pindai. Periksa Sumber.
Pahami Konteks.

Membaca Data

Grafik dengan Sumbu Terpotong: Cara Menilai Pengaruh Skalanya

5 menit baca

Inti pembahasan

Grafik dengan sumbu y terpotong bisa membuat perbedaan nilai terlihat lebih besar atau lebih kecil. Penilaian yang tepat memerlukan pemeriksaan titik nol, rentang, jenis grafik, label data, dan konteks. Hitung selisih absolut serta perubahan relatif sebelum menyimpulkan bahwa grafik menyesatkan.

Ringkasan konsep
Fokus
Membaca grafik batang dan garis dengan sumbu y yang dipotong atau diperluas.
Efek utama
Pemotongan cenderung memperbesar perbedaan yang terlihat; ekspansi cenderung memperkecilnya.
Bukti eksperimen
Studi 2025 menemukan efek pemotongan atas dan bawah serta ekspansi pada penilaian perbedaan.
Catatan
Tidak semua pemotongan otomatis menyesatkan; konteks dan jenis tugas perlu diperiksa.

Grafik dengan sumbu y terpotong tidak otomatis menyesatkan, tetapi juga tidak bisa dinilai hanya dari bentuk visualnya. Pemotongan sumbu dapat membuat perbedaan nilai terlihat lebih besar daripada data aslinya; sebaliknya, ekspansi rentang dapat membuat perbedaan terlihat lebih kecil. Cara menilainya adalah memeriksa titik awal dan akhir sumbu, jenis grafik, label data, tugas yang ingin dijawab, serta konteks penyajian. Panduan ini merupakan bagian dari topik Membaca Data.

Apa yang dimaksud sumbu y terpotong?

Sumbu y adalah garis vertikal yang menunjukkan nilai. Pemotongan sumbu y berarti grafik tidak memakai rentang penuh yang lazim atau tidak memulai dari nol, sehingga bagian tertentu dari skala dihilangkan. Istilah terkait mencakup pemotongan bawah, yaitu ketika dasar sumbu tidak mulai dari nol; pemotongan atas, yaitu ketika batas atas sumbu dipendekkan; dan ekspansi, yaitu ketika rentang sumbu diperbesar. Studi eksperimental 2025 membedakan pemotongan atas dan bawah serta ekspansi, lalu menemukan bahwa dibandingkan grafik tanpa distorsi, pembaca melihat perbedaan lebih besar ketika ada pemotongan dan perbedaan lebih kecil ketika ada ekspansi di salah satu ujung sumbu y (Journal of Experimental Psychology: Learning, Memory, and Cognition, 2025).

Mengapa skala memengaruhi pembacaan?

Pada grafik batang, panjang atau area batang menjadi kode utama nilai. Jika dasar batang dipotong, panjang yang terlihat tidak lagi sebanding dengan nilai penuh. Studi 2025 juga menemukan bahwa batang hitam pada grafik batang terbalik lebih bias ketika dipotong karena area yang terlihat mengecil; selain itu, grafik tanpa batang, seperti titik dan garis, menghasilkan penilaian yang lebih sedikit bias dalam kondisi pemotongan (Journal of Experimental Psychology: Learning, Memory, and Cognition, 2025). Ini bukan berarti grafik batang selalu buruk, melainkan bahwa bentuk visual dan jenis grafik perlu diperiksa bersama.

Pada grafik garis, pemotongan sumbu dapat memperbesar kemiringan atau perubahan antartitik. Sebuah studi PLoS ONE 2022 menguji grafik garis yang memotong sumbu y untuk menonjolkan tren naik, dalam dua konteks penyajian. Judul studinya menyatakan grafik menyesatkan dalam konteks ternyata kurang menyesatkan dari dugaan, tetapi abstrak yang tersedia tidak merinci seluruh hasil; karena itu, pelajaran utamanya adalah konteks pembaca perlu dipertimbangkan, bukan bahwa semua grafik terpotong aman (Driessen dkk., PLoS ONE, 2022).

Bukti juga tidak mendukung satu vonis seragam. Analisis sistematis Long dan Kay pada CHI 2024 terhadap grafik batang berkelompok menemukan bahwa untuk membandingkan dan memperkirakan selisih panjang dua batang, pemotongan sumbu y tidak memengaruhi performa tugas. Namun, penulis menekankan bahwa dampak pemotongan bergantung pada jenis tugas dan struktur data (Long dan Kay, CHI 2024). Dalam penelitian terapan, Peltier, McKenna, dan van Dijk (2024) menguji apakah pemotongan ordinat dan DPPXYR meningkatkan estimasi hubungan fungsional dan besaran efek perlakuan oleh analis; studi ini menunjukkan bahwa skala sumbu dapat menjadi elemen yang memengaruhi analisis, bukan sekadar hiasan (Behavior Modification, 2024).

