School of Information Systems

Visualisasi: Bagaimana Cara Membuatnya Mudah Dipahami?

Penulis memberikan beberepa poin penting yang layak kita pelajari. Pertama, ia mengindentifikasi peranan khusus dari desainer visual. Kedua, ia mencatat topik alami yang berubah-ubah, yakni: “analisis visual seringkali bergerak pada proses yang berulang-ulang dari kacamata creation dan refinement”. Dan terakhir mereka menyarankan secara tidak langsung bahwa sesuatu yang dipelajari seiring waktu pada konteks yang berbeda akan menjadi suatu aktivitas sosial.

Pada tahun 1998, Robert M. Edsall, Mark Harrower dan Jeremy L. Mennis menegaskan bahwa hubungan antara gambar dan aktivitas yang saling berkaitan merupakan landasan pengertian dari visualisasi.

Sebuah visualisasi tidak hanya mengacu pada sebuah gambar grafis, namun juga sebuah proses yang dilakukan berulang-ulang dari visual thinking dan interaksi dengan gambar itu sendiri. Lingkungan visualisasi yang interaktif membuat pengguna dapat memilih untuk menyajikan data dengan berbagai macam cara sehingga semakin menumbuhkan semangat eksplorasi data.

Salah satu tujuan eksplorasi data adalah mengetahui sebuah pola dan pengertian serta struktur yang abstrak dari data itu sendiri. Aktivitas yang saling berhubungan merupakan sebuah pelengkap untuk animasi. Memperbolehkan pengguna untuk mengontrol kecepatan, arah hingga memilih kerangka dari layer animasi yang merupakan peranan penting dalam memahami data. Aktivitas tersebut juga merupakan kebutuhan dasar untuk visualisasi user-centered yang fleksibel.

Sebagai penggiat data New York Times, Jer Thorp menyarankan pada presentasi TEDxVancouver di 2012 bahwa kita butuh melintasi data dan mengembangkannya dengan tools eksplorasi. Ia mengatakan bahwa visualisasi membantu kita untuk membuat sebuah struktur naratif untuk menjelaskan sebuah sesuatu yang sebelumnya terjadi. Selain itu kita juga harus bisa menemukan sebab mengapa hal tersebut terjadi.

Contoh lain terkait visualisasi oleh Creve Maples pada konferensi O’Reilly Strata di Februari 2011, ia mendapatkan pengetahuan terkait visualisasi lewat pekerjaannya sebagai fisikawan nuklir, Mencoba mengerti data multidimensi yang kompleks. Pada presentasi

tersebut, ia mengambil sebuah dataset dari sebuah percakapan seminar yang cukup abstrak dan menggunakan clustering tool untuk membuat word cloud dari kata-kata yang relevan. Tool tersebut digunakan untuk menghilangkan kata-kata yang umum dan itu tidak cukup mengetahui konteks dari seminar tersebut yang harusnya ada pada kasus ini seperti session, talk, present, inc dan like. Kata-kata tersebut sangat efektif menjadi sebuah noise pada output visual. Hal tersebut membutuhkan intervensi untuk membuat output menjadi lebih berarti.

Creve menyadari bahwa seseorang mungkin saja mengambil kesimpulan yang salah tentang seminar tersebut jika mereka mengambil keputusan berdasarkan representasinya sendiri. Ia menjadi lebih spesifik untuk menggaris bawahi fungsi dari sebuah visualisasi adalah menyajikan insight dan pemahaman yang sangat jarang ditemukan. Ia juga menambahkan bahwa “data adalah pasif”, “informasi adalah aktif”. Visualisasi berarti menempatkan data pada konteks yang relevan sehingga dapat menginformasikan kepada orang-orang. “Ketika kita fokus terhadap data, terkadang kita melupakan arti dari data tersebut”. Yang menjadi tantangan adalah menghindari kesalahan informasi pada penerima.

Tableau merupakan salah satu tools yang sering digunakanan guna membantu kita dalam menemukan pola maupun pengetahuan baru terkait data, khususnya dalam dunia bisnis. Tool ini membuat seorang analis lebih menganalisis data tersebut seorang diri tanpa kehadiran IT antara mereka dan data tersebut. Organisasi menggunakan Visualisasi Data sebagai “Jalan” untuk mengambil keputusan secepatnya.

Visualisasi data secara interaktif merupakan cara lain untuk mengurangi “cycle time” dari Analisis Big Data sehingga langkah selanjutnya dapat diambil segera. Penggunaan tableau yang mudah, cepat dan dapat diubah secara realtime mengikuti kebutuhan terbukti membantu pengguna dalam melihat tren dibandingkan menunggu query yang berkepanjangan.

Evaristus Didik Madyatmadja