Teori Konsep Visualisasi Data

Bab 2

Teori Konsep Visualisasi Data

Visualisasi data? mungkin kita sedikit familiar dengan kata tersebut terutama untuk orang yang bergelut dalam dunia komunikasi dan teknologi, dan juga dunia bisnis, visualisasi data merupakan bentuk informasi data dalam bentuk visualisasi. Lalu apakah fungsi dari visualisasi data ?meskipun terkadang banyak orang mengandalkan intuisi dalam pengambilan keputusan, nyatanya masih sangat dibutuhkan data dan masih bertumpu kepada data dalam pengambilan keputusan. Para manajer memakai data penjualan misalnya untuk memutuskan apakah satu dua bulan ke depan produksi ditingkatkan atau malah dikurangi. Atau mungkin untuk hal lainnya yang lebih sederhana dalam pembelian barang online mungkin kita akan melihat data penjualan si penjual untuk melihat bahwa kualitas barang yang dijual memuaskan atau tidak karena jika si penjual menjual barang tapi tingkat penjualannya sedikit mungkin kita ragu untuk membeli pada penjual tersebut.

Melihat fakta diatas jelas bahwa data masih sangat dibutuhkan untuk mebuat sebuah keputusan. Aspek penting agar mudah dalam memutuskan sebuah keputusan dibutuhkan data yang mudah dipahami. Akan sangat menghabiskan waktu jika harus memahami dan mencerna sebuah data yang diterima. 

Dalam konteks inilah, dibutuhkan sebuah penyajian data yang mudah dipahami, dengan visualisasi data penyajian data sangat berkontribusi, dengan sebuah syarat bahwa validitas data sudah tidak diragukan lagi. 

Penyajian data biasanya dalam bentuk tabel memang cukup banyak dipakai, namun terkadang tidak memudahkan pembaca untuk mengetahui segera apa poin penting yang dapat disimpulkan dari kumpulan data yang tersaji. Dibutuhkan sebuah visualisasi data dalam bentuk/format lainnya seperti dalam bentuk sebuah gambar dari sebuah data dengan berbagai format penyajian yang sesuai.

Ketika infografis semakin mudah dipahami dan diakrabi oleh banyak orang, bukan terbatas pada isi dan manfaat, visualisasi data menjadi semakin menarik karena memberikan desain dan tampilan yang membuat orang lebih tertarik untuk membaca karena tampilan yang tidak membosankan. 

Tentu saja, visualisasi data bukan dimaksudkan untuk menyenangkan mata. Karena bagus dalam visualisasinya, tapi tetap pesan dan manfaat harus yang lebih utama karena pada umumnya data memberikan sebuah informasi yang berguna, karena tujuan pokok visualisasi data adalah untuk memberikan atau mengkomunikasikan data secara jelas, mudah, dan efektif melalui sarana grafis. 

Nah, jika masih berkutat dengan penyajian data gaya konvensional, kini saatnya mencoba membuat visualisasi data karena memang banyak sekali manfaatnya. 

2.1 Visualisasi data

Visualisasi data dilihat oleh banyak bidang ilmu sebagai komunikasi visual modern. Visualisasi data tidak berada di bawah bidang manapun, melainkan interpretasi di antara banyak bidang misalnya, terkadang dilihat sebagai cabang modern dari statistik deskriptif oleh beberapa orang, tetapi juga sebagai dasar alat pengembangan oleh yang lain. Visualisasi data mengikutkan pembuatan dan kajian dari representasi visual dari data, artinya informasi yang telah diabstraksikan dalam bentuk skematis, termasuk atribut atau variabel dari unit informasi. 

Tujuan utama dari visualisasi data adalah untuk mengkomunikasikan informasi secara jelas dan efisien kepada pengguna lewat grafik informasi yang dipilih, seperti tabel dan grafik. Visualisasi yang efektif membantu pengguna dalam menganalisa dan penalaran tentang data dan bukti. Ia membuat data yang kompleks bisa diakses, dipahami dan berguna. Pengguna bisa melakukan pekerjaan analisis tertentu, seperti melakukan pembandingan atau memahami kausalitas, dan prinsip perancangan dari grafik contohnya, memperlihatkan perbandingan atau kausalitas mengikuti pekerjaan tersebut. Tabel pada umumnya digunakan saat pengguna akan melihat ukuran tertentu dari sebuah variabel, sementara grafik dari berbagai tipe digunakan untuk melihat pola atau keterkaitan dalam data untuk satu atau lebih variabel. 

