Tujuan pembelajaran. Setelah menyelesaikan bab ini, kita akan mampu: 1. Memilih jenis chart yang tepat untuk setiap jenis pertanyaan analitis. 2. Menerapkan prinsip grammar of graphics dan data-ink ratio untuk menghasilkan visualisasi yang efektif. 3. Menggunakan matplotlib dan seaborn untuk visualisasi statis yang siap publikasi. 4. Menggunakan plotly untuk visualisasi interaktif yang dapat dieksplorasi. 5. Mengenali dan menghindari kesalahan visualisasi yang paling umum—terutama yang menyesatkan. 6. Merancang dashboard sederhana yang menjawab pertanyaan manajerial.
Di Bab 3 kita menemukan bahwa churn rate pelanggan kontrak bulanan sekitar 43%, sementara kontrak dua tahun hanya sekitar 3%. Angka itu kuat. Tetapi ketika kita melihatnya dalam bentuk bar chart, kekuatannya berlipat: mata manusia langsung menangkap jarak antara dua batang, proporsi area, dan pola yang sulit diungkapkan dalam tabel.
Visualisasi adalah alat berpikir, bukan hanya alat presentasi. Sebagian besar analis menemukan insight bukan dari tabel yang mereka baca, melainkan dari grafik yang mereka lihat—karena otak manusia jauh lebih cepat memproses pola visual daripada angka.
Dua peran visualisasi. Pertama, exploratory: untuk diri kita sendiri, menemukan pola dan anomali. Kedua, explanatory: untuk audiens, menyampaikan insight yang sudah ditemukan. Keduanya membutuhkan pendekatan berbeda. Grafik eksplorasi boleh berantakan; grafik eksplanatori harus rapi dan terfokus. Bab ini mengajarkan keduanya.
Sebelum menyentuh kode, pahami kerangka berpikir yang menjadi fondasi hampir semua library visualisasi modern (ggplot2, plotnine, plotly, altair): grammar of graphics (Wilkinson, 1999).
Setiap grafik dapat diuraikan menjadi komponen-komponen berikut:
| Komponen | Pertanyaan | Contoh pada dataset kita |
|---|---|---|
| Data | Data apa yang divisualisasikan? | df dengan kolom Contract, tenure, Churn |
Aesthetic (aes) |
Variabel mana yang dipetakan ke atribut visual? | x = Contract, y = tenure, warna = Churn |
Geometric (geom) |
Bentuk apa yang digunakan? | Bar (geom_bar), titik (geom_point), garis (geom_line) |
| Facet | Apakah data dibagi ke panel-panel? | Panel per InternetService |
| Statistical transformation | Apakah ada agregasi? | Rata-rata per kategori, atau hitung (count) |
| Coordinate system | Bagaimana posisi dipetakan ke bidang? | Cartesian (default), polar (untuk pie chart) |
| Scale | Bagaimana nilai dipetakan ke rentang visual? | Log scale, warna kategori |
Kerangka ini menjelaskan mengapa ggplot2 dan plotly terasa lebih konsisten dibandingkan matplotlib murni: keduanya mengekspresikan grafik sebagai kombinasi komponen, bukan sebagai instruksi imperatif (“gambar garis dari sini ke sini”).
Kita akan memakai matplotlib untuk kontrol penuh (statis) dan plotly untuk interaktivitas. seaborn menjembatani keduanya dengan API tingkat tinggi berbasis grammar of graphics.
Edward Tufte, dalam bukunya The Visual Display of Quantitative Information, merumuskan prinsip yang menjadi standar emas visualisasi data:
“Above all else, show the data. Maximize the data-ink ratio, within reason.”
Data-ink adalah tinta (atau piksel) yang menampilkan data. Chartjunk adalah tinta yang tidak menampilkan data—garis grid berlebih, bayangan, gradien dekoratif, label sumbu yang berulang tanpa alasan.
