Memilih visualisasi data yang efektif

Visualisasi data mengacu pada representasi visual apa pun dari informasi yang dikumpulkan. Dengan visualisasi data yang efektif, Anda dapat mengomunikasikan tema dan hasil utama kepada audiens Anda, memberdayakan mereka untuk menafsirkan dan menganalisis data yang telah disesuaikan dengan kebutuhan mereka. Sebelum Anda dapat mulai membuat visualisasi dan grafik, Anda harus memilih jenis visualisasi yang akan digunakan. Memilih jenis visualisasi yang sesuai membantu Anda menyajikan data dengan jelas dan efektif, sehingga audiens Anda dapat membuat keputusan yang tepat dan menentukan langkah selanjutnya. Bagian berikut menjelaskan bagaimana data dapat divisualisasikan secara efektif dengan cara yang berpusat pada tujuan analisis dan perspektif audiens Anda:

Mempertimbangkan karakteristik data Anda

Sebelum memutuskan jenis visualisasi, pertimbangkan karakteristik data Anda:

  • Kategoris: Jika data Anda berisi kelompok pola dan set yang serupa, penggunaan jenis visualisasi yang paling mendukung data kategoris, seperti diagram lingkaran adalah tindakan yang efektif. Kategori produk akan menjadi contoh data kategoris, karena mengelompokkan item berdasarkan fungsi dan fitur yang serupa.

  • Ordinal: Jika data Anda memerlukan urutan tertentu yang berurutan, menggunakan visualisasi seperti diagram kolom atau diagram batang dapat menentukan urutan ini untuk audiens. Contoh data ordinal adalah jumlah berbagai ulasan berbintang untuk produk tertentu.

  • Kontinu: Jika Anda ingin memvisualisasikan data yang terjadi dalam jangka waktu yang lama, gunakan visualisasi yang mendukung data berkelanjutan, seperti diagram progres. Total penjualan produk selama kuartal tertentu akan menjadi contoh data kontinu, karena data yang terus berkembang dilacak dari waktu ke waktu.

Tentukan audiens Anda

Visualisasi yang efektif tidak hanya mempertimbangkan data, tetapi juga perspektif dan kebutuhan audiensnya. Menyesuaikan tampilan visualisasi memungkinkan Anda menyampaikan informasi secara efektif kepada audiens tertentu. Saat Anda menentukan audiens, pikirkan tentang faktor-faktor seperti kemungkinan tingkat pengetahuan teknis dan fungsi pekerjaan mereka. Bagaimana audiens akan menggunakan visualisasi Anda?

Aksesibilitas

Saat Anda membuat visualisasi data, buatlah agar visualisasi itu mudah diakses. Di seluruh proyek visualisasi data, mempertimbangkan aksesibilitas web akan memberikan peningkatan peluang berbagi bagi semua pengguna, termasuk mereka yang memiliki disabilitas visual dan kognitif, yang akan berinteraksi dengan konten yang Anda buat. Pedoman Aksesibilitas Konten Web (WCAG) mencakup langkah-langkah penerapan untuk meningkatkan aksesibilitas yang berlaku untuk desain visualisasi, termasuk:

  • Teks alternatif: Teks alternatif, atau teks alternatif, memungkinkan lebih banyak audiens mengakses informasi dari elemen non-teks, seperti orang yang menggunakan pembaca layar. Dengan Looker, Anda dapat menambahkan catatan ke visualisasi yang menjelaskan aspek-aspek utama dari visualisasi Anda. Untuk mempelajari lebih lanjut cara menambahkan deskripsi teks ke elemen visualisasi Looker, lihat informasi tentang mengedit catatan ubin di halaman dokumentasi Mengedit dasbor buatan pengguna.

  • Aksesibilitas kontras dan warna: Menggabungkan tingkat kontras yang memenuhi standar internasional WCAG memastikan bahwa perbedaan yang dirasakan dalam pilihan warna dapat diakses oleh pelihat visualisasi. Untuk menemukan rasio kontras dua kode Warna Hex yang dipilih, lihat Pemeriksa Kontras dari WebAIM. Di Looker, pengumpulan warna Dalton secara khusus mengakomodasi berbagai bentuk kekurangan warna. Untuk mempelajari koleksi ini dan opsi pemilihan warna lainnya lebih lanjut di Looker, lihat halaman dokumentasi Koleksi warna.

