Grup Batang Tersegmentasi dalam Analisis Data: Panduan Lengkap

Grafik batang tersegmentasi adalah konsep yang sudah dikenal di Analisis Data. Tapi apakah Anda menyadari dasar-dasarnya?

Grafik adalah salah satu cara paling umum untuk merepresentasikan hubungan antar data, terutama yang terlalu rumit dan banyak untuk ilustrasi yang nyaman dalam ruang dan waktu yang terbatas. Dengan banyaknya informasi yang dikumpulkan dan diproses melalui analisis data, penting untuk memiliki cara untuk menyajikan data tersebut untuk interpretasi dan inferensi yang akurat. Visualisasi data memberi kita gambaran yang jelas tentang apa arti informasi dengan memberikannya bentuk visual melalui bagan dan grafik. Oleh karena itu, data menjadi lebih dapat dipahami oleh pikiran manusia dan mereka dapat dengan cepat mengidentifikasi pola, tren, dan anomali dalam kumpulan data besar. Jika Anda seorang pemula dalam analitik data dan ilmu data, sertifikasi ilmu data upGrad pasti dapat membantu Anda menyelam lebih dalam ke dunia data dan analitik.

Kemampuan untuk membuat argumen yang meyakinkan melalui visualisasi data adalah salah satu kualitas luar biasa dari seorang profesional Ilmu Data yang terampil. Meskipun ada beberapa opsi grafik dan grafik

seseorang dapat memilih untuk mengilustrasikan data dalam skenario yang berbeda, grafik batang tersegmentasi atau grafik batang tersegmentasi mendapat cukup perhatian di antara Analis Data.

Artikel ini akan memandu Anda melalui dasar-dasar grafik batang tersegmentasi, mengapa digunakan, di mana digunakan, dan kursus Ilmu Data upGrad yang dapat membantu Anda menguasai keterampilan yang dibutuhkan untuk menjadi Analis Data yang sukses.

Tapi pertama-tama, mari kita memoles grafik batang.

Grafik Batang

Di antara jenis grafik/bagan yang paling sering digunakan, diagram batang atau grafik batang terdiri dari serangkaian batang yang menggambarkan perbandingan di antara kategori data yang berbeda. Grafik batang adalah salah satu jenis grafik yang paling umum dan biasanya mudah dimengerti karena keakrabannya.

Terlepas dari kesederhanaan diagram batang, mereka memiliki penggunaan yang terbatas. Sebelum mengilustrasikan data dalam diagram batang, penting untuk menilai sifat data dan jumlah variabel yang ditambahkan ke diagram. Idealnya, diagram batang adalah pilihan yang sangat baik ketika kita ingin mengikuti perkembangan satu atau mungkin dua variabel dari waktu ke waktu. Kita memang bisa menggunakannya untuk membandingkan beberapa variabel dalam bentuk diagram batang berkerumun. Namun, perbandingan tersebut dapat menyebabkan representasi berantakan yang dapat menyebabkan kebingungan.

Diberikan di bawah ini adalah dua ilustrasi – yang pertama adalah diagram batang sederhana (menggunakan satu variabel), dan contoh kedua menunjukkan diagram batang berkerumun (menggunakan dua variabel). Kedua ilustrasi tersebut menunjukkan perkembangan pendapatan perusahaan selama periode tertentu – aplikasi khas diagram batang dalam skenario perusahaan. Contoh kedua menunjukkan perbandingan pendapatan dua perusahaan selama jangka waktu tertentu.

Ilustrasi 1 ( Sumber Gambar )

Ilustrasi 2 ( Sumber Gambar )

Grafik Batang Bertumpuk

Tidak seperti bagan batang berkerumun yang menampilkan batang berdampingan, grafik batang bertumpuk membagi batang menjadi beberapa bagian. Grafik batang bertumpuk digunakan untuk menunjukkan bagaimana kategori yang lebih besar dipecah menjadi kategori yang lebih kecil dan bagaimana setiap bagian memengaruhi jumlah total. Batang dalam bagan batang bertumpuk dikategorikan ke dalam urutan susun, mewakili nilai yang berbeda. Satu sumbu menunjukkan nilai diskrit, dan sumbu lainnya menunjukkan bar variabel dalam urutan susun. Warna yang berbeda digunakan untuk menunjukkan bagian khas dari seluruh bar.

