6 0 3 MB
BOOK TUTORIAL DATA ANALISIS DENGAN GOOGLE DATA STUDIO
Di susun oleh:
DHIMAS WARDHANA PUTRA 160411100174
PROGRAM STUDI INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS TRUNOJOYO MADURA 2020
LEMBAR PERSETUJUAN KERJA PRAKTEK “Book Tutorial Data Analisis Dengan Google Data Studio” Disusun Oleh : Dhimas Wardhana Putra 160411100174
Bangkalan,
Juni 2020
Menyetujui, Dosen Pembimbing
Dr. Wahyudi Setiawan, S.Kom., M.Kom. NIP. 19780926 200604 1 001
Mengetahui, Koordinator Kerja Praktek
Yoga Dwitya Pramudita, S.Kom., M.Cs. NIP. 19840413 200812 1 002
PENGESAHAN KERJA PRAKTEK Telah di periksa dan diuji oleh Pembimbing Kerja Praktek Pada tanggal
: 6 Juli 2020
Mengetahui, Dosen Pembimbing
(Dr. Wahyudi Setiawan, S.Kom., M.Kom.) NIP. 19780926 200604 1 001
Mengetahui, Koordinator Kerja Praktek
(Yoga Dwitya Pramudita, S.Kom., M.Cs.) NIP. 19840413 200812 1 002
KATA PENGANTAR Puji syukur atas kehadirat Allah SWT yang telah melimpahkan rahmat dan hidayah-Nya yang telah memberikan banyak kesempatan, sehingga saya dapat menyelesaikan buku tutorial Kerja Praktek ini, dengan judul “Data Analisis Dengan Google Data Studio”. Dalam pembuatan buku tutorial ini, kami menyadari sepenuhnya bahwa selesainya buku tutorial Kerja Praktek ini tidak lepas dari dukungan, semangat serta bimbingan dari berbagai pihak, oleh karena itu kami ingin mengucapkan terimakasih kepada : 1. Bapak dan Ibu orang tua, terima kasih yang tiada batasnya atas segala dukungan, bimbingan dan doanya 2. Dr. Wahyudi Setiawan, S.Kom., M.Kom. selaku Dosen Pembimbing Kerja Praktek Program Studi Teknik Informatika Universitas Trunojoyo Madura. 3. Agustian Amir Syahputra, S.SI selaku mentor yang telah mengajari saya. 4. Bapak dan Ibu Dosen Pragram Studi Teknik Informatika Universitas
Trunojoyo
Madura
5. Teman-teman kuliah yang telah banyak membantu dalam kelancaran penyelesaian buku tutorial ini. 6. Pihak-pihak lain yang tidak sempat kami sebutkan, yang telah membantu dalam kelancaran pengerjaan kerja praktek saya. Penyusunan buku tutorial kerja praktek ini disusun dengan sebaik-baiknya, namun masih terdapat kekurangan didalam penyusunannya, oleh karena itu saran dan kritik yang sifatnya membangun dari semua pihak sangat diharapkan, tidak lupa kamu harap semoga buku tutorial kerja praktek ini bermanfaat bagi pembaca serta dapat menambah ilmu pengetahuan bagi kamu. Bangkalan
Penulis
DAFTAR ISI DAFTAR ISI ................................................................................... 6 DAFTAR GAMBAR ...................................................................... 8 Bab I : Pengenalan ........................................................................ 13 1.1
Visualisasi Data............................................................. 13
1.2
Pengenalan Google Data Studio ................................... 15
1.3
Keunggulan Google Data Studio .................................. 16
1.4
Mengapa visualisasi data itu penting ............................ 19
BAB II : Membuat Dashboard Interaktif ...................................... 22 2.1
Menyiapkan Google Sheet dan Google Data Studio..... 22
2.2
Membuat Dashboard Pertama ....................................... 25
2.3
Bar Chart ....................................................................... 27
2.4
Membuat Scorecard, Header Dashboard dan Table ...... 27
2.5
Membuat Time Series Dashboard untuk Melihat Trend
Over-time .................................................................................. 36 2.6
Membuat Pie Chart ....................................................... 41
2.7
Membuat Filter Tanggal dan Dimensi .......................... 45
Bab III : Visualisasi Data Lanjutan ............................................... 53 3.1
Map Visualization ......................................................... 53 6
3.2
Treemap ........................................................................ 57
3.3
Scatter Charts ................................................................ 60
3.4
Heatmaps....................................................................... 63
3.5
Metode Agregasi ........................................................... 67
3.6
Metode Agregasi (Function) ......................................... 69
3.7
Comparison Date Range dari Metode Agregasi............ 72
3.8
Conditional Function dari Metode Agregasi ................. 74
3.9
Publikasi Dashboard ..................................................... 76
Kesimpulan ................................................................................... 81 Daftar Pustaka ............................................................................... 82
7
DAFTAR GAMBAR Gambar 1.1 Tampilan Awal .................................................. 16 Gambar 1.2 Google Connector ............................................. 17 Gambar 2.1 Web Browser..................................................... 22 Gambar 2.2 Superstore Dataset............................................. 23 Gambar 2.3 Tampilan Google Data Studio ........................... 23 Gambar 2.4 Pilihan Google Connector ................................. 24 Gambar 2.5 Dashboard Pertama ........................................... 25 Gambar 2.6 Bar Chart ........................................................... 26 Gambar 2.7 Bar Chart ........................................................... 27 Gambar 2.8 Sidebar .............................................................. 28 Gambar 2.9 Sidebar Edit Theme ........................................... 29 Gambar 2.10 Sidebar Theme and Layout Custom ................ 30 Gambar 2.11 Header Dashboard ........................................... 31 Gambar 2.12 Style Header .................................................... 31 Gambar 2.13 Add a Chart ..................................................... 32 Gambar 2.14 Tampilan Data Sales ....................................... 32 Gambar 2.15 Add a New Page .............................................. 33 8