Visualisasi data adalah seni dan sains. Laju di mana data dikeluarkan telah meningkat, dipicu oleh meningkatnya ekonomi berbasis informasi. Data yang dibuat oleh aktivitas internet dan sejumlah sensor yang makin bertambah dalam lingkungan, seperti satelit dan kamera jalan, disebut sebagai "Big data". Pemrosesan, analisa dan mengkomunikasikan data tersebut menciptakan berbagai tantangan analisis bagi visualisasi data. Bidang ilmu data dan pelakunya yang disebut ilmuwan data telah muncul untuk membantu mengatasi tantangan tersebut. 

Visualisasi data mengacu pada teknik yang digunakan untuk mengkomunikasi data atau informasi dengan membuatnya sebagai objek visual misalnya, titik, garis, atau batang dalam grafik. Tujuannya yaitu untuk mengkomunikasikan informasi secara jelas dan efisien kepada pengguna. Ia merupakan salah satu tahap dalam analisis data atau ilmu data. Menurut Friedman (2008) "tujuan utama dari visualisasi data adalah untuk mengkomunikasikan informasi secara jelas dan efektif dengan cara grafis. Bukan berarti visualisasi data harus terlihat membosankan supaya berfungsi atau sangat canggih supaya terlihat menarik. Untuk memaparkan ide secara efektif, bentuk estetis dan fungsionalitas harus berbarengan, menyediakan wawasan bagi kumpulan data yang kompleks dan jarang dengan mengkomunikasikan aspek-aspek kunci dengan cara yang intuitif. Namun perancang terkadang gagal mencapai keseimbangan antara bentuk dan fungsi, menciptakan visualisasi data yang menawan yang gagal menyediakan tujuan utamanya untuk mengkomunikasikan informasi. 

Tampilan grafis yang efektif :

1. Memperlihatkan data 
2. Mendorong penglihat untuk berpikir tentang substansi bukan metodologi, rancangan grafik, teknologi dari produksi grafik atau hal lainnya 
3. Menghindari pengelabuan terhadap apa yang dikatakan oleh data 
4. Memberikan banyak angka dalam ruang yang kecil 
5. Membuat kumpulan data yang besar koheren 
6. Mendorong mata untuk membandingkan berbagai bagian berbeda dari data 
7. Membuka data pada beberapa tingkat kerincian, dari gambaran umum sampai struktur terakhir 
8. Melayani sebuah tujuan yang jelas: deskripsi, eksplorasi, tabulasi atau dekorasi 
9. Mecara dekat berintegrasi dengan statistik dan deskripsi verbal dari sebuah kumpulan data.

Pada buku ini menjelaskan visualisasi data yang terdapat pada google chart dan hanya terbatas pada visualisasi data dalam bentuk/format sankey, scatter, dan stepped. Sebelum masuk kepada penjelasan ketiga format yang tersebut akan lebih baik jika kita memahami apa itu google chart, apa kegunaan google chart, dan apa saja yang terdapat didalamnya, berikut akan dibahas menganai google chart. 

2.2 Google API 

Google API berarti kode program (yang disederhanakan) yang dapat kita tambahkan pada aplikasi atau web kita untuk mengakses / menjalankan / memanfaatkan fungsi atau fitur yang disediakan Google. 

Google menyediakan berbagai API (Application Programming Interface) yang sangat berguna bagi pengembang web maupun aplikasi desktop untuk memanfaatkan berbagai fitur yang disediakan oleh google, misalnya : AdSense, SearchEngine, Translation, Google Chart maupun YouTube. 

Misalnya saja kita bisa menambahkan fitur Google Map pada website kita. 

Ada banyak API yang disediakan oleh Google, beberapa diantaranya adalah: 

1. Language API: untuk memanfaatkan fitur translation yang dimiliki Google. 
2. Earth API: memanfatkan fitur yang ada pada Google Earth 
3. Javascript API 
4. Maps API: memanfaatkan fitur yang ada pada Google Maps 
5. Search API: memanfaatkan fitur pencarian pada Google Search 
6. Visualization API: membuat grafik maupun chart dengan Google API 
7. YouTube API: memanfaatkan fitur yang ada pada YouTube misalnya untuk pencarian video 
8. Dan begitu juga Google Chart API yang digunakan untuk membuat sebuah grafik. 

