Langsung ke konten utama

Mengenal Pemanfaatan Tableau

Pendahuluan pemanfaatan Tableau dalam Data Science

Penggunaan Tableau 

Data sebagai “The New Oil” sebagaimana tertuang dalam naskah pidato kenegaraan presiden RI beberapa waktu lalu, menjadi sesuatu yang menarik banyak kalangan, khususnya peminat data statistik. Kesadaran data yang kian meningkat menjadikan data tidak hanya berhenti di dalam sebuah kolom dan baris kuesioner saja, tetapi berubah menjadi tampilan-tampilan menarik sekaligus menjadi bahan baku pengambilan kebijakan dan pembangunan.

Tableau hadir sebagai perangkat untuk menjawab tantangan kebutuhan tersebut. Di tengah permintaan data yang begitu cepat, dengan volume yang besar, serta variasi yang tinggi, Tableau menjadi sebuah alat olah sekaligus visualisasi data untuk mengangkat temuan-temuan di balik data. Visualisasi data sendiri didefinisikan sebagai bentuk-bentuk hasil olah data baik berupa tabel, grafik, diagram, histogram, atau bentuk turunan dan variasinya sedemikian rupa sehingga lebih menarik dan mengandung insight bagi pembacanya.

Di era Data Science, Tableau mampu menjadi alternatif baru untuk memvisualisasikan data lebih powerful sejak berdiri tahun 2003 di Seattle Washington, Amerika Serikat. Menurut Satria (2020), Tableau merupakan interactive data visualization yang berfokus pada business intelligence dengan beberapa jenis produk ikutan, seperti Tableau Dekstop, Tableau Server, Tableau Online, Tableau Reader, dan Tableau Mobile.

Kelebihan Tableau 

Tableau adalah paket olah sekaligus visualisasi data yang penting bagi mereka yang bekerja dengan data. Sebagai software yang powerfull, Tableau merupakan produk yang menyediakan beragam pilihan visualisasi sekaligus alat analisis sebuah data. Hal tersebut merupakan kelebihan utama dari Tableau. Adapun secara spesifik, kelebihan Tableau dapat diuraikan beberapa poin berikut:

1. Pilihan visualisasi beragam dan interaktif. Di dalam Tableau, terdapat banyak visualisasi pilihan untuk sebuah data. Mulai dari visualisasi dasar yang akan diuraikan pada bagian berikutnya, hingga visualisasi yang bersifat lanjutan (advance). Selain itu, kita dapat memvisualisasikan data kita menjadi tampilan menarik dengan memanfaatkan template visualisasi yang telah diciptakan oleh orang lain. Dengan demikian, selain sebagai sarana visualisasi, kita dapat memperkaya pengetahuan bagaimana membangun visualisasi data yang unik dan insightfull.

2. User friendly. Tableau adalah software yang dapat digunakan untuk keperluan visualisasi dan analisis data yang mudah. Untuk dapat mahir menggunakan Tableau, pengguna tidak harus memiliki kemampuan coding atau menguasai bahasa pemrograman.

3. Dapat mengolah data dengan dimensi yang besar. Tableau mempunyai kapasitas besar untuk “membaca” atau load data yang berukuran besar.

4. Dashboard yang dibangun bersifat mobile friendly. Dengan menggunakan Tableau, kita dapat membuat dashboard sendiri secara mudah dan hasilnya dapat dipublikasikan untuk memperluas manfaat visualisasi dan analisis data yang kita buat.

5. Terintegrasi dengan bahasa pemrograman lain. Tableau juga memiliki kemampuan untuk penghitungan yang lebih rumit. Tableau telah terintegrasikan dengan bahasa R dan Python untuk keperluan visualisasi dan analisis data;

6. Membuat visualisasi data tanpa banyak coding. Adakalanya, kita harus memerlukan sejumlah code untuk dapat memvisualisasikan dan menganalisis data. Tetapi, dengan Tableau kita dominan menggunakan perintah drag and drop data pada lembar kerja (Sheet) yang ada untuk kemudian kita analisis visualisasinya;

7. Tekstur visualisasi relatife lebih halus

Kelemahan Tableau

Sebagai sebuah software buatan, Tableau juga memiliki beberapa kelemahan. Di antaranya adalah rumitnya coding yang diperlukan jika kita tidak berlangganan Tableau versi berbayar. Sebab, pada versi Free, fitur-fitur yang tersedia di Tableau terbatas sehingga untuk visualisasi tingkat lanjut (advanced) memerlukan coding.

Tableau juga melambat untuk me-load data-data yang berdimensi cukup besar, misalkan jika kita menggunakan big data, maka untuk dapat melakukan proses visualisasi dan analisis proses import dan load data memerlukan waktu yang relative lama. Mengingat fitur utama Tableau yang ada dan versi free cukup banyak, maka dibutuhkan proses pengenalan fungsi setiap fitur yang cukup lama, terutama bagi mereka yang ingin menguasai penggunaan Tableau untuk keperluan business intelligence (BI).

