terjual adalah 9 karena menghitung semua jenis data hanya
melewati sel yang kosong saja.
COUNTIF dan COUNTIFS
Tahukah Anda apa fungsi dari COUNTIF? COUNTIF sering digunakan untuk menghitung banyaknya data
pada kumpulan sel dengan kriteria tertentu. Sistematika penulisannya sebagai berikut:

1. =COUNTIF(range,kriteria)

 Range : Data COUNTIF yang dihitung.

 Kriteria : Kondisi tertentu yang diinginkan untuk diketahui. Bisa berisi teks, operasi logika, ataupun angka.

Sedangkan COUNTIFS berfungsi untuk menghitung banyaknya data pada kumpulan sel berdasarkan kriteria
(lebih dari satu). Sistematika penulisannya sebagai berikut:

1. =COUNTIFS(kriteria_range1,kriteria1, kriteria_range2, kriteria2, dan seterusnya)

 Kriteria_range1 : range pertama yang dihitung jumlah datanya.

 Kriteria1 adalah kondisi tertentu yang diinginkan untuk diketahui.
 Kriteria_range2,kriteria2 adalah kriteria atau kondisi berikutnya yang ingin diketahui.

Contoh kasus:

Kita akan menggunakan contoh tabel berikut:

Berdasarkan tabel di atas, kita ingin mengetahui:

 Berapa orang yang berjenis kelamin laki-laki?

 Berapa orang yang berjenis kelamin laki-laki dan hobi bermain sepak bola?

Jawab:
Untuk mengetahui berapa orang yang berjenis kelamin laki-laki, kita dapat menggunakan fungsi COUNTIF
seperti berikut:

Penulisan fungsi yang digunakan =COUNTIF(C3:C12,"L")

Sedangkan untuk mengetahui berapa orang yang berjenis kelamin laki-laki dan memiliki hobi sepak bola, kita
dapat menggunakan fungsi COUNTIFS seperti berikut:

Penulisan fungsi yang digunakan =COUNTIFS(C3:C12,"L",D3:D12,"Sepak bola")

Berikut ini adalah lanjutan dari materi sebelumnya tentang fungsi dasar dalam spreadsheet.

Min dan Max

Apakah Anda pernah menggunakan fungsi min max sebelumnya? Kedua fungsi ini berguna untuk
menentukan nilai terendah (MIN) dan tertinggi (MAX) dari suatu rentang data yang terpilih. Contoh
penggunaan rumus min max seperti berikut:

1. =MIN(data ke-1, data ke-2, …, data ke-n)

1. =MAX(data ke-1, data ke-2, …, data ke-n)

Contoh kasus:

Kita kembali menggunakan tabel data penjualan ATK di bawah ini untuk menerapkan contoh kasus
penggunaan Min Max.

Nah berdasarkan tabel di atas, apa yang kita lakukan jika ingin mengetahui barang apa yang paling banyak
dan paling sedikit terjual?
1. Pertama, untuk mengetahui barang apa yang paling banyak terjual gunakan rumus =MAX(C3:C12).

Rumus MAX di atas memilih rentang data mulai dari C3 hingga C12. Sehingga dapat disimpulkan bahwa barang
yang terjual paling banyak adalah buku tulis sejumlah 300 penjualan.
2. Selanjutnya untuk mengetahui barang apa yang paling rendah penjualannya,  carilah nilai minimal. Rumus yang
dapat diterapkan adalah =MIN(C3:C12).
 Rumus MIN di atas memilih rentang data mulai dari C3 hingga C12. Kesimpulannya, barang yang terjual lebih
sedikit dibanding yang lain adalah rautan pensil, tempat pensil, dan gunting dengan jumlah masing-masing
sebanyak 50 penjualan.

Trim
Selanjutnya fungsi TRIM digunakan untuk menghilangkan ruang kosong yang tidak dibutuhkan pada sebuah
teks. Fungsi ini hanya berjalan pada sel tunggal bukan rentang sel. Penggunaan rumusnya adalah sebagai
berikut:

1. =TRIM(teks)

Contoh kasus:

Untuk menerapkan fungsi TRIM, kita gunakan contoh kasus dengan data seperti berikut:
Terlihat pada contoh di atas bahwa data yang ada terlalu banyak spasi dan tidak rapi. Di sinilah kegunaan
fungsi TRIM. Terapkan rumus =TRIM(A2) pada sel B2 sebagai berikut:

Hasilnya setelah menggunakan fungsi TRIM, data yang dihasilkan pun menjadi  lebih rapi. Tampilan akhirnya
sebagai berikut:

Replace
Selanjutnya terdapat fungsi Replace. Tahukah Anda apakah fungsi Replace dalam spreadsheet? Replace
dapat digunakan untuk mengganti string baik berupa angka maupun teks biasa. Sistematika penulisan
Replace sebagai berikut:

1. =REPLACE(text, position, length, new_text)

Contoh kasus:

Pada contoh data di atas, terdapat 3 data yang ingin kita ganti, yaitu:

 Buka diganti menjadi Buku
 Saya membaca buku diganti menjadi Saya menulis buku
 Saya123 diganti menjadi Aku123
1. Untuk contoh pertama kita menerapkan fungsi sebagai berikut pada sel B2

Berikut penjelasannya sesuai sistematika penulisannya:

o Text : Dapat diisi dengan teks secara langsung atau alamat sel. Dalam contoh di atas
menggunakan alamat sel A2.
o Position : Posisi atau urutan dari huruf yang ingin diganti. Dalam hal ini huruf “a” yang ingin kita
ganti berada diurutan ke 4 dari kata “Buka”
o Length : Panjang karakter yang ingin kita ganti. Karena yang ingin kita ganti hanya huruf “a” saja
berarti kita isi dengan 1.
o New_text : Teks baru yang ingin kita gunakan untuk mengganti teks lama, bisa berupa angka
atau huruf. Dalam contoh di atas kita menggunakan huruf “u” sebagai teks baru supaya kata
“Buka” bisa berganti menjadi “Buku”.
2. Contoh selanjutnya kita ingin mengganti kalimat “Saya membaca buku” menjadi “Saya menulis
buku”.

Berikut penjelasannya sesuai sistematika penulisannya:

o Text : Dapat diisi dengan teks secara langsung atau alamat sel. Dalam contoh di atas
menggunakan alamat sel A3.
o Position : Posisi atau urutan dari huruf yang ingin diganti. Dalam hal ini kata “membaca” yang
ingin kita ganti berada diurutan ke 6 dengan spasi terhitung satu karakter.
o Length : Panjang karakter yang ingin kita ganti. Karena yang ingin kita ganti kata  “membaca”
berarti kita isi dengan 7.
o New_text : Teks baru yang ingin kita gunakan untuk mengganti teks lama, bisa berupa angka,
huruf, dan kalimat. Dalam contoh di atas kita menggunakan kata “menulis” sebagai teks baru
supaya kata “membaca” bisa berganti menjadi “menulis”.
3. Kemudian kita ingin mengganti kalimat “Saya123” menjadi “Aku123”.

Berikut penjelasannya sesuai sistematika penulisannya:

o Text : Dapat diisi dengan teks secara langsung atau alamat sel. Dalam contoh di atas
menggunakan alamat sel A4.
o Position : Posisi atau urutan dari huruf yang ingin diganti. Dalam hal ini dari kata “Saya123”
hanya diganti bagian “Saya” saja. Sehingga urutan karakternya diisi dengan 1.
 o Length : Panjang karakter yang ingin kita ganti. Karena yang ingin kita ganti kata  “Saya” berarti
kita isi dengan 4.
o New_text : Teks baru yang ingin kita gunakan untuk mengganti teks lama, bisa berupa angka,
huruf, dan kalimat. Dalam contoh di atas kita menggunakan kata “Aku”
Sehingga hasil akhirnya sebagai berikut:

Unique
Unique merupakan sebuah fungsi yang dapat kita gunakan untuk mencari data yang unik dari sebuah data
yang mungkin saja ada yang sama. Sistematika penulisannya sebagai berikut:

1. =UNIQUE(range)

Contoh kasus:

Bagaimanakah jika kita ingin mengambil data yang unik saja dari data di atas?

Jawab:
Kita dapat menggunakan fungsi UNIQUE seperti di bawah ini:

Secara otomatis setelah fungsi dijalankan hasilnya akan memunculkan daftar unik dari nama barang. Unik
dalam artian tidak ada data yang sama seperti gambar di bawah ini:

IF
Fungsi IF digunakan untuk menentukan data Anda dengan hasil tertentu berdasarkan kondisi logika yang
diberikan. Penggunaannya sebagai berikut:

1. =IF(Sel yang ingin diuji, [nilai jika benar], [nilai jika salah])

Contoh:

1. = IF (E4>=E3, “Ya”,”Salah”)

Berdasarkan contoh di atas, kita akan memeriksa apakah nilai pada sel E4 lebih besar sama dengan sel E3.
Jika logikanya benar, biarkan nilai sel tempat fungsi tersebut menjadi bernilai “Ya”, jika tidak maka bernilai
“Salah”.
IF Sederhana
Untuk menerapkan fungsi IF dalam contoh kasus, kita modifikasi contoh tabel Penjualan data seperti berikut:

Contoh kasus:

Kita ingin mengetahui status penjualan setiap barang: sudah bagus atau perlu ditingkatkan. Parameter untuk
menentukan status tersebut adalah jika barang yang terjual lebih dari 75 unit maka masuk kategori penjualan
bagus. Namun jika kurang dari 75 unit yang terjual maka statusnya perlu ditingkatkan. Bagaimana cara
mengetahuinya?

Pada alamat sel D3 masukkan rumus =IF(C3>75,"Bagus","Perlu ditingkatkan"). Fungsi tersebut memeriksa

sel C3 yang berisi nilai 300 - apakah lebih besar dari angka standar yang ditentukan yaitu 75. Jika ya, maka
masuk ke kategori bagus, kalau lebih kecil masuk ke kondisi perlu ditingkatkan.
IF Bertingkat

Terdapat 5 nilai siswa dalam sebuah ulangan matematika. Bagaima caranya jika kita ingin mengetahui nilai
huruf dari kelima siswa tersebut?

Jawab:

Kita dapat menggunakan IF bertingkat pada alamat sel E3 seperti berikut:

1. =IF(D3>=90,"A",IF(D3>=80,"B",IF(D3>=70,"C",IF(D3>=60,"D","E"))))

Pada tabel di atas terdapat empat logika IF. IF pertama digunakan jika nilai lebih dari sama dengan 90
mendapat A. Disambung dengan IF kedua jika nilai lebih dari sama dengan 80 mendapat B. Selanjutnya jika
nilai lebih besar sama dengan 70 mendapat nilai C. Terakhir jika nilai lebih dari sama dengan 60 maka
mendapat nilai D. Jika tidak memenuhi kondisi di atas berarti otomatis mendapat nilai E karena di bawah 60.
Jangan lupa tutup kurung sebanyak jumlah IF pada akhir fungsi. Sehingga seluruh hasilnya sebagai berikut:
Apa itu Pivot Table?
Untuk membantu menjelaskan pivot dalam spreadsheet, berikut akan gambarannya lewat contoh data harga
indekos per bulan.

Menurut Anda, bagaimana jika kita ingin mengetahui berapa jumlah indekos putra dan total harga per
bulannya? Mungkin Anda pernah menggunakan fungsi COUNTIF (menghitung jumlah data berupa teks
dengan parameter tertentu) dan SUMIF (menjumlahkan data berupa angka sehingga diketahui jumlah
keseluruhannya) untuk menyelesaikan permasalahan tersebut. 

Namun, bagaimana jika contoh kasusnya diganti dengan berapa jumlah indekos putri dan total harga per
bulannya? Pasti Anda akan mengganti rumus tersebut dan terkesan kurang praktis dan efisien. Nah, di sinilah
waktunya kita menggunakan pivot agar lebih fleksibel dalam mengetahui sebuah kelompok data yang
diinginkan. Cukup dengan beberapa klik, kita bisa mengetahui hasilnya sebagai berikut:

Berdasarkan contoh di atas kita dapat mengetahui jumlah dan harga indekos per bulan berdasarkan jenisnya.
Dengan ini bisa disimpulkan bahwa pivot table dapat bantu mengumpulkan dan mengelompokkan data
berdasarkan parameter tertentu sesuai kebutuhan. Sebelum membuat pivot, pastikan data Anda sudah rapi
atau bisa dirapikan dulu baik dari kategori, nilai, dan sebagainya.

