Banyak Dihindari? 4 Cara membuat Pie Chart Lebih Baik!

Pie chart sering dianggap praktik buruk di dunia visualisasi data sehingga sering dihindari. Bahkan ada banyak artikel yang mencercanya dengan judul seperti " Orang-orang, Tolong Berhenti Menggunakan Diagram Lingkaran”.

Tentunya berbagai kontroversial tersebut bukan tanpa dasar sama sekali, melainkan terdapat berbagai pertimbangan mulai dari potensi menyesatkan informasi, keterbatasan jumlah data yang ditampilkan agar tetap efektif dan lain sebagainya.

Namun demikian, bukan berarti pie chart tidak dapat dimanfaatkan sama sekali, terdapat beberapa hal yang perlu diperhatikan agar pie chart dapat berfungsi dengan efektif.

Pada artikel ini kita akan membahas berbagai hal yang perlu diperhatikan tersebut. Sebelum itu, mungkin kita perlu memahami definisi pie chart, yaitu sebuah bagan atau grafik menunjukkan bagaimana jumlah total dibagi antara tingkat variabel kategori yang tergambar dari sebuah lingkaran yang dibagi menjadi beberapa irisan.

Bagaimana Cara Membuat Pie Chart Lebih Baik?

Kita menyadari tujuan utama dilakukan visualisasi adalah mempermudah kita memahami data secara efektif dan efisien. Cara membuat pie chart lebih baik adalah memastikan diagram yang dihasilkan selaras dengan tujuan utama dilakukannya visualisasi, yaitu mempermudah memahami data. Berikut 4 cara membuat pie chart lebih baik !

1. Sertakan Anotasi

Sebenarnya sangat sulit untuk membedakan proporsi yang tepat dari diagram lingkaran, di luar pecahan kecil seperti 1/2 (50%), 1/3 (33%), dan 1/4 (25%). Selain itu, jika nilai irisan dimaksudkan untuk menggambarkan jumlah dan bukan proporsi, diagram lingkaran biasanya tidak memiliki tanda centang untuk memungkinkan estimasi nilai langsung dari ukuran irisan. Karena alasan inilah anotasi merupakan penyertaan standar untuk diagram lingkaran dengan tujuan mempermudah pembaca.

2. Pertimbangkan Urutan Irisan

Urutan irisan yang baik dapat mempermudah pembaca untuk memahami apa yang dikatakan plot. Pengurutan tipikal dimulai dari irisan terbesar hingga irisan terkecil, sangat berguna bila ada kategori dengan nilai yang sangat mirip. Namun, jika level kategori memiliki urutan yang melekat, maka memplot irisan dalam urutan tersebut biasanya lebih baik.

Untuk memilih titik awal, sebaiknya plot irisan dari arah pas di angka dua belas dalam jam. Alat visualisasi biasanya akan dimulai dari kanan atau dari atas. Meskipun memulai dari kanan memiliki dasar matematis terkait konvensi pengukuran sudut, memulai dari atas terasa lebih intuitif, karena cocok dengan cara kita membaca dari atas ke bawah, dan cara kita berpikir tentang perkembangan waktu pada jam atau tampilan jam.

Kami tidak mengurutkan berdasarkan ukuran di sini karena labelnya atau setiap kategori bermakna.

3. Batasi Jumlah Irisan Pie

Bagan pie dengan jumlah irisan yang banyak bisa jadi sulit dibaca. Sulit untuk melihat irisan terkecil, dan sulit untuk memilih warna yang cukup untuk membuat semua irisan berbeda. Rekomendasi bervariasi, tetapi jika Anda memiliki lebih dari lima kategori, Anda mungkin ingin memikirkan untuk menggunakan jenis bagan yang berbeda, seperti bar chart. Sebagai solusi lain, Anda dapat mempertimbangkan untuk menggabungkan irisan kecil menjadi satu irisan dengan nama 'lainnya', diwarnai abu-abu netral seperti contoh di bawah.

4. Hindari Efek Distorsi

Membaca diagram lingkaran secara akurat mengharuskan area irisan, panjang busur, dan sudut semuanya mengarah ke representasi data yang akurat. Meskipun menghindari efek 3-d adalah ide bagus untuk plot apa pun, ini sangat penting untuk diagram lingkaran. Memencet atau merentangkan lingkaran atau menambahkan kedalaman yang tidak perlu dapat dengan mudah mendistorsi seberapa besar setiap irisan dibandingkan dengan keseluruhan.

Pada contoh di atas , irisan ungu terlihat lebih besar daripada irisan biru tua di belakang, tetapi mungkin ukurannya sama, karena irisan biru lebih pendek. Sudutnya juga sulit diukur.

Apabila kita melihat gambar di atas kanan (bentuk 3D) maka terlihat bagian B memiliki nilai serupa dengan nilai A padahal nilai sebenarnya sangat terlihat jelas pada gambar kiri (bentuk 2D). Hal tersebut diakibatkan dari adanya efek sudut pandang yang berbeda sehingga berpotensi menghasilkan kesalahan pemahaman.

