PSD - Data Visualization Part.01/02

Summary

This lecture introduces data visualization in the context of data science, emphasizing its importance for interpretation and communication. It outlines the basics of visualization, types of data, and visualization techniques. The focus is on data exploration through visualization, which is crucial for identifying trends and patterns. The lecture also touches on the relationship between visualization and statistics, highlighting how visual representation can enhance data interpretation. It categorizes data into nominal, ordinal, interval, and ratio types, and discusses the suitability of different visualizations for each. The session is part of a data science course at the University of Indonesia, supported by academic development funds.

Takeaways

• 📊 The lecture introduces data visualization as a critical component in the field of data science, emphasizing its role in providing clear interpretations of data.
• 🎯 The purpose of the lecture is to explore various forms of data processing, with a focus on the importance of visualizing data for better understanding and analysis.
• 📈 The lecture outlines two types of visualization: exploratory data visualization, aimed at accurately representing what is depicted, and presentation data visualization, aimed at convincing viewers of the accuracy of the representation.
• 🔍 A significant focus in academic and educational settings is on exploratory data visualization, which is crucial for initial analysis before building machine learning systems.
• 📋 The lecture highlights the importance of visualizing data to identify trends, which is more effective than analyzing data in tabular form alone.
• 📊 The necessity of visualization is underscored by its ability to reveal patterns and assist in making predictions, a critical aspect of data analysis.
• 🧠 The lecture connects data visualization with artificial intelligence and machine learning, suggesting that visual insights can inform and improve these technologies.
• 📊 The role of statistics in data visualization is discussed, with an emphasis on using statistical terms like standard deviation and correlation to enhance data interpretation.
• 📚 The lecture categorizes data into four types: nominal, ordinal, interval, and ratio, each with distinct characteristics and visualization requirements.
• 📈 The differences between nominal and ordinal data are clarified, with nominal data lacking order and ordinal data having a ranked sequence.
• 📊 The lecture concludes with a discussion on the types of visualization based on data dimensions, ranging from one-dimensional to three-dimensional, setting the stage for further exploration in subsequent videos.

Q & A

What is the main purpose of data visualization in the context of data science?

The main purpose of data visualization is to provide a good interpretation of data. When data is visualized effectively, it can be better understood and analyzed.

What are the two types of data visualization discussed in the script?

The two types of data visualization discussed are 'exploration' and 'presentation'. Exploration focuses on understanding the data, while presentation aims to convince others of the accuracy of the data visualization.

Why is data visualization important before conducting machine learning analysis?

Data visualization is important before machine learning analysis because it helps to understand the characteristics of the data. It can reveal trends and patterns that are not easily discernible from raw data, which is crucial for building effective machine learning models.

How can visualizing data help in identifying trends?

Visualizing data can help in identifying trends by representing data in graphical formats such as bar charts, line graphs, or scatter plots. These visual representations make it easier to spot patterns, changes, and correlations within the data.

What is the relationship between data visualization and artificial intelligence or machine learning?

Data visualization is related to artificial intelligence and machine learning as it provides a way to explore and understand data, which is a fundamental step before applying AI or machine learning techniques. Visual insights can guide the development and tuning of these intelligent systems.

What are the four types of data mentioned in the script?

The four types of data mentioned are nominal, ordinal, interval, and ratio. These categories help in understanding how data should be visualized and analyzed.

How does nominal data differ from ordinal data?

Nominal data represents categories without any inherent order, such as gender or types of pets. Ordinal data also represents categories but with a specific order, like ranking or ratings.

What are interval and ratio data types, and how do they differ?

Interval data types are numeric and have equal intervals between values but no true zero point, such as temperature in Celsius. Ratio data types also have numeric values with equal intervals and a true zero point, indicating a ratio, such as weight or speed.

Why is it important to consider the type of data when creating visualizations?

Considering the type of data when creating visualizations is important because different data types have different characteristics and require specific types of visualizations to accurately represent the information and insights they contain.

What are the different dimensions of data visualization mentioned in the script?

The script mentions one-dimensional, two-dimensional, and three-dimensional data visualizations. These dimensions refer to the complexity and depth of the data representation in the visual format.

Who produced the module discussed in the script?

The module was produced by the Department of Statistics, Faculty of Mathematics and Science, University of Indonesia, with support from the Directorate of Academic Development and Learning Resources (DP ASDP).

