13th Jun, 2014

Information Visualization

Karakteristik abstrak data yang membedakan visualisasi informasi dari visualisasi ilmiah. Visualisasi informasi adalah variabel kategori dan penemuan pola, tren, cluster, outlier, dan kesenjangan sedangkan Visualisasi ilmiah adalah  variabel kontinu, volume dan permukaan
Visualisasi informasi memberikan presentasi grafis kompak dan antarmuka pengguna untuk secara interaktif memanipulasi sejumlah besar item, mungkin diambil dari dataset yang jauh lebih besar.

Disebut visual yang 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 item, atau item individu.

Data type by task taxonomy :

  • 1D linear => dpciment lens,seesoft,information mural,textarc.
  • 2D MAP => georgraphic information systems.
  • 3D WORLD => desktops,webbook, computer assisted design
  • MULTIDIMENSIONAL => parallel coordinates, scattergram matrices,hierarchical clustering,
  • TEMPORAL => data montage, palantir,projectmanager
  • TREE => outliners, degree of interest trees, cone/carn trees.
  • NETWORK => netmap,netviz,pajek,JUNG

The seven basic tasks

  • Overview task  => pengguna bisa mendapatkan gambaran dari seluruh koleksi
  • Zoom task =>  pengguna dapat memperbesar hal-hal menarik
  • Filter task =>  pengguna dapat menyaring item menarik
  • Details-on-demand task  => pengguna dapat memilih sebuah item atau kelompok untuk mendapatkan rincian
  • Relate task => pengguna dapat berhubungan item atau kelompok dalam koleksi
  • History task => Pengguna dapat menyimpan riwayat tindakan untuk mendukung undo, replay, dan perbaikan progresif
  • Extract task => pengguna dapat memungkinkan ekstraksi sub-koleksi dan parameter permintaan

Challenges for Information Visualization

  •  Mengimpor dan membersihkan data
  •  Menggabungkan representasi visual yang dengan textuallabels
  •  Mencari informasi terkait
  •  Melihat volume data yang besar
  •  Mengintegrasikan data mining
  •  Mengintegrasikan dengan teknik penalaran analitis
  •  Bekerja sama dengan orang lain
  •  Mencapai kegunaan yang universal
  •  Evaluasi

 

www.binus.ac.id

 

 

 

 

 

 

Leave a response

Your response:

Categories