Gambar 2.16 Tampilan Page Baru ........................................ 33 Gambar 2.17 Sidebar Table .................................................. 34 Gambar 2.18 Visualisasi Table ............................................. 35 Gambar 2.19 Sidebar Data .................................................... 35 Gambar 2.20 Tampilan Header ............................................. 36 Gambar 2.21 Line Chart ....................................................... 37 Gambar 2.22 Sort Line Chart ................................................ 37 Gambar 2.23 Line Chart ....................................................... 38 Gambar 2.24 Line Chart ....................................................... 38 Gambar 2.25 Column Chart .................................................. 39 Gambar 2.26 Column Chart .................................................. 40 Gambar 2.27 Column Chart .................................................. 40 Gambar 2.28 Pie Chart .......................................................... 42 Gambar 2.29 Style Pie Chart ................................................ 43 Gambar 2.30 Style Pie Chart ................................................ 44 Gambar 2.31 Pie Chart .......................................................... 44 Gambar 2.32 Style Pie Chart ................................................ 45 Gambar 2.33 Pie Chart .......................................................... 45 Gambar 2.34 Date Range ...................................................... 46 9
Gambar 2.35 Date Range ...................................................... 47 Gambar 2.36 Data Filter Control .......................................... 48 Gambar 2.37 Filter Control ................................................... 48 Gambar 2.38 Tampil Filter Control ...................................... 49 Gambar 2.39 Dashboard View .............................................. 49 Gambar 2.40 Dashboard View .............................................. 50 Gambar 2.41 Style Filter Control.......................................... 50 Gambar 2.42 Filter Interactions ............................................ 51 Gambar 2.43 Dashboard View .............................................. 52 Gambar 2.44 Dashboard View .............................................. 52 Gambar 3.1 Geo Map ............................................................ 53 Gambar 3.2 Data Geo Map ................................................... 54 Gambar 3.3 Geo Map ............................................................ 54 Gambar 3.4 Geo Map ............................................................ 55 Gambar 3.5 Column Chart .................................................... 56 Gambar 3.6 Dashboard View ................................................ 57 Gambar 3.7 Scatter Chart ...................................................... 61 Gambar 3.8 Scatter Chart ...................................................... 61 Gambar 3.9 Add a Filter ....................................................... 62 10
Gambar 3.10 Add a Filter ..................................................... 63 Gambar 3.11 Add a Filter ..................................................... 63 Gambar 3.12 Scatter Chart .................................................... 63 Gambar 3.13 Pivot Table ...................................................... 65 Gambar 3.14 Pivot Table Data.............................................. 66 Gambar 3.15 Table................................................................ 67 Gambar 3.16 Scorecard Data ................................................ 68 Gambar 3.17 Scorecard Data ................................................ 68 Gambar 3.18 Scorecard Data ................................................ 69 Gambar 3.19 Scorecard ......................................................... 69 Gambar 3.20 Table Data ....................................................... 70 Gambar 3.21 Table................................................................ 71 Gambar 3.22 Table................................................................ 71 Gambar 3.23 Table................................................................ 72 Gambar 3.24 Scorecard Data ................................................ 73 Gambar 3.25 Scorecard ......................................................... 74 Gambar 3.26 Line Chart ....................................................... 74 Gambar 3.26 Line Chart ....................................................... 75 Gambar 3.27 Line Chart ....................................................... 76 11
Gambar 3.28 Dashboard View .............................................. 77 Gambar 3.29 Invite People ................................................... 77 Gambar 3.30 Invite People ................................................... 78 Gambar 3.31 Schedule Email Delivery................................. 79 Gambar 3.32 Get Report Link .............................................. 79 Gambar 3.33 Download Report ............................................ 80
12
Bab I : Pengenalan Data merupakan kumpulan dari fakta yang dapat berupa angka, simbol ataupun tulisan yang diperoleh melalui pengamatan suatu objek. 1.1 Visualisasi Data Data visualisasi adalah teknik yang digunakan untuk mengkomunikasikan
data
atau
informasi
dengan
membuatnya ke dalam objek visual (misalnya titik, garis, batang, dan lainnya) dalam grafik [1]. Pada era digital saat ini, menemukan data tidaklah begitu sulit. Data (dataset) dapat ditemukan di internet. Dataset tersebut sangatlah besar, kompleks dan sulit di analisis dengan
perangkat
lunak
data
processing
seperti
spreadsheet. Cara efektif menyajikan data yang detail menjadi informasi yang mudah diterima adalah dengan cara abstraksi menjadi informasi visual. Visualisasi melalui perumpamaan visual dari dulu hingga saat ini telah digunakan sebagai teknik penyimpanan pesan. Dahulu perumpamaan visual berbentuk simbolsimbol yang merepresentasikan suatu makna. Visualisasi mengubah data menjadi informasi yang mudah dimengerti [2].