Diberikan di bawah ini adalah ilustrasi yang menggambarkan diagram batang bertumpuk: Sumber Gambar

Grafik Batang Bertumpuk dan Grafik Batang Tersegmentasi

Grafik batang bertumpuk terdiri dari dua jenis: Grafik batang bertumpuk sederhana dan grafik batang tumpukan 100%.

• Dalam grafik batang bertumpuk sederhana , setiap nilai untuk segmen ditempatkan setelah yang sebelumnya. Oleh karena itu, nilai total batang adalah penjumlahan dari semua nilai segmen. Jadi, grafik batang bertumpuk sederhana sangat bagus untuk membandingkan jumlah total dengan setiap grup/batang tersegmentasi.
• Grafik batang tumpuk 100% atau grafik batang tersegmentasi adalah grafik batang bertumpuk dengan jumlah batang tersegmentasi hingga 100%. Dengan kata lain, batang bertumpuk menunjukkan persentase relatif dari beberapa seri data, dan total setiap batang bertumpuk selalu 100%. Oleh karena itu, penting untuk memastikan bahwa setiap batang mewakili 100% saat membuat bagan batang tersegmentasi. Atau, itu akan menjadi diagram batang bertumpuk sederhana.

Bagan batang bertumpuk menunjukkan hubungan bagian-ke-keseluruhan dan bahkan dapat menunjukkan bagaimana bagian-bagian berubah dari waktu ke waktu. Di bawah ini adalah ilustrasi sederhana dari diagram batang tersegmentasi yang menunjukkan bagaimana pangsa pasar produk berubah setiap tahun. Kelemahan signifikan dari bagan batang tersegmentasi tersebut adalah bahwa meskipun mudah untuk membandingkan seri data pertama (tepat di sebelah sumbu vertikal dalam ilustrasi di bawah), yang berikutnya lebih sulit untuk dibandingkan karena tidak disejajarkan dengan garis dasar umum.

Sumber Gambar

Dapatkan sertifikasi ilmu data online dari Universitas top dunia. Dapatkan Program PG Eksekutif, Program Sertifikat Tingkat Lanjut, atau Program Magister untuk mempercepat karier Anda.

Ilustrasi berikut akan lebih memperjelas perbedaan anatomis antara diagram batang bertumpuk sederhana dan diagram batang tersegmentasi:

Sumber Gambar

Poin Yang Perlu Diingat Saat Membuat Bagan Batang Tersegmentasi

• Bagan batang bertumpuk dan tersegmentasi memiliki representasi dua dimensi dengan dua sumbu – satu sumbu menunjukkan kategori, dan sumbu lainnya menunjukkan nilai numerik. Sumbu yang mewakili kategori tidak memiliki skala untuk menunjukkan bahwa itu mengacu pada kelompok yang saling eksklusif (misalnya, perusahaan, tahun, dll.). Tetapi sumbu dengan nilai numerik memiliki skala dengan unit pengukuran yang sesuai.
• Batang dapat diorientasikan baik secara vertikal maupun horizontal. Setiap kategori utama dibagi menjadi beberapa segmen, di mana setiap segmen mewakili subkategori dari variabel kategori kedua.
• Tinggi atau panjang segmen persegi panjang menunjukkan kuantitas masing-masing subkategori dan ditumpuk dari ujung ke ujung secara vertikal atau horizontal.
• Panjang atau tinggi akhir setiap batang mewakili jumlah total di setiap kategori utama (100% dalam bagan batang tersegmentasi).
• Subkategori yang setara harus diwakili dengan warna yang sama.
• Beberapa ruang harus dibiarkan antara batang kategori utama untuk menunjukkan bahwa mereka mewakili kelompok diskrit.

Pro dan Kontra Bagan Batang Tersegmentasi

Bagan batang tersegmentasi adalah alat yang berguna untuk visualisasi data. Ini memiliki kesederhanaan yang melekat pada grafik batang dan belum menemukan aplikasi dalam banyak operasi analisis data. Namun, ia memiliki beberapa kelemahan, yang membatasi penggunaannya untuk skenario analisis data tertentu.

Berikut adalah pro dan kontra dari diagram batang tersegmentasi:

Kelebihan:

• Sangat mudah untuk memahami komposisi data kategorikal.
• Mereka menggambarkan perubahan sebagian-ke-seluruh dari waktu ke waktu.
• Mereka dapat mewakili beberapa kategori dan seri data dalam ruang yang ringkas.