Membuat Pivot Table dari Data Sederhana

Sudah coba membuat pivot table dengan contoh data di atas? Jika belum yuk kita belajar bersama membuat
pivot tabel sederhana dengan contoh data di bawah ini:

Contoh data di atas merupakan modifikasi dari tabel sebelumnya dengan menambahkan nama pemilik.
Penerapan pivot table pun jadi lebih detail. Untuk memulai, simak langkah-langkahnya di bawah ini ya.

1. Pertama pastikan Anda sudah membuat tabel data seperti contoh di atas, kemudian sorot semua data.
2. Setelah itu pilih menu Data - Pivot table.

3. Muncul jendela baru Create pivot table. Pilih  New Sheet supaya data hasil pivot dibuat pada sheet lain
sehingga tidak bercampur dengan data asal. Namun, jika Anda menghendaki hasil pivot diletakkan
dalam sheet yang sama maka pilih Existing sheet. Setelah itu klik Create.
4. Setelah itu muncul sheet baru dengan isi Row, Column, dan Values. Serta di samping kanan terdapat
Pivot table editor seperti di bawah ini.

5. Selanjutnya kita tentukan data apa yang ingin dikelompokkan dengan pivot table. Misal, kita ingin
melihat setiap pemilik mengelola beberapa jenis tempat indekos.
6. Dari kondisi di atas, kita coba masukkan ke dalam pivot table editor. Untuk menambahkan nama
pemilik indekos, kita dapat memasukkannya ke dalam Rows dengan klik tombol Add dan pilih Pemilik.
7. Hasil yang didapatkan dari langkah tersebut adalah menampilkan baris nama pemilik seperti di bawah
ini.

8. Selanjutnya kita ingin mengetahui jenis indekos yang ada. Anda dapat mulai menambahkan kolom baru
pada Pivot table editor dengan klik Add - pilih Jenis Kos.
9. Hasil yang didapatkan setelah menambah kolom jenis indekos pada pivot table editor adalah
menampilkan jenis indekos yang ada dalam bentuk kolom seperti berikut:

10. Kemudian untuk mengetahui berapa jumlah indekos yang dikelola setiap pemiliknya, pada Pivot table
editor bagian value, klik Add - pilih Jenis Kos.
 11. Nah, saat ini kita telah mengetahui setiap pemilik mengelola berapa jenis indekos dari data yang telah
dikelompokkan di bawah ini.

Berdasarkan hasil pivot table di atas kita telah berhasil mengetahui setiap pemilik mengelola berapa jenis
indekos. Misal, Alan memiliki 2 indekos berjenis campur, Budi memiliki 1 indekos campur dan 2 indekos putra,
dan lain seterusnya. Yay, kita telah berhasil membuat pivot table. Selanjutnya kita akan melanjutkan
pembahasan mengenai elemen setiap pivot table. Yuk, lanjut ke materi berikutnya.
Elemen Pivot Tabel
Bicara mengenai pivot table, erat kaitannya dengan kolom, baris, dan nilai (value). Seperti yang telah kita
lakukan pada materi sebelumnya, hasil pivot tersebut pasti mengandung ketiga elemen tadi yaitu kolom, baris,
dan nilai. Mari kita bedah satu per satu setiap elemennya.

Baris

Elemen pertama yang akan kita bahas adalah baris. Pada saat klik tombol Add pada bagian Rows di Pivot
table editor, secara otomatis sistem akan memberikan Anda pilihan nama judul dari setiap kolom yang Anda
buat. Ketika kita memilih salah satu, misalnya “pemilik,” sistem akan menampilkan data nama pemilik yang
ada secara unik. Unik di sini menjelaskan bahwa jika terdapat nama pemilik yang sama, seperti “Budi” yang
disebut 2 kali, maka yang tampil dalam pivot hanya satu saja.

Kolom

Sama seperti membuat baris data berdasarkan nama judul dari setiap tabel secara mendatar dalam bentuk
kolom sehingga nantinya data nilai tampil dalam bentuk agregat setiap kolom.

Nilai (Value)

Ketika kita menekan tombol Add pada bagian Values, sistem akan menyuguhkan pilihan yang sama seperti
pada baris dan kolom. Misal pilihannya ada pemilik, jenis indekos, dan harga per bulan. Nah, jika kita
mengisinya dengan jenis indekos dan fungsi penghitungnya menggunakan COUNTA, maka semua data yang
ada berdasarkan jenis indekos akan dihitung dan disesuaikan dengan nama pemilik indekos. Misalnya
gambar di atas menunjukkan nama pemilik Alan memiliki nilai 2 indekos yang ia kelola dan berjenis campur.
Begitu pula data jenis indekos lainnya. Jumlah yang ditampilkan berdasarkan nama pemilik indekos masing-
masing.
Total
Pada saat membuat pivot pada baris atau kolom, di bagian bawah terdapat show totals yang dapat dicentang
atau tidak. Jika dicentang maka tabel akan menampilkan grand total, dan sebaliknya.

Penyaringan
Setiap baris dan kolom memiliki sistem pengurutan berdasarkan parameter masing-masing. Misal pada baris
pemilik terdapat pengaturan untuk mengurutkan datanya secara ascending (naik) atau descending (turun)
berdasarkan abjad awal dari setiap nama pemilik. Misalkan seperti berikut:
Tips Pivot Tabel
Pivot table merupakan sebuah cara yang efektif dalam mengelompokkan data. Untuk memaksimalkan
penggunaannya, berikut tips-tips dalam pembuatan pivot table:

1. Pertama tentukan dulu baris yang ingin dibuat. Di sini kita akan menggunakan jenis indekos. Caranya sama yaitu
tekan Add pada bagian Rows kemudian pilih Jenis Kos.

Sehingga hasilnya sebagai berikut:

2. Berikutnya tambahkan dua nilai (value) baru yaitu Jenis Kos dan Harga per-bulan dengan rincian sebagai
berikut:

3. Seperti ditunjukkan gambar pada langkah ke-2 di atas kita telah menambahkan nilai jenis indekos dan harga per-
bulan. Sesuai dengan fungsinya, kita ingin mengetahui jumlah jenis indekos yang ada maka pada Summarize by
pilih fungsi COUNTA. Sedangkan untuk tahu Harga per-Bulan, kita ingin tahu harga rata-ratanya maka isilah
 Summarize by dengan AVERAGE. Sehingga hasilnya menjadi seperti di bawah ini:

Menambahkan Fitur Penyaringan (filter)

Kita juga dapat melakukan penyaringan dengan menampilkan beberapa data yang kita inginkan. Misal, dari
hasil pivot kita hanya ingin menampilkan hasil data dari indekos putra saja. Maka kita dapat menambahkan
filter pada pivot table editor seperti berikut:

1. Pada pivot table editor, klik Add pada bagian Filter dan pilih Jenis Kos.

2. Selanjutnya terlihat status “Show all items”. Klik tombol dropdown tersebut dan hilangkan centang pada data
yang tidak ingin kita lihat. Pada contoh kali ini kita hanya ingin melihat data dari indekos putra saja. Klik OK
apabila sudah sesuai.
 3. Kita telah mendapatkan hasil filter yang menampilkan data indekos putra saja dari table pivot. Tampilannya
sebagai berikut:

Menampilkan Detail Data dari Pivot Table

Kali ini terdapat sedikit tambahan tips tentang menampilkan detail data dari pivot table. Percayalah, caranya
benar-benar sederhana. Misal kita memiliki data pivot table sebagai berikut:

Dari hasil di atas, kita ingin tahu detail indekos campur yang berjumlah empat dengan harga rata-rata per
bulan sejumlah 1.165.000 rupiah itu.

Nah, kekuatan super yang dapat dilakukan pivot table adalah mampu menampilkan detail dengan hanya klik
dua kali pada salah satu value yang ingin dilihat detailnya. Di sini kita klik dua kali pada alamat sel B2 dan
yang terjadi adalah sebagai berikut.
Dengan sekejap saja Google Spreadsheet membuat sheet baru lagi dengan berisi detail masing-masing dari
indekos campur yang berisi pemilik dan harga per bulan. Keren, bukan?
Apa itu diagram?
Diagram adalah sebuah representatif visual terhadap informasi yang menunjukkan bagaimana mereka bekerja
sama. Anda mungkin pernah mendengar chart atau graph, kedua hal tersebut merupakan bagian dari
diagram. Diagram digunakan untuk mempermudah kita memahami informasi dari data yang kita miliki. Ketika
kita membicarakan data maka yang paling sering terlintas adalah bentuk baris dan kolom yang berisi
informasi, namun berapakah waktu yang kita butuhkan untuk mengerti informasi dalam bentuk baris dan
kolom tersebut? Atau ketika kita memiliki banyak poin data, berapa lama waktu yang dibutuhkan untuk
mengetahui relasi antar poin data tersebut?

Dari gambar diatas kita dapat lebih mudah memahami bagaimana data bekerja dan berelasi antara satu sama
lain. Hal ini disebut sebagai data understanding, nantinya pemahaman ini akan memudahkan kita untuk
membuat hipotesa atau analisis lebih dalam terhadap data. 

Ketika kita menganalisa data lebih dalam kita akan menemukan beberapa pemahaman baru yang menunjang
hipotesis kita. Untuk menunjukan bahwa hipotesis kita adalah benar, maka kita perlu menunjukan
pemahaman tersebut terhadap orang lain. Semakin mudah orang lain paham dengan pemahaman kita maka
hipotesis tersebut semakin valid.

Ketika kita memiliki hipotesis bahwa ada 3 orang yang suka buah apel. Dari gambar tabel tersebut kita sulit
untuk mendapat justifikasi dari hipotesa karena otak kita harus memproses data dalam tabel tersebut terlebih
dahulu. Coba bandingkan ketika kita melihat gambar grafik di bawah.

Dengan melihat grafik di atas. sekilas kita dapat melihat bagaimana data tersebut mendukung hipotesa kita
karena, secara eksplisit Jill, Sam, dan Seth memakan apel lebih dari rata-rata anak memakan apel sehingga
mendukung terdapat 3 orang yang suka memakan buah apel. Jadi fungsi grafik di sini adalah mempersingkat
waktu pemahaman orang lain terhadap informasi yang ingin kita sampaikan.

Macam-macam diagram/grafik spreadsheet

Untuk mempermudah penyerapan informasi dari sebuah data, grafik disediakan dalam berbagai macam
bentuk. Terdapat banyak tools pengolahan data menjadi grafik seperti halnya Microsoft Excel, Google Sheet,
Tableau, Power BI, dan lain sebagainya. Nah sebenarnya tiap-tiap tools menyediakan jenis grafik yang
berbeda. Untuk pembelajaran kali ini kita akan mengambil salah satu tools pengolah angka yaitu Google
Sheet, kenapa? Karena penggunaan tools ini gratis, cukup mudah karena hampir sama dengan Microsoft
Excel, dan tersedia setidaknya 7 jenis grafik yaitu Column, Line, Bar, Area, Pie, Scatter, dan Map yang umum
digunakan untuk pengolahan data.

Bar/Column Chart
Adalah jenis grafik di mana setiap kategori diwakili oleh persegi panjang, dengan tinggi persegi panjang yang
sebanding dengan nilai agregasi data. Grafik ini juga dikenal sebagai Vertical Bar Chart.

Column chart menampilkan data untuk satu set kategori, dengan satu nilai untuk setiap kategori. Kita juga
dapat menggabungkan lebih dari satu kategori, misalnya saat ingin menghitung pengeluaran dan pemasukan
dari setiap bulan selama satu tahun. Pada kasus tersebut kita akan membandingkan jumlah pengeluaran dan
pemasukan pada tiap bulan. Apabila kita ingin menggabungkan kategori pengeluaran dan pemasukan ke
dalam satu representasi namun berbeda warna, hal tersebut dinamakan Stacked Column Chart. Namun
biasanya stacked digunakan untuk melihat persentase atau komposisi dari sebuah kategori.

