Pendahuluan

Visualisasi data merupakan tahap penting dalam proses analisis karena membantu menyajikan informasi kompleks menjadi bentuk yang lebih mudah dipahami secara visual. Dengan menggunakan visualisasi, pola, tren, hubungan, serta distribusi data dapat diidentifikasi dengan lebih cepat dibandingkan hanya melihat tabel angka. Oleh karena itu, visualisasi berperan besar dalam mendukung proses eksplorasi data serta pengambilan keputusan berbasis data.

Pada analisis ini digunakan dataset diamonds yang tersedia di RStudio, yang berisi informasi mengenai karakteristik berlian seperti berat (carat), harga (price), kedalaman (depth), ukuran meja (table), warna, kejernihan, dan kualitas potongan. Dataset ini sering digunakan sebagai contoh eksplorasi data karena memiliki banyak variabel numerik dan kategorik yang memungkinkan berbagai jenis visualisasi.

Untuk memahami pola dalam data secara lebih komprehensif, dibuat beberapa jenis grafik yaitu hexbin plot, 2D density plot, line plot, dan bubble plot. Masing-masing visualisasi dipilih karena memiliki fungsi analitis yang berbeda: hexbin dan density plot untuk melihat kepadatan distribusi data, line plot untuk menampilkan pola tren berdasarkan ringkasan data, serta bubble plot untuk memperlihatkan hubungan tiga variabel sekaligus. Melalui visualisasi-visualisasi ini, diharapkan dapat diperoleh gambaran yang lebih jelas mengenai karakteristik dan hubungan antar variabel pada dataset diamonds.

suppressPackageStartupMessages(library(dplyr))
library(ggplot2)
library(hexbin)

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_hex() +
  labs(
    title = "Hubungan Berat Berlian dan Harga",
    x = "Carat",
    y = "Price"
  ) +
  theme_minimal()

## Interpretasi Berdasarkan visualisasi tersebut, terlihat bahwa terdapat hubungan positif antara berat berlian (carat) dan harga (price), di mana semakin besar nilai carat maka harga berlian cenderung semakin tinggi. Sebagian besar berlian berada pada kisaran 0,5 hingga 1,5 carat dengan harga sekitar 1.000 hingga 10.000, yang ditunjukkan oleh area dengan warna lebih terang karena jumlahnya lebih banyak. Untuk berlian dengan carat di atas 3, jumlahnya lebih sedikit namun harganya jauh lebih tinggi dan memiliki variasi yang lebih besar. Pola kenaikan harga juga tidak sepenuhnya linear karena pada carat yang lebih besar harga meningkat lebih tajam dan penyebarannya semakin lebar, sehingga dapat disimpulkan bahwa berat berlian sangat memengaruhi harga, meskipun kemungkinan ada faktor lain yang turut berperan.

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_density_2d_filled() +
  labs(
    title = "2D Density Plot: Carat vs Price",
    x = "Carat",
    y = "Price"
  ) +
  theme_minimal()

## Interpretasi Plot kepadatan 2D Carat vs Price menunjukkan bahwa mayoritas observasi terkonsentrasi pada berlian dengan ukuran karat kecil (sekitar <1 karat) dan harga relatif rendah, yang ditandai oleh area berwarna lebih terang dengan kepadatan tertinggi. Terlihat pola hubungan positif antara carat dan price, di mana harga cenderung meningkat seiring bertambahnya ukuran karat, meskipun kepadatannya semakin menurun pada nilai karat dan harga yang lebih tinggi. Hal ini mengindikasikan bahwa berlian berukuran besar dan berharga tinggi relatif jarang dibandingkan berlian berukuran kecil, serta variasi harga menjadi semakin lebar seiring meningkatnya carat.

avg_price <- diamonds %>%
  group_by(cut) %>%
  summarise(mean_price = mean(price))

ggplot(avg_price, aes(x = cut, y = mean_price, group = 1)) +
  geom_line(color = "darkgreen") +
  geom_point(size = 3, color = "darkgreen") +
  labs(
    title = "Rata-rata Harga Berdasarkan Kualitas Potongan",
    x = "Cut",
    y = "Mean Price"
  ) +
  theme_minimal()

## Interpretasi Berdasarkan grafik tersebut, terlihat bahwa rata-rata harga berlian berbeda pada setiap kualitas potongan (cut). Berlian dengan kualitas Premium memiliki rata-rata harga tertinggi, diikuti oleh Fair, kemudian Very Good dan Good yang memiliki nilai rata-rata yang tidak terlalu jauh berbeda. Sementara itu, kualitas Ideal justru memiliki rata-rata harga paling rendah dibandingkan kategori lainnya. Hal ini menunjukkan bahwa harga berlian tidak selalu meningkat seiring dengan kualitas potongan, sehingga kemungkinan terdapat faktor lain seperti berat (carat), warna, atau kejernihan yang juga memengaruhi rata-rata harga pada tiap kategori potongan.

ggplot(diamonds, aes(x = carat, y = price, size = depth)) +
  geom_point(alpha = 0.5, color = "steelblue") +
  labs(
    title = "Bubble Plot: Hubungan Carat dan Price",
    x = "Carat",
    y = "Price",
    size = "Depth"
  ) +
  theme_minimal()

## Interpretasi Berdasarkan bubble plot tersebut, terlihat adanya hubungan positif antara carat dan price, di mana semakin besar berat berlian maka harganya cenderung semakin tinggi. Titik-titik membentuk pola naik dari kiri bawah ke kanan atas, menunjukkan bahwa carat merupakan faktor yang sangat memengaruhi harga. Ukuran gelembung merepresentasikan nilai depth, dan terlihat bahwa variasi depth tersebar di berbagai tingkat carat dan harga tanpa pola yang terlalu mencolok. Hal ini menunjukkan bahwa meskipun depth bervariasi, pengaruhnya terhadap harga tidak sekuat pengaruh carat. Secara keseluruhan, grafik ini menegaskan bahwa berat berlian memiliki hubungan yang lebih dominan terhadap harga dibandingkan depth.

VISUALISASI DATA TUGAS 5

Salsabila Ashifa

2026-02-26

Pendahuluan

Kesimpulan