Beberapa aturan praktis yang diturunkan dari prinsip ini:
| Hindari | Ganti dengan |
|---|---|
| Gridlines berlebih | Gridlines minimal atau hilangkan |
| Border kotak penuh | Garis sumbu ringan atau hilangkan |
| 3D bar/pie chart | 2D, tanpa dimensi palsu |
| Warna dekoratif | Warna yang mengkodekan informasi |
| Label sumbu berulang | Satu label sumbu yang jelas |
| Legend jika warna sudah jelas | Direct labeling |
| Background berwarna | Background putih atau abu-abu muda |
Pie chart. Pie chart hampir selalu pilihan yang buruk untuk data analitis karena mata manusia buruk dalam membandingkan sudut dan area. Pie chart hanya masuk akal jika kita memiliki dua kategori dan ingin menyoroti bahwa satu mendominasi. Untuk semua kasus lain, bar chart lebih efektif—dan pada Bab 3 kita sudah memakai bar chart untuk Contract, bukan pie chart. Ini adalah pilihan yang disengaja.
Ini adalah tabel referensi yang perlu kita hafal (atau simpan sebagai cheat sheet):
| Pertanyaan | Chart yang tepat | Contoh pada dataset kita |
|---|---|---|
| Bagaimana distribusi satu variabel kontinu? | Histogram, density plot, boxplot | Distribusi tenure |
| Bagaimana distribusi satu variabel kategorikal? | Bar chart (count) | Distribusi Contract |
| Bagaimana hubungan dua variabel kontinu? | Scatter plot | tenure vs MonthlyCharges |
| Bagaimana hubungan variabel kontinu dengan kategorikal? | Boxplot, violin plot | tenure per Contract |
| Bagaimana hubungan dua variabel kategorikal? | Mosaic plot, stacked bar, heatmap | Contract vs Churn |
| Bagaimana tren dari waktu ke waktu? | Line chart | (tidak berlaku untuk Telco) |
| Bagaimana korelasi antar banyak variabel? | Correlation heatmap, scatter matrix | Korelasi antar numerik (Bab 3) |
| Bagaimana komposisi (bagian dari keseluruhan)? | Stacked bar, treemap | Churn per Contract per InternetService |
| Bagaimana peringkat antar kategori? | Horizontal bar (sorted) | Churn rate per segmen |
Aturan praktis pemula. Jika kita ragu antara pie chart dan bar chart, pilih bar chart. Jika ragu antara line chart dan bar chart, tanyakan apakah x-axis adalah waktu—jika ya, line; jika tidak, bar. Jika ragu antara dua grafik apa pun, pilih yang paling sederhana dan beri label yang jelas.
matplotlib dan seabornKita sudah memakai keduanya di Bab 3. Di sini kita akan memperkenalkan pola yang konsisten agar grafik kita terlihat profesional tanpa perlu tweak berlebihan.
import sys
sys.path.insert(0, ".")
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from decanal.utils import load_churn_clean
# Gaya global untuk buku ini
sns.set_theme(style="whitegrid", palette="muted")
plt.rcParams["figure.dpi"] = 100
plt.rcParams["savefig.dpi"] = 150
plt.rcParams["font.size"] = 10
df = load_churn_clean()sn.set_theme(style="whitegrid") sudah menghapus sebagian besar chartjunk secara otomatis—gridlines ringan, latar belakang putih, dan font yang bersih. Ini adalah default yang wajar untuk sebagian besar kebutuhan. Jika kita membutuhkan kontrol lebih (misalnya untuk publikasi), gunakan style="ticks" dan hapus spines secara manual.
fig, ax = plt.subplots(figsize=(8, 3.5))
sns.histplot(data=df, x="tenure", kde=True, bins=30, color="#4C72B0", ax=ax)
ax.axvline(df["tenure"].median(), color="red", linestyle="--",
label=f"Median = {df['tenure'].median():.0f} bulan")
ax.set_xlabel("Tenure (bulan)")
ax.set_ylabel("Jumlah pelanggan")
ax.set_title("Distribusi Tenure Pelanggan")
ax.legend()
plt.tight_layout()
plt.show()
Perhatikan distribusi bimodal: puncak di sekitar awal (pelanggan baru) dan puncak di akhir (~70 bulan, pelanggan loyal). Ini tidak terlihat jelas di tabel statistik Bab 3—dan ini adalah alasan mengapa visualisasi melengkapi statistik deskriptif, bukan menggantikannya.
