Visualisasi Data yang Melanggar Prinsip ACCENT

Berikut visualisasi data yang melanggar prinsip ACCENT yang dikembangkan kelompok 4:

library(datasets) #untuk data set crimtab
data(esoph)
esoph<-tibble::as_tibble(datasets::esoph)

Data yang digunakan pada praktikum kali ini adalah data esoph.

Data from a case-control study of (o)esophageal cancer in Ille-et-Vilaine, France.

esoph %>%  kbl() %>%  kable_styling()  %>% scroll_box(height = "200px")

summary(esoph) #melihat ringkasan data

##    agegp          alcgp         tobgp        ncases         ncontrols    
##  25-34:15   0-39g/day:23   0-9g/day:24   Min.   : 0.000   Min.   : 1.00  
##  35-44:15   40-79    :23   10-19   :24   1st Qu.: 0.000   1st Qu.: 3.00  
##  45-54:16   80-119   :21   20-29   :20   Median : 1.000   Median : 6.00  
##  55-64:16   120+     :21   30+     :20   Mean   : 2.273   Mean   :11.08  
##  65-74:15                                3rd Qu.: 4.000   3rd Qu.:14.00  
##  75+  :11                                Max.   :17.000   Max.   :60.00

Berikut syntax graphic yang masih memiliki kesalahan ACCENT yang dikembangkan kelompok 4 yang akan diperbaiki:

esoph = esoph %>%  filter(agegp != '45-54')

myplot<-ggplot()+
  geom_point(aes(x=ncases,
                 y=ncontrols,
                 colour=factor(round(ncases)),
                 shape =factor(round(ncases))),
             data=esoph)+ scale_y_reverse()+
  labs(caption ="Scatter Plot Kasus Kanker vs Kontrol")+
  theme(axis.title.x=element_blank(),
        axis.title.y=element_blank())
myplot

## Warning: The shape palette can deal with a maximum of 6 discrete values because
## more than 6 becomes difficult to discriminate; you have 10. Consider
## specifying shapes manually if you must have them.

## Warning: Removed 7 rows containing missing values (geom_point).

1. Apprehension (Pemahaman) –> menyangkut kemampuan untuk melihat hubungan di antara data dengan benar.

Substansi data disni tidak ada. Hubungan antar kasus kanker dengan jumlah kontrol tidak terlihat jelas. bisa saja kontrol ditambah jumlah orang yang terkena penyakit kanker tidak bertambah. Data yang perlu ditampilkan seharusnya hubungan konsumsi alkohol dan/atau konsumsi tembakau dengan jumlah penderita kanker atau hubungan konsumsi alkohol dan/atau konsumsi tembakau dengan control group.

2. Clarity (Kejelasan) –> menyangkut kemampuan untuk membedakan elemen-elemen grafik secara visual.

Bentuk shape yang bermacam membuat grafik menjadi tidak jelas. Tidak adanya label x dan label y menjadikan ketidakjelasan pada grafik. Legend juga tidak jelas karena masih dalam bentuk script R.

3. Consistency (Konsistensi) –> menyangkut kemampuan menafsirkan grafik berdasarkan keterpaparan pada grafik

Variabel kasus kanker di variable Y tidak bergerak dari 0-60 tetapi 60-0. Judul grafik diletakkan di bagian caption sehingga tidak konsisten dengan standar grafik.

4. Efficiency (Efisiensi) –> menyangkut kemampuan grafik untuk menggambarkan data dengan cara sesederhana

Bentuk dan warna shape yang berbeda beda padahal artinya sama.

5. Necesity (Kebutuhan) –> berkaitan dengan kebutuhan grafik atau elemen tertentu.

Scater plot penderita kanker dan jumlah kontrol saja, tidak dibutuhkan. Perlu ditambahkan variabel kelompok umur, alkohol konsumsi dan/atau konsumsi tembakau.

6. Truthfulness (Keadaan Sebenarnya) –> menyangkut apakah data diplot dengan benar dalam sistem koordinat yang Tidak mengambarkan keadaan yang sebenar tentang kasus kanker tersebut.

Pembuat grafik menghapus kelompok umur 45-54 tanpa adanya informasi di grafik dengan tujuan menjadikan pembaca salah paham.

Grafik Perbaikan

Berikut syntax graphic perbaikan ACCENT yang dikembangkan kelompok 2:

esoph.data <- esoph %>%  group_by(alcgp, tobgp) %>% summarise(ncase = sum(ncases), ncontrol = sum(ncontrols))
## `summarise()` regrouping output by 'alcgp' (override with `.groups` argument)

(myplot <- ggplot()+
  geom_point(aes(x = tobgp,
                 y = ncase,
                 shape = alcgp),
                 data = esoph.data) +
  labs( 
       y = "Jumlah Kasus Kanker", 
       x = "Level Konsumsi Tembakau", 
       title = "Scatter Plot Jumlah Kasus Kanker vs Level Konsumsi Tembakau dan Alkohol",
       subtitle = "",
       caption = "Scatter Plot",
       shape = "Level Konsumsi Alkohol"))
## Warning: Using shapes for an ordinal variable is not advised

Catatan Perbaikan

1. Apprehension (Pemahaman) –> menyangkut kemampuan untuk melihat hubungan di antara data dengan benar.

Perbaikkan : Substansi data sudah bisa terlihat pada grafik perbaikan tersebut. Data yang ditampilkan adalah scatter plot antara jumlah kasus kanker vs level konsumsi tembakau dan alkohol.

