Pertemuan 13 (Information Visualization)

• Posted: June 12, 2014
• |
• Author: Natalia
• |
• Filed under: Interaksi Manusia dan Komputer
• |
• Tags: No tags set for this entry.

Introduction

Visualisasi informasi adalah penggunaan representasi visual interaktif data abstrak untuk memperkuat kognisi. Karakteristik abstrak data yang membedakan visualisasi informasi dari visualisasi ilmiah adalah:

1. Visualisasi Informasi – variable kategori dan penemuan pola, tren, cluster, outlier.
2. Visualisasi ilmiah – variable kontinu, volume dan permukaan.

Visualisasi informasi memberikan presentasi grafis kompak dan user interfaces untuk secara interaktif memanipulasi sejumlah besar items, mungkin diambil dari yang jauh lebih besar datasetsnya.

Kadang-kadng disebut sebagai data mining, menggunakan bandwidth visual yang besar dan sistem persepsi manusia yang luar biasa untuk memungkinkan pengguna untuk membuat penemuan, mengambil keputusan, atau mengusulkan penjelasan tentang pola, kelompok items, dan individual items.

Data Type by Task Taxonomy

DataType:

1. 1D Linear. Contohnya seperti Document Lens, Seesoft™, Information Mural, TextArc.
2. 2D Map. Contohnya Sistem informasi Geografi, ESRI ArcInfo™, ThemeView™, newspaper layout, self-organizing maps.
3. 3D World. Contohnya Desktop, WebBook™, VRML™, Web3D™, architecture, computer assisted design, obat, molekul.
4. Multidimensional. Contohnya koordinasi parallel, scattergram matrices, hierarchical clustering, Spotfire®, Tableau®, GGobi®, DataDesk®, TableLens®, InfoZoom®.
5. Temporal. Contohnya DataMontage, Palantir, Project Managers, LifeLines, TimeSearcher.
6. Tree. Contohnya Outliners, degree-of-interest trees, cone/cam trees, hyperbolic trees, SpaceTree, treemaps.
7. Network. Contohnya NetMap™, netViz™, Pajek, JUNG, UCINet, NetDraw, TouchGraph, SocialAction, NodeXL

Ada 7 Tugas Dasar:

1. Overview – mendapatkan peninjauan luas dari keseluruhan koleksi
2. Zoom – Memperbesar item yang penting
3. Filter – Menyaring item yang tidak penting/ menarik
4. Details-on-demand – Menyeleksi item atau grup dan mendapatkan detail ketika dibutuhkan.
5. Relate – Melihat hubungan diantara items
6. History – Menyimpan history dari tindakan untuk saat undo, replay, dan progressive refinement
7. Extract – memungkinkan ekstraksi dari sub koleksi dan dari parameter query.

Tantangan dari Information Visualization

1. Importing dan cleaning data
2. Mengkombinasi representasi visual dengan labels textual
3. Mencari informasi yang saling berkaitan
4. Meninjau volume data yang besar
5. Integrating data mining
6. Integrasi dengan teknik analytical reasoning
7. Berkolaborasi dengan yang lain
8. Mencapai universal usability
9. Evaluasi

 www.binus.ac.id

• (0) Comments
• Permalink
• RSS 2.0
• 
• 
• 
• 
• 
•