Visualisasi dan Interpretasi Data

Informatika Kelas X — Bab 6: Analisis Data

Bagian I: Visualisasi dan Interpretasi Data

Pengampu : Zuli Irawanto, ST

🎯 Tujuan Pembelajaran

Setelah mempelajari materi ini, siswa diharapkan mampu:

1. Menjelaskan alasan data perlu divisualisasikan.
2. Memilih jenis grafik yang tepat: batang, garis, atau lingkaran.
3. Membuat grafik dengan Matplotlib lengkap dengan judul dan label sumbu.
4. Membaca dan menafsirkan grafik (interpretasi), lalu menarik kesimpulan dan saran.

Mengapa Data Perlu Divisualisasikan?

Bandingkan dua cara menyajikan nilai lima siswa: deretan angka 87, 90, 84, 75, 82, atau sebuah grafik batang. Dengan grafik, kita langsung tahu siapa yang tertinggi dan terendah tanpa menghitung. Otak manusia memang jauh lebih cepat memahami gambar daripada deretan angka.

Visualisasi data adalah menyajikan data dalam bentuk grafik atau diagram agar pola, perbandingan, dan perubahan mudah dilihat. Ini tahap keempat analisis data, dan setelahnya kita masuk ke tahap kelima, yaitu interpretasi: memahami arti grafik dan mengambil keputusan.

Memilih grafik yang tepat:

Pustaka yang kita pakai adalah Matplotlib (ingat tabel pustaka di Bagian F), yang sudah terpasang di Colab. Biasanya ditulis import matplotlib.pyplot as plt.

Cara Belajar Bagian Ini

Bagian ini berisi 5 Tugas Praktik, yaitu Praktik 39 sampai 43 (melanjutkan Bagian H). Polanya masih sama: 🤔 Tebak dulu → ⌨️ Ketik & jalankan → ✅ Cocokkan → 💡 Pahami → 🏁 Tantangan mini.

🧪 Tugas Praktik 39: Grafik Batang Pertamaku

⌨️ Ketik di sel kode, lalu jalankan:

import matplotlib.pyplot as plt

nama = ["Budi", "Sari", "Andi", "Dedi", "Rina"]
nilai = [87, 90, 84, 75, 82]

plt.bar(nama, nilai)
plt.show()

✅ Hasilnya (Colab menampilkan grafik di bawah sel; ini gambarannya):

💡 Penjelasan: plt.bar(nama, nilai) membuat grafik batang: list pertama untuk sumbu mendatar (kategori), list kedua untuk tinggi batang. Kedua list harus sama panjang, seperti di Bagian D. plt.show() menampilkan grafiknya. Tanpa pustaka dan tanpa menghitung, kita sudah bisa langsung melihat perbandingannya.

🧪 Tugas Praktik 40: Menambah Judul, Label, dan Warna

⌨️ Ketik di sel kode, lalu jalankan:

plt.bar(nama, nilai, color="teal")
plt.title("Nilai Ulangan Harian")
plt.xlabel("Nama Siswa")
plt.ylabel("Nilai")
plt.ylim(0, 100)
plt.show()

✅ Hasilnya (Colab menampilkan grafik di bawah sel; ini gambarannya):

💡 Penjelasan: color mengatur warna batang, plt.title() memberi judul, dan plt.xlabel() serta plt.ylabel() memberi nama kedua sumbu. plt.ylim(0, 100) mengunci sumbu tegak dari 0 sampai 100. Sel ini memakai nama dan nilai dari Praktik 39. Grafik yang baik selalu punya judul, label sumbu, dan sumbu yang jujur.

🧪 Tugas Praktik 41: Grafik Garis: Melihat Perkembangan

⌨️ Ketik di sel kode, lalu jalankan:

import matplotlib.pyplot as plt

ulangan = ["UH 1", "UH 2", "UH 3", "UH 4"]
nilai_budi = [70, 75, 82, 88]

plt.plot(ulangan, nilai_budi, marker="o", color="orange")
plt.title("Perkembangan Nilai Budi")
plt.xlabel("Ulangan Harian")
plt.ylabel("Nilai")
plt.ylim(0, 100)
plt.grid(True)
plt.show()

✅ Hasilnya (Colab menampilkan grafik di bawah sel; ini gambarannya):

💡 Penjelasan: plt.plot() membuat grafik garis, dan marker="o" menambah bulatan di tiap titik. plt.grid(True) menampilkan garis bantu. Garis cocok untuk data yang berurutan menurut waktu. Di sini garis naik terus, artinya nilai Budi meningkat setiap ulangan.

