Belajar Data Scientist - Data Visualization

#Pendahuluan

Setelah di episode 6 kita menemukan insight lewat EDA, pada episode ini kita belajar menyajikannya: data visualization. Grafik adalah bahasa yang paling cepat dipahami manusia — dan bagi data scientist, kemampuan visual sering menjadi pembeda antara insight yang dibaca orang dan insight yang diabaikan.

Mengapa visualisasi penting? Karena angka tidak bercerita sendiri. churn 18% adalah angka abstrak; tapi line chart yang menunjukkan churn melonjak setiap kali harga naik adalah cerita yang membuat stakeholder bertindak. Visualisasi yang baik juga sering mengungkap pola yang luput dari statistik — nonlinearitas, segmen aneh, atau data yang salah.

#Pilih Library yang Tepat

Mulai dari Matplotlib + Seaborn untuk notebook; gunakan Plotly saat audience butuh interaktivitas (misal dashboard eksekutif).

#Matplotlib: Fondasi

Semua dimulai dari pyplot. Pola dasarnya: siapkan figure → plot → sesuaikan label → tampilkan.

import matplotlib.pyplot as plt
 
months = ["Jan", "Feb", "Mar", "Apr", "Mei", "Jun"]
churn = [0.18, 0.19, 0.17, 0.21, 0.24, 0.23]
 
plt.figure(figsize=(8, 4))
plt.plot(months, churn, marker="o")
plt.title("Churn Rate per Bulan")
plt.ylabel("Churn Rate")
plt.grid(alpha=0.3)
plt.show()

Aturan kecil yang berdampak besar: selalu beri judul, label sumbu, dan unit. Grafik tanpa label adalah pesan yang hilang.

#Seaborn: Visualisasi Statistik

Seaborn membuat plot statistik yang "standar data science" jadi satu baris:

import seaborn as sns
import pandas as pd
 
df = pd.read_csv("telco_churn.csv")
 
sns.kdeplot(data=df, x="monthly_charges", hue="churn", fill=True)
 
sns.boxplot(data=df, x="churn", y="tenure")
 
sns.heatmap(df.select_dtypes("number").corr(), cmap="coolwarm",
            annot=False, square=True)

Tiga plot ini menjawab tiga pertanyaan EDA: apakah distribusi berbeda antar grup? apakah median berbeda? apakah ada korelasi antar fitur? — masing-masing dalam satu baris kode.

#Pairplot untuk Multivariat

sns.pairplot(df, vars=["tenure", "monthly_charges", "total_charges"],
             hue="churn", diag_kind="kde")

Untuk dataset kecil, pairplot memberi peta hubungan dua-dua variabel sekaligus. Untuk dataset besar, plot ini terlalu mahal — cukup tampilkan subset kolom.

#Storytelling Visual

Visualisasi yang efektif mengikuti prinsip berikut:

1. Satu grafik, satu pesan — jangan menjejali grafik dengan 10 variabel.
2. Sorot perubahan penting — gunakan warna untuk data yang ingin dibandingkan, bukan hiasan.
3. Mulai sumbu di titik yang jujur — mengubah skala untuk membesar-besarkan selisih adalah manipulasi; kalian akan membahasnya lebih jauh di episode 18 (etika).
4. Label dan anotasi — tambahkan garis target, label nilai kunci, atau teks penjelas.

import matplotlib.pyplot as plt
import numpy as np
 
months = list(range(1, 13))
revenue = [10, 11, 10.5, 12, 13, 12.5, 14, 15, 14.5, 16, 17, 16.5]
 
plt.figure(figsize=(9, 4))
plt.plot(months, revenue, color="tab:gray", label="2025")
plt.plot(months, [r * 1.12 for r in revenue], color="tab:blue", label="2026")
plt.axhline(y=18, color="red", linestyle="--", linewidth=1)
plt.text(1, 18.2, "Target 2026", color="red", fontsize=9)
plt.legend()
plt.title("Pendapatan Bulanan: 2025 vs 2026")
plt.ylabel("Juta Rp")
plt.grid(alpha=0.3)
plt.show()

Perhatikan: hanya dua series + satu garis target. Informasi fokus, tidak berisik, dan pesannya jelas.

#Plotly: Visualisasi Interaktif

Untuk dashboard dan eksplorasi web, Plotly memberi hover, zoom, dan filter bawaan:

import plotly.express as px
 
fig = px.scatter(
    df, x="tenure", y="monthly_charges", color="churn",
    size="total_charges", hover_data=["contract"],
    title="Tenure vs Monthly Charges (warna: churn)",
)
fig.show()

Plotly juga menyatu dengan panel dashboard (Dash) dan bisa diekspor ke HTML untuk dibagikan tanpa server.

#Praktik: Dashboard Insight

Gabungkan semuanya menjadi dashboard insight churn yang siap dipresentasikan:

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
 
df = pd.read_csv("telco_churn.csv")
 
fig, axes = plt.subplots(2, 2, figsize=(12, 8))
fig.suptitle("Churn Dashboard - Telco", fontsize=14)
 
sns.boxplot(data=df, x="churn", y="tenure", ax=axes[0, 0])
sns.kdeplot(data=df, x="monthly_charges", hue="churn",
            fill=True, ax=axes[0, 1])
churn_rate = df.groupby("contract")["churn"].mean()
churn_rate.plot.bar(ax=axes[1, 0], color=["#7fd1a5", "#ffb347", "#ff6b6b"])
df.groupby("churn")["total_charges"].mean().plot.bar(ax=axes[1, 1])
plt.tight_layout()
plt.show()

Empat panel ini sudah menceritakan keseluruhan cerita churn: pelanggan baru (tenure rendah), tarif tinggi, kontrak bulanan, dan tagihan besar. Dashboard adalah versi rapi dari cerita yang sama.

#Kesalahan Umum Visualisasi

#Penutup

Inti yang harus dibawa pulang:

• Matplotlib untuk kontrol, Seaborn untuk statistik, Plotly untuk interaktivitas.
• Satu grafik satu pesan; sorot dengan warna dan anotasi.
• Visualisasi harus jujur — skala yang dipotong dan pilihan warna menyimpang adalah etika yang akan dibahas di episode 18.
• Dashboard = versi rapi dari cerita insight, dirancang untuk pembaca cepat.

Di episode 8 selanjutnya kita akan membahas SQL untuk data science — menarik dan memanipulasi data langsung dari database dengan query, aggregation, dan feature extraction. Sampai jumpa di episode 8!