Untuk informasi selengkapnya tentang aksesibilitas dalam membuat visualisasi dan konten lainnya, lihat Pedoman Aksesibilitas Konten Web versi terbaru yang dipublikasikan.

Pilih visualisasi terbaik untuk data Anda

Bagian berikut memberikan ringkasan jenis visualisasi yang tersedia di Looker dan membahas cara memilih jenis terbaik untuk data Anda:

Diagram Kartesius

Diagram Kartesius mengacu pada diagram apa pun yang berakar pada bidang Kartesius. Bidang Kartesius ditentukan oleh sumbu x dan sumbu y, dengan titik numerik yang sesuai untuk semua lokasi pada grafik. Semua diagram Kartesius memetakan data pada sumbu-sumbu ini.

Sumbu x dan sumbu y mencerminkan dimensi dan ukuran. Dimensi mencerminkan nilai yang kualitatif, sedangkan ukuran bersifat kuantitatif. Bagaimana nilai ini dipetakan di sumbu x dan sumbu y serta ekspresi yang divisualisasikan data ini bervariasi menurut jenis diagram Kartesius. Bagian ini mencakup contoh diagram Kartesius berikut:

Kolom

Paling baik untuk memvisualisasikan data dengan beberapa kategori untuk dibandingkan.

Diagram kolom adalah diagram Kartesius vertikal yang menampilkan informasi dalam bentuk persegi panjang vertikal dengan panjang kolom sesuai dengan nilai data. Diagram kolom biasa mencakup kategori data pada sumbu x dan nilai data pada sumbu y.

Jika data Anda hanya berisi beberapa kategori, diagram kolom sangat ideal. Jika data Anda berisi lebih banyak kategori, diagram batang sering kali berfungsi lebih baik karena menyediakan lebih banyak ruang untuk label sumbu. Karena nilai negatif ditampilkan dengan arah ke bawah, diagram kolom juga dapat menjadi cara yang berguna untuk menggambarkan {i>dataset<i} yang berisi nilai negatif.

Contoh diagram kolom berikut mencakup nilai positif dan negatif untuk menampilkan laba pesanan rata-rata untuk aksesori dan jeans yang terjual per bulan.

Diagram kolom difilter pada aksesori dan jeans, dengan kolom Bulan Terjual pada sumbu x dan kolom Laba Pesanan Rata-Rata pada sumbu y.

Lihat halaman dokumentasi Opsi diagram kolom untuk mengetahui informasi selengkapnya tentang cara membuat diagram ini di Looker.

Batang

Paling baik untuk memvisualisasikan data dengan judul kategori panjang.

Diagram batang menampilkan data dengan cara yang sama seperti diagram kolom, tetapi melalui perataan horizontal. Umumnya dalam diagram batang, sumbu y mewakili kategori data, sedangkan sumbu x mewakili nilai numerik.

Jika data Anda berisi judul kategori yang sangat panjang, diagram batang akan lebih disukai daripada diagram kolom. Melalui perataan pada sumbu y, label pada diagram batang mengoptimalkan ruang dan meningkatkan keterbacaan. Selain itu, diagram batang biasanya lebih baik dalam mewakili jumlah kategori yang lebih besar karena perataan spasi dibandingkan diagram kolom.

Contoh diagram batang berikut menyoroti bagaimana judul kategori pakaian yang lebih panjang, seperti "Hoodie & Kaus Mode" sesuai pada keselarasan diagram batang. Diagram ini menunjukkan jumlah pesanan bulanan untuk 10 kategori pakaian terpisah.

Diagram batang dengan Pesanan Bulanan pada sumbu x dan Kategori Pakaian pada sumbu y.

Untuk mempelajari lebih lanjut cara membuat diagram batang di Looker, lihat halaman dokumentasi Opsi diagram batang.

Diagram pencar

Paling cocok untuk menyoroti korelasi antara dua variabel.

Diagram pencar adalah bentuk diagram Kartesius yang menyoroti hubungan antara dua variabel. Setiap titik yang diplot mewakili nilai pada sumbu x dan sumbu y yang memberikan wawasan tentang data. Jenis diagram ini secara khusus menyoroti tren dan pola yang muncul dalam data.

