Belajar Data Analyst - Visualisasi Data (matplotlib/seaborn)

#Pendahuluan

Setelah EDA di episode 8 menemukan pola, sekarang saatnya menunjukkan pola itu. Sebuah grafik yang baik menyampaikan insight dalam satu detik — jauh lebih cepat daripada seribu kata. Tapi visualisasi adalah pedang bermata dua: grafik yang buruk atau menyesatkan bisa membuat orang mengambil keputusan yang salah berdasarkan data yang sama.

Episode ini membangun dua hal: tooling (matplotlib & seaborn) dan judgment (kapan memakai chart apa, dan bagaimana menjaga grafik tetap jujur). Kita tutup dengan latihan membuat grafik yang menjawab pertanyaan bisnis nyata — bukan sekadar hiasan.

#memilih Chart yang Tepat

Aturan pertama visualisasi: chart mengikuti pertanyaan, bukan sebaliknya. Panduan praktisnya:

Gunakan tabel ini sebagai checklist: jika pertanyaan bisnisnya "trend atau comparison?" maka line atau bar sudah menjawab 90% kasus.

#Line dan Bar dengan matplotlib

matplotlib adalah fondasi semua plotting Python. Contoh line chart untuk tren penjualan bulanan:

Line chart tren bulanan

import pandas as pd
import matplotlib.pyplot as plt
 
df = pd.read_csv("orders.csv")
bulanan = df.groupby(df["tanggal"].dt.to_period("M"))["harga"].sum()
 
plt.figure(figsize=(10, 4))
bulanan.plot(marker="o")
plt.title("Total Penjualan per Bulan")
plt.ylabel("Revenue")
plt.grid(alpha=0.3)
plt.tight_layout()
plt.show()

Bar chart untuk perbandingan antar kategori:

Bar chart per produk

revenue_per_produk = df.groupby("product")["harga"].sum().sort_values()
 
revenue_per_produk.plot(kind="barh", figsize=(8, 4))
plt.xlabel("Revenue")
plt.title("Revenue per Produk")
plt.tight_layout()
plt.show()

Catatan kecil: bar horizontal (barh) lebih nyaman dibaca untuk banyak kategori — nama kategori tidak perlu diputar 90 derajat.

#Scatter dan Histogram

Scatter untuk melihat hubungan dua variabel numerik:

Scatter harga vs quantity

df.plot.scatter(x="harga", y="quantity", alpha=0.5, figsize=(8, 5))
plt.title("Hubungan Harga dan Quantity")
plt.show()

Histogram untuk distribusi:

Histogram distribusi harga

df["harga"].hist(bins=30, figsize=(8, 4))
plt.xlabel("Harga")
plt.ylabel("Frekuensi")
plt.title("Distribusi Harga Order")
plt.show()

Histogram adalah alat pemburu insight yang paling jujur: ia langsung menunjukkan skewed, bimodal, atau outlier — jauh lebih jelas daripada angka skew().

#Seaborn: Visualisasi Statistik yang Cepat

Seaborn dibangun di atas matplotlib dengan fokus visualisasi statistik. Tiga fungsi yang paling sering dipakai analis:

Heatmap korelasi

import seaborn as sns
 
sns.heatmap(df[["harga", "quantity", "total"]].corr(), annot=True, cmap="coolwarm")
plt.title("Matriks Korelasi")
plt.show()

Distribusi per kategori (boxplot)

sns.boxplot(data=df, x="product", y="harga")
plt.xticks(rotation=45)
plt.title("Sebaran Harga per Produk")
plt.show()

Distribusi numerik per kategori

sns.histplot(data=df, x="harga", hue="product", multiple="stack")
plt.show()

Boxplot menampilkan median, kuartil, dan outlier dalam satu gambar — cara tercepat membandingkan distribusi antar kategori.

#Misleading Visualization: Musuh Ketenangan

Visualisasi yang menyesatkan bukan hanya soal niat jahat — banyak yang lahir dari kecerobohan. Tiga pola paling umum:

Uji kejujuran grafik kalian: apakah pembaca bisa menarik kesimpulan yang sama dari tabel aslinya? Jika tidak, grafiknya menipu — sadar atau tidak.

Bar chart yang jujur: mulai dari nol

sns.barplot(data=df, x="product", y="harga", errorbar=None)
plt.ylim(0, df["harga"].max() * 1.1)
plt.title("Rata-rata Harga per Produk")
plt.show()

#Praktik: Grafik yang Menjawab Pertanyaan Bisnis

Pertanyaan: "Apakah ada musiman dalam penjualan, dan produk mana yang sedang naik?"

Tren per produk per bulan

df["bulan"] = df["tanggal"].dt.to_period("M")
pivot = df.pivot_table(index="bulan", columns="product", values="harga", aggfunc="sum")
pivot.plot(figsize=(10, 5), marker="o")
plt.title("Tren Revenue per Produk per Bulan")
plt.grid(alpha=0.3)
plt.tight_layout()
plt.show()

Satu gambar menjawab dua pertanyaan sekaligus: tren keseluruhan dan perbandingan antar produk. Ini template yang akan kalian pakai berulang untuk reporting bulanan.

#Kesalahan Umum

• Chart untuk hiasan, bukan menjawab pertanyaan. Setiap grafik harus punya "so what".
• Memotong sumbu Y tanpa label. Sumber ketidakjujuran nomor satu.
• Pie chart dengan banyak kategori. Mata manusia buruk membandingkan sudut.
• Menumpuk terlalu banyak dimensi. Mulai sederhana; tambah kompleksitas hanya jika menambah makna.

#Penutup

Inti yang harus dibawa pulang:

• Chart mengikuti pertanyaan: line untuk tren, bar untuk perbandingan, scatter/histogram/heatmap untuk eksplorasi.
• Seaborn mempercepat visualisasi statistik (heatmap, boxplot, histplot).
• Jaga kejujuran: sumbu mulai dari nol, skala konsisten, jenis chart tepat.
• Uji "apel dan jeruk": jangan gabungkan data yang tidak sebanding.

Di episode 10 selanjutnya kita kembali ke senjata yang sering diremehkan: Excel & Google Sheets lanjutan — pivot table, VLOOKUP/XLOOKUP, formula, dan QUERY di Google Sheets untuk analisis cepat yang tidak perlu menunggu stack Python. Visualisasi sudah kalian kuasai; sekarang kita membuatnya cepat di spreadsheet!