Pada buku ini kita akan membahas mengenai google chart.

2.3 Google Chart API

Google Chart API adalah alat yang memungkinkan orang dengan mudah membuat grafik dari beberapa data dan menanamkan dalam sebuah halaman web. Google menciptakan PNG gambar grafik dari data dan parameter format dalam permintaan HTTP. Banyak jenis grafik yang didukung, dan dengan membuat permintaan ke tag gambar, orang hanya dapat mencakup grafik dalam halaman web. 

Awalnya itu adalah perangkat internal untuk mendukung embedding cepat grafik dalam aplikasi Google sendiri (seperti Google Finance misalnya). Yang mungkin akan menjadi alat yang berguna untuk untuk pengembang web. Secara resmi diluncurkan pada tanggal 6 Desember 2007.

Google Charts menawarkan visualisasi data yang sangat baik, mulai dari jenis grafik yang sederhana hingga kompleks. Google Charts dibangun menggunakan teknologi Javascript dan HTML5/SVG sehingga memiliki kompatibilitas yang sangat baik dengan browser masa kini. Tentu saja, library ini berlisensi terbuka dan dapat diunduh secara gratis. Sumber data dari library ini tidak hanya berasal dari bahasa pemrograman seperti PHP, ASP dan JSP namun juga dapat berasal dari aplikasi Google Spreadsheets, Google Fusion Tables dan pihak ketiga seperti SalesForce.

Ada banyak alasan untuk memilih Google Chart API atas metode lain seperti Flash atau Flex grafik. 

• Jika biasanya kita harus mengunduh modul-modul yang berisi class-class atau function program dalam pembuatan grafik API maka pada google chart ini kita tidak perlu melakukan hal itu, tetapi kita hanya memodifikasi string URL untuk membangun sebuah grafik. 
• Ringan, dapat diandalkan, tidak perlu untuk perpustakaan sisi server atau modul tambahan. 
• Sederhana untuk memperluas dan menerapkan dalam kerangka Drupal. 
• Memori ramah. 

Saat ini, terdapat beberapa model format dalam pembuatan google chart diantaranya :

Area Chart

 Line Chart

Bar Chart

  

Pie Chart

Bubble Chart

Donut Chart

Geo Chart

Scatter Chart

Column Chart

Histogram Chart

Combo Chart

Stepped Chart 

Org Chart

Treemap Chart

Table Chart

Timeline Chart

Gauge Chart

Candlestick Chart

Sankey Chart

Dari contoh chart diatas pada buku ini akan di jelaskan hanya sankey chart, stepped chart, dan scatter chart.

2.4 Sankey Chart

Sebuah Sankey Chart adalah visualisasi yang digunakan untuk menggambarkan aliran dari satu set nilai yang lain. Hal-hal yang terhubung disebut node dan koneksi disebut link. Lebar panah atau garis digunakan untuk menunjukkan besaran jumlah, semakin besar panah, semakin besar jumlah aliran. panah aliran atau garis dapat menggabungkan bersama-sama atau membagi melalui jalur di setiap tahap proses. Warna digunakan untuk membagi diagram ke dalam kategori yang berbeda atau untuk menunjukkan transisi dari satu keadaan dari proses yang lain.

Biasanya, Sankey Chart digunakan untuk menunjukkan transfer energi, uang atau materi, dapat juga digunakan untuk menunjukkan aliran proses sistem yang terisolasi.

 Contoh Penjelasan

Pada tabel tersebut ada beberapa energy yang berbeda dan digunakan warna yang berbeda sebagai perbedaan antar energy dan terlihat lebar dan arah panah. Pada diagram diatas memberikan informasi/penjelasan energy yang masuk 100% kemudian energy yang keluar sebesar 43.2% dimana energy yang keluar tersebut yaitu energy formalin keluar sebesar(28.1%), energy termal dari reformasi uap sebesar (6.2%), energy termal dari sintesis formalin sebesar (3.6%), energy gas murni sebesar (2.8%), dan energy termal dari sintesis methanol sebesar(2.5%) sehingga jumlah energy yang keluar sebesar (43.2%). Serta sisanya terdiri dari sisa/hilang proses sintesis energy gas sebesar (25.0), proses sintesis energy methanol sebesar (21.7), dan proses sintesis energy formalin sebesar (10.1). sehingga jika digabungkan menjadi 100%. Warna merah menunjukan hilang energy dari proses sintesis.