13
Visualisasi data sama halnya seperti berkomunikasi, berhasil atau tidaknya kamunikasi ditentukan oleh bagaimana cara pembicara menyampaikan informasi yang diberikan kepada lawan komunikasi. Visualisasi yang baik tentu terfokus, memberikan jawaban yang jelas dan tidak terlalu detail [3].
14
1.2 Pengenalan Google Data Studio Google data studio merupakan program visualisasi data yang dirancang sebagai alat yang mudah digunakan untuk mewakili kumpulan data yang kompleks dengan cara yang menarik dan jelas [4]. Visualisasi data adalah istilah umum yang menggambarkan setiap upaya untuk membantu orang memahamisignifikasi data dengan menempatkan data dalam konteks visual. Diluncurkan pada Mei 2016 sebagai bagian dari Analytics 360 Suite berbayar dan pada Agustus 2016 Google membuat program ini gratis untuk publik. Tujuan Google Data Studio adalah untuk membantu pengguna membuat laporan yang dinamis, menarik secara visual dengan menyalurkan sumber data eksternal ke platform yang mudah dinavigasikan berbagi laporan berbasis
data.
Performa
Google
Data
Studio
mengagumkan dalam menghasilkan visualisasi data yang menarik dan mudah dipahami. Interface pengguna Google Data Studio dapat dikenali oleh siapa saja yang bekerja dengan Google office suite. Skema warna dan label konsisten di semua platform, sehingga mudah dinavigasi pada menu Google Data Studio. Seperti platform Google Slide, Google Data Studio menggunakan menu sidebar untuk menfasilitasi pembuatan dan performa elemen 15
penafsirannya.
Google
Data
Studio
mengandalkan
gabungan antara chart dan jenis – jenis grafik yang biasa ditemukan pada data tools tetapi dengan tambahan seperti memberi beberapa fitur, termasuk kemampuan untuk mengintegrasikan beberapa sumber ke dalam satu laporan, memungkinkan pembaruan laporan secara dinamis dan membuat metrik baru untuk analisis dalam platform daripada memodifikasi data asli. 1.3 Keunggulan Google Data Studio Fungsi dari Google Data Studio secara umum sebenarnya hampir sama dengan aplikasi pengola data lainnya, namun apakah perbedaan Google Data Studio dari aplikasi data lainnya dan mengapa kita harus memakainya? a. Menarik secara visual
Gambar 1.1 Tampilan Awal
Untuk tampilan Google Data Studio memang cukup simpel jika dibandingkan dengan flat desain yang marak belakangan ini, namun jika kita tidak cukup 16
pintar dalam bidang grafis maka tampilan penyajian data yang dipunyai Google Data Studio cukup bagus dan mudah digunakan. Ketika menggunakan Google Data Studio, client tidak akan bosan untuk membaca data laporan yang kita sajikan sebab data akan ditampilkan dengan chart dan grifik yang menarik. b. Menggabungkan data dari beragam sumber
Gambar 1.2 Google Connector
Apabila kita punya data dari beberapa sumber misalnya data pembeli yang ada di Google Sheet lalu jumlah kunjungan situs di Google Analytics dan biaya iklan yang ada di Google Adwords, bisa di ekspor dan disatukan di Google Data Studio. Data yang bisa digabungkan hanya dari sumber berikut : Google 17
Analytics,
Google
Ads,
Google
Spreadsheet,
BigQuery, Upload File, Campaign Manager, Cloud Spanner Cloud SQL untuk MySQL, Display & Video 360, Ekstrak Data, Google Ad Manager 360, Google Cloud Storage, MySQL, PostgresSQL, Search Ads 360, Search Console, YouTube Analytics dan juga beberapa partner connestors yang support Google Data Studio seperti pada gambar 1.2. c. Mendapatkan perbaruan secara real-time Data yang disajikan dapat diperbarui secara real-time. Fitur ini serupa dengan fitur real-time analytics yang tersaji di Google Analytics dan sejenisnya. Fitur realtime sebenarnya sudah tersaji di Google Docs, Sheets, dan lainnya sebab ketika ada perubahan data maka secara otomatis data di Google Data Studio pun berubah mengikutinya. d. Mumungkinkan pengembangan dan penyebaran yang cepat Kita tahu betapa repotnya ketika ada yang meminta lalu-lintas situs kita. Begitu beresiko jika kita memberikannya akses untuk melihat data di Google Analytics, sebab adakala client atau siapapun yang ingin melihat kadang tak percaya dengan tangkapan layar yang kita berikan. Pada Google Data Studio kita 18
bisa dengan mudah membagikan kepada siapapun hanya dengan menyalin tautan yang diberikan. Lagilagi fitur yang sudah ditemukan di produk Google yang lain. e. Gratis Google Data Studio tersaji secara gratis kecuali jika kita bakal menggunakan secara berjamaah lebih dari lima akun Google. Itulah mengapa buat yang sering mengola data dan menyajikannya untuk kebutuhan tertentu, Google Data Studio merupakan alat bantu yang cukup mumpuni. f.
Scalable Visualisasi data yang baik adalah yang mampu dalam hal
aksesibilitas
dan
dapat
dipelihara
serta
dimodifikasi dimasa depan. Mengapa visualisasi data itu penting •
Manusia merupakan makhluk visual.
•
Manusia berevolusi untuk menemukan pola dan membuat perbandingan visual.