Horizontal Bar Chart atau biasa disebut dengan Bar Chart sama persis dengan Column chart, perbedaannya
hanya arah dari grafik tersebut yaitu persegi panjang akan memanjang secara horizontal sesuai dengan nilai.
Atau bisa dibilang nilai sumbu x dan y ditukar.

Line Chart
Jenis grafik yang menampilkan informasi sebagai serangkaian titik data yang disebut 'penanda' yang
dihubungkan oleh segmen garis lurus. Terdiri dari sumbu x horizontal dan sumbu y vertikal. Sebagian besar
grafik garis hanya berurusan dengan nilai angka positif, sehingga sumbu ini biasanya berpotongan di dekat
bagian bawah sumbu y dan ujung kiri sumbu x. Titik di mana sumbu berpotongan selalu (0, 0). Setiap sumbu
dilabeli dengan kategori data.

Sumbu x juga disebut sumbu independen karena nilainya tidak bergantung pada apa pun. Sebagai contoh,
waktu selalu ditempatkan pada sumbu x karena terus bergerak maju terlepas dari apa pun. Sumbu y juga
disebut sebagai poros dependen karena nilainya tergantung pada sumbu x.

Anda dapat membuat grafik yang membandingkan jumlah uang yang dipegang oleh setiap kantor cabang
dengan garis yang terpisah untuk setiap kantor. Dalam hal ini setiap baris akan memiliki warna yang berbeda.
Bahkan Anda bisa menggabungkan Column Chart dengan Line Chart, biasanya hal ini digunakan untuk
melihat realita terhadap ekspektasi seperti halnya target penjualan(line) dan hasil penjualan(bar).

Grafik ini adalah alat visual yang kuat untuk pemasaran, keuangan, atau fungsi lain yang melibatkan korelasi
antara dua nilai numerik. Jika dua atau lebih garis ada di grafik, itu dapat digunakan sebagai perbandingan di
antara mereka.

Area Chart
Memperlihatkan perubahan dalam satu jumlah atau lebih dari waktu ke waktu. Ini mirip dengan Line Chart.
Dalam Area dan Line Chart, titik data diplot dan kemudian dihubungkan dengan segmen garis untuk
menunjukkan nilai kuantitas pada beberapa waktu yang berbeda. Namun, bagan area berbeda dari grafik
garis, karena area antara sumbu x dan garis diisi dengan warna atau bayangan.

Grafik ini merupakan pilihan yang baik untuk digunakan ketika Anda ingin menunjukkan tren dari waktu ke
waktu nilai yang tepat. Dalam bagan area skor ujian, kita dapat melihat bahwa skor pada umumnya meningkat
seiring waktu bahkan tanpa mengetahui skor pasti pada setiap ujian tunggal.

Sama seperti Line & Bar Chart, grafik ini juga dapat menggabungkan beberapa nilai agregasi ke dalam satu
representasi atau disebut stacked. Bagian stacked menunjukkan seberapa banyak masing-masing bagian
berkontribusi terhadap jumlah keseluruhan. Misalnya, pemilik rantai toko grosir mungkin ingin membuat bagan
yang menunjukkan keuntungan yang dihasilkan oleh masing-masing tokonya dan total laba yang dihasilkan
oleh semua toko bersama.

Pie Chart
Jenis grafik yang menampilkan data dalam grafik lingkaran. Potongan-potongan grafik sebanding dengan
fraksi keseluruhan dalam setiap kategori. Dengan kata lain, setiap irisan pai relatif terhadap ukuran kategori
tersebut dalam kelompok secara keseluruhan. Seluruh "kue pai" mewakili 100% dari keseluruhan, sedangkan
pai "irisan" mewakili bagian dari keseluruhan.

Kita sulit melihat nilai secara presisi dengan grafik ini, terutama dengan persentase yang rumit yaitu 13,9%
dengan 15%. Ketika dalam bentuk irisan kita tidak dapat melihat secara jelas perbedaan antara kedua nilai
tersebut ataupun ketika kita ingin membelah grafik ini ke dalam 10 bagian yang sama besar, akan ada banyak
irisan yang kita sulit pahami. Oleh karena itu grafik jenis ini umum digunakan ketika nilai irisan memiliki
perbedaan cukup signifikan dan jumlah kategori data yang tidak banyak.

Scatter Chart
Menggunakan titik untuk merepresentasikan nilai numerik pada kategori yang berbeda. Posisi setiap titik pada
sumbu horizontal dan vertikal menunjukkan nilai untuk titik data individual. Grafik ini digunakan untuk
mengamati hubungan antar variabel.

Biasanya warna pada titik akan merepresentasikan kategori yang berbeda. Contohnya apabila kita memiliki
100 poin data nilai ujian siswa, di mana terdapat kategori kelas. Dengan menggunakan grafik ini kita dapat
melihat relasi antara kelas terhadap nilai ujian. Apabila sebuah kelas memiliki nilai yang tinggi maka akan
terlihat banyak titik-titik yang sewarna saling berdekatan. Ataupun kita dapat melihat korelasi antara jenis
kelamin terhadap nilai. Hasil dari grafik ini akan mempermudah kita untuk mengelompokkan suatu golongan
berdasarkan hipotesa-hipotesa yang kita buat.

Grafik ini juga dapat berguna untuk mengidentifikasi pola lain dalam data. Kita dapat membagi titik data
menjadi kelompok berdasarkan seberapa dekat kumpulan titik dikelompokkan bersama. Plot pencar juga
dapat menunjukkan apakah ada kesenjangan tak terduga dalam data dan jika ada titik outlier. Ini bisa
bermanfaat jika kita ingin membagi data menjadi beberapa bagian, seperti dalam pengembangan persona.

Map Chart
Memungkinkan kita untuk memvisualisasikan hubungan spasial dalam data dengan menunjukkan data pada
peta geografis. Misalnya kita ingin melihat penyebaran virus corona (COVID-19) di dunia, kita membuat peta
penanda sesuai dengan jumlah orang yang terkena virus. Umumnya pada peta seperti ini, semakin tebal
warna hijaunya, semakin intens pula kepadatan datanya. Kita jadi dapat melihat bagian geografis mana yang
banyak terkena penyakit tersebut.

Ketika membuat grafik ini kita membutuhkan informasi secara geografis, apakah itu nama lokasi, kota, negara,
atau secara spesifik latitude/longitude. Terdapat dua jenis penanda untuk grafik ini yaitu 

 Poin Geografis: menunjukkan titik data pada peta dengan menunjukkan penanda pada koordinat geografis yang
mirip dengan cara bagan XY menempatkan titik pada koordinat XY. Penanda dapat memvariasikan bentuk,
warna, dan ukurannya (yang terakhir disebut grafik "Gelembung"). Penanda itu sendiri dapat menjadi diagram
lingkaran seperti yang akan kita lihat nanti.
 Area Geografis: area warna pada peta untuk menunjukkan nilai atau kategori data untuk suatu area. Misalnya,
area bisa berupa negara bagian Amerika Serikat dan warnanya dapat menunjukkan nilai numerik untuk setiap
negara bagian. Jenis bagan peta di mana kita mewarnai area geografis dikenal sebagai choropleth.
Menggambarkan Data Kuantitatif ke Bentuk Diagram
Untuk penggunaan grafik secara lebih rinci akan kita bahas pada pembelajaran selanjutnya. Diharapkan pada
pembelajaran kali ini setidaknya Anda bisa mengetahui struktur data yang dapat digunakan untuk membuat
grafik-grafik tersebut. Nah kini, setelah teori, tak lengkap rasanya tanpa latihan. Pada bagian kali ini kita akan
belajar untuk membuat data ke dalam sebuah grafik menggunakan Google Sheet. Jenis grafik dalam Google
Sheet bisa dikombinasikan dengan jenis model lainnya. Misalnya, diagram batang dapat dikombinasikan
dengan diagram garis. Namun, penerapannya juga harus sesuai dan tidak dipaksakan supaya data dapat
mudah dipahami.

Oke, dalam latihan ini kita akan menggunakan data kamar Airbnb yang disewakan di New York yang bisa
diunduh melalui Kaggle.

Dataset: New York City Airbnb

Deskripsi: Sejak 2008, para tamu dan tuan rumah telah menggunakan Airbnb untuk memperluas kesempatan
travelling dan menghadirkan cara yang lebih unik dan personal untuk mengalami dunia. Dataset ini
menjelaskan aktivitas cantuman dan metrik di NYC, New York untuk 2019.

Unduh:  [Link]

Tools: Google Sheet

Untuk mengunduh data dari Kaggle harus memiliki akun Kaggle terlebih dahulu.
Untuk menggunakan Google Sheet harus memiliki akun Gmail terlebih dahulu.

Langkah 1: Persiapan
Pastikan semua tools dan data sudah dipersiapkan. Setelah semua siap, maka buat Google Sheet baru.

Data yang kita unduh sebelumnya memiliki ekstensi .zip, oleh karena itu kita perlu untuk unzipped file
tersebut. Untuk memasukkan data dari komputer ke Google Sheet, klik File → Import dan pilih/taruh berkas
yang ingin dimasukkan.
Unggah berkas AB_NYC_2019.csv dari data yang telah kita ekstrak dan masukkan konfigurasi seperti
gambar di bawah. Setelah itu klik Import data. Sheet akan terisi dengan data dari berkas yang kita unggah.
Sheet akan terisi dengan data dari berkas yang kita unggah seperti berikut:

Langkah 2: Visualisasi
Preparasi data dan semua data sudah berhasil ditampilkan, bukan? Sekarang saatnya kita mulai membuat
visualisasi data-data tersebut. Caranya sangat mudah, kita tinggal memilih kolom dan baris mana yang ingin
kita visualisasikan. Nah sebelum kita memilih kolom dan baris untuk divisualisasikan, kita perlu memahami
maksud dari data tersebut. Mulailah dari deskripsi secara global data sampai dengan arti kolom dan isinya.
Pertama kita mengetahui bahwa data ini merupakan data kamar Airbnb yang disewakan. Namun apa sajakah
arti tiap kolom pada data tersebut?

 Id : Identifier unik untuk tiap tempat sewa

 Name : Nama tempat
 Host_id : Identifier penyedia kamar/tempat
 Host_name : Nama penyedia kamar/tempat
 Neighbourhood_group : Kelompok lingkungan dari tempat tinggal yang disediakan host, merupakan
pengelompokan dari neighbourhood
 Neighbourhood : Nama dari lingkungan tempat tinggal yang disediakan host
 Latitude & longitude : Garis lintang dan garis bujur dari tempat tinggal yang disediakan
 Room_type : Tipe kamar yang disediakan
 Price : Harga sewa per malam
 Minimum_nights : Minimal sewa per malam
 Number_of_reviews : Jumlah ulasan oleh pelanggan
 Last_review : Tanggal review terakhir
 Reviews_per_month : Rasio banyaknya ulasan perbulan
 Calculated_host_listings_count : Jumlah daftar per host
 Availability_365 : Beberapa hari ketika daftar tersedia untuk pemesanan

Atau untuk lebih mengetahui deskripsi data, lihatlah di sini. Setelah kita mengetahui maksud dari kolom dan
isian data tersebut kita mulai dapat membuat pertanyaan pada diri sendiri, sebagai contohnya “Saya ingin
melihat perbandingan rata-rata harga tiap tipe kamar.”

Dari sana kita tahu bahwa kolom yang kita gunakan adalah room_type dan price dengan menggunakan
semua baris. Untuk mulai membuat visualisasi klik kolom I (room_type) dan J (price) dengan menekan shift,
maka akan tampil seperti gambar di bawah ini
Pemilihan data bisa digunakan dengan membuat pivot table, dari tabel tersebut kita dapat memilih baris dan
kolom yang diinginkan untuk membuat visualisasi.
Setelah data yang dibutuhkan telah dipilih, kita dapat memvisualisasikan dengan klik Insert → Chart.

