Data Visualization and Geographic Information Systems (SI - Ch 9)

A) Data Visualization and Learning

Visualisasi data adalah penyajian data dan informasi dalam format gambar atau grafis. Tujuannya adalah untuk mengomunikasikan informasi secara jelas dan efisien kepada pengguna. Visualisasi dalam penyajian informasi dan data sangat penting untuk Meningkatkan Pemahaman dan Mempercepat Pengambilan Keputusan. Karena manusia jauh lebih mudah memproses gambar daripada teks atau angka. Selain itu visualisasi yang baik dapat mendorong pengguna memahami situasi secara sekilas, yang penting dalam ruang lingkup yang serba cepat seperti di bisnis.

- Tujuan Utama

1. Visual Discovery

Menggunakan visualisasi untuk mengeksplorasi data yang belum dipahami. Kita belum tahu apa yang sebenarnya kita cari, jadi memvisualisasikannya untuk menemukan tren atau masalah tersembunyinya.

2. Communication

Setelah wawasan ditemukan, visualisasi digunakan untuk menceritakan hasil tersebut kepada orang lain (misalnya, manajer atau klien) dengan cara yang persuasif dan mudah untuk dimengerti.

- Contoh Teknik Visualisasi dan Fungsinya

1. Heatmap

Source: GreatNusa

Visualisasi Heatmap sangat berguna untuk melihat konsentrasi atau intensitas data dalam jumlah besar yang sulit dilihat dengan grafik batang biasa. Fungsi dari visualisasi heatmap ini untuk menunjukkan kepadatan, frekuensi, atau intensitas menggunakan gradasi warna. Contoh kasusnya semisal sebuah ritel ingin mengetahui area mana di dalam toko yang paling sering dilewati pengunjung, paling mudah dapat menggunakan Heatmap.

2. Scatter Plots

Source: Nural Learning

Visualisasi dengan Scatter Plots digunakan untuk melihat korelasi atau hubungan antara dua variabel. Ini kunci untuk analisis "Sebab-Akibat". Fungsinya untuk menentukan apakah kenaikan satu variabel mempengaruhi variabel lain. Contoh kasusnya misal departemen HR ingin tahu apakah "Gaji Tinggi" berhubungan dengan "Kepuasan Kerja" dengan melihat data yang divisualisasikan dengan Scatter Plots.

3. Interactive Drill-Down Charts

Source: Zoho

Visualisasi ini Ini adalah aspek modern dari visualisasi data digital. Grafik tidak statis, tapi bisa diklik untuk menampilkan detail data yang lebih dalam. Fungsi dari visualisasinya adalah untuk menyajikan ringkasan global, tetapi memungkinkan pengguna dapat berinteraksi dengan visualnya untuk melihat detail spesifik tanpa berpindah halaman atau membuka halaman baru. Contoh kasus adalah seperti Laporan penjualan Nasional.

B) Enterprise Data Mashups

Enterprise Data Mashup adalah teknik menggabungkan data dari sistem internal perusahaan (seperti data penjualan, inventaris) dengan data dari sumber eksternal (seperti web, peta, cuaca, media sosial) dalam satu aplikasi terintegrasi. Hasil penggabungan ini menciptakan nilai baru yang tidak dimiliki oleh sumber data aslinya jika berdiri sendiri.

1) Contoh

Perbankan dan Kredit Properti (Real Estate):

- Data Internal: Bank memiliki daftar alamat nasabah yang macet membayar kredit rumah (NPL - Non-Performing Loan). Di Excel, ini hanya berupa daftar teks alamat dan nama.

- Data Eksternal: Google Maps (Lokasi) dan Data Demografi Pemerintah (Tingkat kejahatan atau harga tanah per wilayah).

- Hasil Mashup: Bank membuat peta interaktif. Di atas peta Google, muncul pin berwarna merah (nasabah macet).

- Wawasan Baru: Bank melihat pola visual: "Wah, ternyata 80% kredit macet kita berkumpul di satu area kecamatan yang harga tanahnya sedang anjlok drastis."

- Tindakan: Mengetatkan aturan kredit khusus untuk wilayah tersebut.

2) Pentingnya Mashups

Masalah seperti Silo Data biasanya, data perusahaan tersimpan membeku di dalam sistem yang terpisah-pisah. Data pelanggan ada di CRM, data stok ada di Gudang, data pengiriman ada di Logistik. Untuk menggabungkannya butuh waktu lama dan bantuan tim IT yang sibuk.

Oleh karena itu solusinya adalah Mashup yang memungkinkan pengguna bisnis (non-programmer) untuk menggabungkan sumber-sumber ini dengan cepat dan murah, seringkali menggunakan antarmuka drag-and-drop, tanpa harus membangun ulang seluruh database perusahaan.

3) Cara Kerja Mashups (Arsitektur sederhana)

Sumber Internal: Data dari database perusahaan bisa dalam bentuk Excel, atau sistem ERP (misal: Data toko cabang).

