Visualisasi Distribusi Data: Histogram, Boxplot, dan Violin Plot

Rata-rata Rp 340.000 bisa datang dari distribusi yang bentuknya jauh berbeda. Bisa dari transaksi yang semuanya nempel di sekitar Rp 340.000, bisa juga dari campuran ratusan transaksi Rp 80.000 plus belasan transaksi Rp 5 juta.

Satu angka nggak bisa bedain dua situasi itu. Grafik distribusi bisa.

Tiga grafik yang paling sering dipakai buat ini: histogram, boxplot, dan violin plot. Masing-masing punya sisi kuat dan sisi buta.

Apa itu visualisasi distribusi data?

Visualisasi distribusi nampilin sebaran seluruh nilai di satu variabel, bukan cuma ringkasannya. Kamu jadi bisa lihat di mana data numpuk, seberapa lebar rentangnya, dan apakah ada nilai yang jauh menyendiri.

Empat hal yang bisa kamu baca dari grafik distribusi:

1. Pusat. Di sekitar nilai berapa data numpuk.
2. Sebaran. Seberapa lebar jaraknya dari ujung ke ujung.
3. Kemiringan. Ekornya panjang ke kanan, ke kiri, atau seimbang.
4. Jumlah puncak. Satu bukit atau lebih.

Poin empat yang paling sering ngasih kejutan. Dua puncak biasanya artinya kamu sedang lihat dua kelompok berbeda yang tercampur di satu kolom.

Histogram: kapan dipakai dan apa jebakannya

Histogram motong rentang nilai jadi beberapa kotak (bin), terus ngitung berapa data yang jatuh di tiap kotak.

Paling bagus buat: satu kelompok data, waktu kamu pengen lihat bentuknya utuh termasuk jumlah puncak.

Jebakan utamanya: jumlah bin. Bentuk histogram bisa berubah drastis cuma gara-gara kamu ganti dari 10 bin ke 30 bin.

Jumlah bin	Efeknya
Terlalu sedikit	Dua puncak nyatu jadi satu bukit, pola hilang
Pas	Bentuk stabil walau digeser sedikit
Terlalu banyak	Penuh gerigi acak yang nggak berarti apa-apa

Cara nentuinnya: mulai dari akar kuadrat jumlah data. Buat 900 baris, itu 30 bin. Terus geser naik turun dan lihat apakah bentuknya berubah kesimpulan.

Kalau bentuknya berubah, tampilin dua versi di laporan. Lebih jujur daripada milih satu yang paling ngedukung ceritamu.

Di Excel, histogram bisa dibikin lewat menu Insert lalu Statistic Chart. Kalau kamu mau ngontrol bin sendiri, hitung manual pakai COUNTIFS per rentang, terus bikin bar chart biasa.

=COUNTIFS(data[nilai], ">="&$A2, data[nilai], "<"&$B2)

Boxplot: ringkas tapi ada yang disembunyiin

Boxplot nampilin lima angka: nilai terendah dalam batas wajar, kuartil bawah, median, kuartil atas, dan nilai tertinggi dalam batas wajar. Titik di luar batas digambar terpisah.

Bagian	Artinya
Garis di tengah kotak	Median, nilai tengah
Tepi bawah dan atas kotak	Kuartil 1 dan kuartil 3, isinya 50% data tengah
Panjang kotak	Rentang antarkuartil, ukuran sebaran
Garis kumis	Umumnya sampai 1,5 kali rentang antarkuartil
Titik di luar kumis	Nilai yang jauh menyendiri

Paling bagus buat: ngebandingin 2 sampai 8 kelompok berdampingan. Nilai transaksi per cabang, waktu pengiriman per kurir, harga per kategori produk.

Jebakan utamanya: boxplot buta terhadap jumlah puncak. Distribusi dengan satu bukit dan distribusi dengan dua bukit bisa menghasilkan boxplot yang bentuknya nyaris sama persis.

Jadi jangan pernah pakai boxplot sendirian buat data yang baru pertama kali kamu lihat. Cek histogramnya dulu, baru pakai boxplot buat menyajikan perbandingannya.

Soal titik di luar kumis, aturan 1,5 itu kesepakatan yang lazim dipakai, bukan hukum alam. Konsep outlier punya beberapa definisi lain yang kadang lebih cocok tergantung datanya.

Violin plot: bentuk penuh per kelompok

Violin plot ngegambar perkiraan kepadatan data secara cermin di kiri dan kanan sumbu. Bagian yang gemuk artinya banyak data di nilai itu.

Paling bagus buat: waktu bentuk distribusinya sendiri yang jadi inti cerita, terutama kalau kamu curiga ada dua puncak di salah satu kelompok.

Jebakannya ada tiga.

1. Butuh data cukup banyak. Di bawah 30 titik per kelompok, bentuk violinnya lebih ditentukan oleh setelan penghalusan daripada oleh datanya.
2. Ekornya bisa bohong. Perhitungan kepadatan sering ngegambar ekor melewati nilai minimum yang beneran ada. Grafiknya bisa nunjukin waktu pengiriman negatif kalau nggak dipotong.
3. Nggak semua orang bisa baca. Buat rapat manajemen, boxplot atau histogram biasanya lebih aman.