Outlines

00:00

📊 Introduction to Data Visualization

This paragraph introduces the topic of data visualization within the context of data science. The speaker emphasizes the importance of visualizing data to provide clear interpretations and insights. The lecture aims to cover the basics of data visualization, types of data, and types of visualizations. It distinguishes between two types of visualizations: data exploration (which focuses on accurately representing the data) and data presentation (which aims to convince the audience of the accuracy of the presented information). The speaker highlights the significance of visualization in identifying trends and patterns, and its utility in performance evaluation within machine learning and intelligent systems.

05:03

🔢 Data Types and Statistical Visualization

The second paragraph delves into the relationship between data visualization and statistics. It mentions the frequent use of statistical terms in visualization, such as standard deviation and correlation. The paragraph explains how visualizing data can lead to better interpretation compared to mere numerical representation. It also touches upon the categorization of data types into nominal, ordinal, interval, and ratio, providing examples for each. The speaker discusses the characteristics of these data types, such as whether they have an inherent order or can be subjected to mathematical operations like division, which is typical for ratio data types.

10:04

📈 Types of Data Visualization

The final paragraph discusses the various types of data visualization, categorized based on dimensions (one-dimensional, two-dimensional, and three-dimensional). It suggests that the choice of visualization technique depends on the nature and dimensions of the data. The speaker indicates that further details about these types of visualizations will be covered in subsequent videos. The paragraph concludes with acknowledgments to the University of Indonesia's Statistics program and the Directorate for Academic Development and Learning Resources for their support in producing the educational module.

Keywords

💡Data Visualization

Data visualization refers to the graphical representation of information and data. It is a key concept in the video as it emphasizes the importance of visualizing data to provide better interpretations and insights. The video suggests that visualizing data can reveal trends and patterns that might not be evident from raw data or tables alone. For instance, the script mentions creating bar charts, line graphs, and scatter plots to visualize data, which helps in identifying trends and making predictions.

💡Data Exploration

Data exploration is the initial phase of data analysis where one investigates the data to discover patterns, relationships, and anomalies. The video highlights that in academic or teaching contexts, the focus is often on data exploration visualization, which is about accurately representing what the data shows. This is crucial before building analysis systems or machine learning models to ensure that the data is well understood.

💡Data Presentation

Data presentation is the process of displaying data in a way that is understandable and convincing to the audience. Unlike data exploration, which is more about understanding the data, data presentation is about convincing others of the validity of the data's representation. The video suggests that visualizing data for presentation is about making sure that what is seen by others is accurately represented, which is essential for effective communication of data findings.

💡Statistical Terms

Statistical terms are specific vocabulary used in the field of statistics to describe data and its properties. The video mentions that many statistical terms are used in data visualization, such as 'standard deviation' and 'correlation.' These terms help in quantifying the data's variability and relationships, which are then visually represented to enhance understanding. For example, the script talks about calculating standard deviation to understand the spread of data, which can be visualized to provide a clearer picture.

💡Data Types

Data types refer to the classification of data based on its characteristics. The video discusses four main types: nominal, ordinal, interval, and ratio. Understanding data types is crucial for choosing the appropriate visualization techniques. For instance, nominal data, which includes categories without order, might be visualized using pie charts, while ordinal data, which has a natural order, could be represented using ordered bar charts.

💡Trend Analysis

Trend analysis involves examining data over time to identify patterns or changes. The video script mentions the importance of visualizing data to observe trends, such as the concentration of a chemical compound increasing or decreasing. Visual representations like line graphs are particularly useful for trend analysis as they can clearly show changes over time.

💡Machine Learning

Machine learning is a subset of artificial intelligence that enables systems to learn from data and improve from experience without being explicitly programmed. The video connects data visualization with machine learning, suggesting that visualizing data can aid in understanding the performance of machine learning models. For example, visualizing the accuracy or error rates of a model can help in tuning the model for better performance.

💡Data Interpretation

Data interpretation is the process of understanding the meaning of data. The video emphasizes that visualizing data can greatly enhance the interpretability of data compared to viewing it in tabular form. By visualizing data, one can more easily identify patterns, outliers, and other insights that might not be apparent from raw numbers. The script gives examples of how visualizing data can help in interpreting the spread and distribution of data points.

