Visualisasi Data dalam Python pada Google Colab

🎯 Tujuan Pembelajaran

Setelah mempelajari materi ini, siswa diharapkan mampu:

1. Menjelaskan pengertian visualisasi data.
2. Menjelaskan manfaat grafik dalam menyampaikan informasi.
3. Menggunakan Matplotlib di Google Colab.
4. Membuat grafik batang.
5. Membuat grafik garis.
6. Membuat scatter plot.
7. Memberi judul, label sumbu, dan keterangan pada grafik.
8. Membaca pola atau informasi dari grafik.
9. Membuat minimal tiga visualisasi dari sebuah dataset.
10. Menuliskan kesimpulan berdasarkan grafik yang dibuat.

☁️ Praktik di Google Colab

Google Colab dapat digunakan untuk menulis dan menjalankan kode Python melalui browser. Pada materi ini, seluruh visualisasi dibuat di dalam notebook Colab.

print("Saya siap membuat visualisasi data!")

📊 Mengenal Visualisasi Data

Visualisasi data adalah cara menyajikan data dalam bentuk visual seperti grafik atau diagram sehingga informasi dan pola lebih mudah dipahami.

Mengapa data perlu divisualisasikan?

🐍 Matplotlib

Matplotlib adalah library Python yang dapat digunakan untuk membuat berbagai jenis grafik.

Mengimpor Matplotlib

import matplotlib.pyplot as plt

Alias plt adalah nama singkat yang umum digunakan untuk modul pyplot.

Perintah dasar yang sering digunakan

🗃️ Menyiapkan Data

Kita dapat menggunakan list Python sebagai data sederhana. Contoh berikut menunjukkan nilai penjualan selama enam bulan.

bulan = ["Januari", "Februari", "Maret", "April", "Mei", "Juni"]
penjualan = [20, 25, 23, 30, 35, 32]

print(bulan)
print(penjualan)

📊 Grafik Batang

Grafik batang cocok untuk membandingkan nilai antar-kategori.

Contoh sederhana

import matplotlib.pyplot as plt

mata_pelajaran = ["Matematika", "Bahasa", "Informatika"]
nilai = [82, 78, 90]

plt.bar(mata_pelajaran, nilai)
plt.title("Nilai Rata-rata Mata Pelajaran")
plt.xlabel("Mata Pelajaran")
plt.ylabel("Nilai")
plt.show()

Bagaimana membaca grafik?

Batang yang lebih tinggi menunjukkan nilai yang lebih besar. Dari contoh tersebut, Informatika memiliki nilai 90 sehingga batangnya paling tinggi.

📈 Grafik Garis

Grafik garis cocok untuk melihat perubahan atau perkembangan data berdasarkan urutan tertentu, misalnya waktu.

Contoh dasar

import matplotlib.pyplot as plt

bulan = ["Januari", "Februari", "Maret", "April", "Mei", "Juni"]
penjualan = [20, 25, 23, 30, 35, 32]

plt.plot(bulan, penjualan, marker="o")
plt.title("Perkembangan Penjualan")
plt.xlabel("Bulan")
plt.ylabel("Jumlah Penjualan")
plt.show()

Memahami marker="o"

Parameter tersebut menambahkan titik pada setiap data sehingga posisi nilai lebih mudah terlihat.

Menambahkan grid

plt.plot(bulan, penjualan, marker="o")
plt.title("Perkembangan Penjualan")
plt.xlabel("Bulan")
plt.ylabel("Jumlah Penjualan")
plt.grid()
plt.show()

🔵 Scatter Plot

Scatter plot menampilkan data sebagai titik-titik. Grafik ini cocok untuk melihat hubungan antara dua variabel.

Contoh

import matplotlib.pyplot as plt

jam_belajar = [1, 2, 3, 4, 5, 6]
nilai = [60, 65, 70, 76, 82, 88]

plt.scatter(jam_belajar, nilai)
plt.title("Hubungan Jam Belajar dan Nilai")
plt.xlabel("Jam Belajar")
plt.ylabel("Nilai")
plt.show()

Pada contoh tersebut, sumbu X berisi jam belajar dan sumbu Y berisi nilai. Titik-titik membantu kita melihat pola hubungan kedua data.

🏷️ Membuat Grafik Lebih Mudah Dipahami

Grafik sebaiknya memiliki judul dan keterangan sumbu yang jelas.

import matplotlib.pyplot as plt

bulan = ["Januari", "Februari", "Maret", "April"]
penjualan = [20, 25, 23, 30]

plt.plot(bulan, penjualan, marker="o", label="Penjualan")

plt.title("Grafik Penjualan Bulanan")
plt.xlabel("Bulan")
plt.ylabel("Jumlah Produk")
plt.legend()
plt.grid()

plt.show()

🧭 Memilih Jenis Grafik

🔎 Cara Membaca dan Menarik Kesimpulan

Membuat grafik adalah langkah pertama. Langkah berikutnya adalah membaca grafik dengan teliti.

