Suka Buat Data Visualization? Hindari 5 Kesalahan Ini
Data visualization begitu penting untuk dunia kerja, khususnya untuk profesi yang sering melibatkan penyajian data seperti business intelligence. Akan tetapi, kadang terjadi kesalahan dalam membuat data visualization yang mungkin tidak disadari.
Tujuan dari data visualization adalah untuk membuat data numerik jadi lebih gampang dimengerti.
Sayangnya, alih-alih mempermudah memahami data, kesalahan-kesalahan itu malah membuat data makin sulit dicerna.
Kalau sudah begitu, upayamu membuat visualisasi data justru akan jadi sia-sia, bukan?
Oleh karena itu, yuk, cek daftar kesalahan umum yang sering dilakukan dalam membuat visualisasi data berikut ini supaya kamu bisa menghindarinya!
1. Penentuan kontras warna
Dalam data visualization, kesalahan dalam menentukan warna untuk merepresentasikan data sering terjadi.
Menurut Toptal, warna adalah cara untuk membedakan satu seri data dengan seri data lainnya.
Kontras warna yang terlalu berbeda akan membuat orang yang melihatnya berpikir bahwa ada rentang atau selisih data yang sangat besar.
Padahal, mungkin data aslinya tidak terlalu jauh angkanya.
Misalnya, ketika kamu melihat data heatmap di bawah ini.
Data direpresentasikan dengan warna merah, kuning, dan biru, tentunya warna merah dibanding biru akan terasa sangat signifikan bedanya, apalagi tanpa ada konteks atau penjelasan sama sekali.

© Toptal.com
Representasi itu sayangnya tidak selalu mewakilkan data aslinya.
Jadi, jangan lupa berikan konteks yang jelas agar tidak terjadi kesalahpahaman ini.
2. Jenis bagan, grafik, dan diagram
Pastinya kamu tahu bahwa ada begitu banyak tipe bagan, grafik, dan diagram yang biasa digunakan untuk data visualization.
Kesalahan yang mungkin terjadi dalam data visualization adalah menggunakan tipe visual yang salah.
Melansir The Index, kamu tidak bisa asal memilih visual untuk datamu.
Lihatlah grafik lingkaran di bawah ini.

© Theindex.generalassemb.ly
Karena datanya ada begitu banyak, tulisannya jadi begitu berdekatan dan justru sulit dibaca.
Grafik lingkaran paling cocok digunakan untuk data yang jumlahnya sedikit, yaitu kurang dari 5.
Untuk jumlah data yang begitu banyak, disarankan untuk menggunakan bagan seperti di bawah ini.

© Theindex.generalassemb.ly
Kamu bisa melihat perbedaannya yang jelas, bukan?
Sekarang, semua angka dan tulisan bisa dibaca dengan jelas.
Pembaca pun dapat langsung mengetahui mana departemen yang punya budget paling besar.
3. Terlalu banyak data
Pada poin sebelumnya, Glints sudah menyampaikan bahwa terlalu banyak data bisa membuat data visualization jadi sulit dipahami.
Ini tidak hanya berlaku untuk grafik lingkaran, tetapi grafik dan diagram lainnya juga.
Terlebih lagi, jika data yang terlalu banyak ini disertai dengan warna yang terlalu banyak juga.
Contohnya adalah bagan di bawah ini.

© Toptal.com
Bukannya bisa dipahami, justru penyajian data yang seperti ini membuat pusing, bukan?
Jadi, batasi warna dan jumlah data yang ditampilkan sekaligus, ya.
4. Tidak menggunakan baseline
Kesalahan data visualization lainnya adalah tidak menggunakan baseline atau garis dasar yang tepat.
Contohnya, data yang ditampilkan tidak dimulai dari titik 0 pada sumbu Y.
Dengan memulai baseline dari titik 0, perbedaan data satu dengan lainnya bisa terlihat lebih akurat.
Jika tidak, perbandingannya bisa terlalu jauh dan tidak merepresentasikan kondisi aslinya.
Selain itu, kesalahan lainnya adalah memotong sumbu X sehingga justru terlihat hampir sama dengan data lainnya.
Padahal, data tersebut bisa jadi berbeda cukup signifikan.
Sebagai contoh, lihatlah gambar di bawah ini.

© Toptal.com
5. Korelasi yang tidak berhubungan
Kesalahan terakhir yang mungkin terjadi dalam data visualization adalah membandingkan dua data yang tidak berhubungan.
Perbandingan data harusnya bisa menjelaskan suatu fenomena.
Akan tetapi, jika dua data yang sama sekali tidak memiliki korelasi divisualisasikan dalam satu tabel, kita tidak bisa mendapat manfaat dari data tersebut.
Contoh dari data yang tidak berhubungan adalah di bawah ini.

© Toptal.com
Tingkat penjualan es krim dan tingkat kejahatan sebetulnya bukan dipengaruhi satu sama lain, melainkan faktor berbeda, misalnya suhu atau cuaca.
Nah, itu dia 5 hal yang perlu kamu hindari saat membuat data visualization.
Catat dan ingat saat sedang mencoba memvisualisasikan data-datamu, ya.
Agar makin jago dalam urusan visualisasi data, kamu bisa ikut kelas-kelas pilihan di Glints ExpertClass.
Di sana, ada banyak pilihan kelas yang dibawakan oleh profesional berpengalaman. Ilmu dari mereka bisa membantumu menambah skill yang penting untuk karier.
Menarik, kan? Yuk, cek kelasnya sekarang!