💡Data Distribution

Data distribution refers to the way data points are spread across a range of values. Understanding the distribution is crucial for statistical analysis and data visualization. The video script mentions that visualizing data can help in determining if the data follows a normal distribution or another pattern. This is important for statistical tests and for making inferences from the data.

💡Visual Representations

Visual representations are graphical depictions of data used to convey information. The video discusses various types of visual representations such as bar charts, line graphs, and scatter plots. These representations are chosen based on the type of data and the message one wants to convey. For example, the script mentions creating a bar chart to show percentages or a scatter plot to visualize the relationship between two variables.

💡Dimensionality

Dimensionality in data visualization refers to the number of axes or dimensions used to represent data. The video script talks about one-dimensional, two-dimensional, and three-dimensional visualizations. Each dimensionality allows for different types of data representation and analysis. For instance, one-dimensional visualizations might focus on a single variable, while two or three-dimensional visualizations can show relationships between multiple variables.

Highlights

The lecture introduces data visualization as a crucial part of data science.

The purpose of data visualization is to provide good interpretation of data.

Two types of visualization are discussed: exploratory and presentational.

Exploratory visualization focuses on accurately representing what is depicted.

Presentational visualization aims to convince viewers of the accuracy of the depicted data.

The importance of visualization in data analysis is emphasized.

Data visualization is essential for identifying trends and patterns.

The lecture connects visualization with techniques in machine learning.

The necessity of visualization before running machine learning models is highlighted.

Visualization helps in understanding data distribution and patterns.

The role of visualization in performance evaluation within machine learning is discussed.

The relationship between visualization and statistics is explored.

Data types are categorized into nominal, ordinal, interval, and ratio.

Nominal data types are explained as categorical without order.

Ordinal data types are categorical with an inherent order.

Interval and ratio data types are both numeric but differ in their properties.

Examples are given to differentiate between nominal, ordinal, interval, and ratio data types.

The lecture concludes with gratitude to the University of Indonesia and the supporting bodies.

The importance of understanding data types for effective visualization is emphasized.