Secara standar grafik yang pertama terbentuk adalah Grafik kolom dengan X Axis adalah room_type dan Y
Axis adalah sum (penjumlahan) dari price.

Nah bisa kita lihat bahwa grafik yang terbentuk tidak rapi. Terlalu banyak data poin pada X Axis. Hal tersebut
dikarenakan kita tidak melakukan grouping atau pengelompokan. Oleh karena itu silakan ceklis tombol
Aggregate untuk melakukan agregasi terhadap room_type yang sama. Maka visualisasi akan berubah seperti
gambar di bawah ini.

Untuk mengubah jenis grafik yang diinginkan dan sesuai dengan jenis data yang kita pilih, klik Chart
type pada Chart editor. Misalnya jika kita ingin mengubah tampilan grafik menjadi bentuk Grafik Pie, cukup
klik bentuk Grafik Pie yang kita inginkan.

 
Lalu grafik sebelumnya akan berubah seperti di bawah ini.

Perlu diingat bahwa nilai Y Axis di sini masih menggunakan nilai awal yaitu sum. Untuk mengubah menjadi
rata-rata kita dapat dengan mengklik seperti gambar di bawah dan menggantinya menjadi average.
Sehingga hasil grafiknya seperti berikut.

Nah hal yang perlu diperhatikan adalah setiap tipe grafik masing-masing memiliki kebutuhan data yang
berbeda-beda. Seperti halnya pada grafik kolom sebelumnya, data yang dibutuhkan ada X Axis dan Y Axis.
Sementara itu pada bentuk grafik kolom kombo area, Y Axis dapat dimasukkan oleh beberapa data lainnya
sebagai perbandingan seperti gambar di bawah ini.
Untuk melakukan styling pada font, legend, warna, dan lainnya, lakukan konfigurasi sesuai jenis grafik yang
kita pilih pada bagian Customize. Setelah mengetahui itu semua ini saatnya Anda mencoba sendiri dan
pelajari terus potensi-potensi yang ada untuk membuat grafik yang lebih kompleks dan lebih mudah dipahami.
Kesalahan Umum dalam Visualisasi Data
Sudahkah Anda menerapkan visualisasi data dalam menyajikan data? Kita telah sepakat bahwa visualisasi
data memudahkan audiens dalam memahami data yang kita presentasikan. Namun, apakah metode
visualisasi data dapat selalu menyampaikan informasinya dengan efektif?

Visualisasi akan efektif jika dibuat dengan mematuhi kaidah yang ditentukan. Namun, terkadang penerapan
visualisasi data dilakukan dengan cara yang sebaliknya: tak tepat dan tak patuh pedoman. Sehingga
penerapan visualisasi data kadang berujung pada output data yang membingungkan, ambigu. Alhasil, alih-alih
membuat paham, audiens jadi meragukan kebenaran data. 

Karena itulah, Anda perlu tahu dan hindari beberapa kesalahan umum yang sering dilakukan dalam membuat
visualisasi data. Berikut ini penjelasannya:

Nilai Persentase Tidak Sesuai

Menurut Anda, adakah yang salah dari diagram lingkaran di atas? Jika Anda mengatakan “Ya, ada yang
salah” itu sudah tepat. Alasannya, total nilai persentase yang ditunjukkan dari diagram sebesar 98% atau
kurang dari 100%. Selain itu ada juga kesalahan lainnya yaitu besar / porsi irisan lingkaran Small Companies
(42%) lebih besar daripada Large Companies (56%). Karena 42 itu lebih kecil dari 56, maka besar porsi
potongan lingkarannya pun seharusnya lebih kecil, bukan sebaliknya. 

Perhatikan bahwa penulisan persentase dan besar porsi irisan yang merepresentasikan data, harus tepat.
Jika menggunakan satuan persen maka total data yang disajikan totalnya harus 100%. Apabila menggunakan
satuan derajat maka data yang disajikan totalnya harus 360 derajat. Sehingga dari diagram di atas jika
datanya sudah tepat maka bisa menjadi seperti berikut:

Besar porsi irisan juga harus sesuai dengan nilai datanya. Jangan pula menampilkan terlalu banyak irisan
yang bisa berujung bias, contohnya di bawah ini:

Pasti Anda akan sulit untuk membaca informasi dari diagram lingkaran di atas. Sulit untuk membedakan data
mana yang lebih besar dibandingkan lainnya. Memang idealnya irisan diagram lingkaran tak lebih dari empat
irisan supaya perpotongan irisannya terlihat jelas. Sehingga kita tahu data mana yang lebih besar atau lebih
kecil. 
Lalu bagaimana kalau data yang ingin ditulis berjumlah enam? Sebagai contoh Anda dapat
menggambarkannya seperti di bawah ini:

“Lainnya” merupakan data hobi yang dihimpun selain sepak bola, bulu tangkis, dan basket. Bisa jadi ada
menulis, membaca, dan lain sebagainya.  

Namun, menulis “lainnya” saja tidak cukup. Anda perlu tambahkan keterangan: kategori lainnya itu berisi hobi
apa saja? Jika data yang dibutuhkan sangat banyak misal lebih dari 100 data, maka kita perlu menuliskan
data hobi ini dalam bentuk tabel saja, bukan diagram lingkaran.

Terlalu Banyak Data

Kita telah mengetahui tujuan visualisasi data adalah membuat sebuah data yang kompleks menjadi lebih
mudah dipahami dengan bentuk visual. Namun, bagaimana jika sebaliknya?
Ini dapat terjadi jika kita “maksa” untuk memasukkan semua data yang berjumlah besar. Hasilnya  tidak efektif
dan tentu membingungkan pembaca. Contohnya perhatikan gambar di bawah ini:

Begitu banyak data yang dimasukkan dalam diagram lingkaran di atas, bukan? 

Sebagai pembaca, kita sulit bahkan tak bisa menangkap informasi apa yang ingin disampaikan oleh diagram
tersebut. Seperti diulas pada poin sebelumnya bahwa apabila menggunakan diagram lingkaran, paling efektif
gunakan 4 irisan data saja. Apabila banyak sekali data seperti gambar di atas, maka sebaiknya tuliskan data
Anda dalam bentuk tabel saja. Hal tersebut berlaku juga untuk semua jenis diagram.
Tidak Mengikuti Standar Penulisan

Apabila Anda melihat grafik di atas, bagaimana tren data yang menunjukkan angka pembunuhan
menggunakan senjata api di Florida? Sekilas tidak ada yang salah tetapi coba perhatikan kembali sumbu Y.
Nilai yang ditunjukkan, terbalik. Angka 0 berada di atas sebagai nilai minimum dan angka 1000 sebagai nilai
maksimum berada di bawah. Hal tersebut sudah tidak sesuai dengan standar umum penulisan karena
umumnya sumbu Y dimulai dari nilai minimum berada di bawah dan semakin ke atas semakin naik nilainya.

Tentu saja ini berpengaruh bagi pembaca informasi karena bisa menimbulkan salah persepsi. Mereka akan
mengira bahwa trennya turun padahal dari 2005 hingga 2007 menunjukkan kenaikan apabila sumbu Y tidak
terbalik. Jadi, usahakan dalam pembuatan sumbu X maupun Y gunakanlah standar penulisan umum yang
berlaku.

Terdapat Sumbu yang Terpotong

Nilai pada suatu sumbu sangat penting kaitannya dengan data yang ditampilkan dalam sebuah diagram. Jika
penerapannya kurang tepat maka memicu bias bagi pembacanya. Sebagai contoh, lihatlah gambar di bawah
ini:

Ada “diskon” alias potongan pada sumbu Y sehingga langsung dimulai dari 34, bukan 0. Akibatnya, pembaca
dapat menyimpulkan terdapat  kesenjangan potongan pajak yang tinggi antara 1 Januari 2013 dan saat berita
tersebut rilis. Padahal nilainya hanya 35% versus 39% sehingga seharusnya tampilan kedua diagram batang
tak begitu berbeda tingginya. Di sini kita jadi paham bahwa setiap data pada sumbu Y mutlak harus dimulai
dari 0 agar menghindari bias dan salah interpretasi data.

Penggunaan Grafik 3D yang Kurang Sesuai

Pasti kita ingin visualisasi data kita terlihat keren kan? Saat terselip di benak kita untuk menggunakan skema
3 dimensi dalam visualisasi, segeralah cari alternatif lain. Tahukah Anda mengapa penggunaan jenis diagram
3 dimensi kurang disarankan dalam visualisasi data? Alasannya adalah supaya memudahkan pembaca dalam
memahami data dan tidak terjadi bias supaya tidak menimbulkan perbedaan persepsi tentang data yang
disajikan. Contohnya dapat Anda lihat di bawah ini:

Selain penggunaan 3D yang menyebabkan bias, diagram batang di atas juga tidak menuliskan nilai dari
sumbu Y dan sumbu X. Pembaca akan kebingungan dan sulit memahami maksud dari informasi yang tersaji.

Susah Dibandingkan

Visualisasi data bertujuan untuk memudahkan kita membandingkan data yang ada. Namun, contoh di atas
menunjukkan sebaliknya. Perbandingan dari setiap data, sulit dipahami. Selain karena menggunakan jenis
diagram 3D, tiap diagram lingkaran yang dibuat juga mengandung terlalu banyak data. Seharusnya kita dapat
menggunakan jenis diagram lainnya untuk membandingkan atau melihat tren dari beberapa kategori misalnya
diagram batang atau diagram garis.

Untuk memahami contoh lainnya mengenai kesalahan dalam visualisasi data, cek di  [Link]
Apa itu Dokumentasi Data?
Pernahkah mendengar istilah dokumentasi data? Dokumentasi data atau yang sering disebut dengan data
provenance adalah sebuah langkah untuk melihat sumber data yang kita peroleh. Kata provenance sendiri
berasal dari bahasa perancis provenir yang berarti “berasal” atau dalam istilah juga disebut silsilah. 

Dalam konsep sejarah seni, kata provenance sering digunakan dalam dokumentasi sebuah karya seni
sehingga setiap detailnya tetap tercatat. Misalnya kapan pertama kali sebuah karya seni diciptakan dari sisi
ide, eksekusi, hingga akhirnya menjadi yang dapat kita nikmati saat ini. 

Contoh lainnya, coba bayangkan Anda berperan sebagai seorang Data Scientist. Anda mendapatkan sebuah
dataset yang siap untuk dianalisis. Anda tidak tahu data ini berasal dari mana, bagaimana validitasnya,
apakah ia akan berubah selama proses pengerjaan Anda, dan sebagainya. Gawat kan? Padahal dokumentasi
data ini penting untuk mengetahui keabsahan data dan memungkinkan kita menggunakannya kembali di
waktu yang lain.

W3C Provenance Incubator Group menjelaskan tentang dokumentasi data sebagai berikut:

“a record that describes entities and processes involved in producing and delivering or otherwise influencing
that resource. Provenance provides a critical foundation for assessing authenticity, enabling trust, and
allowing reproducibility. Provenance assertions are a form of contextual metadata and can themselves
become important records with their own provenance.”

Terdengar rumit? Baiklah. Berikut ini contoh sebuah penggambaran dokumentasi data yang ditunjukkan
dalam sebuah metadata.

Contoh data provenance di atas didapat dari website kaggle. Pada gambar di atas terlihat dokumentasi yang
menyertakan sumber data, metodologi pembuatan data, dan juga pemilik dari dataset. Berikut contoh lain dari
dokumentasi data yang familiar bagi Anda.

Tampilan di atas merupakan version history dari berkas Google Spreadsheet. Semua perubahan data tercatat
mulai dari tanggal hingga nama orang yang melakukan perubahan. Version history ini dapat Anda temukan
saat klik bagian berikut:

Untuk dapat kembali ke penulisan sebelumnya kita dapat melakukan restore version dengan memilih dari
riwayat penulisan dan klik Restore this version.