Jika data Anda berisi dua variabel yang berkorelasi, sebuah diagram pencar dapat menjadi metode visualisasi yang ideal untuk menemukan dan mengeksplorasi korelasi. Ini bisa menjadi korelasi positif, yang berarti bahwa meskipun variabel x meningkat, variabel y meningkat. Ini juga bisa mencakup korelasi negatif, artinya ketika satu variabel meningkat, variabel yang lain menurun. Korelasi juga bisa bernilai null, artinya tidak ada korelasi di antara kedua variabel yang dipilih. Kesadaran akan korelasi data potensial dapat menghasilkan wawasan yang lebih besar tentang data Anda dan bahkan dapat memandu prediksi perilaku data di masa mendatang.

Tata letak dan struktur dari diagram pencar{i> <i}adalah kunci efektivitasnya. Titik-titik yang diplot pada diagram pencar juga dapat disesuaikan melalui ukuran dan penggunaan warna untuk mengidentifikasi variabel atau kategori tambahan bagi pemirsa. Garis tren juga dapat digunakan dengan diagram pencar; garis ini menyoroti hubungan antara data yang muncul untuk pelihat. Melalui penyesuaian, pastikan bahwa pilihan desain ini menyoroti tujuan keseluruhan dari menggambarkan suatu hubungan dan memberikan kesempatan untuk memeriksa pola, korelasi, dan tren potensial.

Diagram pencar berikut menunjukkan jumlah pelanggan yang mengunjungi lokasi setiap tiga bulan dari tahun 2015 hingga 2018. Titik-titik pada diagram diukur berdasarkan jumlah pelanggan.

Diagram pencar dengan Jumlah Lokasi Retail pada sumbu y dan kuartal dari tahun 2015 hingga 2018 pada sumbu x.

Untuk mempelajari lebih lanjut jenis visualisasi Kartesius ini, lihat halaman dokumentasi Opsi diagram sebar.

Garis

Paling cocok untuk memvisualisasikan data berkelanjutan dari waktu ke waktu.

Dalam diagram garis, data ditampilkan melalui serangkaian titik yang terhubung oleh garis lurus. Jenis visualisasi ini secara khusus menyoroti data berkelanjutan dari waktu ke waktu.

Untuk kejelasan dalam bagan garis Anda, jumlah garis yang ada tetaplah penting. Jika Anda menyertakan beberapa garis dalam diagram, gunakan warna untuk membedakan kedua garis dengan jelas. Hal ini akan memungkinkan pelihat menafsirkan nilai secara terpisah, bukan menggabungkan baris.

Diagram garis berikut mewakili pengguna situs aktif bulanan dari tahun 2016 hingga 2019. Tiga garis terpisah mewakili wilayah di Amerika Serikat: East Coast, Midwest, dan West Coast.

Diagram tiga garis yang menunjukkan East Coast, Midwest, dan West Coast dengan Pengguna Aktif Bulanan pada sumbu y dan bulan dari 2016 hingga 2018 pada sumbu x.

Lihat halaman dokumentasi Opsi diagram garis untuk mempelajari lebih lanjut cara membuat diagram garis di Looker.

Area

Paling cocok untuk memvisualisasikan perubahan kuantitas dari waktu ke waktu.

Diagram area dibuat berdasarkan karakteristik diagram Kartesius lainnya, diagram batang, dan diagram garis. Seperti diagram garis, diagram area menyoroti data berkelanjutan dari waktu ke waktu dalam formasi linear. Namun, diagram ini menggunakan fitur warna terisi yang mirip dengan diagram batang untuk menampilkan kuantitas melalui data. Hal ini memungkinkan penonton untuk melihat dengan jelas bagaimana kuantitas disesuaikan dari waktu ke waktu.

Diagram area menyampaikan tren secara keseluruhan, bukan titik data individual. Diagram area lebih baik ketika Anda membandingkan jumlah tren yang lebih kecil, karena komponen area yang penuh warna. Untuk menandai data dengan jumlah tren yang lebih besar, pertimbangkan untuk menggunakan diagram garis.

Diagram area berikut mencerminkan contoh visualisasi diagram garis dengan juga menampilkan pengguna situs bulanan di seluruh region di Amerika Serikat. Namun, warna isian dalam diagram ini secara khusus menyoroti perubahan jumlah pengguna dari tahun 2018 ke tahun 2019 secara khusus.