churn_rate = (df.groupby("Contract")["Churn"]
.apply(lambda s: (s == "Yes").mean() * 100)
.sort_values(ascending=True))
fig, ax = plt.subplots(figsize=(7, 3.5))
bars = ax.barh(churn_rate.index, churn_rate.values, color="#DD8452")
ax.bar_label(bars, fmt="%.1f%%", padding=3)
ax.set_xlabel("Churn rate (%)")
ax.set_ylabel("")
ax.set_title("Churn Rate per Tipe Kontrak")
ax.set_xlim(0, churn_rate.max() * 1.15)
plt.tight_layout()
plt.show()
Mengapa horizontal bar? Untuk kategori dengan label panjang, horizontal bar menghindari rotasi label yang sulit dibaca. Dan dengan mengurutkan dari nilai terkecil ke terbesar, mata langsung tertuju pada batang terpanjang di atas. Ini adalah pola standar untuk “peringkat” yang sebaiknya selalu kita gunakan.
fig, ax = plt.subplots(figsize=(8, 4))
sns.boxplot(data=df, x="Contract", y="tenure", hue="Churn",
palette={"No": "#4C72B0", "Yes": "#DD8452"}, ax=ax)
ax.set_xlabel("Tipe kontrak")
ax.set_ylabel("Tenure (bulan)")
ax.set_title("Tenure per Kontrak dan Status Churn")
plt.tight_layout()
plt.show()
Boxplot menampilkan lima angka penting sekaligus: minimum, Q1, median, Q3, maksimum (di luar outlier). Ini adalah cara paling efisien untuk membandingkan distribusi antar kelompok—jauh lebih informatif daripada membandingkan rata-rata saja.
Ketika kita ingin membandingkan pola yang sama di banyak kelompok, facet (subplot per kelompok) jauh lebih efektif daripada menumpuk semua garis di satu grafik.
g = sns.FacetGrid(df, col="Contract", hue="Churn", height=3, aspect=1.1,
palette={"No": "#4C72B0", "Yes": "#DD8452"})
g.map(sns.histplot, "tenure", bins=20, alpha=0.6)
g.add_legend(title="Churn")
g.set_axis_labels("Tenure (bulan)", "Jumlah")
g.figure.suptitle("Distribusi Tenure per Kontrak dan Churn", y=1.05)
plt.tight_layout()
plt.show()
plotlyGrafik statis baik untuk laporan dan publikasi. Tetapi untuk eksplorasi dan dashboard, interaktivitas memberi nilai tambah besar: hover untuk detail, zoom untuk fokus, filter untuk segmen.
plotly adalah library visualisasi interaktif paling populer di Python, dan hasilnya dapat disematkan langsung di Quarto HTML.
import plotly.express as px
fig = px.scatter(
df.sample(1000, random_state=42), # sampel agar ringan
x="tenure",
y="MonthlyCharges",
color="Churn",
color_discrete_map={"No": "#4C72B0", "Yes": "#DD8452"},
opacity=0.6,
title="Tenure vs Monthly Charges (sampel 1.000 pelanggan)",
labels={"tenure": "Tenure (bulan)", "MonthlyCharges": "Tagihan bulanan"},
)
fig.update_layout(width=750, height=420)
fig.show()Mengapa sampel 1.000 baris? Plotly menyematkan data lengkap ke HTML, dan 7.043 titik scatter membuat file HTML besar dan browser lambat. Untuk eksplorasi, sampel representatif cukup. Untuk dashboard produksi, gunakan WebGL (render_mode="webgl") yang jauh lebih cepat untuk data besar, atau agregasi data sebelum divisualisasikan.
churn_seg = (df.groupby(["Contract", "InternetService"])["Churn"]
.apply(lambda s: (s == "Yes").mean() * 100)
.reset_index()
.rename(columns={"Churn": "churn_rate"}))
fig = px.bar(
churn_seg,
x="Contract",
y="churn_rate",
color="InternetService",
barmode="group",
title="Churn Rate per Kontrak dan Layanan Internet",
labels={"churn_rate": "Churn rate (%)", "Contract": "Tipe kontrak"},
text_auto=".1f",
)
fig.update_layout(width=800, height=400, yaxis_range=[0, 70])
fig.show()Perhatikan pola: dalam setiap tipe layanan internet, churn rate pada kontrak bulanan jauh lebih tinggi daripada kontrak tahunan atau dua tahun. Ini menunjukkan bahwa efek kontrak lebih kuat daripada efek layanan internet—insight yang tidak langsung terlihat dari tabel tanpa memecah data dengan cara ini.