2.4.1 Sejarah Sankey Chart

Diagram Sankey dinamai Irlandia Captain Matthew Henry Phineas Riall Sankey, yang menggunakan jenis ini diagram pada tahun 1898 di angka klasik (lihat gambar) menunjukkan efisiensi energi dari mesin uap. Sedangkan grafik pertama dalam warna hitam dan putih hanya digunakan untuk menampilkan satu jenis aliran (misalnya uap), menggunakan warna untuk berbagai jenis arus telah menambahkan derajat lebih kebebasan untuk diagram Sankey.

Salah satu diagram Sankey paling terkenal adalah Charles Minard ini Peta Kampanye Rusia Napoleon tahun 1812. Ini adalah peta aliran, overlay diagram Sankey ke peta geografis. Ini diciptakan pada tahun 1869, sehingga benar-benar mendahului Sankey ini 'pertama' Sankey diagram 1898.

2.5 Scatter Chart

Scatter Chart atau Diagram Pencar adalah diagram yang menunjukkan tingkat hubungan (korelasi) di antara 2 faktor, melakukan pengujian terhadap seberapa kuatnya hubungan antara 2 (dua) variabel serta menentukan jenis hubungan dari 2 (dua) variabel tersebut apakah hubungan Positif, hubungan Negatif ataupun tidak ada hubungan sama sekali. Bentuk dari Scatter Chart adalah gambaran grafis yang terdiri dari sekumpulan titik-titik (point)dari nilai sepasang variabel (Variabel X dan Variabel Y). Scatter Chart sering disebut juga dengan Scatter Chart, Scatter plot, Scattergram dan Scatter graph.

Bentuk sederhana dari Scatter Chart hanya terdiri dari plot data bivariate (berpasangan), yaitu untuk menggambarkan hubungan antara dua variabel. Scatter Chart sangat berguna untuk mendeteksi korelasi (hubungan)antara dua variable (faktor), sekaligus juga memperlihatkan tingkat hubungantersebut (kuat atau lemah). Scatter Chart juga menjadi dasar pembuatan chart yang sering digunakan dalam peramalan.

Pada pemanfaatannya, Scatter Chart membutuhkan data berpasangan sebagai bahan baku analisisnya, yaitu sekumpulan nilai x sebagai faktor yang independen berpasangan dengan sekumpulan nilai y sebagai faktor dependen.

Artinya, bahwa setiap nilai x yang didapatkan memberi dampak pada nilai y. Contohnya : 

Diperoleh data bahwa ada hubungan antara banyaknya complain (x) dengan jumlah retur barang (y) : 

x = 5 y = 50 eks.

x = 10 y = 120 eks. 

x = 12 y = 150 eks. dst. 

Melalui penggambaran data tersebut dalam Scatter Chart, akan dapat dilakukan analisa lebih lanjut, sejauhmana antara faktor x dan y memiliki korelasi, yang dalam hal ini direpresentasikan sebagai nilai r (rho), yaitu nilai yang menunjukkan tingkat keeratan hubungan antar faktor tersebut. Dikatakan kedua faktor itu berhubungan sangat erat bila nilai rho mendekati angka + 1. Di samping itu, juga akan dapat disimpulkan kecenderungan arah korelasitersebut (positif atau negatif).