 KEMBALI KE MATERI SEBELUMNYA

LANJUTKAN KE MATERI BERIKUTNYA  

 DIBANTU
Pentingnya Dokumentasi Data
Kepercayaan, kredibilitas, dan reproduksibilitas terhadap sebuah data dapat didasari oleh dokumentasi
sumber data yang sesuai. Dalam sebuah penelitian, pengguna data tidak serta merta dapat menjadi pembuat
data. Orang yang membuat data dapat; 1) mengonfigurasikan instrumen atau simulasi dari mengumpulkan
data primer, atau 2) menerapkan metodologi dan proses tertentu guna mengekstraksi, mengubah, dan
menganalisis data masukan demi menghasilkan sebuah produk data keluaran.

Metadata merupakan bagian penting dari data yang dipublikasi untuk menentukan kualitas, kredibilitas,
reprodusibilitas hasil (terukur), serta menentukan apakah data dapat digunakan kembali atau tidak (reusable).

Mengelola Sumber Data

Provenance dapat dicatat dalam jenis metadata tentang sebuah data. Banyak bidang metadata yang dapat
dikumpulkan dalam kategori informasi asalnya, misalnya tanggal pembuatan, pemilik, perangkat lunak atau
tools lain yang digunakan, metode pemrosesan data, dan lain sebagainya. Dengan demikian, pengelolaan dan
manajemen data yang baik menjadi dasar dari dokumentasi data yang akurat.

Salah satu usaha dan pendekatan yang mungkin Anda familiar adalah blockchain dalam supply-chain
management, mari simak video berikut:

Bayangkan bahwa metadata adalah lokasi ikan ditangkap, nelayan yang menangkapnya, kapan ikan tersebut
ditangkap, dan sebagainya. Sementara data adalah ikan itu sendiri.

Pendekatan yang dapat dilakukan dalam mendapatkan sebuah dokumentasi data sebagai berikut:

 Dicatat dalam bentuk teks, bisa menggunakan skema penulisan umum atau bisa juga dengan skema khusus
dalam data provenance.
 Dicatat dan disimpan secara internal menggunakan program perangkat lunak atau dalam sistem eksternal
lainnya.
 Dituliskan dalam bentuk yang dapat dibaca oleh mesin atau yang bisa dibaca oleh manusia.

Bentuk sederhananya, sebuah sumber dicatat dan disimpan dalam sebuah berkas  berjudul README yang di
dalamnya menjelaskan tentang pengumpulan data dan metode pemrosesan. Data sumber juga dapat dicatat
dengan lebih terstruktur menggunakan elemen-elemen spesifik dalam standar metadata seperti Dublin Core,
hingga standar disiplin metadata khusus seperti ISO 19115-2 . Untuk lebih memperjelas contoh bentuk
penulisan dokumentasi data, simak uraian berikut ini:

 Berkas README
Pernah menemui berkas readme? Berkas readme biasanya berupa text (.txt) dan sering kita temui
dalam paket instalasi perangkat lunak, kode pemrograman, kumpulan data, dan bisa juga ditemui
dalam proyek penelitian. Tentunya dalam proyek penelitian sebuah berkas readme harus memuat
daftar berkas yang digunakan dalam dataset, rujukan informasi yang relevan, serta berkas lain yang
menunjang penelitian seperti artikel, karya ilmiah, atau slide presentasi. Untuk template penulisan
readme, cek tautan Guide to writing readme ini.
 Data Dictionaries

 
 Data dictionaries atau kamus data berisi informasi kunci tentang data yang Anda kumpulkan. Ia
digunakan untuk menjelaskan suatu bagian tertentu dalam dataset, misal menjelaskan arti dari nama
sebuah variabel, kegunaan, deskripsi, dan lain sebagainya. Kamus data biasanya digunakan pada data
tabular atau sebuah database. Contoh dari data dictionaries dapat di simak di tautan example data
dictionaries.
 Data Paper

Berbeda dengan paper penelitian biasa, dalam data paper cenderung menyajikan dataset yang lebih
besar disertai dengan metadata yang menggambarkan isi, konteks, kualitas, hingga struktur dari data
tersebut. Contoh data paper dapat Anda lihat di tautan Scientific Data.

Tools Dokumentasi Data

Dalam proses dokumentasi data pastinya kita memerlukan sebuah tools supaya lebih mudah dan efisien.
Berikut beberapa hal yang dapat Anda lakukan.
Pergunakan Buku Catatan
Cara tradisional yang dapat diterapkan adalah dengan buku catatan. Kita dapat menggunakan catatan
sebagai alat untuk mencatat sumber data yang kita peroleh. Namun, jika berbicara tentang data pasti tidak
jauh dengan angka dan terkadang terdiri dari banyak digit. Sehingga jika data yang dicatat dalam jumlah yang
besar maka rentan salah. Kita dapat menggunakan buku catatan untuk mencatat poin-poin pentingnya untuk
meminimalisir kesalahan.

Gunakan Alur Ilmiah yang Terstruktur

Nah di sini lah kita dapat memanfaatkan alur terstruktur yang terdiri dari pencatatan, eksekusi, pemrosesan,
dan urutan secara ilmiah. Hal tersebut penting supaya pembaca paham sumber asal dan teori yang
mendukung dokumentasi data buatan kita. Data provenance adalah konsep yang penting dalam sebuah alur
ilmiah. Selain itu data provenance juga memungkinkan para peneliti untuk memahami asal data,
mengembangkan eksperimen, dan melakukan validasi terhadap proses untuk memperoleh suatu data.

Alur tersebut dapat dirancang dalam bentuk grafis secara berurutan berdasarkan tugas yang diberikan.
Sehingga tugas baru yang dimasukkan dapat mengambil masukan dari tugas sebelumnya dan data yang
didapatkan dari luar. Supaya alur kerja dapat digunakan kembali di masa mendatang maka informasi yang
dicatat dapat menunjukkan dari mana data berasal, bagaimana proses data tersebut diubah, dan komponen
apa saja yang mendukung di dalamnya. Hal tersebut dapat memungkinkan peneliti lainnya untuk melakukan
eksperimen lebih lanjut dan merevisi apabila terdapat hal yang kurang tepat dari data tersebut.

Log dan Blockchain

Jika bekerja sendiri, Anda dapat melakukan logging, atau menggunakan tools bantuan (docs, spreadsheet)
yang memiliki kemampuan untuk memperlihatkan histori. Anda yang bekerja dengan tools modern mungkin
mengenal istilah logging atau auditing. Anda dapat memanfaatkan log aplikasi untuk mencatat perubahan
pada Data.

Pada pasar perdagangan dunia, pencatatan ini dapat dilakukan melalui shared ledger yang diterapkan pada
blockchain. Setiap stakeholder akan memiliki salinan dari setiap kejadian yang tercatat, termasuk perubahan-
perubahan yang terjadi pada data tersebut. 

Tips Dokumentasi Data

1. Tautan ke data sumber asli harus  jelas. Sebutkan dari mana Anda mendapatkannya. Ini sangat penting untuk
menunjukkan sumber supaya dataset terlihat kuat dan dapat dipercaya.
2. Penjelasan setiap perubahan data yang Anda lakukan harus dituliskan dengan terperinci. Ini krusial bagi  Anda
sendiri atau orang lain yang ingin memeriksa data Anda.
Bercerita dengan Data
Pada modul sebelumnya kita telah mempelajari tentang jenis data, diagram, dan lain-lain. Sekarang saatnya
kita mulai menyatukan hal-hal yang telah kita pelajari dari awal sampai akhir. Semua hasil analisa pasti
memiliki tujuan, baik itu untuk memberikan insight maupun meyakinkan orang lain untuk mengambil sebuah
keputusan dengan diperkuat oleh hasil analisis kita. Tujuan utama dari modul ini adalah membantu Anda
menyampaikan hasil visualisasi yang mendukung hipotesa Anda pada orang lain. Sehingga, kita pun dapat
mencapai tujuan penyampaian data tersebut.

Exploratory vs Explanatory
Masih ingatkan poin penting yang telah kita pelajari pada modul sebelumnya, bahwa sebelum memulai
analisis, kita harus tahu konteks dari data yang ingin kita olah?  Exploratory Data Analysis adalah hal yang
akan kita lakukan untuk memahami data apa yang ingin diketahui dan menarik bagi audiens. Kita dapat
memulai dengan hipotesis/pertanyaan atau dengan menggali data guna menentukan apa yang mungkin
menarik atau bahkan berdampak besar pada proses penyampaian data.

Setelah mengetahui hal yang ingin kita sampaikan, kita akan mulai berbicara tentang explanatory. Explanatory
merupakan cara kita untuk menceritakan sebuah hasil analisis secara terstruktur dan mudah dimengerti oleh
audiens kita.

Saat memulai explanatory analysis, ada beberapa hal yang harus diperhatikan. Sebelum menganalisis data
atau membuat suatu konten, jawab 3 pertanyaan ini dulu:

Kepada siapa kita berkomunikasi?

Hal ini sangat penting agar kita paham bagaimana mengomunikasikan hasil yang didapatkan. Dengan tahu
audiens, kita bisa memilih bagaimana berbicara dan bertindak saat menyampaikan informasi, tergantung
siapa lawan bicara. Contohnya, bicara kepada teman ataupun orang tua, beda kan?

 Audiens
Semakin spesifik kita tahu siapa audiens kita, semakin besar potensi komunikasi kita sukses. Sehingga kita
harus menghindari penyampaian data yang terlalu general. Kita juga perlu mengetahui kebutuhan informasi
seperti apa yang ingin diketahui audiens. Berkomunikasi dengan terlalu banyak orang dengan kebutuhan
berbeda sekaligus, cenderung tak tepat sasaran. Ini justru membuat kita kurang efektif dalam usaha untuk
penyampaian informasi. Persempit target audiens, maka hasilnya akan lebih efektif.    
 Diri sendiri
Penting kita mengetahui hubungan kita dengan audiens, apakah mereka sudah mengenal kita? Apakah mereka
menganggap kita sebagai ahli dan setiap hal yang kita sampaikan bisa dipercaya? Ini merupakan sebuah acuan
untuk menyusun cara komunikasi kita, hal yang disampaikan, dan kapan harus menggunakan data. Hal ini dapat
memengaruhi alur keseluruhan cerita yang ingin kita sampaikan.

Hal apa yang ingin diketahui audiens?

Kita harus mengetahui dengan jelas apa yang ingin diketahui oleh audiens sehingga kita dapat menentukan
cara kita berkomunikasi untuk menyampaikan data secara efektif.

 Action
Bagaimana membuat informasi yang kita sampaikan bisa relevan untuk audiens? Ini penting agar audiens dapat
memahami dengan jelas dan menyimak serius hal yang kita sampaikan.
Pernahkah kita berpikir bahwa audiens bisa lebih tahu daripada kita? Terkadang asumsi tersebut muncul. Tapi
sebaiknya hapus pemikiran seperti itu. Jika kita adalah orang yang menganalisis dan mengkomunikasikan data,
maka kita harus percaya bahwa kita yang ahli dalam bidang ini. Bahkan kita dapat melakukan interaksi dengan
audiens untuk meningkatkan engagement rate atau mengurangi rasa gugup kita saat menyampaikan data
tersebut.
 Mechanism
Metode yang kita gunakan untuk berkomunikasi dengan audiens memiliki peran penting dalam
sejumlah faktor, termasuk jumlah kontrol yang kita miliki atas bagaimana audiens memperoleh
informasi dan tingkat detail yang perlu lebih dijelaskan.

Pada proses presentasi langsung, kita dapat menanggapi audiens jika terdapat hal yang kurang jelas.
Tidak semua yang kita sampaikan harus ditulis secara detail pada slide presentasi karena kita ada di
sana untuk menjelaskan dan menjawab setiap pertanyaan yang muncul selama presentasi.
 Lain halnya ketika hanya menuliskan hasil analisis dalam bentuk dokumen. Jika pada presentasi
langsung kita dapat mengendalikan audiens yang kurang paham, maka hal tersebut tidak efektif jika
bentuk informasinya berupa dokumen. Tingkat detail yang diperlukan pada penulisan dokumen
biasanya lebih tinggi. Hal tersebut diakibatkan karena kita tidak ada di sana untuk menanggapi atau
melihat ekspresi kebingungan audiens saat menemui bagian yang kurang jelas. Maka dari itu kita harus
menentukan terlebih dahulu: apakah data disajikan secara langsung atau dalam bentuk tulisan
dokumen.
 Tone
Pertimbangan penting lainnya adalah nada penyampaian pada  audiens. Apakah kita ingin
menyampaikannya dengan ceria, memotivasi, atau serius? Nada yang kita inginkan untuk komunikasi
akan memiliki pengaruh pada pilihan desain yang akan digunakan untuk membuat proses visualisasi
data.