Karena Telco adalah data cross-sectional, tidak ada tren waktu. Namun untuk memberi kita gambaran, berikut contoh bagaimana tren waktu akan divisualisasikan menggunakan dataset pendamping (Retail Store Inventory). Blok ini tidak akan dijalankan di Bab 4—ini hanya pratinjau untuk Bab 10.
# Pratinjau untuk Bab 10 — tidak dijalankan di sini
from decanal.utils import load_retail
retail = load_retail()
daily = retail.groupby("Date")["Units Sold"].sum().reset_index()
fig = px.line(daily, x="Date", y="Units Sold",
title="Total Unit Terjual Harian (dataset retail)")
fig.show()Visualisasi yang buruk bukan hanya tidak informatif—ia bisa menyesatkan secara aktif. Berikut adalah kesalahan yang paling sering terjadi dan cara menghindarinya.
data = {"Kuartal": ["Q1", "Q2", "Q3", "Q4"], "Pendapatan": [100, 103, 106, 108]}
d = pd.DataFrame(data)
fig, axes = plt.subplots(1, 2, figsize=(10, 3.5))
axes[0].bar(d["Kuartal"], d["Pendapatan"], color="#DD8452")
axes[0].set_ylim(98, 110)
axes[0].set_title("Sumbu dipotong (menyesatkan)")
axes[0].set_ylabel("Pendapatan (juta)")
axes[1].bar(d["Kuartal"], d["Pendapatan"], color="#4C72B0")
axes[1].set_ylim(0, 110)
axes[1].set_title("Sumbu dari nol (jujur)")
axes[1].set_ylabel("Pendapatan (juta)")
plt.tight_layout()
plt.show()
Pada grafik kiri, pertumbuhan tampak dramatis—padahal dari Q1 ke Q4 hanya naik 8%. Memotong sumbu Y tidak selalu salah (kadang diperlukan untuk menonjolkan perbedaan kecil yang bermakna), tetapi harus disertai catatan eksplisit bahwa sumbu dipotong. Tanpa itu, ini adalah manipulasi visual.
Mata manusia hanya bisa membedakan sekitar 7–8 warna dengan andal. Jika kategori kita lebih dari 7, gunakan strategi lain: facet, kelompokkan kategori kecil menjadi “other”, atau gunakan gradien (jika kategori berurutan).
# Terlalu banyak kategori → sulit dibedakan
kategori = [f"Segmen {i}" for i in range(15)]
nilai = np.random.RandomState(42).randint(10, 100, 15)
fig, ax = plt.subplots(figsize=(8, 3.5))
ax.bar(kategori, nilai, color=plt.cm.tab20(np.linspace(0, 1, 15)))
ax.set_xticklabels(kategori, rotation=45, ha="right", fontsize=8)
ax.set_title("Kategori terlalu banyak — hindari ini")
plt.tight_layout()
plt.show()
Grafik dengan dua sumbu Y (satu kiri, satu kanan) hampir selalu menyesatkan—karena korelasi visual bergantung sepenuhnya pada skala yang kita pilih. Korelasi yang tampak kuat dapat terlihat lemah hanya dengan mengubah skala sumbu kanan, dan sebaliknya. Gunakan facet atau dua grafik terpisah.
Aturan 3 dari 3. Tiga kesalahan yang harus selalu kita tanyakan sebelum mempublikasikan grafik: 1. Apakah sumbu Y dimulai dari nol (atau jujur jika tidak)? 2. Apakah ada lebih dari 7 warna kategori yang harus dibedakan? 3. Apakah ada dua sumbu Y?
Jika ada satu saja “ya” yang bermasalah, revisi.
