VISUALISASI DATA STUDENT MENTAL HEALTH MENGGUNAKAN LOOKER STUDIO DENGAN METODE SNA
Abstract
Penulisan ini mengenai visualisasi data yang mempermudah pembaca untuk mendapatkan informasi dari memvisualisasikan sebuah dataset Student Mental Health dari Kaggle dengan melewati tahapan berupa data collection, data preprocessing yang didalam nya ada data exploration serta data cleaning dengan menggunakan metode SNA(Social Network Analysis) yang bertujuan untuk memvisualisasikan hubungan antara isi dataset yang ada. Penulisan ilmiah ini berisi pengertian dari kesehatan mental, tools yang digunakan, serta penjelasan langkah-langkah dan tahapan yang dilakukan untuk visualisasi data menggunkan metode SNA, yang menghasilkan sebuah dashboard visualisasi yang dapat memberikan sebuah informasi yang lebih informatif serta medah dimengerti antara hubungan isi dataset pada halaman yang dapat diakses pada link https://lookerstudio.google.com/reporting/99f44be9-c32c-4380-b6b4-c5c4c30a47c4. Visualisasi yang berguna untuk pengambilan sebuah keputusan yang akan diambil kedepan nya yang berasal dari dataset dan dapat dikembangkan lagi untuk kedepan nya.
Downloads
References
[2] Borgatti, S.P, Martin, G.E & Jeffrey, C.J. (2018). Analyzing Social Networks. Diakses dari https://books.google.co.id/books?id=XD1ADwAAQBAJ&hl=id
[3] Johannes Kurniawan, dkk (2023) Analisis Dan Visualisasi Data. Diakses dari https://repository.penerbitwidina.com/id/publications/560454/analisis-dan-visualisasi-data .
[4] Brandes, U., & Wagner, D. (2003). Analysis and Visualization of Social Networks. , 321-340.https://doi.org/10.1007/978-3-642 18638-7_15.
[5] Miller, A. (2019). Data Visualization as Participatory Research: A Model for Digital Collections to Inspire User-Driven Research. Journal of Web Librarianship, 13, 127 - 155.https://doi.org/10.1080/19322909.2019.1586617.
[6] Ramírez-Gallego, S., Krawczyk, B., García, S., Woźniak, M., & Herrera, F. (2017). A survey on data preprocessing for data stream mining: Current status and future directions. Neurocomputing, 239, 39-57.https://doi.org/10.1016/J.NEUCOM.2017.01.078.
[7] Keim, D. (2002). Information Visualization and Visual Data Mining. IEEE Trans. Vis. Comput. Graph., 8, 1-8 https://doi.org/10.1109/2945.981847.
[8] Xu, S., Lu, B., Baldea, M., Edgar, T., Wojsznis, W., Blevins, T., & Nixon, M. (2015). Data cleaning in the process industries. Reviews in Chemical Engineering, 31, 453 – 490 https://doi.org/10.1515/revce-2015-0022.