Korelasi memiliki kecenderungan positif bila setiap pertambaha faktor x menyebabkan pertambahan faktor y, sebaliknya kecenderungan negatif bila setiap pertambahan menyebabkan pengurangan faktor y.

hubungan antara dua faktor, dengan menggunakan Scatter Chart, yaitu : 

1. Hubungan antara keluhan pelanggan dengan lamanya transaksi. 
2. Hubungan antara frekuensi pameran dengan peningkatan volume penjualan. 
3. Hubungan antara jumlah BPKB yang tidak diambil dengan akumulasi denda. 
4. Hubungan antara jumlah pertemuan QCC dengan banyak tema. 
5. Hubungan antara frekuensi keterlambatan pengiriman barang dengan jumlah keluhan pelanggan. 
6. Hubungan antara kecepatan Mesin dengan Kualitas Produk. 
7. Hubungan antara Jumlah Tenaga Kerja dengan Output yang dihasilkan. 
8. Hubungan antara Jumlah Jam kerusakan mesin dengan tingkat kecacatan yang terjadi. 
9. Hubungan antara Total Jam Lembur dengan tingkat absensi Tenaga Kerja. 
10. Hubungan antara Absensi dengan tingkat kerusakan produk. 

Dengan menggambar Scatter Chart, maka akan dapat diketahui : 

1. Apakah ada hubungan di antara kedua faktor ?
2. Bagaimana Trend atau Kecenderungan hubungan tersebut ?
3. Tujuan penggunaan Scatter Chart
4. Menguji bagaimana kuatnya hubungan antara dua variabel,
5. Menentukan jenis hubungan dari dua variabel itu, apakah po
6. Memastikan ³firasat´ akan hubungan sebab-akibat langsung antara jenis-jenis variable.sitif, negatif dan tidak ada hubungan. 

Contoh grafik scatter plot bisa dilihat seperti gambar dibawah ini !

Gambar di atas adalah scatter plot antara prosentase kepemilikan mobil pada suatu kota di Amerika Serikat dengan pendapatan rumah tangga. gambar 1 menunjukkan bahwa peningkatan prosentase kepemilikan mobil juga diikuti oleh pendapatan rumah tangga

Keeratan Hubungan

jika scatter plot membentuk pola yang menyerupai garis lurus seperti pada gambar 2, mengindikasikan bahwa ada hubungan yang erat antara variabel 1 dengan variabel 2. hubungan yang membentuk garis lurus biasa disebut dengan hubungan linier. hubungan linier bisa bisa membentuk hubungan yang positif dan negatif.

Hubungan Positif

jika plot yang terjadi seperti pada gambar 3, maka variabel 1 dan variabel 2 menunjukkanhubungan yang positif. Peningkatan yang terjadi pada variabel 1 juga diikuti peningkatan padavariabel 2. dan jika variabel 1 mengalami penurunan, variabel 2 juga mengalami penurunan bahasa mudahnya adalah kalau naik ya naik semua dan kalau turun ya turun semua

Hubungan Negatif

jika plot yang terjadi seperti pada gambar 4, maka variabel 1 dan variabel 2 menunjukkanhubungan yang negatif. Peningkatan yang terjadi pada variabel 1 diikuti penurunan oleh variabel 2. dan jika variabel 1 mengalami penurunan, variabel 2 akan mengalami peningkatan. bahasa mudahnya adalah kalau satunya naik yang lain turun dan kalau satunya turun maka yanglain akan naik

Hubungan Yang Rendah

jika plotnya menyebar seperti pada gambar 5, maka bisa disimpulkan bahwa hubungan antara variabel 1b dengan variabel 2 sangatlah kecil atau tidak ada hubungan.

Hubungan Non-Linier

Selain hubungan linier, kita juga bisa melihat hubungan yang lain seperti hubungan non linier.

jika plot yang terjadi membentuk curva seperti gambar 6, maka diindikasikan terjadi hubungannon linier antara 2 variabel.

Penyebaran Data

Data Melebar

Data Mengumpul

Scatter plot juga bisa digunakan untuk melihat penyebaran data. Apakah data menyebar ataukah mengumpul disuatu area.

Outlier

Scatter plot juga bisa menunjukkan kita adanya outlier. 0utlier adalah data yang ekstrim yang kemungkinan dihasilkan dari situasi yang tidak normal. kebanyakan peneliti akan mengambil data outlier ini untuk diteliti lebih lanjut.