Dashboard adalah kumpulan visualisasi yang dirancang untuk menjawab satu set pertanyaan secara bersamaan. Ia bukan sekadar “banyak grafik di satu halaman”—ia adalah produk dengan audiens, tujuan, dan hierarki informasi yang jelas.
| Prinsip | Penjelasan |
|---|---|
| Tujuan tunggal | Satu dashboard = satu pertanyaan utama. Dashboard “semua tentang bisnis” tidak berguna. |
| Hierarki visual | KPI utama paling besar dan paling atas; detail kecil di bawah. |
| Konsistensi warna | Satu palet warna di seluruh dashboard, satu warna per kategori. |
| Konteks | Setiap angka perlu pembanding—target, periode sebelumnya, rata-rata. |
| Ruang kosong | Ruang kosong bukan pemborosan—ia memisahkan dan menekankan. |
Berikut dashboard dua-panel yang menjawab satu pertanyaan manajerial: “Di mana churn paling terkonsentrasi, dan seberapa besar dampaknya?”
from plotly.subplots import make_subplots
import plotly.graph_objects as go
# Data 1: Churn rate per kontrak
cr = (df.groupby("Contract")["Churn"]
.apply(lambda s: (s == "Yes").mean() * 100)
.sort_values())
# Data 2: Rata-rata tagihan bulanan per kontrak dan churn
charges = (df.groupby(["Contract", "Churn"])["MonthlyCharges"]
.mean()
.reset_index())
# Dashboard
fig = make_subplots(
rows=1, cols=2,
subplot_titles=("Churn rate per kontrak (%)",
"Rata-rata tagihan bulanan per kontrak"),
column_widths=[0.5, 0.5],
)
fig.add_trace(
go.Bar(x=cr.values, y=cr.index, orientation="h",
marker_color="#DD8452", text=cr.round(1), textposition="outside",
name="Churn rate"),
row=1, col=1,
)
for status, color in [("No", "#4C72B0"), ("Yes", "#DD8452")]:
subset = charges[charges["Churn"] == status]
fig.add_trace(
go.Bar(x=subset["Contract"], y=subset["MonthlyCharges"],
name=f"Churn = {status}", marker_color=color),
row=1, col=2,
)
fig.update_layout(
height=420, width=1000,
title_text="Dashboard Churn — Telco Customer Churn",
barmode="group",
legend_title="Status",
margin=dict(l=150, r=20, t=60, b=60),
)
fig.show()Mengapa dashboard ini “benar”? Ia menjawab satu pertanyaan (di mana churn paling terkonsentrasi dan berapa harganya?), memiliki dua panel yang saling melengkapi (bukan dua grafik acak), menggunakan warna konsisten (oranye = churn, biru = non-churn), dan menyertakan label langsung (angka di batang) yang mengurangi kebutuhan akan legend dan sumbu terpisah.
Untuk dashboard yang lebih lengkap, Plotly dapat dipadukan dengan ipywidgets (di Jupyter) atau disajikan sebagai aplikasi Dash (di luar cakupan buku ini). Untuk keperluan pengajaran, template di atas sudah memadai. Jika kita menginginkan dashboard yang dapat difilter, Quarto juga mendukung Observable JS untuk dashboard JavaScript-native.
Ketika kita menyimpan grafik untuk Quarto book (HTML/PDF), ada beberapa pertimbangan:
# Simpan grafik ke file (mis. untuk dipakai di luar Quarto)
fig_static, ax = plt.subplots(figsize=(8, 4))
sns.histplot(data=df, x="tenure", bins=30, ax=ax)
fig_static.savefig("images/tenure-distribution.png", dpi=150, bbox_inches="tight")Untuk Quarto, tidak perlu menyimpan grafik ke file jika grafik dibuat di dalam chunk—Quarto akan menyematkannya langsung. Simpan ke file hanya jika kita ingin memakainya di slide atau bab lain.
Latihan 4.1 — Chart selection. Untuk masing-masing pertanyaan berikut, pilih satu jenis chart yang paling tepat, dan jelaskan pilihan kita dalam satu kalimat: - (a) Bagaimana distribusi MonthlyCharges di antara pelanggan yang churn vs. bertahan? - (b) Berapa proporsi pelanggan yang churn di setiap kategori PaymentMethod? - (c) Apakah ada hubungan antara tenure dan MonthlyCharges? - (d) Bagaimana komposisi Churn di setiap InternetService?