•
Otak manusia dapat mengidentifikasi gambar yang dilihat hanya dalam 13 milidetik
19
•
Presentasi yang menggunakan bantuan visual 43% lebih
efektif
dari
pada
presentasi
yang
tidak
menggunakan bantuan. 4 Pilar Visualisasi Data oleh Noal Illinsky 1. Tujuan yang jelas •
Siapa yang membutuhkan data ini? Seberapa detail? a. Tim Manajemen Tim manajemen akan membutuhkan data yang strategis seperti penjualan setiap periode b. Tim Operasional Tim operasional akan membutuhkan data yang lebih real-time misalnya tim operasional IT membutuhkan data up-time sebuah data centre
2. Data yang benar dan dibutuhkan oleh user •
Data harus relevan
•
Data harus akurat
3. Hubungan antar data •
Perbandingan antar kategori seperti perbandingan media sosial untuk setiap kelompok umur.
•
Perubahan sepanjang waktu misalnya berapa banyak penderita malaria dalam 10 tahun terakhir
20
•
Komposisi antar kategori misalnya penjualan barang sepanjang waktu untuk setiap kategori
•
Perbandingan data secara geografi misalnya penjualan barang disetiap provinsi
4. Format visualisasi Gunakan format untuk fokus pada tujuan bukan untuk mendistraksi. Bagaimana memilih media visualisasi 1. Pilihlah visualisasi sesuai kebutuhan. Misalnya : •
Scatter Plot merupakan grafik dua variabel yang biasa digunakan untuk membandingkan pasangan nilai antar variabel saling terkait atau tidak.
•
Line
Chart
baik
digunakan
untuk
melihat
perubahan data sepanjang waktu
21
BAB II : Membuat Dashboard Interaktif Dashboard merupakan sebuah User Interface yang cukup unik. Ia berada diantara data dan desain. 2.1 Menyiapkan Google Sheet dan Google Data Studio Sebelumnya disini saya menggunakan laptop dengan spesifikasi berikut : •
Prosesor Intel Core i7 7700HQ
•
Sistem Operasi Windows 10 Pro 64-bit
•
RAM 8 GB
•
Grafis NVIDIA GeForce GTX 950
Langkah pertama kita menyiapkan dataset yang akan digunakan. Buka browser lalu masukkan link berikut https://bit.ly/SuperStoreDataset . Seperti pada gambar 2.1.
Gambar 2.1 Web Browser
Disini saya menggunakan Superstore Dataset yang mana berisi tentang penjualan suatu toko yang ada di Amerika. 22
Terdapat beberapa atribut yang ada di data ini salah satunya terdapat kota dan negara, lalu simpan data ini ke dalam Google Drive.
Gambar 2.2 Superstore Dataset
Setelah itu siapkan Google Data Studio, silahkan buka datastudio.google.com .
Gambar 2.3 Tampilan Google Data Studio
Jika ini pertama kali membuat dashboard Google Data Studio maka kalian akan melihat penjelasan awal tentang Google Data Studio, pilih Get Started lalu pilih setuju 23
pada Term and Condition. Selanjutnya akan muncul halaman dashboard yang masih kosong, pilih add data source lalu akan muncul berbagai data source yang bisa dipilih. Pilih Google Sheets – Superstore Dataset – Connection.
Gambar 2.4 Pilihan Google Connector
Dashboard pertama sudah jadi. Pada sidebar sebelah kanan terdapat berbagai jenis visualisasi, tab data dan style yang dapat digunakan di Google Data Studio.
24
Gambar 2.5 Dashboard Pertama
2.2 Membuat Dashboard Pertama Pada dashboard sebelah kanan kita akan dua tab pada sidebar sebelah kanan yaitu Data dan Style. Pada umumnya dashboard pada Data Studio memiliki struktur berikut : a. Data Source Data source merupakan sumber data yang akan kita gunakan b. Dimension Dimension biasanya terdiri dari tanggal & field text seperti kota atau kategori barang. c. Metric Metric merupakan angkat kuantitatif pada data misalnya sales atau profit Kita dapat drag & drop pada field sebelah kanan ke kiri untuk menampilkan data di dashboard. Pada tab Data, saat scroll ke bawah kita juga dapat memilih cara untuk sort dan filter data. Sort dan filter data ini dapat melalui field sebelah kanan. Jika kita pilih chart table, kita dapat melihat beberapa contoh visualisasi yang dapat kita gunakan. Sebelumnya kita memiliki table pada
25
dashboard secara otomatis. Kita dapat memilih table column chart. Bagaimana
kita
membuat
visualisasi
perbandingan
penjualan antar kota pada setiap kategori? Untuk melihat penjualan, kita pindahkan field sales pada metric lalu ganti dimension dengan city.
Gambar 2.6 Bar Chart
Kita akan melihat perbandingan penjualan antar kota lalu kita
gunakan
secondary
dimension
misalnya
pada
category. Sekarang kita melihat perbandingan category pada
setiap
kota
selanjutnya
urutkan
berdasarkan
penjualan pada sort lalu pilih descending. Untuk descending akan menampilkan penjualan terbesar pada sebelah kiri sedangkan ascending akan menampilkan penjualan terkecil pada sebelah kiri.
