riset-teknologi-informasi/worksheets/ws-12-result-presentation.md

WS-12: Result Presentation & Visualization

Bab 12 — Penyajian Hasil & Visualisasi

---

Ringkasan Materi

Data → Insight Model

Validated Data → Structured Presentation → Visualization → Pattern Recognition → Insight

Penyajian mendahului analisis. Tabel dan grafik membantu peneliti "melihat" data sebelum menghitung. Langsung ke uji statistik tanpa visualisasi berisiko kesimpulan yang secara teknis benar tapi kontekstual salah (Anscombe's Quartet, 1973).

Tabel = Presisi, Grafik = Pola

Keduanya saling melengkapi:

• Tabel: angka presisi, self-contained (dipahami tanpa teks), sortable
• Grafik: pola visual, tren, perbandingan cepat

Jenis Grafik Berdasarkan Tujuan

Tujuan	Jenis Grafik
Perbandingan antar-skenario	Bar chart (grouped/stacked)
Distribusi per-skenario	Box plot / violin plot
Tren temporal	Line chart
Korelasi dua variabel	Scatter plot
Proporsi (total = 100%)	Pie chart (hati-hati!)

Contoh Tabel Hasil yang Baik

Model	Accuracy (%)	F1-Score (%)	Training Time (min)
BERT	88.4 ± 1.2	87.1 ± 1.4	45.2 ± 3.1
LSTM	86.1 ± 1.8	84.5 ± 2.0	12.8 ± 1.2
SVM	82.3 ± 0.9	80.7 ± 1.1	0.3 ± 0.1

N=10 per model. Mean ± std. Diurutkan berdasarkan Accuracy.

Visualization Bias — Yang Harus Dihindari

Bias	Deskripsi	Dampak
Truncated axis	Y tidak dari 0	Memperbesar perbedaan kecil
Inconsistent scale	Dua grafik skala beda	Perbandingan menyesatkan
Cherry-picked data	Hanya tampilkan yang "menang"	Selektif, tidak jujur
3D effects	Efek 3D tanpa dimensi data ke-3	Distorsi tanpa informasi
Missing error bar	Tidak ada variabilitas	Menyembunyikan ketidakpastian

Engineering vs Research Presentation

Aspek	Engineering	Research
Tujuan grafik	Dashboard monitoring	Mendukung argumen ilmiah
Informasi wajib	KPI, threshold	Mean, std, CI, N, p-value
Bias handling	Less critical	Wajib dihindari (peer-review)

---

Template A.12 — Result Presentation Plan

RESULT PRESENTATION PLAN

Research Question : ____________________
Metrik Utama      : ____________________

Tabel Hasil:
| Skenario | Metrik 1 (mean ± std) | Metrik 2 (mean ± std) | n |
|----------|----------------------|----------------------|---|
|          |                      |                      |   |

Visualisasi yang Direncanakan:
| # | Jenis Grafik | Pesan Utama | Metrik |
|---|-------------|-------------|--------|
| 1 |             |             |        |
| 2 |             |             |        |

Bias Check:
  [ ] Y-axis mulai dari 0 (atau dijustifikasi)
  [ ] Error bar/CI ditampilkan
  [ ] Semua data disertakan (tidak cherry-picked)
  [ ] Tidak menggunakan 3D tanpa alasan

---

Latihan 1 — Tabel Hasil

Buat tabel hasil eksperimen Anda (boleh dengan data simulasi jika belum punya data riil).

Skenario	Metrik 1 (mean ± std)	Metrik 2 (mean ± std)	n
Contoh: BERT-base	88.4 ± 1.2%	45.2 ± 3.1 min	10

Checklist tabel:

• Self-contained (judul jelas, satuan ada, N tercantum)
• Mean ± std (bukan single number)
• Diurutkan berdasarkan metrik utama
• Format konsisten di semua baris

---

Latihan 2 — Rencana Visualisasi

Rencanakan 2-3 grafik untuk menyajikan data dari Latihan 1. Setiap grafik = satu pesan.

#	Jenis Grafik	Pesan	Data yang Digunakan
1	Contoh: Bar chart + error bar	Perbandingan accuracy antar 3 model	Mean accuracy ± std
2	Box plot	Distribusi F1 per model	Semua run F1
3	Scatter plot	Trade-off accuracy vs training time	Mean accuracy vs mean time

---

Latihan 3 — Bias Detection

Evaluasi visualisasi berikut untuk bias (skenario dari contoh):

Skenario: Metode A = 91.2%, Metode B = 90.8%. Bar chart dengan Y-axis mulai dari 90%.

Pertanyaan	Jawaban
Apakah Y-axis menyesatkan?	Contoh: Ya — A terlihat 2× B padahal beda 0.4%
Apakah error bar ditampilkan?
Apakah semua kondisi ditampilkan?
Apa solusinya?

Evaluasi grafik Anda sendiri dari Latihan 2:

• Semua bias check lulus
• Ada yang perlu diperbaiki: ____

---

Refleksi

Mengapa tabel dan grafik keduanya diperlukan — tidak cukup salah satu saja? Pernahkah Anda membuat grafik yang (tanpa sengaja) menyesatkan?

---

---