2.5.1 Langkah-Langkah Membuat Scatter Chart (Diagram Tebar)

Berikut ini merupakan Langkah-langkah yang diperlukan dalam membuat Scatter Chart (Diagram Pencar) : 

• Pengumpulan data Lakukan pengumpulan sepasang data X dan Y yang akan dipelajari hubungannya kemudian masukkanlah data tersebut ke dalam sebuah Tabel. Usahakan pengumpulan pasangan data melebihi 30 pasangan data (n > 30) agar tingkat ke-akurasi-annya lebih tinggi. 
• Pembuatan Sumbu Vertikal dan Sumber Horizontal Tentukanlah nilai Maksimum dan nilai Minimum dari kedua data variabel X dan Y tersebut kemudian buatlah sumbu Vertikal dan sumbu Horizontal beserta skalanya sesuai dengan nilai Maksimum dan Nilai Minimum yang didapat. 
• Penebaran (Plotting) data Lakukanlah Penebaran data (data plotting) kedalam kertas yang telah dibuat pada langkah ke-2 (langkah pembuatan sumbu vertikal dan sumbu horizontal). 
• Pemberian Informasi Berikanlah informasi yang secukupnya untuk Scatter Chart tersebut seperti : 

1. Judul Grafik 
2. Banyaknya pasangan data 
3. Judul dan unit pengukuran untuk sumbu Vertikal dan Horizontal 
4. Interval Waktu 
5. Orang yang membuat dan penanggung Jawab Scatter Chart tersebut. 
6. RUMUS : Cara mendapatkan Koefisien Korelasi ( r )
7. “GAMBAR RUMUS SCATTER” 
8. r= Koefisien Korelasi 
9. n= Banyaknya Pasangan Data X dan Y 
10. ?x=Jumlah Nilai Variabel X 
11. ?y=Jumlah Nilai Variabel Y 
12. ?x2=Jumlah Kuadrat Nilai Variabel X 
13. ?y2=Jumlah Kuadrat Nilai Variabel X 
14. Range = -1 ? r ? +1 
15. r mendekati + 1 = Variabel X dan Y memiliki korelasi Positif Kuat 
16. r mendekati – 1 = Variabel X dan Y memiliki korelasi Negatif Kuat 
17. r mendekati 0 = Variabel X dan Y memiliki korelasi Sangat Lemah 
18. Dalam penentuan penyebab Dominan, maka nilai Koefisien Korelasi yang menentukan penyebab dominan adalah : r ? 0,501 
19. 
20. Kesimpulan yang dapat ditarik adalah Pencapaian SLS berhubungan langsung dengan 
21. Peningkatan pencapaian penjualan di cabang XYZ selama tahun 2005. Oleh karena itu 
22. SLS perlu selalu dijaga dan ditingkatkan performancenya karena akan berakibat positif 
23. pada penjualan. 

Contoh 1

Sebuah tim perencanaan kota, selama penyelidikan kecelakaan di jalan, mengidentifikasi beberapa kemungkinan penyebab. Tiga penyebab utama diduga: kecepatan kendaraan, kepadatan lalu lintas dan kondisi cuaca lokal. Karena tidak ada bukti yang jelas yang tersedia untuk mendukung salah satu hipotesis, mereka memutuskan untuk mengukur mereka, dan menggunakan Scatter Chart untuk memeriksa apakah hubungan antara salah satu penyebab cukup kuat untuk mengambil tindakan lebih lanjut. 

Untuk mendapatkan ukuran yang cukup, mereka membuat tindakan setiap hari selama dua bulan, menggunakan sensor jalan lokal dan laporan dari layanan ambulans. Scatter Chart digambar untuk setiap penyebab yang mungkin terhadap jumlah kecelakaan. Hasil memungkinkan kesimpulan berikut harus dibuat : 

• Ada korelasi rendah positif dengan kepadatan lalu lintas. 
• Ada korelasi disimpulkan dengan kondisi jalan. 
• Ada korelasi, positif dengan kecepatan tinggi lalu lintas, dengan kecelakaan dropping off lebih tajam di bawah 30 mph.

Akibatnya, langkah-langkah kontrol kecepatan lebih banyak lalu lintas yang dipasang, termasuk tanda-tanda dan permukaan. Hal ini mengakibatkan penurunan terukur dalam kecelakaan.

Contoh 2

Seorang tukang roti tersangka bahwa waktu berdiri dari adonan mempengaruhi cara naik. Sebuah Scatter Chart waktu bangkit melawan kepadatan roti diukur menunjukkan korelasi yang adil pada distribusi berbentuk U terbalik. Dengan demikian ia menggunakan waktu pada titik tertinggi pada kurva untuk mendapatkan kesempatan terbaik roti baik-bangkit. 