Transcripts

MP3

Hai assalamualaikum warahmatullahi

wabarakatuh sama datang di perkuliahan

pengantar sains data pada topik sesi

modul hari ini kita akan membahas

mengenai visualisasi data Adapun tujuan

dari perkuliahan ini ataupun dari model

ini adalah salah satunya di dalam

pengantar sains data banyak sekali

bentuk-bentuk pengolahan data yang bisa

kita lakukan visualisasi nah gunanya

visualisasi data ini salah satunya

adalah supaya kita bisa memberikan

interpretasi dengan baik jika data bisa

divisualisasikan dengan baik juga nah

untuk visualisasi data

Hai ada beberapa hal yang akan dibahas

untuk modul kali ini yaitu mengenai

salah satunya adalah sebagai berikut nah

Adapun outline yang kita akan kita bahas

yaitu mengenai yang pertama adalah

dasar-dasar dari visualisasi kemudian

jenis data dan juga tipe visualisasi Nah

ada dua jenis visualisasi yang pertama

yaitu mengenai eksploitasi data dari

visualisasi

Hai kemudian kemudian ada juga mengenai

presentasi data Nah untuk visualisasi

ekspor Reza Sidharta ini yaitu kita

lebih membahas mengenai gambaran apa

yang digambarkan itu adalah benar

Sedangkan visualisasi dari presentasi

data itu adalah meyakinkan bahwa apa

yang digambarkan oleh yang dilihat oleh

orang-orang itu dia benar Nah biasanya

dalam akademik atau sisi pengajaran itu

paling banyak fokusnya adalah movie

sensasi eksploitasi data atau data

exploration visualisasi kemudian yang

selanjutnya baru kita akan melanjutkan

mengenai visualisasi tentang presentasi

dari suatu data nah biasanya untuk

visualisasi maaf untuk revitalisasi

model data eksplorasi ini biasanya

mengaitkan

ini app visualisasi yang lebih

memulaikan terhadap teknik-teknik Nah

jadi seperti apa kita bisa memfitkan

dari suatu data tersebut dia lebih cocok

kepada model yang mana Nah penting

Mengapa kita penting office lisasi data

Jadi sebenarnya sebelum kita melakukan

atau menjalankan suatu analisis yang

kita bangun di dalam bentuk sistem

machine-learning tersebut yaitu salah

satunya adalah kita bisa mau visualisasi

adat yang kita punya nah Biasanya kalau

misalnya kita punya data yang contohnya

saja saya kita punya data yang modelnya

adalah numerik ya Misalnya adalah suatu

bentuk tabel nah pagi model datanya Ting

sangat banyak Nah mungkin kita misalnya

hanya mencari misalnya menentukan

tingkat persentase Nah mungkin dengan

memfiksasi teh data seperti kita bisa

menggambarkan diagram batang kemudi

ndak bisa menggambarkan visualisasi

bentuk Linenya atau skater Cloud

kemudian misalnya kita bisa membuat

dalam bentuk grafiknya itu sebaiknya itu

lebih baik ketika kita bisa

menginterpretasikan kalau Bentuknya itu

adalah secara visualisasi dibandingkan

kalau misalkan kita membentuknya itu

dilihat hanya berdasarkan tabel saja nah

jika kita tidak bisa mengidentifikasikan

suatu trend atau misalnya mempeng n

membuat suatu prediksi nah ini juga

biasanya sangat penting dilakukan dengan

visualisasi jadi juga sebenarnya Kenapa

butuh visualisasi itu salah satunya kita

bisa melihat trennya misalnya di dalam

berbagai ilmu saya saya misalkan saya

contohkan disini misalkan di kimia best

alkana Saya pengen lihat ngetren

kira-kira suatu senyawa kimia terhadap

nilai apa konsentrasinya itu

lima makin meningkat atau tidak Nah itu

kan sebaiknya dilihat secara visualisasi

data dibandingkan kalau kita melihatnya

di dalam tabel ya jadi salah satunya itu

adalah bisa kita lihat dalam bentuk

trend nah kemudian ini secara khusus

biasanya penting ketika kita bisa

melakukan performance yaitu salah

satunya menggunakan metode di dalam

mesin learning yaitu tentang aktivitas

intelijen nah pada pembahasan Yang

pertama mengenai sense data itu salah

satu datang sayur situ paling banyak

mati berkaitan dengan artificial

intelegent pendekatan artificial

intelegent ini salah satunya itu bisa

kita kaitkan dengan ameto dari

artificial intelegent ataupun

machine-learning Nah apa kaitanya

visualisasi dengan statistik nah

biasanya di dalam melakukan visualisasi

ini banyak

Hai istilah-istilah statistik juga yang

kita sering gunakan misalkan kita ingin

menghitung nilai nilai standar deviasi

korelasi nah ini biasanya di dalam

visualisasi data juga akan dilihat

al-hasby berikut Nah jadi sebenarnya di

dalam ilmu statistik juga memvisualisasi

data itu menginterpretasikan data itu

lebih baik dibandingkan kalau dibentuk

dalam kabel saja Oke misalkan yang kita

lihat ya kalau misal kita punya data

dalam bentuk tabel Ternyata kau kita

visualisasikan bentuknya seperti ini ya

kalau kita buat dalam bentuk apa namanya

grafik Ya ataupun skater Cloud Nah bisa