Sumber Eksternal (Web Services/API): Data yang diambil dari internet secara real-time. Contohnya seperti data dari Google Maps API, API Cuaca, Data Saham, Feed Berita, dan lainnya.

The Mashup: Sebuah wadah (biasanya berbasis web) yang memanggil kedua data (internal dan eksternal) tersebut dan menumpuknya menjadi satu tampilan.

4) Keunggulan Mashups

- Agility: Pengguna bisnis bisa membuat solusi sendiri dalam hitungan jam atau hari, tidak perlu menunggu tim IT mengembangkan aplikasi selama berbulan-bulan. Ini disebut sebagai Self-Service BI.

- Context: Data internal seringkali "kering". Menambahkan data eksternal memberikan konteks. Mengetahui "Penjualan turun" (Internal) itu penting, tapi mengetahui "Penjualan turun karena ada demo besar di depan toko" (Eksternal: Berita/Lalu Lintas) adalah konteks yang bisa ditindaklanjuti.

- Cost-Effective: Banyak sumber data eksternal (seperti Peta dasar atau Cuaca) tersedia secara gratis atau murah melalui API, sehingga perusahaan tidak perlu mengumpulkan data itu sendiri karena data sudah tersedia dan siap digunakan.

C) Digital Dashboards

Digital Dashboards adalah Antarmuka elektronik yang mengumpulkan dan memvisualisasikan data dari berbagai sumber (ERP, CRM, Excel, dll) untuk menampilkan KPI (Key Performance Indicators) historis maupun real-time. Contoh seperti mobil kita tidak perlu tahu mekanika rumit mesin saat menyetir. Kita hanya perlu melihat: Kecepatan (Speedometer), Bensin (Fuel Gauge), dan Lampu Peringatan Mesin. Jika lampu bensin menyala merah, kita harus segera mengisi bensin karena tandanya bensin sudah mulai habis.

Apa bila di materi tentang Data Visualization membahas tentang teknik membuat grafik, dan materi Mashups yang membahas mengenai cara menggabungkan data, maka Digital Dashboard adalah produk akhir atau antarmuka utama di mana para manajer melihat semua informasi tersebut untuk memimpin perusahaan dengan menampilkan data yang sebelumnya digabungkan (Mashups) dan ditampilkan ke dalam bentuk visual grafik (Data Visualization).

1) Lapisan dalam Dashboards

a. Lapisan Pemantauan (Monitoring)

Menyampaikan informasi seperti data grafis tingkat tinggi, ringkasan, dan peringatan utama. Contohnya adalah Indikator lampu merah berkedip pada "Total Penjualan Harian".

b. Lapisan Analisis (Analysis)

Sebagai contoh misal pengguna mengeklik tombol pada bagian warna merah untuk melihat rincian dimensi (waktu, wilayah, produk). Contoh: Grafik menunjukkan penjualan jatuh khusus di wilayah Jakarta Selatan.

c. Lapisan Detail (Management/Reporting)

Menyampaikan informasi berupa data terperinci level operasional (baris per baris). Contoh: Daftar nama sales di Jakarta Selatan yang belum mencapai target hari ini.

2) Jenis-Jenis Dashboards berdasarkan pengguna

a. Operational Dashboards (Front-line)

Pengguna: Staf operasional, Supervisor lini depan.

Fokus: Aktivitas jangka pendek dan real-time.

Tujuan: Respon cepat terhadap kejadian detik ini.

Contoh: Dashboard Call Center yang menampilkan "Jumlah penelepon yang sedang antre saat ini" atau dashboard Pabrik yang menampilkan "Suhu mesin saat ini".

b. Tactical Dashboards (Analitis)

Pengguna: Manajer Menengah (Middle Management).

Fokus: Analisis tren mingguan/bulanan dan "Sebab-Akibat".

Tujuan: Mengoptimalkan proses dan sumber daya.

Contoh: Manajer Pemasaran melihat kampanye mana yang paling efektif bulan lalu.

c. Strategic Dashboards (Eksekutif)

Pengguna: CEO, CFO, Dewan Direksi.

Fokus: Kesehatan jangka panjang perusahaan dan pencapaian tujuan strategis (Kartu Skor Berimbang / Balanced Scorecard).

Tujuan: Pengambilan keputusan strategis tingkat tinggi.

Contoh: Perbandingan profitabilitas tahun ini vs tahun lalu, pangsa pasar global.

3) Manfaat Utama bagi Perusahaan

a. Visibility: Memberikan "satu versi kebenaran" (single version of the truth). Semua orang melihat angka yang sama, sehingga tidak ada perdebatan data siapa yang benar.

b. Continuous Improvement: "Apa yang diukur, itulah yang dikerjakan." Dengan menampilkan KPI secara transparan, karyawan termotivasi untuk menjaga indikator tetap "Hijau".

c. Time Saving: Menghemat waktu manajer yang sebelumnya habis untuk mengumpulkan laporan manual dari berbagai departemen.

d. Management by Exception: Manajer hanya perlu bertindak jika melihat indikator berwarna Merah (masalah). Jika semua Hijau, mereka bisa fokus ke hal lain.