26
Gambar 2.7 Bar Chart
2.3 Bar Chart Bar chart atau biasa disebut grafik batang
memiliki
kelebihan visualisasinya lebih menarik karena grafik batang menggunakan gambar 2 dimensi. Grafik batang difokuskan pada luas batang (panjang x lebar). Lebar batang dibuat sama sedangkan tinggi bervariasi mengikuti jumlah data. Bar chart dibagi menjadi tiga yaitu single bar, multi bar, dan component bar. 2.4 Membuat Scorecard, Header Dashboard dan Table 2.3.1 Styling dan Header Dashboard
27
Gambar 2.8 Sidebar
Klik pada background dashboard lalu pada side bar sebelah kanan akan muncul pengaturan theme dan layout. Kita juga dapat menggunakan tema yang sudah disediakan.
28
Gambar 2.9 Sidebar Edit Theme
Kita juga dapat mengganti tema sesuai dengan keinginan dengan pilih Customise.
29
Gambar 2.10 Sidebar Theme and Layout Custom
Lalu pada bagian Layout kita juga dapat mengatur besar kanvas dashboard dan juga grid yang ada pada dashboard. Setiap dashboard sebaiknya memiliki
Header atau
judul agar mempermudah client membaca informasi yang ditampilkan.
30
Gambar 2.11 Header Dashboard
Pilih text yang ada di menu bar lalu klik pada background dashboard lalu isikan judul “Sales Dashboard”.
Gambar 2.12 Style Header
Sebelah
kanan
terdapat
Text
Properties
yang
digunakan untuk mengatur judul untuk header tersebut. Pada contoh kali ini kita ubah background dan ukuran font. Kita juga bisa mengubah Alignment judul.
31
2.3.2 Scorecard
Gambar 2.13 Add a Chart
Pilih menu Add a chart setelah itu pilih Scorecard, setelah
itu
letakkan
chart
pada
tempat
yang
diinginkan. Pada Available Fields pilih Sales, kemudian letakkan pada Metric. Maka scorecard akan menampilkan data nilai penjualan perusaahaan sejak perusahaan berdiri.
Gambar 2.14 Tampilan Data Sales
32
2.3.3 Table
Gambar 2.15 Add a New Page
Pada menu bar pilih Add a new page setelah itu akan muncul dashboard baru. Rename page sesuai dengan judul.
Gambar 2.16 Tampilan Page Baru
33
Pada menu bar pilih Add a chart lalu pilih Table lalu masukkan Category pada dimension dan masukkan sales dan profit pada metric. Saat kita memiliki banyak
metric
yang
ingin
ditampilkan
kita
menggunakan Table. Table lebih umum digunakan pada report detail. Centang pada show summary row untuk melihat summary pada setiap kolom. Kita bisa melihat Grand Total pada Sales dan Profit. Kebutuhan dari tim bisnis adalah ingin melihat nilai penjualan setiap bulan. Bagaimana caranya? Klik table pada dashboard lalu pilih icon calendar disebelah kiri Order Date pada Date Range Dimension. Ganti Year Month pada Granularity.
Gambar 2.17 Sidebar Table
Lalu pada Dimension tambahkan juga Order Date sebelum Category dan ikuti juga langkah sebelumnya. Maka hasilnya akan seperti ini
34
Gambar 2.18 Visualisasi Table
Urutkan terlebih dahulu untuk Order Date dengan cara pilih Order Date pada bagian Sort lalu pilih Ascending karena kita akan menampilkan data paling lama yang akan di tampilkan terlebih dahulu.
Gambar 2.19 Sidebar Data
Maka hasilnya akan seperti ini 35
Gambar 2.20 Tampilan Header
2.5 Membuat Time Series Dashboard untuk Melihat Trend Over-time Time Series Chart berguna untuk menunjukkan perubahan data dalam periode waktu tertentu atau menggambarkan perbandingan antar beberapa item. Pertama membuat dashboard baru dengan nama Line and Bar Chart lalu tambahkan Line chart. Pada sidebar sebelah kanan pilih Order Date pada Dimension agar kita dapat melihat trend data sepanjang waktu lalu masukkan Sales ke Metric, jangan lupa hapus Record Count pada Metric. Maka hasilnya akan seperti ini.
36
Gambar 2.21 Line Chart
Grafik pada gambar diatas, waktu yang ditampilkan belum urut maka urutkan waktu tersebut agar user dapat mengerti isi dari grafik tersebut. Lakukan langkah ini, pada bagian Sort pilih Order Date lalu pilih Ascending.
Gambar 2.22 Sort Line Chart
Sekarang kita bisa melihat trend penjualan dari Super Store sejak tahun 2014 hingga 2017. Selanjutnya
kita
coba
tambahkan
category
pada
breakdown dimension. 37
Gambar 2.23 Line Chart
Terdapat 3 line sesuai dengan 3 kategori yang ada pada data namun disini setiap garis bertumpuk satu sama lain yang membuat user susah untuk membacanya. Untuk mengatasinya kita menggunakan filter waktu. Pada bagian default date range pilih custom lalu pilih tanggal 1 januari 2014 sampai dengan 21 desember 2014 lalu apply.
Gambar 2.24 Line Chart
38
Hasilnya akan menjadi lebih jelas. Contohnya saat categori technology memiliki penjualan terbesar pada bulan maret. Time series chart ini baik untuk melihat trend over-time dan melihat perbandingan antar dimensi seperti categori namun hati-hati jangan terlalu banyak menambahkan garis karena akan susah dibaca. Selanjutnya membuar Bar Chart untuk melihat komparasi antar dimensi caranya copy line dashboard yang kita buat lalu pindahkan dibawahnya, kemudian klik chart line pada sidebar sebelah kanan kemudian ganti menjadi Column Chart.