Latihan 4.2 — Perbaiki grafik yang menyesatkan. Kode berikut membuat grafik yang menyesatkan. Perbaiki agar jujur secara visual:
fig, ax = plt.subplots()
ax.bar(["A", "B", "C"], [98, 99, 100])
ax.set_ylim(95, 101)Jelaskan apa yang salah dan bagaimana kita memperbaikinya.
Latihan 4.3 — Dashboard satu pertanyaan. Buat dashboard dua-panel untuk menjawab pertanyaan: “Apakah pelanggan dengan lebih banyak layanan cenderung churn lebih jarang?” Gunakan kolom num_services yang dibuat di Bab 2. Dashboard harus memuat: (a) churn rate per num_services, dan (b) jumlah pelanggan per num_services (untuk memastikan churn rate tidak didasarkan pada sampel kecil).
Latihan 4.4 — Plotly interaktif. Buat scatter plot interaktif dengan Plotly yang menampilkan tenure vs TotalCharges, diwarnai berdasarkan Contract, dengan ukuran titik sebanding dengan MonthlyCharges. Tambahkan judul dan label sumbu yang jelas.
Latihan 4.5 — Refleksi kritis. Cari satu grafik di berita atau laporan perusahaan (atau dari internet) yang menurut kita menyesatkan. Identifikasi setidaknya satu prinsip visualisasi yang dilanggar dan jelaskan mengapa pelanggaran itu penting.
Petunjuk Latihan 4.2. Grafik tersebut memotong sumbu Y dari 95 hingga 101, membuat perbedaan 2% terlihat seperti perbedaan 100%. Perbaikan: (a) mulai sumbu Y dari 0, atau (b) jika memotong sumbu Y memang diperlukan untuk menonjolkan perbedaan kecil, beri anotasi eksplisit di grafik bahwa sumbu dipotong. Pilihan pertama lebih baik untuk audiens umum; pilihan kedua dapat diterima untuk audiens teknis yang memahami konteks.
Jembatan. Visualisasi mengubah cara keputusan dibuat:
Mempercepat pemahaman. Di Bab 3, kita butuh tabel untuk melihat bahwa churn rate berbeda antar kontrak. Di Bab 4, satu bar chart menyampaikan insight yang sama dalam kurang dari 2 detik. Dalam rapat manajemen, kecepatan pemahaman adalah segalanya.
Mengungkap pola tersembunyi. Distribusi tenure yang bimodal tidak terlihat dari statistik deskriptif—tetapi jelas dalam histogram. Pola ini memberi tahu kita bahwa ada dua populasi pelanggan dengan perilaku berbeda: pelanggan baru (rentan churn) dan pelanggan lama (loyal). Keputusan: strategi retensi untuk kedua populasi harus berbeda.
Mengomunikasikan ketidakpastian. Grafik yang jujur—dengan sumbu Y dari nol, tanpa dual axis, dengan ukuran sampel yang ditampilkan—membangun kepercayaan. Grafik yang menyesatkan, bahkan jika tidak disengaja, merusak kredibilitas analisis.
Memungkinkan eksplorasi mandiri. Dashboard interaktif memungkinkan pengambil keputusan mengeksplorasi data sendiri—mengubah filter, memperbesar segmen, memeriksa detail. Ini memberdayakan mereka untuk mengajukan pertanyaan yang tidak kita antisipasi, dan sering menghasilkan insight yang tidak kita temukan dalam analisis awal.
Dalam bab ini kita telah:
matplotlib dan seaborn untuk visualisasi statis siap publikasi: histogram, bar chart, boxplot, dan small multiples.plotly untuk visualisasi interaktif yang dapat disematkan langsung di Quarto HTML.Sampai di sini, kita telah mengukur (Bab 3) dan melihat (Bab 4). Tetapi kita belum benar-benar mendiagnosis—belum mengejar mengapa pola yang kita amati muncul. Bab berikutnya—Diagnostic Analytics—akan membawa kita lebih dalam:
Bab 5 akan memperkenalkan teknik seperti analisis segmentasi, drill-down, analisis akar masalah, dan visual analytics untuk diagnosis—semuanya dibangun di atas fondasi statistik dan visualisasi dari dua bab sebelumnya.