Aku pakai violin plot buat kerja sendiri dan diskusi tim data. Buat presentasi ke luar tim, aku ganti ke histogram bertumpuk atau boxplot.

Perbandingan singkat ketiganya

Aspek	Histogram	Boxplot	Violin
Nunjukin bentuk	Jelas	Nggak	Jelas
Nunjukin dua puncak	Ya	Nggak	Ya
Bandingin banyak kelompok	Susah lewat 3 kelompok	Bagus sampai 8	Bagus sampai 6
Nunjukin outlier satuan	Samar	Jelas	Perlu ditambah titik
Butuh berapa data	Sekitar 50	Sekitar 20	Sekitar 30 per kelompok
Gampang dibaca awam	Ya	Perlu penjelasan sekali	Susah

Aturan praktis yang aku pakai: satu kelompok pakai histogram, tiga sampai delapan kelompok pakai boxplot, violin cuma kalau bentuk distribusinya memang jadi inti temuan.

Contoh kasus: nilai transaksi toko_berkah

Dataset toko_berkah punya 24.106 baris transaksi dengan rata-rata nilai Rp 342.000.

Angka itu yang muncul di laporan bulanan selama ini. Setelah dibikin histogram, ceritanya beda.

Ukuran	Nilai
Rata-rata	Rp 342.000
Median	Rp 178.000
Persentil 90	Rp 740.000
Persentil 99	Rp 3.850.000
Porsi transaksi di bawah rata-rata	68%

Baris terakhir itu yang paling penting. Sebanyak 68% transaksi ada di bawah angka yang selama ini disebut rata-rata.

Jadi kalau tim marketing bikin promo dengan syarat minimum belanja Rp 342.000, mereka baru ngincer 32% transaksi teratas. Bukan "pelanggan rata-rata" seperti yang dibayangkan.

Waktu histogramnya dipisah per saluran penjualan, ada temuan kedua. Distribusi transaksi di toko fisik punya dua puncak: satu di sekitar Rp 90.000 dan satu di sekitar Rp 1,2 juta.

Setelah dicek, puncak kedua itu pembeli grosir yang beli buat dijual lagi. Mereka tercatat di tabel yang sama dengan pembeli eceran.

Boxplot per saluran nggak nunjukin ini sama sekali. Kotaknya cuma kelihatan lebih panjang dari saluran lain, dan itu gampang diabaikan sebagai "variasi biasa".

Violin plot yang bikin dua bulatan itu keliatan dalam sekali lihat. Dari temuan itu, kolom jenis pembeli ditambahin ke tabel dan semua laporan berikutnya dipisah.

Kesalahan umum waktu bikin grafik distribusi

1. Cuma lapor rata-rata. Buat data penjualan yang miring ke kanan, rata-rata hampir selalu di atas pengalaman mayoritas pelanggan. Sandingkan dengan MEDIAN.
2. Buang outlier tanpa dicek. Di data penjualan, nilai ekstrem atas sering justru pelanggan paling menguntungkan. Lihat dulu siapa mereka sebelum dihapus.
3. Pakai boxplot buat data yang belum pernah dilihat. Kamu bisa kelewat pola dua puncak yang paling penting.
4. Nggak nyamain sumbu waktu bandingin kelompok. Dua histogram berdampingan dengan skala sumbu beda bikin perbandingan visualnya salah total.
5. Violin plot dengan data sedikit. Sepuluh titik data ngasih bentuk violin yang halus dan meyakinkan, padahal itu hasil perhitungan penghalusan, bukan pola nyata.
6. Nggak potong ekor di nilai yang mustahil. Kalau variabelnya nggak mungkin negatif, potong grafiknya di nol.

Buat urusan kerapian visual, prinsip di data-ink ratio berlaku juga di sini. Hapus gridline berat dan bayangan, biarkan bentuk distribusinya yang bicara.

Cara nyajiin ke orang non-teknis

Boxplot butuh penjelasan sekali, dan setelah itu orang biasanya nyaman. Anotasi tiga label langsung di grafik pertama: garis tengah itu median, kotaknya isinya separuh data, titik di luar itu transaksi tak biasa.

Histogram hampir nggak perlu penjelasan, asal sumbunya diberi label satuan yang jelas.

Violin plot sebaiknya nggak dipakai di rapat kecuali audiensnya tim data. Kalau temuanmu memang soal dua puncak, tunjukin histogram terpisah dua warna. Pesannya sampai lebih cepat.

Buat urutan memilih jenis grafik secara umum, panduan memilih chart punya alur keputusan yang lebih lengkap termasuk buat data non-distribusi.

Ringkasnya

Histogram buat lihat bentuk satu kelompok. Boxplot buat ngebandingin beberapa kelompok dengan ringkas. Violin waktu bentuk distribusinya sendiri yang jadi temuan.

Selalu cek histogram sebelum percaya boxplot, karena boxplot buta terhadap distribusi bermodus ganda.

Dan kalau kamu nemu dua puncak, biasanya itu bukan keanehan statistik. Itu dua kelompok pelanggan yang selama ini kamu perlakukan sebagai satu.

Mau lanjut ke grafik yang ngebandingin banyak kelompok sekaligus? Coba teknik small multiples buat nampilin distribusi belasan cabang tanpa bikin satu grafik penuh sesak.