Gambar 2.25 Column Chart
Pada Column Chart perbandingan antar categori jadi lebih terlihat lalu kita juga bisa merubah stacked column chart untuk melihat komposisi dan jumlah penjualan secara keseluruhan. 39
Gambar 2.26 Column Chart
Pada stacked column chart kita dapat melihat total penjualan beserta perbandingannya.
Gambar 2.27 Column Chart
Lalu ada juga 100% stacked column chart. Disini kita bisa melihat lebih jelas komposisi mana yang paling banyak atau sebaliknya. Jenis visualisasi column chart atau bar chart ini baik digunakan jika tujuan utama kita adalah melihat komposisi
40
antar dimensi. Disini kita akan melihat dimensi atau kategori mana yang paling baik. 2.6 Membuat Pie Chart Pie Chart atau biasa dikenal dengan diagram lingkaran merupakan grafik statistik berbentuk lingkaran yang dibagi menjadi beberapa irisan dan luasnya tergantung pada komposisi antar kategori dari data yang dimiliki. Karakteristiknya
adalah
bisa
memperlihatkan
perbandingan ukuran data besar sektornya secara langsung dan tidak memperlihatkan ukuran atau frekuensinya [8]. Kembali ke Google Data Studio, buka page 1 Bar and Scorecard. Tambahkan pie chart pada dashboard. Letakkan dibawah column chart. Pada sidebar masukkan ship status pada dimension. Ubah metric menjadi sales.
41
Gambar 2.28 Pie Chart
Disini kita bisa melihat berapa banyak barang yang dikirim tepat waktu, lebih awal maupun yang telat. Dari data super store lebih dari setengah barang dikirimkan lebih awal. Sekarang mari kita atur style pie chart ini. Pilih tab style pada menu sidebar. Kita bisa memilih berapa banyak slices yang ada di pie chart. Harap diingat untuk tidak memilih banyak slices karena akan membuat pembaca bingung.
42
Gambar 2.29 Style Pie Chart
Kita juga dapat mengatur warna pada pie chart sesuai dengan dimensinya. Pilih manage dimension value colors. Disini kita akan melihat pengaturan warna setiap dimensi, hal ini sangat berguna untuk menjaga konsistensi antar chart atau visualisasi.
43
Gambar 2.30 Style Pie Chart
Berbagai perusahaan juga memiliki kode unik tertentu untuk setiap kategori produknya. Kita juga dapat mengganti label text, yang sebelumnya percentage menjadi label.
Gambar 2.31 Pie Chart
Selain itu jika kita ingin mengubah tampilan pie chart menjadi donat, kita bisa atur dari slider di atasnya.
44
Gambar 2.32 Style Pie Chart
Dan hasilnya akan seperti ini.
Gambar 2.33 Pie Chart
2.7 Membuat Filter Tanggal dan Dimensi
45
User pasti ingin mengatur tanggal dan filter pada dashboard yang dilihatnya, melalui Google Data Studio kita dapat melakukan filter data melalui range tanggal dan dimensi. Pertama membuat filter tanggal, klik date range pada menu bar di atas lalu letakkan filter di atas column chart. Klik filter tersebut lalu pilih auto date range untuk mengubah range tanggal yang ada. Pilih 1 Januari 2014 sampai 31 Desember 2014.
Gambar 2.34 Date Range
46
Selain itu kita juga dapat memilih range tanggal lainnya seperti beberapa hari terakhir, beberapa bulan terakhir, tahun lalu atau yang lainnya.
Gambar 2.35 Date Range
Selanjutnya membuat filter dimensi. Klik filter control pada menu bar diatas lalu letakkan disebalah filter date range. Masukkan category kedalam dimension, masukkan sales kedalam metric.
47
Gambar 2.36 Data Filter Control
Maka hasilnya akan seperti ini.
Gambar 2.37 Filter Control
Kita coba klik view lalu klik category
48
Gambar 2.38 Tampil Filter Control
Dan ini hasil output nya.
Gambar 2.39 Dashboard View
Kita juga bisa memilih data apa saja yang harus ditampilkan dengan cara arahkan kursor kesebelah kanan.
49
Gambar 2.40 Dashboard View
Kita juga dapat mengatur tampilan filter pada sidebar sebelah kanan pada menu stlye. Pilih Fixed Size lalu drag down sesuai keinginan kita.
Gambar 2.41 Style Filter Control
Apakah kita dapat membuat filter dari visualisasi yang sudah kita buat? Silahkan klik visualisasi bar lalu scroll down pada sidebar kanan. Klik Apply Filter pada bagian Interactions. Lakukan langkah tersebut pada setiap visualisasi.
50
Gambar 2.42 Filter Interactions
Kemudian klik view pada menu bar kanan atas. Klik salah satu bar, misalnya pada bagian New York City. Ini artinya kita memilih filter New York City pada category Technology lalu kita bisa melihat hasil filternya pada pie chart dibawah.
51
Gambar 2.43 Dashboard View
Kita juga dapat memfilter visualisasi dari pie chart dibawahnya. Misalnya kita ingin melihat barang-barang yang dikirim lebih awal. Klik Shipped Early lalu hasil filter akan muncul pada column chart.
Gambar 2.44 Dashboard View
52
Bab III : Visualisasi Data Lanjutan 3.1 Map Visualization Buat dashboard baru dengan nama Map Dashboard. Lalu add a chart kemudian pilih Geo map, selanjutnya klik tanda pensil pada bagian data source. Pilih Field State kemudian ganti tipe data menjadi Geo dan pilih Region (akan muncul push notive pilih Continue) klik Done.