Bagaimana kita bisa menggunakan data untuk membantu menegaskan maksud kita?
Setelah kita menjawab pertanyaan di atas, barulah kita membahas data apa yang akan membantu membuat
menjadi poin penting sehingga mendukung penyampaian kita. Dari sini kita akan mengeksplorasi data yang
kita miliki dan memilih data yang dapat membantu menegaskan informasi penting yang ingin kita sampaikan.

Contohnya:

 Siapa : Ketua panitia dapat menyetujui pendanaan untuk kelanjutan acara musik tahunan.
 Apa : Ketua panitia menyetujui untuk melakukan acara musik tahunan.
 Bagaimana : Menggambarkan pendapat dan dampak yang dihasilkan oleh acara musik tersebut dan
membandingkannya dengan acara-acara lainnya.

 KEMBALI KE MATERI SEBELUMNYA

LANJUTKAN KE MATERI BERIKUTNYA  

 DIBANTU
Visualisasi yang Efektif
Terdapat banyak sekali jenis grafik yang dapat digunakan dalam visualisasi data, tetapi hanya sedikit di
antaranya yang mampu menjawab kebutuhan kita. Pada tahap ini kita akan fokus pada beberapa visual.

Berbentuk Teks

Ketika kita hanya ingin menampilkan satu atau dua angka saja, gunakan teks sederhana. Tabel dan grafik
tidak perlu. Buat tampilan angka terlihat menonjol. Tambahkan beberapa kata pendukung untuk
menyampaikan pikiran kita secara jelas. Penambahan kata atau kalimat pendukung berfungsi untuk
meminimalisir perbedaan pendapat atau kesalahan informasi. Untuk mengilustrasikan penjelasan tersebut,
mari kita lihat contoh di bawah ini:

Kenyataannya, kita tidak harus menggunakan diagram atau grafik jika ingin menampilkan beberapa angka
saja. Grafik tidak menjelaskan banyak mengenai interpretasi angka. Dalam kasus ini, harusnya gunakan
sebuah kalimat sederhana saja, seperti: Tahun 2012 sebanyak 20% anak tinggal di rumah ibunya,
dibandingkan dengan tahun 1970 sebanyak 41%. Sebagai alternatif, kita dapat mewujudkan informasi visual
alternatif sebagai berikut:

Ketika kita hanya memiliki satu atau dua angka yang ingin disampaikan, sampaikanlah tanpa grafik atau tabel.
Sebaliknya, jika ada  banyak angka untuk ditampilkan, tabel atau grafik jadi opsi terbaik.

Tabel

Pasti kita sering menemui data dalam bentuk tabel. Ketika terdapat sebuah tabel kita cenderung akan
menggunakan telunjuk untuk membaca antar baris dan kolom untuk membandingkan nilai. Tabel sangat baik
untuk beragam audiens yang membaca baris tertentu sesuai kepentingan masing-masing. Jika kita
berhadapan dengan banyak unit pengukuran, tabel lebih memudahkan saat dibaca.  

Perlu diperhatikan jika membuat tabel dalam presentasi. Hindari penggunaan garis tepi yang tebal atau
bayangan. Audiens jadi fokus ke garis atau bayangan tersebut. Lebih baik gunakan garis tepi tipis atau ruang
putih untuk memisahkan elemen-elemen dalam tabel. Berikut ilustrasi untuk memperjelas detail tsb:

Garis tepi seharusnya digunakan untuk membantu audiens membaca data namun jangan berlebihan sehingga
jadi pusat perhatian. Pertimbangkan untuk membuat garis tepinya jadi abu-abu atau tanpa warna. Datalah
yang seharusnya menjadi pusat perhatian, bukan garis tepi.

Heatmap
Cara untuk menggabungkan detail angka pada tabel dengan visual adalah menggunakan heatmap. Grafik ini
berfungsi untuk memvisualisasikan data melalui format tabulasi yang memanfaatkan pewarnaan dalam sel
untuk menunjukkan besaran nilai angkanya.

Pada gambar di atas terdapat tabel biasa di sebelah kiri dan heatmap di sebelah kanan. Pada tabel biasa kita
harus mengamati tiap baris dan kolom untuk memahami data mana yang lebih besar atau lebih kecil
dibandingkan lainnya. Untuk mengurangi proses dalam memahami data, gunakan saturasi warna sebagai
penanda visual. Hal ini dapat membantu mata dan otak kita bekerja lebih cepat untuk menentukan hal penting
yang kita butuhkan. Kategori warna pada tabel heatmap sebelah kanan membuat proses mencari informasi
lebih mudah dan cepat karena jika kita ingin mencari data yang persentasenya paling besar dapat mencari
saturasi warna yang paling gelap.

Grafik
Grafik lebih cepat diproses dan mudah dipahami dalam mendapatkan informasi. Artinya, kita dapat lebih cepat
memahami informasi dari grafik dibandingkan dengan tabel yang didesain dengan baik.

Grafik yang digunakan umumnya terbagi menjadi empat kategori : Titik, garis, batang, dan area.

Titik
Scatterplot
Grafik scatterplot berguna untuk menunjukkan hubungan antara dua hal yang terdapat di sumbu x dan y
karena grafik ini membuat kita memproses data serentak untuk melihat hubungan apa yang muncul. Meski
jarang digunakan, dunia bisnis masih ada yang menggunakan scatterplot.
Sebagai contoh, bayangkan kita mengelola armada bus dan ingin memahami hubungan antara mil yang
ditempuh dan biaya per mil. Scatterplot akan terlihat seperti gambar di bawah ini.
Jika kita ingin lebih fokus pada kasus di mana biaya per mil di bawah rata-rata, maka kita dapat memodifikasi
sedikit scatterplot untuk menarik perhatian pembaca seperti pada gambar di bawah ini.

Kita dapat menambahkan informasi observasi, seperti biaya per mil lebih tinggi dari rata-rata ketika jarak
tempuh kurang dari 1.700 mil atau lebih dari 3.300 mil untuk sampel yang diobservasi.

Garis
Grafik garis biasanya digunakan untuk melihat data yang bersifat kontinu. Karena titik biasanya dihubungkan
melalui garis, grafik ini membuat hubungan antar titik dan mungkin tidak sesuai untuk data yang bersifat
kategori. Sering kali, data kontinu berupa unit waktu: hari, bulan, kuarter, atau tahun.

Di antara kategori grafik garis, terdapat dua tipe yang biasanya digunakan yaitu grafik garis dan slopegraph.

1. Grafik Garis
Grafik garis dapat menampilkan sebuah serial data, dua serial data atau multi serial data seperti contoh pada
gambar di bawah ini.

2. Slopegraph
Slopegraph berguna ketika menyajikan data yang memiliki dua periode waktu atau perbedaan data. Hal tersebut
bertujuan untuk menunjukkan secara cepat kenaikan dan penurunan atau perbedaan kategori yang beragam
antara dua data.
Bayangkan kita menganalisis dan mengkomunikasikan data dari survei karyawan. Dari hasil analisis tersebut
menunjukkan perubahan dalam kategori survei dari 2014 hingga 2015 seperti berikut:
 Slopegraph memuat banyak informasi. Dalam hal nilai absolut garis yang menghubungkan titik, kita jadi dapat
gambaran kenaikan atau penurunan tingkat perubahan tanpa penjelasan.
Jika terlalu banyak garis bersinggungan, slopegraph mungkin tidak efektif sehingga sulit membaca datanya.
Berikut merupakan contoh slopegraph dengan menunjukkan satu kategori yang menurun dari tahun sebelumnya.

Batang
Terkadang kita menghindari penggunaan grafik batang karena grafik ini terlalu sering digunakan. Pendapat ini
justru salah. Sebaliknya, grafik batang seharusnya digunakan karena mereka sering digunakan sehingga
audiens tidak perlu mempelajari cara membaca grafik yang baru. Daripada menggunakan energi untuk
memahami bagaimana cara membaca grafik, lebih baik jika audiens menggunakan waktunya untuk
memahami isi datanya.
Grafik batang mudah untuk dibaca. Mata kita akan membandingkan beberapa data yang digambarkan dalam
bentuk batang secara cepat. Sehingga, kita bisa dengan cepat tahu data yang terbesar, terkecil, dan
perbandingan antara kategori data. Perlu diingat, karena mata kita membandingkan secara otomatis dan
melihat batang pada ujung atas, mulailah dari titik 0 pada sumbu Y. Tanpa demikian, perbandingan visual,
bisa salah seperti ini (diagram sebelah kiri).

Pada grafik sebelah kiri terlihat perbedaan yang sangat mencolok karena sumbu Y tidak dimulai dari 0.
Sebenarnya kenaikan tidak terlalu signifikan karena jika diterapkan sumbu Y mulai dari 0 akan terlihat seperti
grafik sebelah kanan.

Selanjutnya selain mempertimbangkan panjang batang, kita juga harus memperhatikan lebar dari diagram
batang tersebut. Secara umum lebar batang harus lebih besar dibandingkan jarak antara batang,
penggambarannya seperti di bawah ini.

Kita telah membahas bagaimana cara terbaik untuk membuat grafik batang secara umum. Selanjutnya mari
kita lihat ragam jenis grafik batang. Dengan tahu varian yang ada, kita bisa memilih mana yang terbaik untuk
keperluan kita.

1. Grafik Batang Vertikal

Seperti grafik garis, grafik batang vertikal dapat berjumlah satu, dua, ataupun multi serial data. Perlu diingat
bahwa jika serial data yang ditambahkan semakin banyak, semakin sulit audiens fokus membaca dan menarik
kesimpulan. Alternatifnya, gunakan grafik multi serial. Kita juga harus memperhatikan penyesuaian visual yang
terjadi jika memiliki satu serial data. Hal ini membuat susunan kategorisasi menjadi penting. Pertimbangkan apa
 yang ingin diketahui audiens dan buat susunan kategorisasi sejelas mungkin.

2. Grafik Batang Vertikal Bertumpuk

Stacked vertical bar chart atau grafik batang bertumpuk penggunaannya lebih terbatas. Grafik ini memungkinkan
kita untuk membandingkan antar kategori utama dan juga antar sub komponen dalam tiap kategori. Namun,
grafik ini dapat membuat audiens kebingungan secara visual, terutama ketika aplikasi grafik menambahkan
variasi warna secara otomatis. Sulit untuk membandingkan sub komponen dari kategori-kategori ketika mereka
tidak terletak sejajar di garis bawah. Hal ini menyulitkan kita untuk membandingkan, seperti ilustrasi pada
gambar di bawah ini.

3. Grafik Air Terjun

Waterfall Chart atau apabila diterjemahkan menjadi grafik air terjun dapat digunakan untuk menampilkan bagian
tertentu dari grafik batang bertumpuk. Hal tersebut bertujuan untuk lebih fokus menunjukkan data awal, kenaikan
atau penurunan, serta data akhir.
Cara terbaik untuk mengilustrasikan waterfall chart adalah dengan contoh spesifik. Bayangkan kita adalah rekan
bisnis yang ingin memahami dan mengkomunikasikan bagaimana perubahan jumlah karyawan dari tahun lalu
untuk klien kita.
 Di sisi kiri, kita melihat jumlah karyawan di awal tahun. Seraya kita bergerak ke arah kanan, kita melihat
pertambahan: perekrutan dan peralihan karyawan ke dalam tim yang semula berasal dari tim yang berbeda
organisasi. Pertambahan ini diikuti dengan pengurangan: peralihan karyawan keluar tim untuk tim yang berbeda
dan pengurangan karyawan. Batang yang di ujung kanan merepresentasikan jumlah karyawan di akhir tahun,
setelah pertambahan dan pengurangan karyawan di awal tahun.
4. Grafik Batang Horizontal
Grafik ini sangat mudah dibaca untuk mengetahui kisaran sebuah data, khususnya jika nama kategori panjang.
Selain itu, mata kita memproses informasi mulai dari kiri atas (nama kategori) hingga ke kanan (data) dari grafik
batang horizontal. Ini artinya ketika kita membaca data, kita sudah mengetahui apa yang dipresentasikan.

