Layer Peel Streamgraph: Mekanisme Penguraian Spasial Interaktif untuk Memitigasi Ilusi Sinus pada Deret Waktu Multivariat

Muhammad Luqmanul Hakim; Zainal Abidin

doi:10.55382/jurnalpustakadata.v6i3.1946

Penulis

Muhammad Luqmanul Hakim Teknik Informatika, Universitas Islam Negeri Maulana Malik Ibrahim Malang
Zainal Abidin Teknik Informatika, Universitas Islam Negeri Maulana Malik Ibrahim Malang

DOI:

https://doi.org/10.55382/jurnalpustakadata.v6i3.1946

Kata Kunci:

fokus konteks, grafik aliran, ilusi sinus, pengelupasan lapisan, visualisasi interaktif

Abstrak

Makalah ini menyajikan sistem visualisasi streamgraph interaktif yang dirancang untuk mengeksplorasi data kompetisi penerimaan mahasiswa baru pada seleksi nasional berbasis tes (SNBT) untuk rumpun ilmu komputer di sepuluh universitas terkemuka Indonesia periode 2021–2025. Untuk mengatasi keterbatasan streamgraph standar yang rentan terhadap distorsi geometri dan Sine Illusion, penelitian ini mengusulkan mekanisme Layer Peel, yaitu teknik interactive disentanglement yang mengisolasi secara spasial layer data terpilih dari tumpukan utama. Pemisahan kontekstual ini mentransformasikan tampilan makro menjadi panel detail mikro dengan baseline ortogonal yang stabil, tanpa mengorbankan konteks visual tumpukan global. Sistem diimplementasikan menggunakan HTML5 Canvas, algoritma interpolasi Catmull-Rom spline, dan pengurutan inside-out. Evaluasi empiris menunjukkan bahwa Layer Peel terbukti mampu menyingkap pola anomali lonjakan rasio kompetisi yang sebelumnya terdistorsi pada tumpukan utama. Pengujian terhadap 15 responden menghasilkan nilai System Usability Scale (SUS) sebesar 70,83 (kategori baik) dan mengonfirmasi efektivitas sistem dalam mereduksi beban kognitif secara signifikan. Hasil penelitian ini membuktikan bahwa mekanisme Layer Peel secara efektif menjembatani visualisasi eksploratif dan presisi analitis dalam kerangka focus+context.

Unduhan

Data unduhan belum tersedia.

Referensi

Byron, L., & Wattenberg, M. (2008). Stacked Graphs – Geometry & Aesthetics. IEEE Transactions on Visualization and Computer Graphics, 14(6), 1245–1252.

Cleveland, W. S., & McGill, R. (1984). Graphical Perception: Theory, Experimentation, and Application to the Development of Graphical Methods. Journal of the American Statistical Association, 79(387), 531–554.

Havre, S., Hetzler, E., Whitney, P., & Nowell, L. (2002). ThemeRiver: Visualizing Theme Changes over Time. IEEE Transactions on Visualization and Computer Graphics, 8(1), 9–20.

Javed, W., McDonnel, B., & Elmqvist, N. (2010). Graphical Perception of Multiple Time Series. IEEE Transactions on Visualization and Computer Graphics, 16(6), 927–934.

Few, S. (2009). Now You See It: Simple Visualization Techniques for Quantitative Analysis. Analytics Press.

Heer, J., & Bostock, M. (2010). Crowdsourcing Graphical Perception: Using Mechanical Turk to Assess Visualization Design. Proceedings of ACM CHI, 203–212.

Heer, J., & Shneiderman, B. (2012). Interactive Dynamics for Visual Analysis. Communications of the ACM, 55(4), 45–54.

Gleicher, M., Albers, D., Walker, R., Jusufi, I., Hansen, C. D., & Roberts, J. C. (2011). Visual Comparison for Information Visualization. Information Visualization, 10(4), 271–288.

Kincaid, R., & Lam, H. (2006). Line Graph Explorer: Scalable Display of Line Graphs using Focus+Context. Proceedings of the Working Conference on Advanced Visual Interfaces (AVI), 404–411.

Elmqvist, N., & Tsigas, P. (2008). A Taxonomy and Heuristic Design Space for Occlusion Management in 3D Information Visualization. IEEE Transactions on Visualization and Computer Graphics, 14(5), 1095–1109.

Diakopoulos, N., Kivran-Swaine, F., & Naaman, M. (2011). Playable Data: Characterizing Interactive Design in Visualizations. Proceedings of ACM CHI, 1715–1724.

Bu, C., Zhang, Q., Wang, Q., Zhang, J., Sedlmair, M., Deussen, O., & Wang, Y. (2021). SineStream: Improving the Readability of Streamgraphs by Minimizing Sine Illusion Effects. IEEE Transactions on Visualization and Computer Graphics, 27(2), 1634–1643.

Tufte, E. R. (1983). The Visual Display of Quantitative Information. Graphics Press.

Perin, C., Dragicevic, P., & Fekete, J. D. (2014). Revisiting Bertin Matrices: New Interactions for Exploring Tabular Data. IEEE Transactions on Visualization and Computer Graphics, 20(12), 2082–2091.

Aigner, W., Miksch, S., Müller, W., Schumann, H., & Tominski, C. (2008). Visual Methods for Analyzing Time-Oriented Data. IEEE Transactions on Visualization and Computer Graphics, 14(1), 47–60.

World Economic Forum. (2025). The Future of Jobs Report 2025. Geneva, Switzerland: World Economic Forum.