Gambar 3.1 Geo Map
Kemudian masukkan State pada Demension dan Profit pada Metric.
53
Gambar 3.2 Data Geo Map
Dan ini hasil output nya.
Gambar 3.3 Geo Map
Semakin tua warna biru maka semakin besar profitnya namun kita tidak bisa melihat secara jelas apakah area tersebut untung atau rugi. Mari kita ganti warnanya pada 54
sidebar sebelah kanan bagian Style. Dibawah tulisan Geo Map Chart kita dapa mengganti max, mid dan min color value. Kita ganti max color menjadi hijau, mid color menjadi kuning dan min color menjadi merah.
Gambar 3.4 Geo Map
Kita bisa melihat, semakin besar keuntungan suatu area warnanya semakin hijau sebaliknya semakin rugi suatu area maka warnanya semakin merah. Misalnya kita ingin melihat untung rugi suatu area kita bisa membuat chart baru yakni dengan column chart. Masukkan Category kedalam Dimension lalu masukkan Profit ke metric. Jangan lupa klik Apply filter pada Interactions. Lakukan pada kedua visualisasi.
55
Gambar 3.5 Column Chart
Klik view untuk melihat hasilnya. Jika kita klik Technology maka kita akan melihat area untung rugi hanya untuk kategori Technology. Kita juga bisa mencoba dengan kategori lainnya.
56
Gambar 3.6 Dashboard View
3.2 Treemap Theemap adalah cara alternatif untuk memvisualisasikan struktur hierarki diagram tree dan juga untuk menampilkan jumlah untuk setiap kategori melalui ukuran area. Setiap kategori bereri area persegi panjang dengan sub kategori didalamnya. Buat dashboard baru dan beri nama Treemap lalu buat chart baru dengan tipe Treemap.
57
setelah itu tambahkan
category dan
ship status
kedalam
dimension. Lalu tambahkan juga record count kedalam metric. Maka hasilnya akan seperti ini.
Kita rubah warnanya agar user lebih mudah untuk menbaca visualisasi tersebut. Disini saya menggunakan
58
warna merah untuk max color value dan biru untuk mid color value dan kuning untuk min color value.
Maka hasilnya akan seperti ini.
59
Jadi jika warna semakin merah maka barang datang lebih awal sedangkan semakin warna kuning maka barang datang terlambat. 3.3 Scatter Charts Scatter plot berguna untuk melihat korelasi antar metrics. Mari kita coba. Buat dashboard baru dengan nama Scatter Charts. Pilih Add a chart kemudian pilih Scatter Charts. Perlu kita tau, terdapat 2 metrics pada Scatter Charts yaitu X dan Y. Pilih Sales pada Metric X dan Profit pada Metric Y selanjutnya pilih State pada Dimension.
60
Gambar 3.7 Scatter Chart
Pada tab menu Style kita bisa memilih warna lingkaran. Pilih State pada Bubble colour. Lingkaran akan memiliki warna sesuai dengan state atau negara bagiannya.
Gambar 3.8 Scatter Chart
Dari sini kita melihat beberapa kota memiliki korelasi positif antara sales dan profit. Tentu saja pada umumnya 61
semakin tinggi sales maka semakin tinggi pula profitnya. Namun beberapa negara bagian memiliki sales yang tinggi dan profit yang minus. Mari kita coba membagi chart menjadi 3 kategori. Pertama kita copy scatter chart tersebut menjadi 3 bagian. Pada scatter chart pertama kita beri judul Technology karena kita akan mem-filter berdasarkan Technology. Pada bagian data scroll kebagian filter, pilih Add A Filter lalu beri nama Technology kemudian kita pilih Category Equal to Technology lalu klik save.
Gambar 3.9 Add a Filter
Pada scatter chart kedua kita beri judul Furniture karena kita akan mem-filter berdasarkan Furniture. Pada bagian data scroll kebagian filter, pilih Add A Filter lalu beri nama Furniture kemudian kita pilih Category Equal to Furniture lalu klik save.
62
Gambar 3.10 Add a Filter
Pada scatter chart ketiga kita beri judul Office Supplies karena kita akan mem-filter berdasarkan Office Supplies. Pada bagian data scroll kebagian filter, pilih Add A Filter lalu beri nama Office Supplies kemudian kita pilih Category Equal to Office Supplies lalu klik save.
Gambar 3.11 Add a Filter
Berikut ini adalah hasil dari scatter chart yang sudah kita buat.
Gambar 3.12 Scatter Chart
3.4 Heatmaps
63
Pada
dasarnya
Heatmap
adalah
cara
untuk
merepresentasikan data dengan bentuk map atau diagram dan value digambarkan dengan intensitas warna [7]. Contoh case, tim bisnis ingin mengetahui komposisi jumlah order pada setiap negara untuk setiap kategori. Kita bisa menggunakan heatmap untuk mengetahui hasilnya. Heatmap baik digunakan untuk melihat komposisi antar 2 dimensi. Mari kita coba. Pertama kita buat dashboard baru lalu beri nama Heatmap. Lalu pilih Add a Chart kemudian pilih Pivot table with headmap. Pada heatmap terdapat 2 jenis dimensi yaitu row dimension dan column dimension. Untuk contoh ini masukkan state kedalam row dimension dan category kedalam column dimension kemudian masukkan order ID kedalam metric.