5. Grafik Batang Horizontal Bertumpuk

Grafik batang horizontal bertumpuk dapat menunjukkan perbandingan antara kategori total dengan antar sub
komponen di tiap kategori.

Grafik ini dapat digunakan untuk memvisualisasikan porsi keseluruhan skala dari negatif hingga positif,
karena kita menggunakan garis dasar yang konsisten baik ujung kiri maupun ujung kanan. Pendekatan
 grafik ini dapat terlihat cukup baik pada contoh data survei di bawah ini:

Area
Salah satu grafik yang paling dihindari adalah area. Mata manusia tidak terbiasa menghubungkan data
kuantitatif dengan bidang dua dimensi. Hal ini menyebabkan grafik area lebih sulit dibaca daripada grafik-
grafik sebelumnya. Untuk alasan ini,  hindari grafik area kecuali ketika ingin memvisualisasikan angka dengan
ukuran besaran yang berbeda. Kehadiran dua dimensi dari grafik ini memungkinkan kita menampilkan data
lebih ringkas dibandingkan dengan satu dimensi.
Prinsip Gestalt dalam Persepsi Visual
Ketika mengidentifikasi elemen informasi yang mungkin masih terlihat berantakan dalam visualisasi,
pertimbangkan prinsip gestalt dalam persepsi visual. Gestalt merupakan sebuah teori yang menyatakan
bahwa seseorang cenderung mengelompokkan sesuatu yang dilihat menjadi satu kesatuan utuh berdasarkan
pola, hubungan, dan kemiripan. Berikut enam prinsip gestalt dalam persepsi visual yang akan kita pelajari:
proximity, similarity, enclosure, closure, continuity, and connection.

Proximity (Kedekatan)
Kita cenderung berpikir bahwa objek yang berdekatan secara fisik termasuk pada golongan yang sama. Kita
akan melihat titik-titik sebagai tiga kelompok terpisah akibat kedekatan relatif satu sama lain, contohnya

seperti di bawah ini:

Similarity (Kesamaan)
Objek yang memiliki warna, bentuk, ukuran, dan arah yang sama dianggap terkait atau termasuk bagian dari
suatu kelompok. Kesamaan ini dapat membantu menarik perhatian audiens ke arah yang ingin kita fokuskan.

Enclosure (Pembeda)
Kita berpikir objek-objek yang memiliki batas secara fisik termasuk dalam sebuah kelompok. Salah satu cara
untuk mengoptimalkan prinsip enclosure adalah menggambar visual pembeda dalam data kita. Seperti
menambahkan area berbayang untuk memisahkan prediksi dengan data yang aktual di bawah ini:

Closure (Bentuk Tertutup)

Konsep closure berkata bahwa orang-orang menyukai hal sederhana dan sesuai dengan konstruksi yang ada
di pikiran mereka. Karena hal ini orang-orang cenderung melihat elemen individu sebagai elemen-elemen
tunggal atau sesuatu yang dapat dikenali. Sehingga elemen tersebut terlihat solid dan terlihat seimbang.
Misalnya penggambaran grafik masih terbaca dengan baik sehingga tidak perlu ditambahkan garis tepi atau
bayangan.

Continuity (Kesinambungan Pola)

Prinsip continuity mirip dengan closure. Ketika melihat objek, mata kita mencari garis tepi dan secara alami
membuat kelanjutan dari apa yang kita lihat meskipun kelanjutannya tidak terlihat secara eksplisit. Contohnya
dapat dilihat pada gambar di bawah ini. Penerapan prinsip ini menghilangkan garis sumbu-y vertikal. Maka
kita tetap melihat gambar batang yang berbaris di titik yang sama karena konsistensi jarak antara label di kiri
dan data di kanan. Seperti apa yang kita lihat di prinsip closure dalam aplikasi, membuang elemen yang tidak
dibutuhkan dapat membuat data kita lebih menonjol.

Connection (Koneksi)
Prinsip terakhir yang akan kita bahas adalah connection. Kita cenderung memikirkan objek yang secara fisik
terhubung sebagai bagian dari grup. Koneksi biasanya memiliki nilai asosiatif yang lebih kuat daripada warna,
ukuran, atau bentuk yang serupa. Properti connection tidak sekuat enclosure tetapi dapat mempengaruhi
hubungan ini melalui ketebalan dan pewarnaan untuk menciptakan hirarki visual yang diinginkan.
Salah satu cara yang bisa kita manfaatkan untuk prinsip koneksi adalah grafik garis yang bertujuan untuk
membantu mata kita melihat susunan data seperti pada gambar di bawah ini.

Berdasarkan penjelasan di atas kita dapat mengetahui bahwa prinsip gestalt membantu kita memahami
bagaimana orang melihat dan mengidentifikasi elemen yang tidak diperlukan untuk mempermudah proses
komunikasi visual.
Menghilangkan Elemen yang Rumit
Bayangkan halaman kosong atau layar kosong. Kemudian, tiap elemen yang Anda tambahkan ke halaman
atau layar tersebut pasti memerlukan waktu untuk kita pahami. Dengan kata lain, penambahan elemen
membutuhkan kekuatan otak untuk memproses. Oleh karena itu, kita perlu membuat elemen visual terlihat
rapi. Secara umum, identifikasilah dan hapuslah elemen yang kurang efektif.

Cognitive Load (Beban Kognitif)

Apa itu beban kognitif? Sederhananya, usaha kognitif kita dalam mempelajari informasi baru. Ketika kita
meminta komputer untuk melakukan pekerjaan, kita mengandalkan kekuatan pemrosesan komputer. Ketika
kita meminta audiens untuk menyerap informasi, kita mengoptimalkan pola berpikir mereka untuk memproses
hal tersebut. Ini disebut dengan beban kognitif. Otak manusia memiliki kekuatan untuk pemrosesan yang
terbatas. Sebagai desainer informasi, kita harus membuat audiens mudah memahami data yang kita
sampaikan. Jika audiens membutuhkan waktu lama untuk memahami data yang kita sampaikan, maka kita
harus memperbaiki persepsi visual data yang kita buat.

Hal yang sangat penting ketika menyangkut komunikasi visual adalah usaha audiens untuk mencerna
informasi. Seberapa sulit bagi mereka untuk percaya bahwa informasi dapat diserap dari apa yang kita
sampaikan.

Kerumitan
Salah satu penyebab utama yang menimbulkan cognitive lead yang berlebihan adalah sebuah kerumitan atau
disebut juga dengan clutter. Clutter merupakan elemen visual yang tidak menambah pemahaman. Terdapat
alasan sederhana mengapa kita berusaha untuk mereduksinya. Mungkin tanpa kita sadari sebuah clutter
dalam komunikasi visual dapat menyebabkan informasi kurang ideal sehingga berdampak pada  pengalaman
tidak nyaman bagi audiens saat membacanya. Ketika visual terlihat rumit, kita membuat audiens membuang
banyak waktu untuk memahami tampilan data. Sehingga kita dapat kehilangan kesempatan menyampaikan
informasi pada audiens dengan efektif.
Preattentive Attributes
Kita telah mengetahui pentingnya mengidentifikasi dan menghilangkan hal-hal yang berantakan dari visual
yang dibuat. Kita akan berbicara singkat mengenai pengamatan dan ingatan untuk menekankan pentingnya
sebuah preattentive attributes. Pada bagian ini kita akan mengeksplorasi bagaimana atribut seperti, ukuran,
warna, dan posisi di halaman dapat digunakan secara strategis dalam dua cara:

1. Preattentive attributes dapat dimanfaatkan untuk membantu mengarahkan perhatian pada fokus utama yang
ingin disampaikan.
2. Atribut ini dapat digunakan untuk membuat hierarki elemen visual yang mengarahkan perhatian pada informasi
yang hendak diinformasikan sesuai dengan proses yang diharapkan.

Jika kita menggunakan preattentive attributes secara strategis, audiens jadi mudah melihat dan menemukan
dengan cepat apa yang kita ingin mereka cari.

Preattentive attributes adalah sinyal fokus area

Cara terbaik untuk membuktikan kekuatan preattentive attributes adalah dengan mendemonstrasikannya.
Gambar di bawah ini menunjukkan sejumlah angka. Hitunglah berapa banyak angka enam yang ada dalam
rangkaian tersebut.
Jawabannya adalah sepuluh. Pada gambar di atas tidak terdapat tanda visual yang membantu menjawab
pertanyaan. Namun, apa yang terjadi ketika membuat sebuah perubahan di rangkaian angka seperti berikut.

Perhatikan betapa mudah dan cepat kita menemukan berapa banyak angka 6 dalam data di atas
menggunakan data yang sama. Tidak dibutuhkan waktu yang lama dan tiba-tiba terdapat sepuluh angka 6
yang dapat dilihat. Preattentive attributes dari contoh kasus ini adalah penggunaan intensitas warna yang
membuat angka 6 mencolok dari angka lain. Sehingga, otak kita menangkap secara cepat dan menghitung
jumlah angka 6 yang terlihat mencolok daripada yang lain.

Preattentive attributes dalam teks

Ketika membicarakan preattentive pada teks, mungkin teman-teman secara tidak sadar telah melakukan hal
tersebut. Seperti contohnya ketika membuat sebuah dokumen pasti kita akan membedakan ukuran nama
judul, sub judul, dan paragraf. Ataupun ketika kita menggunakan stabilo pada sebuah buku yang kita baca.
Nah, sebenarnya untuk apa sih kita melakukan hal tersebut? Coba bandingkanlah ketika kamu membaca
sebuah buku dengan judul dan tanpa judul: bagian buku yang kita beri warna highlighter  dan tidak. Tutuplah
buku tersebut dan buka lagi setelah beberapa hari, maka kamu akan melihat buku yang kamu berikan
preattentive akan lebih mudah kamu baca kembali. Kenapa? Karena dengan melakukan preattentive pada
teks, kita mengarahkan audiens untuk lebih fokus ke beberapa hal saja, bukan semua. 

Selain itu, ukuran juga memberikan informasi hirarki. Seperti halnya judul dan sub judul, kita mengetahui
bahwa informasi sub judul merupakan bagian lebih detail dari judul.

Dengan membuat hirarki kita akan memudahkan audiens untuk memisahkan grup informasi yang memiliki
korelasi. Seperti halnya pada modul ini kita menggunakan ukuran sebagai pembatas dari informasi-informasi
pembelajaran. Hal ini juga bisa kita terapkan pada pembuatan presentasi seperti gambar di bawah.

Bagaimana? Dengan sedikit memainkan ukuran, warna dan ketebalan kita bisa membuat perbedaan yang
cukup signifikan. Coba kamu lihat gambar di bawah sebagai pembanding. Selain warna dan ukuran masih
banyak yang bisa kita lakukan untuk membuat preattentive pada teks.

Mungkin pertanyaan selanjutnya adalah kapan kita harus menggunakan salah satunya? Kembali lagi ke
audiens. Ketika audiens merupakan orang yang cukup tua atau memiliki penglihatan yang kurang maka
perubahan ukuran akan lebih baik. Bila seseorang sulit untuk membedakan warna maka jangan gunakan
pewarna sebagai preattentive. Ketika kita memiliki banyak informasi yang penting dalam sebuah teks, maka
kita dapat memberikan outline kotak atau mungkin kalian lebih suka untuk melingkari hal yang penting.
Preattentive attributes dalam grafik
Grafik juga memerlukan penanda visual seperti yang sudah dijelaskan dengan contoh kasus menghitung
jumlah angka 6 sebelumnya. Berikut merupakan contoh penerapan preattentive attributes dalam grafik.

