Visualisasi Distribusi Data Harga XAUUSD Menggunakan Metode Violin Chart

Nurlita Marta Annisa'; Zainal Abidin

doi:10.55382/jurnalpustakadata.v6i4.2054

Penulis

Nurlita Marta Annisa' Universitas Islam Negeri Maulana Malik Ibrahim Malang
Zainal Abidin Universitas Islam Negeri Maulana Malik Ibrahim Malang

DOI:

https://doi.org/10.55382/jurnalpustakadata.v6i4.2054

Kata Kunci:

XAUUSD, visualisasi data, violin chart, analisis distribusi, data keuangan

Abstrak

Meningkatnya ketersediaan data time series keuangan memerlukan teknik visualisasi yang efektif untuk mendukung proses eksplorasi dan analisis data. Namun, visualisasi konvensional seperti histogram dan boxplot masih memiliki keterbatasan dalam menampilkan distribusi dan kepadatan data secara bersamaan. XAUUSD yang merepresentasikan nilai tukar emas terhadap Dolar Amerika Serikat merupakan salah satu instrumen keuangan yang memiliki pergerakan harga dinamis dan aktif diperdagangkan. Penelitian ini bertujuan untuk memvisualisasikan distribusi harga XAUUSD menggunakan metode Violin Chart. Data yang digunakan berupa data historis XAUUSD periode Januari 2020. Tahapan penelitian meliputi pengumpulan data, preprocessing, pengelompokan data harian, perhitungan Kernel Density Estimation (KDE), serta visualisasi menggunakan Violin Chart. Hasil penelitian menunjukkan adanya variasi distribusi harga harian, perbedaan tingkat kepadatan data, dan perubahan konsentrasi harga selama periode pengamatan. Pada awal Januari harga berada pada rentang yang relatif lebih rendah, sedangkan pada akhir Januari terlihat konsentrasi harga pada rentang yang lebih tinggi. Violin Chart mampu menampilkan bentuk distribusi dan kepadatan data secara bersamaan dalam satu visualisasi sehingga memberikan informasi yang lebih rinci mengenai karakteristik distribusi harga XAUUSD. Oleh karena itu, Violin Chart dapat digunakan sebagai alternatif visualisasi dalam analisis eksploratif data time series keuangan.

Unduhan

Data unduhan belum tersedia.

Referensi

D. W. Gerbing, “The Integrated Violin-Box-Scatter (VBS) Plot to Visualize Distributional Information,” Data, vol. 7, no. 3, p. 58, 2024.

M. Du, R. Amor, and K.-L. Ma, “Data Visualization for Improving Financial Literacy: A Systematic Review,” arXiv, 2025.

Y. Wang and H. Zhang, “Visual Analytics for Financial Market Data Exploration,” Inf. Vis., 2024.

R. Singh and P. Kumar, “Exploratory Data Analysis Techniques for Financial Time Series,” Data Sci. J., 2025.

M. Johnson, “Interactive Financial Data Visualization: A Review,” J. Vis., 2024.

E. Molina, L. Viale, and P. Vazquez, “Advanced Design Principles for Violin Plot Visualization,” in IEEE Visualization Conference, 2024.

Z. Shishebor, Z. Sajjdnia, and M. Sharafi, “Violin Plots: An Enhanced Tool for Data Visualization in Health Studies,” J. Soc. Behav. Community Heal., vol. 9, no. 1, 2025, doi: 10.18502/jsbch.v9i1.18706.

M. Karpefors and others, “Maraca Plot: Combining Violin Plot and Survival Analysis Visualization,” BMC Med. Res. Methodol., 2024.

I. Maryati, “Gold Prices Time-Series Forecasting: Comparison of Statistical Methods,” J. Appl. Data Sci., 2024.

W. Chen and J. Liu, “Financial Time Series Analysis for Gold Price Movements Using Deep Learning,” Expert Syst. Appl., 2025.

I. Falih, “Gold Price Prediction Using Machine Learning-Based Linear Regression,” J. Smart Syst. Comput. Technol., 2026.

M. Arif, F. Alzami, and A. Fahmi, “Multivariate LSTM-Based Intraday Gold Price Prediction with Rolling Time Series Validation,” J. Masy. Inform., vol. 17, no. 1, 2026, doi: 10.14710/jmasif.17.1.78091.

M. Garcin, “Recent Advances in Time-Varying Kernel Density Estimation,” Comput. Stat., 2024.

P. Vallarino, “Dynamic Bandwidth Selection in Kernel Density Models for Time Series,” J. Comput. Stat., 2024.

W. Zhang and J. Li, “Kernel Density Estimation for Financial Time Series Analysis,” Stat. Comput., 2025.