2. Clarity (Kejelasan) –> menyangkut kemampuan untuk membedakan elemen-elemen grafik secara visual.

Perbaikkan : Bentuk shape pada grafik menunjukkan level konsumsi alkohol. Pada grafik sudah ditambahkan label x dan y serta judul grafik dan legendanya, sehingga grafik menjadi lebih jelas.

3. Consistency (Konsistensi) –> menyangkut kemampuan menafsirkan grafik berdasarkan keterpaparan pada grafik serupa di masa lalu atau standar universal yang wajar.

Perbaikkan : Pada grafik, skala pada sumbu y sudah dimulai dari nilai 0. Judul grafik sudah ditempatkan pada posisi seharusnya.

4. Efficiency (Efisiensi) –> menyangkut kemampuan grafik untuk menggambarkan data dengan cara sesederhana mungkin.

Perbaikkan : Pada grafik hanya digunakan shape untuk membedakan level konsumsi alkohol dan tidak menggunakan pewarnaan, sehingga grafik menjadi lebih sederhana.

5. Necesity (Kebutuhan) –> berkaitan dengan kebutuhan grafik atau elemen tertentu.

Perbaikan : Grafik sudah dibuat sesuai kebutuhan, yaitu menggunakan variabel ncase (jumlah kasus kanker), tobgp (level konsumsi tembakau), dan alcgp (level konsumsi alkohol).

6. Truthfulness (Keadaan Sebenarnya) –> menyangkut apakah data diplot dengan benar dalam sistem koordinat yang ditentukan dengan baik.

Perbaikan : Pada grafik yang disajikan tersebut, tidak ada data observasi yang dihapus, sehingga pembaca tidak salah paham. Grafik sudah disajikan dengan kondisi data yang sebenarnya.

Visualisasi Data yang Melanggar Prinsip ACCENT

Berikut visualisasi data yang melanggar prinsip ACCENT yang dikembangkan kelompok 2:

• Data yang digunakan adalah Datasets attenu dengan memanfaatkan library(tidyverse).

• Diperoleh deskripsi data attenu adalah sebagai berikut: “This data gives peak accelerations measured at various observation stations for 23 earthquakes in California. The data have been used by various workers to estimate the attenuating affect of distance on ground acceleration” (The Joyner–Boore Attenuation Data).

• Data attenu tersebut terdiri dari 182 baris (pengamatan) dan 5 kolom (peubah), yaitu:[,1] Event Number; [,2]Moment Magnitude; [,3]Station Number; [,4]Station-hypocenter distance (km); dan [,5] Peak acceleration (g)

(attenu <- tibble::as_tibble(datasets::attenu))#Datasets yang digunakan

## # A tibble: 182 x 5
##    event   mag station  dist accel
##    <dbl> <dbl> <fct>   <dbl> <dbl>
##  1     1   7   117        12 0.359
##  2     2   7.4 1083      148 0.014
##  3     2   7.4 1095       42 0.196
##  4     2   7.4 283        85 0.135
##  5     2   7.4 135       107 0.062
##  6     2   7.4 475       109 0.054
##  7     2   7.4 113       156 0.014
##  8     2   7.4 1008      224 0.018
##  9     2   7.4 1028      293 0.01 
## 10     2   7.4 2001      359 0.004
## # ... with 172 more rows

Berikut syntax graphic yang masih memiliki kesalahan ACCENT yang dikembangkan kelompok 2 yang akan diperbaiki:

attenu.p <- attenu[1:30,] 
plot<-ggplot()+
  geom_point(aes(x=station,
                 y=event,
                 colour=factor(event),
                 shape =factor(event)),
                 data=attenu.p)+ 
  scale_y_reverse()+
  labs(subtitle="", 
       y="", 
       x="", 
       title="", 
       caption = "Scatter Plot")
plot

1. Apprehension (Pemahaman) –> menyangkut kemampuan untuk melihat hubungan di antara data dengan benar.

Pelanggaran prinsip ini dalam visualisasi data tersebut adalah data tidak disajikan berdasarkan substansi datanya. Dari data dibuat scatter plot antara variabel event dan station tanpa memperhatikan ketepatan hubungan antar varaibel tersebut.