Diagram area Pantai Timur, Barat Tengah, dan Pantai Barat dengan Pengguna Aktif Bulanan pada sumbu y dan bulan dari 2018 hingga 2019 pada sumbu x.

Untuk mempelajari diagram area di Looker lebih lanjut, lihat halaman dokumentasi Opsi diagram area.

Bagan pai dan donat

Diagram lingkaran dan donat menekankan hubungan antara bagian-bagian terhadap proporsi keseluruhan dalam data. Untuk alasan ini, mereka bekerja dengan baik untuk menyoroti informasi kategoris, yang berarti informasi yang dapat dengan jelas dibagi ke dalam kelompok-kelompok berdasarkan karakteristik bersama.

Untuk menyoroti informasi terbaik dalam diagram pai dan donat, pilih lima kategori atau kurang. Jika kategori Anda melebihi lima, pertimbangkan untuk memilih jenis visualisasi yang berbeda untuk menyoroti informasi, seperti bagan batang atau kolom.

Karena diagram pai atau donat mewakili keseluruhan persentase, nilai-nilai kategori harus bertambah hingga 100 persen.

Looker menawarkan dua variasi diagram lingkaran. Bagian ini menjelaskan diagram berikut dan menyoroti keunggulannya dalam menampilkan data kategoris:

Pie

Paling baik untuk memvisualisasikan nilai yang proporsional.

Diagram lingkaran mengacu pada diagram lingkaran lengkap yang dibagi menjadi beberapa bagian berdasarkan kategori informasi. Melalui pembagian irisan ini, fokus menjadi tidak secara khusus pada jumlah persentase yang tepat, tetapi pada bagaimana proporsi yang diuraikan berhubungan satu sama lain dan memengaruhi sasaran diagram secara keseluruhan.

Jika Anda bekerja untuk menekankan pentingnya hubungan antara nilai-nilai proporsional, bagan pai mengkomunikasikan hubungan ini secara efektif. Jika Anda bekerja dengan lebih dari lima kategori data, pertimbangkan untuk memilih diagram visualisasi yang berbeda untuk menyoroti informasi, seperti diagram batang atau kolom. Dengan diagram batang dan kolom, audiens sering kali dapat melihat perbedaan individual dengan lebih mudah.

Diagram lingkaran berikut menunjukkan persentase total pelanggan dari tiga wilayah di Amerika Serikat: East Coast, West Coast, dan Midwest. Jenis visualisasi ini mengomunikasikan jumlah pelanggan yang proporsional dari setiap wilayah.

Diagram lingkaran yang berisi total pelanggan dari East Coast, Midwest, dan West Coast.

Lihat halaman dokumentasi Opsi diagram lingkaran untuk mempelajari lebih lanjut cara membuat diagram perbandingan ini di Looker.

Beberapa Donat

Paling cocok untuk memvisualisasikan nilai proporsional dengan beberapa komponen.

Donut multiples memungkinkan Anda membuat serangkaian diagram donat untuk memvisualisasikan data dalam formasi yang saling terhubung. Diagram ini menghilangkan bagian tengah lingkaran, sehingga membentuk pembagian busur, bukan pembagian irisan. Ruang kosong yang ditambahkan di tengah diagram memungkinkan label dan deskripsi lebih lanjut dari data Anda.

Saat Anda membuat diagram kelipatan donat, pastikan ada pola keseragaman dan kohesif di seluruh kategori untuk menyoroti hubungan keduanya. Selain itu, untuk memastikan kejelasan dan pemahaman penonton, sertakan materi kumulatif yang jelas di tengah diagram untuk menyoroti nuansa setiap diagram kelipatan donat tertentu.

Diagram kelipatan donat berikut menunjukkan penjualan produk tiga bulanan untuk beberapa kategori pakaian: jeans, legging, pakaian luar dan mantel, serta celana pendek. Ada diagram donat terpisah untuk setiap penjualan tiga bulanan. Visualisasi ini menyoroti bagaimana setiap kategori pakaian, yang diwakili oleh warna seragam, berkontribusi terhadap penjualan produk secara keseluruhan per kuartal.