Kontra:

• Menjadi lebih sulit untuk dibaca dengan bertambahnya segmen di setiap bilah.
• Membandingkan segmen satu sama lain menjadi sulit karena tidak selaras dengan garis dasar yang sama.
• Karena batang bertumpuk dinormalisasi ke 100%, dimensi nilai absolut hilang.

Jalan ke Depan: Masa Depan Karir Anda Dengan upGrad

upGrad adalah platform pendidikan tinggi online utama yang menawarkan program dan kursus yang relevan dengan industri. Dengan lebih dari 40.000 pelajar berbayar yang tersebar di 85 negara, inovasi upGrad dalam menggabungkan teknologi terbaru dan praktik pendidikan telah membantu lebih dari 500.000 profesional yang bekerja di bidangnya masing-masing.

Inilah yang ditawarkan keunggulan upGrad kepada pelajar:

• Pembelajaran yang fleksibel dan kurikulum yang relevan dengan industri dengan bimbingan industri yang dipersonalisasi, proyek industri praktis, dan sesi langsung dengan fakultas dan pakar.
• Jaringan peer-to-peer, forum resolusi keraguan, dan peluang jaringan.
• Fakultas dari universitas dan perusahaan terkemuka
• Tim mentor yang berdedikasi
• Pendekatan yang didorong oleh hasil
• Bantuan karir 360 derajat

Sertifikasi PG Eksekutif upGrad dalam Ilmu Data dan Gelar Master dalam Ilmu Data adalah dua program yang terstruktur dengan baik yang akan membantu Anda memahami keterampilan dan pengetahuan yang dibutuhkan untuk berkembang dalam karir Ilmu Data. Setiap program memiliki kelebihan yang ditawarkan, tetapi keduanya dirancang untuk memberikan pengalaman belajar yang menarik yang selaras dengan standar industri terbaru. Dengan banyak proyek langsung yang relevan dengan industri, pemegang sertifikat dapat yakin bahwa mereka akan siap menghadapi pasar kerja yang menantang dan selalu kompetitif yang membutuhkan peningkatan keterampilan profesional yang konstan. Terlebih lagi, program ini merupakan kesempatan unik untuk terhubung dengan para profesional Ilmu Data di semua sektor industri.

Sertifikasi PG dalam Sorotan Program Ilmu Data :

• Durasi kursus tujuh bulan dengan format full online.
• Dirancang khusus untuk para profesional yang bekerja.
• Sertifikasi pascasarjana dari IIIT Bangalore.
• Mencakup bahasa pemrograman dan alat-alat seperti Excel, Python, Tableau, dan MySQL.
• 300+ jam konten dengan 7+ studi kasus dan proyek, 20+ sesi langsung, dan enam tugas pengkodean.

Gelar Magister Ilmu Data dari International University of Applied Sciences, Jerman

Sorotan Program:

• Durasi kursus 24 bulan (tahun pertama online dan tahun kedua di kampus di Jerman).
• Akreditasi ganda (Program PG Eksekutif dari IIIT-B dan Gelar Master dari IU, Jerman) dan sertifikat NASSCOM.
• IELTS tidak diperlukan untuk pelajar upGrad.
• Cakupan komprehensif dari 14+ alat dan perangkat lunak.
• 500+ jam konten dengan 60+ studi kasus dan proyek, lebih dari 20 sesi langsung, dan 25 sesi pelatihan 1:8 dengan pakar industri.

Kesimpulannya

Mengetahui cara membuat diagram batang tersegmentasi adalah suatu keharusan untuk Analisis Data, terutama jika Anda seorang pemula dan baru memulai dengan teknik visualisasi data. Grafik semacam itu dapat dengan mudah dibuat di Excel dan tidak memerlukan pengetahuan lanjutan tentang alat dan perangkat lunak yang rumit. Namun, pertama-tama, sangat penting untuk memiliki gagasan yang jelas tentang data yang sedang Anda kerjakan dan apakah itu cocok dengan representasi diagram batang yang tersegmentasi.

Dengan potensi pasar global Big Data dan Analisis Bisnis yang menunjukkan tren yang menjanjikan untuk masa depan, aman untuk mempertimbangkan bahwa karir di Ilmu Data penuh dengan kemungkinan. Jadi, daftar dengan upGrad dan mulailah belajar dengan yang terbaik!