IT is My Life

Tujuan dari visualisasi data adalah bagaimana dapat mengelola data dalam jumlah yang
besar ini dan bagaimana sistem komputer membantu kita dalam tugas mengelola data
yang besar :> Visual Data membantu menangani banjir informasi dengan cara
mengintegrasikan manusia dalam proses analisis data.> Visual Data
memungkinkan pengguna untuk mendapatkan wawasan yang dalam tentang data,
kesimpulan dari data gambar dan langsung berinteraksi dengan
data.

Keuntungan dalam Visualisasi
Informasi> Eksplorasi visual data dapat dengan mudah mengangani
data yang sangat besar, sangat homogen dan noisy sejumlah data.>
Eksplorasi visual data tidak membutuhkan pemahaman tentang matematika yang
kompleks dan logika statistik.. Teknik visualisasi memberikan gambaran
kualitatif yang berguna untuk analisis kuantitatif lebih lanjut>
Memberikan perspektif baru pada data.> Memungkinkan viewer untuk cepat
memahami "gambaran umum“.> Dapat digunakan untuk mencari nilai yang
hilang di antara beberapa titik data yang telah diketahui.> Dapat dibuat
"user friendly“> Cepat menciptakan atau memodifikasi kumpulan data dengan
memanipulasi objek grafis pada layar komputer.> Mudah untuk menemukan
kesalahan dalam inkonsistensi data dalam jumlah besar

Jika tujuan dari visualisasi adalah mengubah data perseptual ke dalam
format visual yang efisien, dan jika kita ingin membuat statement tentang data
yang umum, kita harus mampu mengatakan sesuatu tentang jenis data yang dapat di
visualisasikan.

Menurut Bertin (1977), Sebuah ide yang digunkan untuk membagi
data ke dalam entitas dan relational.Ada dua bentuk data :

Data Nilai.

Struktur Data.

Sebuah objek yang ingin divisualisasikan / objek yang menarik

Relationships membentuk struktur dari entitas relationship

Properti dari entitas atau relationship yang tidak dapat berdiri secara
independen

Attribute quality sering digunakan
untuk menggambarkan metode visualisasi data dengan dan menerangkan kualitas
attribut itu sendiriSebuah cara yang berguna untuk mempertimbangkan kualitas
data adalah taksonomiSkala nomor ditetapkan oleh statistik SS Stevens
(1946). Menurut Stevens, ada empat tingkat pengukuran : Nominal, Ordinal,
Interval dan skala ratio.> Nominal adalah Fungsi pelebelan.>
Ordinal kategori meliputi nomor yang digunakan mengorder hal-hal dalam
urutan.

> Interval adalah suatu pengukuran untuk mendapatkan kesenjangan
nilai antar data.

> Ratio adalah dengan skala rasio, kita memiliki
kekuatan ekspresif penuh terhadap bilangan real.

Sumber dari Data :

> Survey

> Eksperiment

>Observasi

Sebagai bagian dari operasi harian suatu organisasi, data merupakan kumpulan dari alasan varietas.

Data Tables Continuous and Discrete Variables

Sebuah kategorisasi awal yang berguna untuk mendefinisikan setiap variabel yang dapat diambil dalam hal ini adalah jenis nilai, berikut ini adalah daftar istilah deskriptif untuk kategori
variabel:

> Konstan: Sebuah variabel dimana setiap nilai data adalah sama.

> Dikotomis: Sebuah variabel di mana hanya ada dua nilai.

> Diskrit : variabel yang hanya dapat mengambil nilai-nilai tertentu (baik teks atau angka).

> Kontinu: Sebuah variabel yang memiliki nilai numerik yang tak terbatas dalam kisaran tertentu.

1. Cleaning the Data.

Hal ini bermanfaat untuk memahami akurasi data yang dikumpulkan serta mengoreksi kesalahan apapun.

2. Removing Variables.
Korelasi antara beberapa variabel dapat mengidentifikasi variabel-variabel yang
tidak memberikan informasi tambahan untuk analisis dapat dihilangkanya dapat
dihilangkan

3. Data Transformations.

Data transformation penting untuk
mempertimbangkan penerapan transformasi matematis tertentu untuk data, karena
banyak data analisis akan mengalamai kesulitan untuk memahami data dalam bentuk
baku. Beberapa transformasi data yang harus dipertimbangkan termasuk
normalisasi, value mapping, discretization, dan agregasi.