Mengapa warna pelangi bukan pilihan terbaik untuk visualisasi data

Visualisasi data adalah cara yang indah dan menarik untuk menceritakan kisah. Tetapi Anda harus memilih dengan hati-hati dalam mendesain peta atau bagan, dan salah satu kesalahan terbesar adalah menyalahgunakan warna pelangi.

Skema warna pelangi — juga disebut skema warna spektral — sering menjadi pilihan untuk memvisualisasikan data, baik karena terlihat berani dan menarik maupun karena merupakan default untuk banyak perangkat lunak visualisasi. Tapi mereka biasanya lebih berbahaya daripada baik. Mendeteksi warna sama sekali adalah masalah bagi lebih banyak pembaca daripada yang Anda duga, dan audiens lainnya akan lebih mudah memahami visualisasi jika disajikan dengan palet yang berbeda.

Skema warna pelangi 'hampir selalu' pilihan yang salah ,” Anthony C. Robinson, profesor geografi di Pennsylvia State University, menulis dalam kelas online di Coursera, yang mengajarkan siswa bagaimana menggunakan teknologi geospasial untuk memetakan data.

Berikut beberapa alasan mengapa warna pelangi adalah “pilihan yang salah”:

Buta warna dan pemesanan warna

Orang yang buta warna mengalami kesulitan mendeteksi warna, terutama merah dan hijau. (Mencoba tes penglihatan warna ini untuk melihat apakah Anda salah satunya.) Buta warna mempengaruhi hingga 10 persen pria . Itu berarti jika Anda menyajikan visual kepada ratusan ribu audiens, Anda kehilangan sebagian besar audiens Anda.

Meskipun kebanyakan orang tidak buta warna, skema warna pelangi dapat membingungkan karena tidak ada kejelasan 'lebih besar dari' atau 'kurang dari' logika untuk memesan warna, memperingatkan peneliti ilmu komputer David Borland dan Russell M. Taylor II. Orang umumnya setuju pada perkembangan dari terang ke gelap, tetapi mengurutkan warna secara berbeda, seperti yang ditunjukkan di sini:

“Jika orang diberi serangkaian serpihan cat abu-abu dan diminta untuk mengurutkannya, mereka akan secara konsisten menempatkannya dalam urutan gelap-ke-terang atau terang-ke-gelap. Namun, jika orang diberi kepingan cat berwarna merah, hijau, kuning, dan biru dan diminta untuk mengurutkannya, hasilnya bervariasi,” menurut peneliti David Borland dan Russell M. Taylor II , profesor ilmu komputer di University of North Carolina di Chapel Hill.

Perubahan bisa sulit untuk dilihat

Visualisasi menceritakan kisah di balik perubahan data; tugas mereka adalah menyederhanakan pola kompleks menjadi ilustrasi yang memungkinkan Anda memahami — idealnya sekilas — apa yang terjadi. Tapi mata manusia tidak pandai mendeteksi tepi warna berbeda yang duduk berdampingan. Kami lebih baik dalam melihat perubahan kecil dalam rentang warna tunggal karena nilai luminance dan saturasi berubah dengan mulus di mana warna tidak, tulis Robert Kosara , peneliti analisis visual di Gambar dan seorang ahli tentang bagaimana kita melihat warna, di situs pribadinya, EagerEyes.

Detailnya menjadi teknis dengan sangat cepat, tetapi pelajaran utamanya adalah warna pelangi hanya menunjukkan perbedaan ketika warna sebenarnya berubah, sementara gradien warna memungkinkan orang untuk melihat perubahan bertahap.

Audiens Anda akan berjuang untuk membedakan nuansa jika Anda menggunakan warna pelangi daripada berpegang pada skala satu warna.

Kesimpulan yang menyesatkan

Tergantung pada audiens Anda, pilihan yang salah dapat memiliki konsekuensi serius. Di dalam sebuah studi Harvard , peneliti menemukan diagram 2-D arteri jantung yang menggunakan gradien dari hitam ke merah adalah alat yang lebih efektif bagi dokter untuk membuat diagnosis daripada model 3-D yang menggunakan warna pelangi. Studi klinis menunjukkan diagram yang menggunakan gradien meningkatkan keakuratan diagnosis dokter tentang aterosklerosis dan penyakit jantung dari 39 persen menjadi 91 persen.

