Data Visualization
SD25-32001 | 3 (2-1) SKS
📋 Informasi Mata Kuliah
Mata kuliah ini membahas teknik dan prinsip visualisasi data untuk membuat representasi visual yang interaktif dan informatif dari data.
Dosen
Ahmad Luky Ramdani
Ira Safitri
Dimas Dwi Randa
Ira Safitri
Dimas Dwi Randa
Waktu
Senin, 13:00 - 14:30
Selasa, 13:00 - 14:30
Rabu, 13:00 - 14:30
Selasa, 13:00 - 14:30
Rabu, 13:00 - 14:30
Ruangan
Ruangan kelas perkuliahn di ITERA
Semester
Genap 2025/2026
📅 Rencana Pembelajaran Semester (RPS)
Minggu 1
What's Vis, and Why Do It?
🎯 Tujuan Pembelajaran:
Mahasiswa mampu memahami konsep dasar visualisasi data secara umum dan pentingnya dalam analisis data. Memahami konsep Humman in the Loop, visual recognition, dan preattentive processing.
📚 Topik Bahasan
- Fondasi Visualisasi
- Mengapa Menggunakan Visual?
- Tantangan Desain
- Metodologi & Batasan
📁 Materi & Link:
Slide Pertemuan 1
✏️ Tugas: Cari 1 contoh visualisasi data di internet dan jelaskan mengapa visualisasi tersebut menarik atau buruk di internet.
Minggu 2
What: Data Abstraction
🎯 Tujuan Pembelajaran:
Mahasiswa mampu memahami pentingnya data abstraction dalam visualisasi.
📚 Topik Bahasan
- Tipe dataset
- Tipe data
- Dimensi data
- Data abstraction dalam visualisasi
- Semantik data
✏️ Tugas: Detail tugas dapat dilihat pada halam terakhir dari slide presentasi (Slide).
Minggu 3
Why: Task Abstraction?
🎯 Tujuan Pembelajaran:
- Menerjemahkan (Translate): Mengubah deskripsi tugas yang sangat spesifik dari suatu domain (misal: ekonomi, biologi) menjadi bahasa abstraksi tugas yang umum.
- Mengidentifikasi (Identify): Mengenali pola tindakan pengguna (actions) dan sasaran data (targets) yang ingin dicapai.
- Menganalisis (Analyze): Membedakan antara tujuan penggunaan visualisasi (apakah untuk presentasi, penemuan, atau sekadar menikmati data).
- Mendesain (Design): Memilih teknik visualisasi yang paling sesuai berdasarkan jenis tugas yang telah diabstraksikan.
📚 Topik Bahasan
- Actions (Tindakan): Apa yang dilakukan pengguna? - Analyze (Menganalisis), Search (Mencari) dan Query (Menanyakan)
- Targets (Target): Apa yang dicari di dalam data? - High-level (Seluruh Data), Atribut, Data Relasional (Networks/Trees) dan Data Spasial
✏️ Tugas: Detail tugas dapat dilihat pada halam terakhir dari slide presentasi (Slide).
Minggu 4
Analysis: Four Levels for Validation
Minggu 5
Marks and Channels
Minggu 6
Rules of Thumb
Minggu 7