KAL
Menu

Data Dan AI

Data Visualization

Jalur visualisasi data dari fondasi persepsional dan gramatika grafis hingga kelancaran matplotlib, interaktivitas plotly, pengenalan D3, alat BI, dan penceritaan data yang jujur.

Data Visualization adalah jalur yang menuntaskan keahlian mengubah data menjadi grafik yang efektif dan jujur. Jalur ini dimulai dari ilmu persepsi dan gramatika grafis sebagai fondasi, kemudian melanjutkan ke penguasaan matplotlib dan plotly, pengenalan D3, dasbor alat BI, dan diakhiri dengan pengerjaan proyek penceritaan data. Contoh dijalankan pada Python 3.12 dengan matplotlib 3.9, plotly 6.5, dan dash 4.5, sedangkan modul D3 menggunakan Node.js dan browser. Penguasaan pandas serta statistika dasar menjadi prasyarat yang dirujuk silang, bukan diajarkan ulang.

Mengenal Data Visualization 3 pelajaran

Modul pembuka: keahlian visualisasi sebagai disiplin tersendiri, lanskap alat yang digunakan praktisi, dan penyiapan lingkungan kerja sepanjang jalur.

  1. Mengapa visualisasi adalah keahlian tersendiriPeran persepsi dan komunikasi dalam keahlian visualisasi serta kondisi ketika tabel lebih jujur daripada grafik.
  2. Lanskap alat visualisasiPeta matplotlib, plotly, gramatika grafis, D3, dan alat BI beserta posisi penggunanya.
  3. Penyiapan lingkungan dan datasetPemasangan stack Python dengan matplotlib dan plotly, penyiapan browser untuk D3, serta dataset yang digunakan sepanjang jalur.
Mengapa visualisasi bekerja 4 pelajaran

Fondasi ilmu persepsi yang menjelaskan mengapa grafik bekerja: atribut preattentive, tanda dan saluran, peringkat efektivitas encoding, dan penggunaan warna.

  1. Fondasi persepsionalAtribut preattentive dan lebar pita saluran visual sebagai dasar mengapa grafik dapat dibaca dalam sekejap.
  2. Tanda dan saluranTitik, garis, dan area sebagai tanda, serta posisi, ukuran, dan warna sebagai kosakata encoding data.
  3. Efektivitas encodingPeringkat efektivitas saluran dari posisi, panjang, sudut, sampai area, beserta eksperimen yang mendudukkan peringkat itu.
  4. Warna yang dikerjakan benarColormap persepsional, pilihan sequential dan diverging, serta palet yang aman untuk buta warna.
Gramatika grafis 4 pelajaran

Mental model yang menyusun grafik seperti kalimat: data, estetika, geometri, statistik, skala, panduan, faset, dan sistem koordinat.

  1. Gagasan inti gramatika grafisData, estetika, geometri, dan statistik sebagai lapisan yang menjadikan grafik sebuah kalimat tersusun.
  2. Skala dan panduanPemetaan data ke piksel melalui skala serta sumbu dan legenda sebagai kontrak dengan pembaca.
  3. Faset dan koordinatSmall multiple, transformasi data, dan pilihan sistem koordinat dalam gramatika grafis.
  4. Gramatika berlapis dalam praktikGaris keturunan ggplot2 di Python melalui plotnine dan plotly express beserta perbedaan cara kerjanya.
Kelancaran matplotlib 5 pelajaran

Penguasaan antarmuka berorientasi objek matplotlib: model Figure dan Axes, koleksi grafik kerja, penataan gaya, dan komposisi layout.

  1. Model Figure dan AxesMental model Figure dan Axes yang membuat seluruh matplotlib mudah dipahami.
  2. Antarmuka berorientasi objekPenggunaan fig dan ax secara eksplisit serta alasan gaya implisit berhenti menskalakan.
  3. Koleksi grafik kerjaGrafik garis, batang yang jujur, histogram, scatter, dan box plot untuk tugas visualisasi harian.
  4. Penataan gaya yang disengajarcParams, style sheet, dan pengekangan sebagai pilihan desain, termasuk peran seaborn di atas matplotlib.
  5. Layout dan komposisiSubplot, gridspec, inset, dan daftar periksa ekspor antara format vektor dan raster.
Interaktivitas dengan Plotly 4 pelajaran

Kapan interaktivitas sepadan manfaatnya dan bagaimana membangunnya dengan Plotly Express, hover, seleksi, serta aplikasi Dash.

  1. Kapan interaktivitas sepadan manfaatnyaTugas yang membutuhkan hover, zoom, dan filter serta tugas yang lebih baik tanpa interaktivitas.
  2. Plotly ExpressAPI bergaya gramatika untuk grafik cepat dan konsisten dengan fungsi px.
  3. Hover, select, dan brushPengaturan hovertemplate, seleksi, dan brush agar data menjawab pertanyaan di bawah kursor.
  4. Aplikasi kecil dengan DashHalaman dasbor murni Python dengan callback dari masukan hingga grafik.
Pengenalan D3.js 3 pelajaran

Kosakata konsep D3: posisi pustakanya di web, selection dan data join, serta skala dan pola pembaruan grafik.

  1. Apa itu D3?Pustaka JavaScript di balik visualisasi web buatan khusus, dilihat dari arsitektur dan posisinya.
  2. Selection dan data joinCara D3 mengikat data ke elemen DOM melalui selection dan pola enter, update, exit.
  3. Skala dan pembaruanKonsep skala gramatika dalam JavaScript serta pola pembaruan grafik pada tingkat pengenalan.
Dasbor dan alat BI 3 pelajaran

Desain dasbor yang benar dan posisi dua alat BI yang paling banyak dijumpai analis: Tableau dan Power BI.

  1. Desain dasborPertanyaan per layar, pola pemindaian, dan galeri antidasbor untuk dasbor yang efektif.
  2. Posisi TableauHal yang dikerjakan Tableau dengan baik dan kondisi ketika model pengutamaan analisnya cocok.
  3. Posisi Power BIPosisi Power BI dalam stack Microsoft dan kondisi ketika organisasi memilihnya.
Menceritakan kisah 4 pelajaran

Modul pengerjaan proyek: pemilihan grafik dalam bingkai kisah, anotasi dan penekanan, kejujuran grafik, serta format naratif.

  1. Pemilihan grafik dalam bingkai kisahPertanyaan, pembaca, dan satu pesan utama sebagai penentu pilihan grafik.
  2. Anotasi dan penekananJudul yang menyatakan temuan serta panah dan warna yang membawa bobot.
  3. Grafik yang jujurSumbu terpotong, sumbu ganda, jebakan 3D, dan rentang data pilihan curang sebagai galeri kebohongan grafik.
  4. Format naratifLaporan beranotasi, halaman scrollytelling, dan ringkasan satu halaman untuk eksekutif.