D) Geospatial Data and Geographic Information Systems 

Geospatial Data adalah data yang memiliki identitas lokasi spesifik di permukaan bumi. Contoh: Koordinat GPS, alamat rumah, kode pos, atau batas wilayah provinsi. Jika Geographic Information System (GIS) merupakan sistem komputer (perangkat lunak & keras) yang dirancang untuk menangkap, menyimpan, memanipulasi, menganalisis, dan menampilkan data geospatial tersebut, contohnya seperti Google Maps.

1) Cara Kerja GIS: Konsep "Layering" (Lapisan)

Kekuatan utama GIS terletak pada kemampuannya menumpuk (layering) berbagai informasi berbeda di atas satu peta dasar. Mirip mirip seperti kue lapis atau plastik transparan yang ditumpuk:

a. Lapisan Terbawah (Base Map): Peta fisik bumi (jalan raya, sungai, gedung).

b. Lapisan 2 (Data Demografi): Warna-warni yang menunjukkan kepadatan penduduk.

c. Lapisan 3 (Data Bisnis): Titik-titik lokasi toko cabang.

d. Lapisan 4 (Data Pelanggan): Titik-titik di mana pelanggan setia tinggal.

- Visualisasi:

Saat semua lapisan ini digabungkan, manajer bisa melihat pola yang tidak terlihat di tabel Excel biasa. Misalnya: "Ternyata pelanggan kita banyak berkumpul di area yang justru jauh dari toko kita (Lapisan 3 & 4 tidak cocok)."

2) Proses Geocoding

Sebelum data bisa masuk ke peta, harus ada proses yang disebut Geocoding. Geocoding adalah proses mengubah data teks biasa (seperti alamat "Jl. Sudirman No. 10") menjadi data koordinat geografis (Latitude/Longitude) agar bisa dibaca oleh sistem GIS. GIS ini sangat penting karena dengan sistem ini Bisnis punya jutaan alamat pelanggan di database mereka. Tanpa geocoding, alamat-alamat itu hanya teks mati. Dengan geocoding, mereka menjadi titik-titik hidup di peta yang bisa dianalisis.

3) Contoh Penerapan Bisnis (Business Applications)

GIS bukan hanya untuk ahli geografi, tapi sangat krusial untuk keputusan bisnis contohnya sebagai berikut:

a. Pemilihan Lokasi (Site Selection) - Ritel & Bank

Kasus: Starbucks atau Bank BCA ingin membuka cabang baru.
Analisis GIS: Mereka tidak menebak-nebak. Mereka menggunakan GIS untuk mencari titik di mana:
    - Populasi target (misal: pekerja kantoran) tinggi.
    - Lalu lintas kendaraan ramai.
    - Jarak minimal 1 km dari cabang pesaing.
Hasil: GIS akan menyorot "Titik Emas" di peta yang memenuhi semua kriteria tersebut.

b. Logistik & Rantai Pasok

Kasus: Perusahaan kurir (JNE/FedEx) atau ojek online (Gojek/Grab).
Analisis GIS: Mengoptimalkan rute pengiriman.
Hasil: Menghitung rute tercepat dengan mempertimbangkan macet, jarak, dan jumlah paket yang harus diantar, sehingga hemat bensin dan waktu.

c. Manajemen Risiko (Asuransi)

Kasus: Perusahaan asuransi menentukan premi asuransi rumah.
Analisis GIS: Memetakan lokasi rumah nasabah terhadap peta risiko banjir atau gempa bumi.
Hasil: Jika rumah berada di "zona merah" banjir di peta GIS, preminya akan lebih mahal daripada rumah yang berada di dataran tinggi.

4) Gambaran Visual GIS

a. Peta Utama (Tengah): Peta interaktif yang bisa di-zoom in/out.

b. Daftar Layer (Kiri/Kanan): Kotak centang (checkbox) untuk menyalakan/mematikan lapisan data (misal: "Matikan layer Jalan Raya", "Nyalakan layer Sebaran Toko").

c. Legenda (Pojok): Penjelasan simbol (misal: Titik Merah = Toko Rugi, Titik Hijau = Toko Untung).

Tinjauan Ulang 

Data Visualization: Kita belajar mengubah data jadi gambar agar manusia cepat memahami data.

Mashups: Kita belajar menggabungkan data internal & eksternal agar lebih beragam.

Dashboards: Kita belajar menyajikan informasi berupa data dalam satu layar untuk eksekutif memantau performa.

GIS: Kita belajar menambahkan dimensi lokasi untuk analisis spasial yang mendalam.