Empat diagram donat yang menampilkan penjualan kuartalan pada tahun 2019 yang difilter berdasarkan jeans, legging, pakaian luar dan mantel, serta celana pendek.

Untuk mempelajari cara menyertakan diagram kelipatan donat di Looker, lihat halaman dokumentasi Opsi diagram kelipatan donat.

Diagram kemajuan

Diagram kemajuan menyoroti informasi yang muncul dari waktu ke waktu. Melalui diagram ini, Anda dapat menyoroti konteks ini dan bagaimana pengaruhnya terhadap data. Diagram progres melacak progres dan pertumbuhan secara keseluruhan. Bagian ini berisi contoh diagram progres berikut:

Corong

Paling baik untuk memvisualisasikan tahapan yang berurutan.

Diagram funnel adalah diagram perkembangan yang menyoroti tahapan yang berurutan. Jenis diagram ini memiliki kemiripan dengan diagram batang, yang juga mewakili data melalui visualisasi horizontal dan persegi panjang. Diagram ini membuat bentuk funnel melalui visualisasi yang ditumpuk.

Untuk bagan funnel yang efektif, pastikan bahwa data mencakup setidaknya empat tahap. Hal ini akan memastikan dampak visual yang kuat dan menyoroti proses yang digambarkan sebagai satu kesatuan. Jika Anda memiliki kurang dari empat komponen, pertimbangkan untuk menggunakan jenis visualisasi lainnya, seperti diagram pai.

Visualisasi funnel berikut menyoroti lima tahap tindakan pelanggan yang terpisah dan nilai persentase di setiap tahap. Tahap-tahap tersebut, dalam urutan menurun, adalah produk, keranjang, pembelian, pendaftaran, dan pembatalan, yang mewakili interaksi pelanggan dengan produk.

Diagram funnel menampilkan persentase tindakan pelanggan pada tahap Produk, Keranjang, Pembelian, Daftar, dan Batal.

Lihat halaman dokumentasi Opsi diagram funnel untuk mempelajari lebih lanjut cara membuat visualisasi ini di Looker.

Linimasa

Paling baik untuk memvisualisasikan perkembangan waktu.

Diagram linimasa menyoroti perkembangan waktu dengan menyertakan peristiwa dan penanda utama selama durasi yang ditetapkan. Walaupun bagan garis waktu sering berhubungan dengan waktu, struktur bagan ini juga dapat diterapkan pada angka dan jumlah.

Dengan penyesuaian warna, beberapa linimasa dapat digunakan di satu grafik untuk menunjukkan variasi beberapa faktor selama progres. Untuk pola linimasa, khususnya di Looker, penyesuaian warna dapat bervariasi berdasarkan palet. Garis waktu Anda dapat memiliki palet kontinu, yang mencerminkan opsi gradien dengan dua variabel di kedua bagian gradien. Anda juga dapat memiliki palet kategoris, yang berarti bahwa setiap warna mewakili kategori dalam data. Anda dapat mempelajari lebih lanjut penyesuaian warna dan diagram linimasa ini di halaman dokumentasi Opsi diagram linimasa.

Visualisasi linimasa berikut menunjukkan nomor ID pesanan tertentu dan rata-rata hari yang diproses masing-masing selama bulan pada tahun 2022. Linimasa menggunakan pallette gradien kontinu untuk mewakili berbagai jumlah hari.

Diagram Linimasa menunjukkan rata-rata jumlah hari untuk diproses dengan ID Pesanan pada sumbu y dan hari dari Juli hingga Agustus 2022 pada sumbu x.

Air Terjun

Paling baik untuk memvisualisasikan nilai positif dan negatif berurutan.

Diagram waterfall menyoroti hubungan antara nilai positif dan negatif melalui urutan. Diagram ini menunjukkan perkembangan nilai awal karena berbagai faktor. Diagram waterfall mencerminkan elemen desain dari diagram batang. Seperti banyak jenis visualisasi lainnya, penanda berbasis waktu atau penanda berbasis kategori dapat membuat struktur diagram waterfall, bergantung pada set data tertentu Anda.

Karena diagram waterfall berfungsi secara khusus dengan nilai positif dan negatif, definisi yang jelas antara kedua kategori ini sangat penting. Melalui penggunaan warna dan label teks, pastikan visualisasi itu membedakan nilai-nilai dalam data Anda dengan jelas.