Kapan Anda Perlu Menggunakan Pie Chart?

Anda dapat menggunakan pie chart dalam beberapa situasi seperti berikut:

1. Jumlah Data Sedikit

Jika Anda memiliki data yang jumlahnya terbatas atau tidak terlalu banyak, maka pie chart dapat menjadi pilihan yang baik untuk menampilkan informasi tersebut. Pie chart akan membantu Anda menunjukkan proporsi atau persentase dari setiap kategori data dengan jelas dan tentunya menarik.

2. Perlu Membandingkan dengan Total Data

Ketika Anda ingin menunjukkan bagaimana setiap kategori data berkontribusi terhadap keseluruhan data, maka pie chart bisa menjadi pilihan yang tepat. Pie chart akan membantu Anda menunjukkan persentase dari setiap kategori data dalam hubungannya dengan total data secara visual.

3. Perbandingan Nilai antar Kategori Relatif Besar

Jika Anda ingin menyoroti perbedaan besar antara proporsi dari beberapa kategori data, maka pie chart dapat membantu Anda dengan jelas menunjukkan perbandingan tersebut. Dalam pie chart, ukuran dan warna yang berbeda dapat digunakan untuk membedakan setiap kategori dan memudahkan pembaca untuk memahami perbandingan antara kategori.

Ketiga kondisi di atas dapat membantu penggunaan pie chart lebih efektif, karena kembali ke tujuan utama visualisasi data, yaitu mempermudah bukan malah mempersulit memahami data.

Kapan Anda Tidak Perlu Menggunakan Pie Chart?

Meskipun pie chart dapat menjadi alat visualisasi yang berguna dalam beberapa situasi, ada beberapa situasi di mana pie chart tidak diperlukan atau bahkan tidak disarankan, seperti:

1. Jumlah Data Banyak

Pie chart cenderung kurang efektif ketika jumlah kategori data terlalu banyak. Jika Anda memiliki banyak kategori data, bar chart atau grafik lainnya mungkin lebih baik untuk menampilkan data tersebut dengan jelas dan mudah dipahami.

2. Tidak Perlu Membandingkan dengan Total Data

Jika Anda hanya perlu menunjukkan perbandingan antara beberapa kategori data tanpa perlu membandingkannya dengan total data, maka pie chart mungkin tidak diperlukan. Bar chart atau grafik lainnya dapat digunakan untuk menampilkan data dengan lebih efektif dalam situasi seperti ini.

3. Perbandingan Nilai antar Kategori Relatif Kecil

Pie chart juga tidak ideal untuk menunjukkan perbandingan antara kategori yang proporsinya relatif kecil. Ketika perbedaan antara proporsi kategori tidak signifikan, pie chart mungkin tidak akan memberikan informasi yang jelas atau berguna. Sebaliknya, grafik lain seperti bar chart atau line chart mungkin lebih cocok untuk menampilkan data tersebut dengan lebih efektif.

Jadi, perlu diingat bahwa pemilihan jenis grafik tergantung pada situasi dan karakteristik data yang hendak ditampilkan. Pie chart bukanlah satu-satunya jenis grafik yang tersedia, dan kadang-kadang grafik lain mungkin lebih sesuai untuk tujuan tertentu.

Kesimpulan

Kita telah mempelajari banyak hal terkait pie chart yang menjadi diagram yang kontroversial sehingga banyak dihindari penggunaannya. Namun demikian, tentu saja pie chart tetap dapat berguna dan efektif apabila memperhatikan berbagai hal untuk meminimalisir potensi kekeliruan dan meningkatkan efektivitas pie chart. Seperti yang sudah kita ulas di atas terkait bagaimana membuat pie chart lebih baik yang terdiri dari  4 poin, yaitu sertakan anotasi, pertimbangkan urutan irisan, batasi jumlah irisan pie dan hindari efek distorsi. Setelah itu, kita juga mempelajari kapan kita perlu menggunakan pie chart, yaitu ketika jumlah data sedikit, perlu membandingkan dengan total data, dan perbandingan nilai antar kategori relatif besar. Terakhir kita juga membahas kapan kita tidak perlu menggunakan pie chart, yaitu ketika jumlah data banyak, tidak perlu membandingkan dengan total data, dan perbandingan nilai antar kategori relatif kecil. Data dan pengolahannya seperti visualisasi data berhasil mempermudah pemangku kepentingan untuk memperoleh insight yang berguna bagi perusahaan. Kemudahan ini pun dapat diperoleh oleh Anda dan perusahaan di berbagai industri. Jika Anda tertarik mempelajari Data dan pemanfaatannya lebih lanjut seperti belajar berbagai  teknik visualisasi data hingga berkarir di dunia data menjadi seorang Data Scientist handal, Anda dapat mengikuti Bootcamp Algoritma DataScience yang memiliki serangkaian program yang dapat membantu Anda menguasai dunia data di industri yang Anda minati. Yuk, bergabung bersama Algoritma sekarang!