Visualisasi Distribusi Data dengan Boxplot

Pas lagi eksplorasi data (EDA), kadang kita nggak cuma pengen tau rata-ratanya doang. Kita juga pengen tau: datanya kebanyakan ngumpul di mana? Ada yang aneh-aneh (outlier) nggak? Sebar datanya lebar atau sempit? Nah, buat jawab pertanyaan-pertanyaan itu, salah satu chart paling pas ya Boxplot (atau sering disebut juga box-and-whisker plot).

Boxplot ini kayak “ringkasan visual” dari sebuah data numerik. Cuma dengan sekali lihat, kita udah bisa nangkep gambaran besar soal sebaran datanya, tanpa perlu baca angka satu-satu.

Emang Boxplot Bisa Ngapain Aja?

Boxplot bukan cuma buat “dipajang” doang, tapi beneran bantu proses analisis, di antaranya:

• Nunjukin nilai minimum dan maksimum data (di luar outlier).
• Nunjukin median atau nilai tengah data.
• Nunjukin sebaran 50% data di tengah (quartile 1 sampai quartile 3).
• Nemuin data yang keluar jalur alias outlier.
• Bandingin distribusi antar kelompok/kategori dalam satu chart.

Enaknya Pakai Boxplot

• Cepet dibaca, cukup sekali lirik langsung nangkep polanya.
• Bisa nampilin banyak kategori sekaligus dalam satu chart.
• Otomatis nunjukin outlier tanpa perlu itung manual.
• Kodenya simpel, cocok banget buat pemula.

Tapi Ya, Boxplot Juga Ada Minusnya

• Nggak nunjukin bentuk distribusi detail (misal apakah datanya menumpuk di satu sisi).
• Kalau data kategori kebanyakan, chart-nya bisa keliatan penuh dan susah dibaca.
• Orang awam yang belum ngerti konsep quartile bisa bingung pas pertama liat.

Kenalan Yuk sama Bagian-Bagian Boxplot

Sebelum praktik, penting banget paham dulu tiap bagian dari boxplot ini artinya apa:

1. Siapin Tools-nya Dulu

Buat bikin boxplot di Python, kita cuma butuh dua library utama: pandas buat handle datanya, dan seaborn (atau matplotlib) buat bikin chart-nya. Kalau kamu pakai Google Colab, dua-duanya udah otomatis ke-install, jadi tinggal import aja.

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

2. Load Data-nya

Sebelum bikin chart, kita load dulu datanya. Di contoh ini anggap aja kita punya tabel data_gaji yang isinya data gaji karyawan.

df = pd.read_csv("data_gaji.csv")
df.head()

Pastiin kolom yang mau divisualisasikan itu bertipe numerik, misalnya kolom gaji.

3. Bikin Boxplot Sederhana

Nah, ini bagian intinya. Buat bikin boxplot dari satu kolom, cukup satu baris kode aja pakai seaborn.

sns.boxplot(x=df["gaji"])
plt.show()

Yuk Coba Langsung

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.read_csv("data_gaji.csv")
sns.boxplot(x=df["gaji"])
plt.title("Distribusi Gaji Karyawan")
plt.show()

Kalau kode ini dijalanin, bakal muncul satu kotak yang nunjukin sebaran data gaji, lengkap sama garis median dan titik-titik outlier kalau ada.

4. Bandingin Antar Kategori Pakai Boxplot

Kelebihan boxplot yang paling kerasa itu pas kita mau bandingin sebaran data antar kategori. Misalnya, kita mau lihat perbandingan gaji antar divisi.

sns.boxplot(x=df["divisi"], y=df["gaji"])
plt.show()

Di sini, sumbu x diisi kolom kategori (misalnya nama divisi), dan sumbu y diisi kolom numerik yang mau dibandingin (gaji).

5. Cara Baca Hasil Boxplot

Setelah chart-nya muncul, begini cara bacanya:

• Kalau kotaknya besar → data-nya lumayan tersebar/bervariasi.
• Kalau kotaknya kecil → data-nya cenderung mirip-mirip/rapat.
• Kalau garis median nggak di tengah kotak → distribusinya condong (skewed) ke salah satu sisi.
• Kalau ada titik-titik sendirian di luar whisker → itu tandanya ada outlier yang perlu dicek lagi.

Biar Nggak Lupa, Ini Rangkumannya

Kalau Digabung, Alurnya Kayak Gini

Abis Ini Belajar Apa Lagi?

Penutup

Boxplot itu salah satu chart paling simpel tapi powerful buat ngeliat sebaran data. Cuma dengan satu baris kode pakai seaborn, kita udah bisa dapet gambaran median, kuartil, sampai outlier dari data kita.

Kalau kamu baru mulai belajar EDA, boxplot ini cocok banget jadi langkah awal sebelum lanjut ke chart-chart yang lebih kompleks kayak heatmap atau analisis korelasi.