Diduga bahwa suhu tekan menyebabkan menolak dalam proses pembentukan plastik. Sebuah Scatter Chart menunjukkan korelasi positif yang tinggi, mendorong suatu redesign pers, termasuk penggunaan bahan lebih tahan panas.Hal ini menghasilkan penurunan yang signifikan dalam jumlah potongan ditolak. 

Sebuah plot gaji departemen SDM terhadap hasil survei motivasi. Hasilnya adalah korelasi negatif yang lemah. Sebuah Scatter Chart kedua, merencanakan waktu di perusahaan terhadap motivasi, memberikan korelasi yang lebih tinggi. Sebuah program motivasi ditargetkan sesuai dan menghasilkan peningkatan yang stabil dalam skor yang diberikan kepada motivasi dalam survei personil berikutnya perusahaan. 

Bagaimana melakukannya

1. Tentukan dua item yang ingin Anda bandingkan. Satu dapat diidentifikasi sebagai penyebab dicurigai dan yang lain sebagai efek dicurigai. Hal ini mungkin berasal dari penggunaan alat-alat lain, seperti Efek-Penyebab Hubungan Diagram atau Diagram.
2. Identifikasi pengukuran yang akan diambil. Keduanya harus variabel (yaitu diukur pada skala kontinu) dan itu harus mungkin untuk mengukur keduanya pada saat yang sama. Buatlah pengukuran sespesifik mungkin untuk mengurangi variasi dan meningkatkan kemungkinan hubungan yang lebih tinggi. Sebagai contoh, pengukuran dari bahan pemasok tunggal mungkin lebih baik daripada mengukur semua bahan yang disediakan. 
3. Membuat 50-100 pasang pengukuran. Ketika melakukan hal ini, bertujuan untuk menjaga semua variabel lain stabil mungkin, karena dapat mengganggu dengan angka akhir. Berhati-hatilah ketika mengukur perilaku manusia, sebagai tindakan pengukuran dapat menyebabkan orang diukur untuk mengubah perilaku mereka, terutama jika mereka mencurigai mereka mungkin kehilangan keluar dalam beberapa cara. 
4. Plot diukur pasang di Scatter Chart. Desain sumbu dan sisik pada diagram untuk memberikan penyebaran maksimum visual poin. Ini mungkin melibatkan menggunakan skala yang berbeda dan membuat sumbu salib di non-nilai nol (seperti pada gambar dibawah). Jika menyelidiki hubungan sebab-akibat yang mungkin, alur sebab dicurigai pada sumbu x (horizontal) dan efek dicurigai pada sumbu y (vertikal). 
5. Jika korelasi tinggi, kemunduran ('rata-rata') line dapat ditarik melalui titik merencanakan, untuk menekankan tren. Hal ini dapat dihitung atau diperkirakan dengan mata (meskipun hal ini harus dibuat jelas bagi pembaca masa depan diagram). 
6. Jika korelasi cukup linear, maka koefisien korelasi dapat dihitung.
7. Menafsirkan diagram dan bertindak sesuai. Hal ini mungkin untuk mengidentifikasi perbaikan atau untuk memungkinkan estimasi nilai efek masa depan. Jika yang terakhir, standard error dapat dihitung, seperti pada gambar di bawah ini. 

Bila menggunakan Scatter Chart untuk memperkirakan nilai dampak masa depan, hanya memperkirakan dalam kisaran korelasi diketahui, sebagai bentuk dapat berubah di luar kisaran tersebut.

2.5.2 Praktis Variasi

• Jika titik pada Scatter Chart bertepatan dengan poin lainnya, fakta bahwa satu titik sebenarnya adalah dua atau lebih mungkin akan disorot oleh keberanian mereka atau dengan menggunakan lingkaran konsentris.
• Jika pengukuran sulit diperoleh, sesedikit 30 pasangan pengukuran dapat digunakan.
• Gunakan Tabel Korelasi ketika kebetulan beberapa poin diukur, biasanya ketika ada sejumlah posisi mungkin. Ini secara efektif lintas antara Scatter Chart dan Check Sheet, dimana setiap posisi xy diwakili oleh kotak di mana beberapa poin dapat diindikasikan.