Perbandingan Tableau dan Power BI

Secara historis, tren masyarakat Indonesia terhadap penggunaan software Tableau dan Power BI terdeteksi sekitar 10 tahun yang lalu. Hingga kini, tren penggunakan dua software ini kian meningkat seiring dengan semakin maraknya profesi dan lapangan pekerjaan yang berhubungan dengan data. Berdasarkan indeks pencarian Google Trends 5 tahun terakhir, indeks pencarian kedua software ini semakin bergeliat.

Google Trend Index Pencarian Tableau dan Power BI

Berdasarkan gambar (1), terlihat bahwa indeks pencarian software Tableau di Indonesia sedikit lebih tinggi daripada Power BI. Secara sekilas dapat kita simpulkan bahwa penggunaan Tableau di Indonesia sedikit lebih populer dibandingkan Power BI. Pola kepopuleran yang mirip ini memperlihatkan bahwa masing-masing memiliki kelebihan yang dapat kita bandingkan sebagai berikut:

Tabel Perbedaan Tableau dan Power BI
Label:

Komentar

Posting Komentar

Postingan populer dari blog ini

Mencari P - Value dan Titik Kritis Uji F, Uji t, Uji Chi Square, dan Uji Z Normal dengan R

Mencari nilai p-value dan titik kritis Bagi teman-teman yang pernah mengenal statistika, pasti familier dengan istilah p-value dan titik kritis. P-value biasanya didefinisikan sebagai probabiltas atau peluang maksimal yang diamati dari hasil uji statistik, bahasa gampangnya adalah besarnya kesalahan penelitian berdasarkan uji statistik. Sebagai contoh sederhana, dari 100 orang dengan nama masing-masing dan diklasifikasikan ke dalam gender nama perempuan dan nama laki-laki, didapatkan nilai p-value uji statistiknya sebesar 0,05 atau 5%. Itu artinya, dari 100 orang, ada kemungkinan sebanyak 5 orang yang namanya salah klasifikasi. Dari namanya terdeteksi sebagai nama perempuan, padahal aktualnya yang bersangkutan bergender laki-laki. Sedangkan titik kritis atau titik uji adalah nilai batas pengujian hipotesis statistik, apakah masuk dalam wilayah tolak hipotesis, ataukah gagal menolaknya. Titik ini berkaitan erat dengan nilai p-value . Kalau biasanya kita mendapatkan kedua nilai ini da...
Posting Komentar
Baca selengkapnya

Cara Mendowload dan Install R serta RStudio di Windows (Step by Step)

Cara Download dan Install R serta R Studio di Windows Halo teman-teman, mohon maaf karena beberapa waktu ini, blog ini sempat vakum dari unggahan. Kali ini saya akan coba berbagai mengenai bagaimana cara mengunduh ( download ) dan menginstal ( install ) program R sekaligus R Studio khususnya di Windows. Unggahan kali ini sedikit terbalik karena semestinya saya unggah terlebih dahulu pertama kali di blog ini, namun bukan masalah, mengingat kemarin ada beberapa pihak yang meminta untuk menerangkap bagaimana tahapan mengunduh dan instalasi R dan R Studio, jadinya saya dahulukan pada unggahan ini sebelum pembahasan mengenai Data Mining , Data Science , atau bahasan Big Data kita terlampau jauh. Baik, kita akan mulai dengan bagaimana mengunduh R dan R Studio melalui mesin pencari Google. R dan R Studio ini memang beberapa waktu terakhir ini booming , apalagi dengan munculnya konsep mengenai Big Data , Data Modelling, Data Mining, dan Data Science serta Data Visualization . Sebenarnya, men...
2 komentar
Baca selengkapnya

Analisis Tipologi Klassen (Klassen Typology) dan Visualisasi Spasialnya dengan R

Tipologi Klassen dan visualisasinya dengan R Halo teman-teman, sebelumnya kita telah membahas tentang analisis Shift Share dan Location Quotient (LQ) dengan menggunakan R. Kali ini, kita akan membahas mengenai satu lagi alat analisis yang sebenarnya merupakan alat analisis tiga serangkai dari SS dan LQ, yaitu analisis Tipologi Klassen. Dalam penelitian ekonomi kewilayahan, ketiga analisis ini seringkali digunakan, baik dalam rangka melihat perkembangan dan transformasi struktur ekonomi suatu wilayah maupun melihat keunggulan kompetitif dan keunggulan komparatif wilayah satu dengan wilayah lainnya dengan mengacu wilayah referensi. Terlebih dulu, sebelum melakukan visualisasi spasial menggunakan fungsi plot(), ada baiknya kita bahas terlebih dahulu mengenai Tipologi Klassen itu sendiri. Tipologi Klassen merupakan teknik pengelompokan sektor, subsektor, lapangan usaha, atau komoditas tertentu di wilayah analisis berdasarkan pertumbuhan nilai tambah wilayah analisis terhadap nasional atau...
Posting Komentar
Baca selengkapnya