Perbandingan efektivitas diagram arteri 2-D dengan gradien hitam ke merah dan model warna pelangi 3-D. (Gambar: Michelle Borkin / Harvard School of Engineering and Applied Sciences)

Tidak semua visualisasi data digunakan dalam melakukan panggilan medis kritis, tetapi warna pelangi dapat menyesatkan ketika jurnalis menggunakannya untuk menampilkan data kuantitatif secara salah.

“Warna pelangi tidak buruk jika Anda menggunakannya untuk data kategorikal,” Drew Skau, arsitek visualisasi di visual.ly , kepada Poynter dalam sebuah wawancara video. 'Mereka buruk jika Anda menggunakannya untuk mewakili data berkelanjutan.'

Apa bedanya? Data berkelanjutan bersifat kuantitatif dan digambarkan dengan angka; data kategoris bersifat kualitatif dan dideskripsikan dengan kata-kata. Misalnya, bandingkan pengelompokan ini:

• Hewan peliharaan eksotis: chinchilla, ocelot, kalajengking, kecoak mendesis, ular sanca
• Suhu dalam Fahrenheit: -459.67°F, 32°F, 212°F
• Suara elektoral selama pemilu: 206, 270, 332

Hewan peliharaan eksotis itu terkait satu sama lain, tetapi tidak berkelanjutan — Anda tidak dapat mengukur perbedaan antara chinchilla dan ocelot. Pembacaan suhu, di sisi lain, terus menerus — mereka adalah angka pada skala dengan jarak yang dapat diukur.

Suara elektoral adalah data yang berkelanjutan, tetapi mereka juga berbeda. Kami ingin tahu apa titik tengahnya (270 suara elektoral) karena siapa pun yang mendapatkan lebih dari 50 persen suara dialah pemenangnya. Dengan demikian, visualisasi data biasanya menunjukkan warna biru untuk mewakili Demokrat di satu ujung dan merah untuk Partai Republik di ujung lainnya, yang merupakan cara ideal untuk mewakili data yang berbeda.

Latihan dari Robinson ini menunjukkan bagaimana warna spektral membuat lebih sulit untuk membedakan volume tweet (yang merupakan data kuantitatif) selama pemilihan presiden 2012:

Peta ini menunjukkan volume tweet Obama dan Romney dari pemilihan presiden 2012, menggunakan warna spektral.
(Gambar: Dr. Anthony C. Robinson / Penn State)

Ini peta yang sama, tetapi Robinson telah mengubah warna pelangi menjadi satu rona (ungu) dengan saturasi yang bervariasi.

(Gambar: Dr. Anthony C. Robinson / Penn State)

Tetapi warna pelangi sering digunakan untuk menggambarkan data kuantitatif, bahkan oleh ilmuwan NASA. Akademisi telah mendesak komunitas ilmiah untuk berhenti menggunakan warna spektral, dan para ilmuwan serta insinyur khawatir tentang akurasi dari penggunaan warna. Sebagai jurnalis, kita bisa belajar dari penelitian dan argumentasi.

Bantuan dari para ahli

Banyak pakar data telah membuat alat yang berguna untuk membantu Anda memilih warna:

• ColorBrewer oleh Cynthia Brewer, Mark Harrower dan Penn State membantu Anda mendesain palet warna untuk peta; Anda dapat memilih jumlah item data, jenis data, dan bahkan warna yang aman untuk buta warna.
• Alat Warna , yang dibuat oleh mantan peneliti NASA, menawarkan aplikasi kelas profesional untuk infografis kompleks dan tampilan aeronautika.
• Kuler dari Adobe adalah roda warna licin yang menawarkan skema warna.
• Poynter Katalog alat digital NewsU memiliki berbagai alat yang dapat digunakan untuk mulai memvisualisasikan data.

Warna itu indah — dalam meneliti artikel ini, saya menemukan hal-hal tentang mereka yang tidak pernah saya ketahui, seperti fakta bahwa kuning adalah warna paling cerah tentang pelangi dan orang-orang yang berbicara bahasa lain dapat melihat warna Penutur bahasa Inggris tidak bisa. Warna membantu membuat visualisasi menarik, tetapi beberapa pilihan warna yang bijak dapat memastikan visualisasi tersebut lebih penting informatif.