64
Gambar 3.13 Pivot Table
Order ID bertujuan untuk menunjukkan jumlah order. Lalu kita klik show grand total untuk menampilkan total. Kemudian atur sorting pada row dan column. Kita akan menampilkan state dan category dengan order terbanyak pada bagian kiri atas. Masukkan order ID descending pada kedua field.
65
Gambar 3.14 Pivot Table Data
Maka hasilnya akan seperti gambar dibawah ini.
66
Gambar 3.15 Table
Disini
kita
bisa
menyimpulkan
bahwa
Calofornia
merupakan peringkat pertama penjualan dalam bidang Technology, Furniture dan Office Supplies Kita juga bisa mengganti warna pada bagian style agar mudah dibaca. 3.5 Metode Agregasi Ada berbagai metode agregasi yang bisa kita coba di Google Data Studio yaitu sum, average (rata-rata), max (nilai maximum), min (nilai minimum), count (menghitung jumlah row), count unique (menghitung jumlah row dengan value yang unik). Buka halaman Bar and Scorecard lalu copy scorecard sales. Pada metric klik icon pensil lalu akan muncul berbagai agregasi. Kita pilih average lalu beri nama Average of Sales.
67
Gambar 3.16 Scorecard Data
Copy lagi scorecard tersebut lalu ganti ke max dan beri nama Maximum of Sales.
Gambar 3.17 Scorecard Data
68
Copy lagi scorecard tersebut lalu masukkan customer name kedalam metric. Lalu pilih icon pada metric kemudian pilih count distinct dan beri nama Number of Customer.
Gambar 3.18 Scorecard Data
Hasilnya seperti gambar dibawah ini.
Gambar 3.19 Scorecard
Scorecard ini berguna untuk melihat nilai-nilai yang sudah ada. 3.6 Metode Agregasi (Function) Buka halaman Table. Pada latihan kali ini kita akan mempelajari tantang 69
a. Profit Ratio per Sales Profit Ratio per Sales yaitu berapa profit yang didapat dari setiap penjualan. b. Sales per Customer Sales per Customer yaitu berapa penjualan rata-rata yang didapatkat untuk setiap customer. c. Sales Percentage Klik table yang ada pada dashboard lalu pada sidebar sebalah kanan pilih Add a Field lalu beri nama field name Profit Ratio by Sales dan pada formula ketikkan “SUM(Profit)/SUM(Sales)”. Jika benar maka akan muncul icon centang hijau sebelah kiri bawah lalu pilih save.
Gambar 3.20 Table Data
Setelah itu masukkan Profit Ratio by Sales ke dalam metric lalu ubah tipe data menjadi pecent dengan cara klik icon pensil disebalah kiri Profit Ratio by Sales lalu pada type pilih numeric lalu pilih percent.
70
Gambar 3.21 Table
Sekarang kita buat kalkulasi untuk penjualan rata-rata per customer.
Masukkan
perintah
“SUM(Sales)/COUNT_DISTINCT(Customer Name)” lalu beri nama pada field name Sales per Customer kemudian simpan. Selanjutnya masukkan Sales per Customer kedalam metric.
Gambar 3.22 Table
71
Terakhir kita akan menampilkan presentase kategori secara otomatis dengan cara buat table baru kemudian masukkan category kedalam dimension dan Sales kedalam metric, masukkan kembali Sales kedalam metric (ada 2 Sales di dalam metric) lalu klik icon pensil pada sebelah kiri Sales kedua. Pada bagian comparation calculation pilih percent of total lalu relative to corresponding data. Kemudian beri nama Sales Percentage.
Gambar 3.23 Table
3.7 Comparison Date Range dari Metode Agregasi Comparison date range merupakan perbandingan angka dengan periode sebelumnya. Misalnya buka halaman Bar and Scorecard lalu ubah tanggal pada date range 72
properties menjadi 1 Januari 2017 – 31 Desember 2017. Nah kita ingin melihat apakah penjualan tersebut naik atau turun jika dibandingkan dengan tahun lalu. Klik sales scorecard lalu lihat pada bagian comparasion date range. Klik none lalu ganti dengan previous year kemudian klik apply.
Gambar 3.24 Scorecard Data
Nah kita akan melihan penjualan naik sebesar 20% dibandingkan tahun sebelumnya. Lakukan hal yang sama pada scorecard yang ada pada dashboard. Maka hasilnya akan seperti ini.
73
Gambar 3.25 Scorecard
3.8 Conditional Function dari Metode Agregasi Tim bisnis ingin mengetahui bulan mana saja yang penjualannya mencapai target. Gimana caranya? Mari kita coba. Pertama buat dashboard baru lalu beri nama Target Monthly Sales kemudian tambahkan line chart lalu masukkan order date kedalam dimension dan ganti type nya menjadi year month lalu masukkan sales kedalam metric. Jangan lupa sort berdasarkan order date.
Gambar 3.26 Line Chart
Selanjutnya kita buat calculation field yang berisi tentang target penjualan setiap bulannya. Target penjualan pada tahun 2014 adalah 30000$, tahun 2015 adalah 40000$ dan tahun selanjutnya adalah 50000$. Lalu pada metric buat 74
field baru dengan judul Target Sales dan masukkan kode berikut di dalam Formula case when Order Date >= ‘2014-01-01’ and Order Date = ‘2014-01-01’ and Order Date