• Pisahkan set pengukuran dapat ditampilkan pada Scatter Chart yang sama, yang dapat dibedakan dari satu sama lain dengan menggunakan spidol berbentuk berbeda untuk setiap set poin. Pemakaian khas adalah di mana satu variabel yang sedang berubah, misalnya untuk menunjukkan pengukuran bahan dari pemasok yang berbeda.
• Mana korelasi non-linear muncul, perkiraan kasar dapat dilakukan dengan menggunakan mereka dengan membagi mereka ke dalam bagian sekitar linear dan menghitung garis regresi dan standard error seperti di atas.

2.6 Stepped Chart

Stepped chart visualisasi data yang digunkan untuk memberikan informasi berupa kenaikan dan penurunan sebuah data informasi, seperti halnya area chart, namun perbedaannya pada stepped chart menggunkan garis yang membentuk seperti kotak/balok.

Stepped biasanya digunakan untuk memberikan informasi seperti data informasi produksi perusahaan, dengan menggunakan diagram ini bias terlihat kenaikan dan penurunan sebuah produksi perusahaan, sehingga stepped chart biasa digunakan untuk memberikan informasi data yang berupa kenaikan dan penurunan.

Stepped terdiri dari dua sumbu x dan y dalam penampilannya seperti pada gambar diatas, untuk peningkatan jumlah bias dilihat berwarna hijau dan penurunan berwarna merah.

Contoh penjelasan :

Pada diagram diatas memberikan atau berupa diagram tentang tinggi sebuah salju pada permukaan tanah, cara pembacaan stepped chart cukup mudah kita tinggal melihat arah garis yang dibentuk jika keatas maka mengalami kenaikan dan kebawah mengalami penurunan. Pada contoh diatas mislnya pada desember-20 salju mengalami peningkatan yaitu tingginya bertambah 20cm dari 60 ke 80 cm. dan kemudian hingga dec-24 tidak mengalami peningkatan sehingga terlihat garisnya lurus, dan mengalami peningkatan lagi pada dec-2 dan penurunan pada sekitar dec-25. Pembacaannya hanya tinggal melihat arah garisnya saja. 

2.6.1 Perbedaan Stepped Chart Dengan Line Chart

Sebuah grafik langkah dapat berguna ketika Anda ingin menunjukkan perubahan yang terjadi pada interval yang tidak teratur. Misalnya, kenaikan harga di produk susu, bensin, tarif pajak, suku bunga, dll.

Karena stepped chart hamper mirip dengan line chart atau diagram garis, namun terdapat beberapa perbedaan, bisa lihat pada contoh dibawah ini :

2.6.1.1 Stepped Chart Vs. Line Chart

Sebuah diagram garis cenderung akan menghubungkan titik data sedemikian rupa seperti yang terlihat .diagram garis cenderung lebih terfokus pada hal seperti itu , dan bukan perubahan waktu yang tepat.

Sebaliknya, diagram langkah menunjukkan waktu yang tepat dari perubahan data bersama dengan kecenderungan.

Anda dapat dengan mudah melihat periode waktu di mana tidak ada perubahan, dan dapat membandingkan besarnya perubahan pada setiap contoh.

Berikut adalah contoh dari kedua garis grafik dan langkah grafik - dibuat menggunakan data set yang sama (harga bensin di India). 

Kedua grafik ini terlihat mirip, namun grafik garis agak menyesatkan. Ini memberi kesan bahwa harga bensin sudah naik secara konsisten selama Mei 2015 dan Juni 2015 (lihat gambar di bawah). Tetapi jika Anda melihat grafik langkah, Anda akan melihat bahwa kenaikan harga terjadi hanya pada dua kesempatan.

Demikian pula, line chart menunjukkan sedikit penurunan selama September sampai November, sedangkan grafik langkah akan memberitahu Anda bahwa ini adalah masa tidak aktif (lihat gambar di bawah).

Dengan melihat kasus diatas dapat kita simpulkan bahwa diagram langkah memberi penjelasan yang lebih details dan jelas dibanding diagram garis untuk beberapa kasus. Sehingga kita harus pandai menggunakan diagram yang mana yang cocok untuk kasus yang ada.