🧪 Tugas Praktik 42: Diagram Lingkaran: Melihat Persentase

⌨️ Ketik di sel kode, lalu jalankan:

import matplotlib.pyplot as plt

predikat = ["A", "B", "C", "D"]
jumlah = [2, 5, 2, 1]

plt.pie(jumlah, labels=predikat, autopct="%1.0f%%")
plt.title("Proporsi Predikat Siswa")
plt.show()

✅ Hasilnya (Colab menampilkan grafik di bawah sel; ini gambarannya):

💡 Penjelasan: plt.pie() membuat diagram lingkaran. labels memberi nama tiap irisan, dan autopct="%1.0f%%" menampilkan persentase pada irisan. Diagram lingkaran cocok bila jumlah irisannya sedikit dan kita ingin melihat bagian dari keseluruhan. Predikat B paling besar, yaitu 50%.

🧪 Tugas Praktik 43: Mini Proyek: Dari Data Kotor sampai Interpretasi

⌨️ Ketik di sel kode, lalu jalankan:

import pandas as pd
import matplotlib.pyplot as plt

mentah = {
    "Nama": ["Budi", "Sari", "Andi", "Sari", "Dedi", "Rina"],
    "Kelas": ["X-1", "X-1", "X-2", "X-1", "X-2", "X-1"],
    "Nilai": [87, 90, None, 90, 75, 82]
}

df = pd.DataFrame(mentah)
df = df.drop_duplicates().reset_index(drop=True)
df["Nilai"] = df["Nilai"].fillna(df["Nilai"].mean())

rekap = df.groupby("Kelas")["Nilai"].mean()
print(rekap.round(1))

rekap.plot(kind="bar", color=["teal", "orange"])
plt.title("Rata-rata Nilai per Kelas")
plt.ylabel("Rata-rata Nilai")
plt.ylim(0, 100)
plt.xticks(rotation=0)
plt.show()

✅ Hasilnya (Colab menampilkan grafik di bawah sel; ini gambarannya):

Kelas
X-1    86.3
X-2    79.2
Name: Nilai, dtype: float64

💡 Penjelasan: Seluruh alur analisis data berjalan di sini: koleksi (data awal), pembersihan (hapus data ganda dan isi data kosong), pengolahan (groupby), dan visualisasi (.plot(kind="bar") dari pandas, yang memakai Matplotlib di belakang layar). plt.xticks(rotation=0) menegakkan tulisan label di sumbu mendatar. Tinggal tahap terakhir: interpretasi.

Cara Menafsirkan (Interpretasi) Grafik

Membuat grafik itu baru separuh jalan. Bagian terpenting adalah memahami artinya. Gunakan langkah berikut:

Rangkuman Bagian I dan Perjalanan Bab 6

• Visualisasi data menyajikan data dalam grafik agar pola dan perbandingan mudah dilihat.
• Grafik batang untuk membandingkan kelompok, garis untuk perubahan dari waktu ke waktu, dan lingkaran untuk persentase bagian dari keseluruhan.
• Matplotlib: plt.bar(), plt.plot(), plt.pie(), ditambah title, xlabel, ylabel, dan plt.show().
• Grafik yang jujur memakai sumbu yang wajar, dan selalu memiliki judul serta label.
• Interpretasi adalah memahami makna grafik, menarik kesimpulan, dan memberi saran dengan jujur.

Perjalanan kita di Bab 6: kelima tahap analisis data di Bagian A sudah kamu praktikkan sendiri!

hari = ["Senin", "Selasa", "Rabu", "Kamis", "Jumat"]
sampah_kg = [12, 9, 15, 7, 6]