Grafik di atas terlihat tanpa penanda visual sehingga kita sulit menentukan informasi yang ingin diketahui.
Masih ingatkah Anda dengan perbedaan antara exploratory analysis dan explanatory analysis? Gambar di
atas juga dapat membantu untuk masuk dalam proses explanatory analysis. Namun, jika kita melihat data
untuk memahami apa yang menarik dan penting untuk dikomunikasikan kepada orang lain, maka penggunaan
warna dan teks adalah salah satu cara untuk fokus pada hal yang ingin diinformasikan. Contohnya seperti
pada ilustrasi di bawah ini.

Penyajian di atas menggunakan dan visual yang sama, tetapi dengan modifikasi fokus dan teks untuk
mengarahkan ke bagian makro dan mikro dari data yang ingin disampaikan. Anda juga dapat menambahkan
cerita untuk melengkapi informasi tersebut seperti di bawah ini.

Khususnya dalam presentasi langsung, kita bisa lakukan pengulangan visual dengan perbedaan penekanan
untuk menyampaikan aspek yang berbeda dari cerita yang sama. Ini merupakan strategi efektif.

Dalam preattentive attributes terdapat beberapa atribut yang penting dari sudut pandang strategis ketika
memfokuskan perhatian sesuai spesifikasi diskusinya yaitu:

1. Ukuran
Ukuran relatif berpengaruh untuk menunjukkan tingkat kepentingan. Ingat selalu ketika mendesain komunikasi
visual. Jika kita menunjukkan berbagai hal yang memiliki kepentingan yang sama, berikan mereka ukuran yang
sama. Sebagai alternatif, jika terdapat satu hal penting maka manfaatkan ukuran dan membuatnya menjadi lebih
besar.
2. Warna
Ketika digunakan secara bijak, warna merupakan salah satu alat paling ampuh untuk menarik perhatian. Hindari
keinginan untuk menggunakan warna hanya karena ingin terlihat meriah atau warna warni semata. Gunakan
warna secara selektif sebagai sebuah alat strategis untuk menekankan bagian penting dari visual yang dibuat.

3. Posisi di halaman
Ketika kita membuat sebuah visual, maka kita harus bijak dalam memilih posisi. Seperti kita ketahui umumnya
kita membaca dari kiri dan ke kanan seperti gambar di bawah ini. Tapi bagaimana dengan orang dari Arab? Kita
harus menyesuaikan dengan cara audiens membaca. Hal tersebut akan bermanfaat untuk kita menentukan
struktur dari visualisasi.
Konsep Berkomunikasi dengan Data
Pada Preattentive Attributes yang kita pelajari sebelumnya kita telah belajar bagaimana memusatkan
perhatian audiens terhadap informasi yang kita berikan. Namun, untuk membuat visualisasi kita lebih menarik
maka kita memerlukan beberapa fundamental desain. Oleh karena itu setidaknya mari kita berpikir sebagai
desainer.

Pada bagian ini kita akan belajar bagaimana cara berpikir sebagai seorang desainer dan bagaimana konsep
desain tradisional dapat diterapkan untuk berkomunikasi dengan data. Terdapat 4 poin utama dalam desain
yang akan kita bahas yaitu affordances, accessibility, aesthetics, dan acceptance. Seorang desainer dapat
membedakan mana desain yang baik dan tidak dengan membiasakan diri dengan beberapa aspek umum dan
contoh-contoh desain yang ada. Kita akan belajar dan menanamkan kepercayaan diri pada insting visual
dengan mempelajari beberapa tips untuk diikuti dan disesuaikan ketika hal-hal dirasa kurang tepat pada
sebuah visual.

Affordances
Dalam istilah desain, semua benda memiliki fungsinya masing-masing. Seperti halnya ketika kita melihat
tombol, kita tahu bahwa guna mengaktifkan tombol, kita perlu menekannya. Karakteristik ini menunjukkan
bagaimana objek harus berinteraksi. Nah bagaimana kita menerapkan konsep affordances ke dalam
visualisasi data?

Highlight hal yang penting

Pada pembelajaran sebelumnya kita mengetahui bagaimana menggunakan preattentive attributes untuk
menarik perhatian audiens. Ada beberapa hal cara highlighting yaitu:

 Bold/italic/underline : Biasanya digunakan untuk judul, caption, ataupun kata pendek yang membedakan
elemen. Bold umumnya lebih disukai daripada huruf miring dan garis bawah karena menambah sedikit
kebisingan pada desain sambil secara jelas menyoroti elemen yang dipilih.
 CASE : Kita bisa menggunakan huruf kapital untuk menarik perhatian dari audiens karena huruf kapital mudah
untuk dipindai oleh mata.
 Color : efektif bila digunakan bersamaan dengan teknik highlighting lainnya. Karena menambahkan nilai estetika
dan menarik perhatian audiens.
 Inversing Element : Cara ini sangat menarik perhatian mata, namun beberapa orang tidak nyaman ketika
melihat inversing.
 Size : Hal ini paling biasa kita lakukan untuk membedakan mana judul, sub-judul, atau lainnya yang juga
merupakan sinyal untuk memberitahu hal yang harus difokuskan audiens.
Ketika kita memiliki hal yang sangat penting dan ingin kita tampilkan maka kita bisa memberikan bold,
memperbesar ukuran font, atau bahkan mewarnainya.
Perhatikan gambar di atas dan bagaimana ia membawa fokus audiens terhadap hal yang ingin ia sampaikan.
Tentu kita fokus melihat Bachelor’s degree or more karena warna mencolok. Sementara bagian kirinya tidak
mencolok dengan warna standar abu-abu. Sampai di sini, paham? Highlighting memberikan sinyal yang jelas
ke mana kita harus memusatkan perhatian kita.

Eliminasi distraksi
Ketika kita melihat tulisan di kertas yang bernoda maka kita akan ikut melihat noda di kertas tersebut. Tapi
apakah noda tersebut merupakan hal yang harusnya kita lihat? Bandingkan dengan kita melihat tulisan di atas
kertas putih bersih. Maka kita akan langsung fokus pada tulisan tersebut. Dalam sebuah bukunya Antoine de
Saint‐Exupery berkata “Anda tahu Anda telah mencapai kesempurnaan, bukan ketika Anda tidak memiliki
apa-apa lagi untuk ditambahkan, tetapi ketika Anda tidak memiliki apa pun untuk diambil”. Oleh karena itu kita
butuh untuk mengeliminasi distraksi dari grafik kita. Beberapa hal yang bisa membantu kita dalam
mengeliminasi distraksi.

 Tidak semua data setara informasinya. Seperti clutter yang kita pelajari pada modul sebelumnya maka
informasi tersebut bisa dihilangkan.
 Ketika detail tidak dibutuhkan maka rangkumlah. Mungkin menurut kita detail itu penting, tapi apakah
audiens perlu dan akan membaca semua detail tersebut?
 Tanya diri sendiri, apabila kita hapus sesuatu apakah merubah informasinya? Apabila jawabannya tidak,
maka Anda dapat menghapusnya. Jangan biarkan rasa estetika ataupun rasa “sebaiknya harus ada”
menghalangi kita untuk menghapus data tersebut.
 Ketika tidak terlalu penting namun dibutuhkan, samarkan dengan warna latar. Gunakan ilmu preattentive
attributes mu dan gunakan warna abu-abu untuk menyamarkannya.
Banyak hal yang kita ubah pada grafik tersebut. Seperti yang kita tahu bahwa grafik garis lebih mudah
memperlihatkan tren waktu. Kita juga mengurangi informasi dengan merubah 25 bar menjadi 4 garis. Kita juga
dapat melihat perbedaan secara lebih jelas karena hanya perlu melihat dalam satu garis vertikal. Karena yang
kita ingin tunjukan adalah perbandingan dan perbandingannya sudah jelas terlihat, kita tidak memerlukan
bentuk desimal.

Accessibility
Konsep ini membicarakan bahwa desain seharusnya bisa digunakan oleh orang dari berbagai latar belakang
atau kemampuan. Apakah termasuk penyandang disabilitas? Ya, disabilitas juga termasuk. Namun hal yang
dimaksud lebih luas. Apabila kita seorang sarjana ekonomi, maka hasil analisis dan visual yang kita buat
harus dapat dimengerti orang yang bukan sarjana ekonomi. Ada beberapa hal yang dapat membantu Anda
mendapatkan Accessibility.

Jangan mempersulit sesuatu

Ketika kita membuat sebuah visual terkadang kita ingin menampilkan sesuatu yang unik dan beda dari yang
lain. Contohnya kita membuat presentasi dengan font huruf sambung atau untuk alasan estetika kamu
memperkecil teks agar terlihat rapi. Hal tersebut akan menyulitkan audiens dalam menyerap informasi dari
visualisasi yang Anda buat. Beberapa hal yang perlu Anda ingat yaitu:

 Gunakan font yang tegas dan mudah dibaca oleh orang lain;
 Bersihkan dari setiap clutter dan buat visualisasi data kita sesuai dengan visual affordances;
 Gunakan bahasa yang umum dan to the point;
 Simplicity is the best.

Teks adalah temanmu

Teks membantu kita dalam mengkomunikasikan visualisasi sehingga dapat dimengerti audiens. Anda selalu
bisa menggunakan teks sebagai penjelasan suatu visual. Mulai dari judul, deskripsi, atau bahkan
memanfaatkan teknik highlighting pada sebuah teks.

Seperti gambar di atas kita dapat menunjukan pemahaman dari grafik dengan menambahkan teks. Gambar
pertama merupakan grafik yang bagus, tapi apa maksud dari grafik tersebut? Ketika sebuah grafik belum
dapat menyampaikan maksud kita, maka tambahkanlah teks pada grafik kita seperti halnya gambar kedua.

Aesthetics
Estetika mungkin terlihat berlawanan dengan apa yang disampaikan pada pembelajaran sebelumnya. Namun,
yang dimaksud dengan estetika di sini bukanlah menambahkan sesuatu sehingga membuat visual lebih
menarik. Tapi bagaimana kita membuat pilihan warna, spacing, alignment, dan layout menjadi satu
kesatuan yang menarik. Apakah estetika itu penting? Ya tentu saja, seperti kebiasaan kita apabila melihat
sesuatu yang kurang menarik atau tidak indah maka kita cenderung memberikan kesan negatif walaupun
belum mengerti secara lebih detail.
Lihat kedua gambar di atas. Pada gambar pertama kita melihat penggunaan banyak warna yang sangat
mencolok sehingga mengurangi nilai estetika. Bahkan alignment yang tidak rata, kotak merah yang
menunjukan persentase, dan memiliki warna yang sama dengan salah satu elemen lainnya. Pada gambar
kedua kita merapikan beberapa hal mulai dari pemilihan warna, menghilangkan garis-garis, dan perbaikan
alignment. Dengan adanya sedikit perubahan sedemikian rupa, tampilan visual jadi jauh lebih baik.

Acceptance
Agar suatu desain menjadi efektif, ia harus diterima oleh audiens yang dituju. Pepatah desain ini juga berguna
dalam visualisasi data. Seperti contohnya jika kita memilih visual yang kompleks maka tidak dapat diterima
oleh audiens karena sulit dipahami maksud visualisasinya. Beberapa hal yang dapat kita gunakan untuk
meningkatkan penerimaan visual oleh audiens. 

1. Mengartikulasikan manfaat dari pendekatan baru atau berbeda. Kadang-kadang jika kita transparan pada
audiens tentang kenapa hal-hal terlihat berbeda, akan membantu audiens mereka merasa lebih nyaman. Apakah
ada pengamatan baru dan lebih baik dengan melihat data dengan cara yang berbeda? Atau apa manfaat lain
yang dapat Anda artikulasikan untuk membantu meyakinkan audiens Anda terbuka terhadap perubahan?
2. Tes A/B. Pasangan pendekatan awal dan pendekatan baru dengan menunjukkan sebelum dan sesudah serta
menjelaskan mengapa kita ingin mengubah cara kita melihat sesuatu.
3. Siapkan beberapa opsi desain untuk Anda bandingkan.