Contoh diagram waterfall berikut menampilkan total pendapatan di seluruh tahap proses pemesanan, termasuk dibatalkan, dikembalikan, dikirim, dan diproses. Ada juga jumlah total yang dihitung.

Diagram waterfall yang menampilkan Status pada sumbu x dan Total Pendapatan pada sumbu y.

Lihat halaman dokumentasi Opsi diagram waterfall untuk detail lebih lanjut tentang jenis visualisasi ini.

Teks dan tabel

Jika Anda memiliki data teks yang bermakna untuk ditampilkan, memilih tampilan teks dan tabel akan menyoroti dampak kata-kata tersebut. Tampilan kata-kata ini dapat bervariasi, mulai dari menyoroti satu nilai hingga menampilkan pengaturan kata yang kompleks di seluruh set data. Bagian ini mencakup beberapa dari banyak contoh jenis visualisasi untuk teks dan tabel:

Nilai Tunggal

Paling baik untuk memvisualisasikan bagian data yang terisolasi.

Diagram nilai tunggal menyoroti nilai individual dari sebuah set data. Memvisualisasikan nilai dengan cara ini menyoroti signifikansi dan kepentingannya untuk {i>dataset<i} yang lebih besar.

Saat membuat diagram nilai tunggal, pilih nilai yang memiliki signifikansi bagi audiens dan mencerminkan sasaran Anda untuk visualisasi. Selain itu, pastikan bahwa jenis font dan penyesuaian ukuran menekankan nilai daripada mengalihkan perhatian atau meminimalkan data.

Contoh nilai tunggal berikut menyoroti jumlah pelanggan tahunan dari California, yaitu 118.126 orang.

Diagram nilai tunggal yang menampilkan jumlah pelanggan tahunan dari California.

Lihat halaman dokumentasi opsi diagram Nilai Tunggal untuk mengetahui informasi selengkapnya tentang cara menyesuaikan diagram ini di Looker.

Data Tunggal

Paling baik untuk memvisualisasikan bagian data yang terbatas.

Serupa dengan diagram nilai tunggal, diagram catatan tunggal juga menyoroti data terbatas yang dipilih dari set data yang lebih besar untuk mengomunikasikan pesan tertentu. Namun, diagram kumpulan data tunggal berisi lebih banyak informasi dibandingkan dengan diagram nilai tunggal. Visualisasi ini dapat memberikan contoh dari {i>dataset<i} yang lebih besar.

Memilih {i>record <i}tunggal yang efektif dan relevan untuk jenis bagan ini akan menyoroti contoh dari sebuah {i>dataset<i}. Diagram ini dapat disesuaikan agar mudah dibaca dan jelas melalui kelompok font, ukuran, dan penggunaan warna.

Bagan rekaman tunggal berikut ini menunjukkan informasi penting tentang produk tertentu, "100% Kain Sutra Biru Muda dan Dasi Bergaris Angkatan Laut". Informasi ini mencakup ID produk, kategori, dan harga retail.

Diagram data tunggal yang menampilkan ID Produk, Kategori, dan Harga Retail item.

Untuk mempelajari lebih lanjut cara membuat diagram ini di Looker, lihat halaman dokumentasi opsi diagram Data Tunggal.

Awan Kata

Paling baik untuk memvisualisasikan frekuensi data.

Awan kata adalah visualisasi data yang menampilkan frekuensi data melalui penyesuaian jenis, ukuran, dan warna {i>font<i}. Struktur kunci dari {i>word cloud<i} adalah bahwa semakin tinggi frekuensi kata tertentu dalam {i>dataset<i} yang dianalisis, semakin besar ukuran {i>font<i}. Bahkan dengan sekilas atau pemindaian cepat dari penampil, awan kata menyampaikan informasi yang relevan dan berulang dalam kumpulan data melalui dampak visual yang kuat.

Penyesuaian spasi serta jenis perataan horizontal dan vertikal dapat mencapai dampak visual ini. Di beberapa awan kata, kreator mengelompokkan kata tematik yang mirip berdasarkan warna tertentu, yang menyoroti sifat terhubung dari elemen tertentu. Pengelompokan kata berdasarkan warna ini juga dapat membantu memberi konteks pada konten bagi pembaca dan memahami informasi yang diberikan.