2. Clarity (Kejelasan) –> menyangkut kemampuan untuk membedakan elemen-elemen grafik secara visual.

Pelanggaran prinsip ini dalam visualisasi data tersebut adalah data tidak disajikan dengan elemen grafik yang jelas. Pada grafik tersebut tidak dibubuhkan label dan unit pengukuran untuk sumbu x dan sumbu y serta tidak dibubuhkan juga judul dari grafiknya, sehingga sulit untuk membaca grafik tersebut dengan jelas.

3. Consistency (Konsistensi) –> menyangkut kemampuan menafsirkan grafik berdasarkan keterpaparan pada grafik serupa di masa lalu atau standar universal yang wajar.

Pelanggaran prinsip ini dalam visualisasi data tersebut adalah data tidak disajikan berdasarkan standar universal yang wajar. Pada grafik, skala pada sumbu vertikal (sumbu y) yang dimulai dari nilai maksimum tidak lazim digunakan, karena pembuatan skala untuk sumbu vertikal/horizontal umumnya dimulai dari nilai minimum.

4. Efficiency (Efisiensi) –> menyangkut kemampuan grafik untuk menggambarkan data dengan cara sesederhana mungkin.

Pelanggaran prinsip ini dalam visualisasi data tersebut adalah data tidak disajikan dengan cara yang sederhana. Terlihat sangat jelas bahwa grafik tersebut tidak disajikan sesederhana mungkin, karena pewarnaan dan pembedaan bentuk (shape) pada grafik tersebut memiliki makna yang sama. Data terkait kejadian gempa bumi tersebut seharusnya bisa disajikan dalam bentuk grafik lain yang lebih efisien sehingga informasi terkait data bisa lebih jelas.

5. Necesity (Kebutuhan) –> berkaitan dengan kebutuhan grafik atau elemen tertentu.

Pelanggaran prinsip ini dalam visualisasi data tersebut adalah data tidak disajikan sesuai dengan kebutuhan. Scatter plot antara variabel event dan station tidak dibutuhkan, karena tidak terlalu bermakna. Oleh karenanya, variabel-variabel pada scatter plot tersebut bisa digantikan dengan varibel lain.

6. Truthfulness (Keadaan Sebenarnya) –> menyangkut apakah data diplot dengan benar dalam sistem koordinat yang ditentukan dengan baik.

Pelanggaran prinsip ini dalam visualisasi data tersebut adalah data tidak disajikan dalam sistem koordinat yang ditentukan dengan baik atau dengan kata lain data tidak disajikan dalam keadaan yang sebenarnya. Hal ini dikarenakan, data tidak disajikan secara keseluruhan, sehingga sistem koordinatnya secara otomatis hanya mengikuti sebagian dari data. Terlihat bahwa tidak semua observasi digunakan untuk membentuk plot pada visualisasi data tersebut.

Grafik Perbaikan

Berikut syntax graphic perbaikan ACCENT yang dikembangkan kelompok 4:

attenu.p <- attenu %>% group_by(event) %>% summarise(accelMax = max(accel))

## `summarise()` ungrouping output (override with `.groups` argument)

plot<-ggplot(aes(x=event,
                 y=accelMax),
                 data=attenu.p)+
  geom_point() + geom_line(color ="#36959e")+ 
  labs( y="Peak acceleration Mode (g)", 
       x="Event Number", 
       title="Scatter Plot of Maximum Peak Acceleration for 23 EarthQuakes in California")
plot

Catatan Perbaikan

1. Apprehension (Pemahaman) –> menyangkut kemampuan untuk melihat hubungan di antara data dengan benar.

Perbaikan : Mencari varible yang memiliki hubungan. Variabel terpilih adalah event dan accel. Data diringkas dengan mencari modus peak-acceleration di 23 event earthquake. Ditambahkan pula geom_line() untuk meperjelas perubahan peak acceleration di ke-23 event earth quake

2. Clarity (Kejelasan) –> menyangkut kemampuan untuk membedakan elemen-elemen grafik secara visual.

Perbaikan : menambahkan judul dan label x,y.

3. Consistency (Konsistensi) –> menyangkut kemampuan menafsirkan grafik berdasarkan keterpaparan pada grafik serupa di masa lalu atau standar universal yang wajar.

Perbaikan : Mengembalikan skala sumbu y dengan memulainya dengan nilai 0.

4. Efficiency (Efisiensi) –> menyangkut kemampuan grafik untuk menggambarkan data dengan cara sesederhana mungkin.

Perbaikan : parameter color dan shape dihapus karena tidak dibutuhkan.

5. Necesity (Kebutuhan) –> berkaitan dengan kebutuhan grafik atau elemen tertentu.

Perbaikan : mengganti varibael yang digunakan sepeti di bagian Apprehension.

6. Truthfulness (Keadaan Sebenarnya) –> menyangkut apakah data diplot dengan benar dalam sistem koordinat yang ditentukan dengan baik.

Perbaikan : tidak membuang record data dengan tujuan memanipulasi pembaca dengan grafik.