kita lihat bahwa bentuknya seperti ini

nah jadi dari data ini nanti bisa kita

interpretasikan akhir-akhir adata ini

sempat penyebarannya Seperti apa kalau

misalnya dalam statistik Apakah dia bisa

mengikuti distribusi Normal atau tidak

misalnya ya kemudian nah jenis-jenis

namun kini topik sebelumnya tadi modul

sebelumnya kita sudah membahas juga

mengenai jenis-jenis data nah disini

sebenarnya lebih terkait tentang

tipe-tipe data salah satunya itu bisa

kita bagi dalam empat jadi tipe-tipe

data terutama di dalam bidang Ilmu

Statistik juga ada empat model data itu

tipenya nominal tipenya ordinal tipenya

interval dan tipenya rasio Nah untuk

yang tipenya nominal biasanya ini a

model yang termasuk data kategori dan

biasanya tidak terurut Contohnya apa

contohnya misalkan hewan peliharaan ada

anjing ada kucing ada kelinci ada burung

Nah jadi mereka termasuk model data

kategori tapi mereka tidak tidak ada

rankingnya gitu misalkan apalagi

misalkan gender ya jenis kelamin

laki-laki perempuan itu kategori tapi

kita tidak tidak punya urutan disitu

artinya

Hai Ah gitu nomor satu perempuan nomor 2

enggak ya Jadi tidak ada urutannya Nah

kemudian ada tipe data yang jenisnya

ordinal Nah untuk tipe data yang

jenisnya ordina app Ini ada-ada

kategori-kategori contohnya itu adalah

nah 12345 misalkan kemudian nilai Amin

bbpress Nah itu juga berupa data

kategori tapi dia punya urutan jadi itu

adalah data ordinal kemudian ada data

interval Nah jadi kalau data interval

ini adalah jenis data numerik ya jenis

data numerik yang nilainya itu bisa

dibentuk ke dalam suatu bentuk interval

misalkan apa misalkan temperatur yang

sangat temperatur kemudian operasinya

itu bisa dibuat ke dalam bentuk kecil

semua dengan besar pemandangan dan

sebagainya kemudian rasio naon

yo yo ini ada terdiri atas data numerik

kemudian contohnya juga seperti interval

ya Tapi biasanya kalau berbicara tentang

rasio biasanya kitab membahas tentang

proporsi jadi ada-ada operasi pembagian

disitu nah kemudian untuk nilai nominal

ordinal sendiri jadi letaknya itu

sebenarnya kalau letak antara ordinal

dan nominal kita ketahui sama-sama

mereka itu adalah tipe jenis data

kategori tipe jenis data kategorik

tetapi ada perbedaannya Yang satu

nominal itu tidak memperhatikan urutan

sedangkan original itu dia memperhatikan

urutan Nah iya jadi kalau misalnya bisa

dilihat ya kalau bisa biasa kira-kira

gender

lu pertama gender gender itu lebih masuk

ke mana Yang kedua apa pendapatan

tahunan menggunakan tahunan Jadi mungkin

yang pertanyaan di sini nanti bisa saya

ajukan di forum lain bisa menentukan

kira-kira gender kemudian pendapatan

tahunan kemudian reaksi orang pada

pertanyaan Apakah dia disagree panah

Netral apa tidak setuju kemudian Apakah

pengen menambahkan lisdin email atau

enggak gitu Nah itu kira-kira masuk yang

nominal atau ordinal nanti mungkin saya

bisa tanyakan di forum diskusi ya nanti

bisa kalian jawab dan kalian pikirkan

kira-kira Diantara empat contoh Ini yang

mana nomina yang mana ordinal nah

kemudian Sedangkan untuk interval dan

ratio jadi kedua-duanya ini juga

sama-sama

akan am jenis data yang numerik ya jenis

data numerik tapi ada perbedaannya nah

kalian tolong nanti coba dipikirkan juga

kira-kira Diantara empat contoh ini mana

yang termasuk rasio termasuk interval

pertama kalau panjang dalam meter yang

kedua Kau panjang dalam Fit yang ketiga

kalau kecepatan meter per sekon yang

keempat itu misalnya skor IQ kira-kira

coba mencari nilai kira-kira dia

merupakan rasio Jadi kalau tidak kalau

dia nilainya interval ya berarti di and

check itu ya tidak nah kemudian kita

masuk kepada jenis-jenis visualisasi Nah

untuk jenis-jenis disorientasi data ini

ada beberapa macam yang pertama itu

adalah berdasar dari satu dimensi jadi

ada yang satu dimensi ada yang 2 dimensi

dan 3 dimensi

gitu Nah untuk yang satu dimensi ini

nanti modelnya berbagai jenis yang

biasanya ini fokus kepada jenis dan

dimensi dari letak data tersebut nah ini

jenis-jenis dari visualisasi data baik

untuk di video selanjutnya kita akan

membahas mengenai masing-masing jenis

dari Hafidz oishi data tersebut mulai

dari satu dimensi sampai kepada tiga

dimensi saya sebagai mentor untuk modul

ini ucapan terima kasih dan saya juga

ingin berterima kasih bahwa pada

pembuatan modul ini itu diproduksi oleh

program studi statistik Fakultas

Matematika dan ilmu pengetahuan

Universitas Indonesia yang didukung dari

bantuan dana Direktorat pengembangan

akademik dan sumber daya pembelajaran

atau DP ASDP

Oh begitu terima kasih dan saya akhiri

dengan salamualaikum warahmatullahi

wabarakatuh