Gunakan pola sederhana

1. Lihat kategori atau sumbu. Pahami apa yang ditampilkan pada X dan Y.
2. Cari nilai tertinggi. Data mana yang paling besar?
3. Cari nilai terendah. Data mana yang paling kecil?
4. Perhatikan perubahan. Apakah data naik, turun, atau berfluktuasi?
5. Bandingkan. Apakah terdapat perbedaan yang jelas?
6. Tulis kesimpulan berdasarkan data. Jangan menambahkan informasi yang tidak terlihat pada grafik.

Contoh kesimpulan

Jika grafik penjualan menunjukkan Januari 20, Februari 25, Maret 23, April 30, Mei 35, dan Juni 32, maka contoh kesimpulannya:

• Penjualan tertinggi terjadi pada bulan Mei dengan 35 produk.
• Penjualan meningkat dari Januari ke Februari, kemudian sedikit menurun pada Maret.
• Setelah Maret, penjualan meningkat sampai Mei lalu sedikit menurun pada Juni.

🎯 Praktik — Membuat Grafik Garis

Pada praktik ini, siswa membuat grafik garis dari data penjualan selama enam bulan.

Data praktik

Langkah 1 — Masukkan data

bulan = ["Januari", "Februari", "Maret", "April", "Mei", "Juni"]
penjualan = [20, 25, 23, 30, 35, 32]

Langkah 2 — Import Matplotlib

import matplotlib.pyplot as plt

Langkah 3 — Buat grafik

plt.plot(bulan, penjualan, marker="o")

plt.title("Perkembangan Penjualan")
plt.xlabel("Bulan")
plt.ylabel("Jumlah Penjualan")

plt.grid()
plt.show()

Langkah 4 — Amati grafik

Jawab pertanyaan berikut:

1. Pada bulan apa penjualan tertinggi?
2. Pada bulan apa penjualan terendah?
3. Kapan terjadi penurunan?
4. Bagaimana kecenderungan penjualan dari Januari sampai Juni?
5. Tuliskan minimal tiga kesimpulan berdasarkan grafik.

🚀 Proyek Mini — 3 Visualisasi dari Satu Dataset

Buat minimal 3 visualisasi dari dataset yang diberikan guru. Setiap grafik harus memiliki tujuan yang jelas.

Ketentuan proyek

1. Gunakan dataset dari guru.
2. Pilih minimal tiga data yang dapat divisualisasikan.
3. Buat satu grafik batang.
4. Buat satu grafik garis.
5. Buat satu scatter plot.
6. Berikan judul dan label sumbu pada setiap grafik.
7. Tulis minimal tiga kesimpulan berdasarkan grafik.

Contoh dataset

Contoh kode lengkap

import matplotlib.pyplot as plt

bulan = ["Januari", "Februari", "Maret", "April", "Mei", "Juni"]
penjualan = [20, 25, 23, 30, 35, 32]
biaya_iklan = [5, 6, 5, 7, 8, 7]
pengunjung = [100, 120, 115, 140, 160, 150]

# 1. Grafik Batang
plt.bar(bulan, penjualan)
plt.title("Penjualan per Bulan")
plt.xlabel("Bulan")
plt.ylabel("Penjualan")
plt.xticks(rotation=30)
plt.show()

# 2. Grafik Garis
plt.plot(bulan, penjualan, marker="o")
plt.title("Perkembangan Penjualan")
plt.xlabel("Bulan")
plt.ylabel("Penjualan")
plt.grid()
plt.xticks(rotation=30)
plt.show()

# 3. Scatter Plot
plt.scatter(biaya_iklan, penjualan)
plt.title("Biaya Iklan dan Penjualan")
plt.xlabel("Biaya Iklan")
plt.ylabel("Penjualan")
plt.grid()
plt.show()

Menulis 3 kesimpulan

📝 5 Latihan Soal

🛠️ 5 Tugas Praktik

Checklist Pengumpulan

📌 Ringkasan

1. Visualisasi data mengubah data menjadi bentuk visual agar lebih mudah dipahami.
2. Matplotlib adalah library Python yang dapat digunakan untuk membuat grafik.
3. plt.bar() digunakan untuk grafik batang.
4. plt.plot() digunakan untuk grafik garis.
5. plt.scatter() digunakan untuk scatter plot.
6. plt.title() memberi judul grafik.
7. plt.xlabel() dan plt.ylabel() memberi keterangan sumbu.
8. plt.legend() dapat menampilkan keterangan seri data.
9. plt.grid() dapat membantu membaca nilai grafik.
10. Grafik harus dipilih berdasarkan tujuan analisis.
11. Kesimpulan harus berasal dari data yang benar-benar terlihat pada grafik.

💭 Refleksi Siswa

1. Apa manfaat visualisasi data?
2. Apa perbedaan fungsi grafik batang dan grafik garis?
3. Kapan scatter plot dapat digunakan?
4. Apa fungsi Matplotlib?
5. Bagian kode mana yang paling mudah dipahami?
6. Bagian mana yang masih membingungkan?
7. Mengapa grafik perlu memiliki judul dan label sumbu?
8. Bagaimana cara memastikan kesimpulan yang dibuat benar-benar sesuai dengan data?

📚 Google Colab

Gunakan Google Colab untuk menjalankan seluruh contoh kode pada materi ini.

Materi Pembelajaran Koding dan Kecerdasan Artifisial • Python • Google Colab • Visualisasi Data