Contoh cloud kata berikut menyoroti lokasi pelanggan. Nama negara bagian diukur berdasarkan jumlah pelanggan di setiap negara bagian, sedangkan California adalah negara bagian dengan jumlah pelanggan terbanyak.

Diagram cloud kata yang menampilkan nama negara bagian menurut jumlah pelanggan di negara bagian tersebut.

Untuk mempelajari bagaimana Looker secara khusus mendukung pembuatan cloud kata yang intuitif melalui opsi Menu gaya, lihat halaman dokumentasi Opsi diagram Cloud Cloud.

Maps

Visualisasi pemetaan memberikan konteks pada data yang berkaitan dengan lokasi, sehingga menjadikannya jenis visualisasi yang berguna jika data Anda terkait secara khusus dengan wilayah geografis. Cakupan geografis visualisasi Anda dapat disesuaikan dengan cara yang paling mencerminkan data yang dikumpulkan. Hal ini dapat termasuk menentukan lokasi Anda melalui bujur, lintang, dan bahkan kode pos, bergantung pada project Anda.

Peta interaktif menyesuaikan dan mengonfigurasi ulang berdasarkan penyesuaian, sementara peta statis akan tetap konsisten setelah dikonfigurasi. Bagian ini secara khusus membahas visualisasi geografis berikut:

Google Maps

Paling cocok untuk memvisualisasikan data geografis dengan peta panas.

Google Maps, platform pemetaan web Google, berbagi informasi geografis secara interaktif dengan audiens. Dengan fitur Google Maps di Looker, Anda dapat menyesuaikan tampilan peta dengan beberapa gaya, seperti melalui Terang, Gelap, Satelit, Jalan, dan Luar Ruangan. Gaya ini dapat menyoroti informasi Anda dengan cara yang berbeda, bergantung pada cakupan dan fokus data Anda. Selain itu, visualisasi Google Maps memungkinkan penerapan peta panas. Peta panas menampilkan informasi menggunakan sistem berkode warna yang menunjukkan frekuensi data.

Visualisasi Google Maps peta panas berikut menampilkan jumlah produk yang terjual per bulan dalam kode pos di seluruh Amerika Serikat. Peta panas memiliki rentang dari 9 hingga 66 produk yang terjual, dengan gradien dari hijau ke oranye yang mewakili rentang angka ini. Untuk bernavigasi melalui peta ini, pintasan keyboard juga tersedia.

Diagram Google Maps peta panas yang menampilkan jumlah produk yang terjual per bulan dalam kode pos di Amerika Serikat.

Untuk mempelajari fitur Google Maps lebih lanjut, lihat halaman dokumentasi opsi diagram Google Maps.

Peta

Paling baik untuk memvisualisasikan data geografis interaktif.

Visualisasi peta interaktif menerapkan gambar geografis untuk merepresentasikan bagaimana data Anda sesuai dengan lokasi dan wilayah tertentu. Peta interaktif dapat mencerminkan banyak jenis visualisasi lainnya dengan menggabungkan aspek-aspek desain. Ini bisa mencakup penggunaan titik, garis, atau area untuk menandakan penanda dalam visualisasi Anda.

Desain peta keseluruhan juga dapat disesuaikan. Secara khusus di Looker, gaya peta mencakup opsi Terang, Gelap, dan Satelit. Masing-masing opsi ini juga memiliki fitur tanpa label. Setelan ini menghilangkan detail penting seperti nama kota dan jalan untuk lebih berfokus pada data daripada detail peta. Ketika Anda memilih desain peta, pertimbangkan detail-detail penting yang perlu dipertimbangkan pengguna, dan pilih desain yang paling mencerminkan detail tersebut.

Diagram berikut menyoroti jumlah pengguna di seluruh kode pos di Amerika Serikat melalui sistem pengkodean warna gradien. Peta interaktif ini memungkinkan fitur zoom agar fokus pada wilayah tertentu di peta.

Peta interaktif yang menampilkan jumlah pengguna di seluruh kode pos di Amerika Serikat melalui sistem kode warna gradien.

Pelajari lebih lanjut peta interaktif di Looker melalui halaman dokumentasi Opsi diagram peta.

Peta Statis (Wilayah)

Paling cocok untuk memvisualisasikan data regional.

Peta statis menurut wilayah diagram bagaimana wilayah tertentu terpengaruh oleh data. Karena bersifat statis, peta tidak dapat berubah atau menyesuaikan berdasarkan interaksi pengguna. Jenis visualisasi ini membantu menggambarkan keadaan yang berbeda daripada proses yang berubah dan berkembang dari waktu ke waktu.

Peta statis regional berikut mewakili jumlah lokasi toko di setiap negara bagian di Amerika Serikat. Melalui gradien biru, warna biru paling gelap mewakili jumlah lokasi toko terbesar. Penggunaan warna peta ini tidak dikuantifikasi; untuk mendapatkan kontras yang lebih besar di antara status, tombol Quantize Color di menu Style dapat diaktifkan.

Peta statis yang menampilkan jumlah lokasi toko di Amerika Serikat melalui palet warna kontinu.

Pelajari lebih lanjut jenis peta ini di Looker melalui halaman dokumentasi opsi diagram Peta Statis (Wilayah).

Peta Statis (Titik)

Paling baik untuk memvisualisasikan data khusus titik geografis.

Peta statis dengan titik mencerminkan titik statis dengan wilayah. Namun, peta ini divisualisasikan melalui titik-titik yang tumpang tindih di seluruh wilayah. Bergantung pada fokus data Anda, jenis visualisasi ini dapat membantu, terutama jika tidak ada pembagian regional yang jelas dengan {i>dataset<i} Anda.

Peta statis dengan titik berikut menyertakan titik yang disesuaikan ukurannya berdasarkan jumlah pelanggan dalam kode pos di seluruh Amerika Serikat.

Diagram peta statis dengan titik yang ukurannya diukur menurut jumlah pelanggan dalam kode pos di seluruh Amerika Serikat.

Pelajari lebih lanjut jenis peta ini di Looker melalui halaman dokumentasi opsi diagram Peta Statis (Titik).

Diagram lainnya

Jenis visualisasi data populer lainnya yang tersedia di Looker tidak hanya mencakup kategori ini. Bentuk visualisasi tambahan yang spesifik ini memungkinkan penyesuaian tambahan, tergantung pada audiens untuk penafsiran data Anda. Bagian ini mencakup contoh diagram berikut:

{i>Boxplot<i}

Paling cocok untuk memvisualisasikan distribusi data melalui ringkasan statistik.

Seperti diagram scatterplot, diagram boxplot juga efektif untuk menyoroti distribusi data. Diagram boxplot menunjukkan hal ini melalui ringkasan statistik, atau cara mengelompokkan data melalui pengamatan dan pola. Ada ringkasan statistik lima angka untuk diagram kotak, membagi data berdasarkan kuartil minimum, maksimum, median sampel, serta kuartil pertama dan ketiga. Meningkatnya ukuran {i>box plot<i} menandakan peningkatan distribusi data.

Contoh diagram boxplot berikut menyoroti distribusi data produk yang terjual dari Januari 2021 hingga Juli 2022. Setiap entri bulanan menampilkan produk minimum, sedang, dan maksimum yang terjual saat kursor diarahkan ke atasnya.

Diagram boxplot yang menampilkan Bulan pada sumbu x dan Produk Terjual pada sumbu y.

Untuk mempelajari lebih lanjut tentang boxplot dan menyesuaikannya di Looker, lihat halaman dokumentasi Opsi diagram Boxplot.

Visualisasi kustom

Selain visualisasi yang ada di Looker, Anda juga dapat membuat visualisasi kustom untuk menampilkan data. Anda dapat menerapkan visualisasi kustom dengan cara berikut:

Contoh visualisasi khusus yang tersedia sebagai plugin meliputi Visualisasi Peta Panas Kalender dan Visualisasi Plot Aster. Lihat halaman Setelan admin - Dokumentasi visualisasi untuk mempelajari penerapan visualisasi kustom lebih lanjut.

Selain itu, Anda dapat membuat visualisasi yang unik untuk proyek Anda. Lihat halaman dokumentasi Mengembangkan visualisasi kustom untuk Looker Marketplace untuk mempelajari lebih lanjut cara membuat visualisasi ini dan cara kerjanya untuk mencerminkan sasaran visualisasi data Anda.