Cara menilai pengaruh skala

  1. Tentukan jenis grafik dan pertanyaan. Grafik batang biasanya dipakai untuk membandingkan besaran, sedangkan grafik garis dipakai untuk melihat perubahan atau tren. Dampak pemotongan sumbu berbeda tergantung tugasnya: membandingkan selisih dua batang tidak sama dengan menilai pertumbuhan relatif atau kemiringan garis.
  2. Periksa baseline dan rentang sumbu. Lihat apakah sumbu y mulai dari nol. Jika tidak, catat nilai awalnya. Periksa juga nilai minimum, nilai maksimum, dan jarak antartick. Rentang yang sempit dapat membuat perubahan kecil tampak dramatis.
  3. Baca label, satuan, dan denominator. Pastikan angka pada grafik memiliki satuan yang jelas. Jika grafik menampilkan persentase, bedakan poin persentase dari perubahan relatif. Untuk bantuan hitung, gunakan Kalkulator Perubahan Persentase dan Pembanding Persen dan Poin Persentase.
  4. Hitung selisih absolut dan perubahan relatif. Jangan hanya menilai tinggi batang atau kemiringan garis. Contoh: nilai 100 menjadi 120 berarti selisih absolut +20 dan perubahan relatif +20%. Nilai 100 menjadi 80 berarti selisih -20 dan perubahan relatif -20%. Dari basis nol, perubahan relatif tidak didefinisikan.
  5. Bandingkan bentuk visual dengan data. Apakah perbedaan visual sebanding dengan selisih angka? Jika sumbu dipotong, batang yang tampak tiga kali lebih tinggi bisa saja hanya berbeda 20 unit dari nilai aslinya. Label data atau tabel sumber membantu memeriksa hal ini.
  6. Cari konteks dan pembanding. Grafik tidak muncul dalam ruang kosong. Judul, keterangan sumbu, sumber data, periode, dan pembanding sebelumnya dapat mengubah tafsir. Studi PLoS ONE 2022 menempatkan grafik dalam konteks penyajian, sehingga pembaca tidak hanya bereaksi pada bentuk grafik.
  7. Cermati bentuk khusus. Grafik batang terbalik, area yang dipotong, atau sumbu yang diperluas dapat mengubah kesan visual. Periksa apakah yang dipakai adalah panjang, area, atau posisi titik.

Contoh ilustratif: 100 dan 120

Misalnya dua nilai data adalah 100 dan 120. Selisih absolutnya +20, dan perubahan relatifnya +20% dari nilai 100. Jika grafik batang memakai sumbu 0 sampai 130, panjang batang yang terlihat sebanding dengan nilai penuh. Jika sumbu dimulai dari 90, segmen yang terlihat hanya 10 dan 30, sehingga perbedaan visualnya tampak jauh lebih besar. Contoh ini ilustratif, bukan hasil survei.

Perbandingan tampilan batang pada sumbu penuh dan sumbu terpotong
Sumbu y Segmen terlihat nilai 100 Segmen terlihat nilai 120 Rasio visual segmen Catatan
0 sampai 130 100 120 1:1,2 Panjang sebanding nilai penuh
90 sampai 130 10 30 1:3 Perbedaan visual membesar

Angka pada tabel menunjukkan mengapa membaca label sumbu penting. Tanpa label yang jelas, pembaca bisa mengambil kesimpulan besaran dari rasio visual yang sudah berubah. Sebaliknya, jika data asli dan konteks tersedia, pembaca dapat menghitung sendiri selisih dan perubahan relatifnya.

Kapan pemotongan bisa diterima?

Pemotongan tidak selalu salah. Untuk grafik garis yang menunjukkan variasi kecil, rentang yang diperbesar dapat membantu melihat pola, asalkan sumbu diberi label jelas dan pembaca tidak menyimpulkan besaran perubahan dari kemiringan saja. Untuk grafik batang, baseline nol biasanya lebih penting karena panjang batang dipakai sebagai kode nilai. Long dan Kay menunjukkan bahwa efeknya bergantung pada tugas: pada tugas selisih panjang dua batang, pemotongan tidak selalu mengubah performa; pada tugas lain, struktur data dan jenis pemotongan dapat berperan. Karena itu, pertanyaan yang tepat bukan apakah sumbu ini dipotong, melainkan apakah potongan itu mengubah kesimpulan yang diambil dari grafik untuk tugas tertentu (Long dan Kay, 2024).

Kesalahan umum saat menilai

  • Menganggap semua grafik yang tidak mulai nol pasti menipu. Bukti menunjukkan efek bergantung pada jenis grafik, tugas, dan konteks.
  • Mengabaikan label dan satuan. Sumbu terpotong dengan label jelas berbeda dari grafik tanpa keterangan.
  • Membandingkan angka persen tanpa denominator. 10% ke 12% adalah +2 poin persentase dan +20% relatif; keduanya bukan hal yang sama.
  • Hanya melihat kemiringan garis. Kemiringan dipengaruhi rentang sumbu, sehingga perubahan kecil bisa tampak curam.
  • Mengabaikan konteks penyajian. Grafik yang sama dapat ditafsirkan berbeda ketika ditempatkan bersama informasi pendukung atau tanpa penjelasan.

Checklist singkat

  • Apakah sumbu y mulai dari nol? Jika tidak, berapa nilai awalnya?
  • Berapa nilai minimum, maksimum, dan jarak antartick?
  • Apakah grafik batang, garis, atau titik? Apakah panjang atau area dipakai untuk mewakili nilai?
  • Apakah ada label data yang bisa dibaca langsung?
  • Apakah klaim memakai selisih absolut, perubahan relatif, atau poin persentase?
  • Apakah ada sumber data, periode, dan pembanding yang jelas?

Dengan memeriksa unsur-unsur itu, pembaca dapat menilai apakah skala grafik memperbesar, memperkecil, atau tidak mengubah kesimpulan. Checklist tidak membuktikan sebuah grafik benar atau salah, tetapi membantu memisahkan bentuk visual dari data dan konteks yang mendasarinya.

FAQ

Apakah grafik batang dengan sumbu y tidak mulai dari nol selalu menyesatkan?

Tidak selalu, tetapi perlu diperiksa. Pada grafik batang, panjang atau area batang adalah kode nilai; jika dasar sumbu dipotong, perbandingan visual bisa membesar. Namun studi Long dan Kay pada 2024 menemukan bahwa pada tugas membandingkan selisih panjang dua batang, pemotongan tidak selalu mengubah performa. Lihat label data, tugas, dan konteks sebelum menyimpulkan.

Apakah sumbu terpotong pada grafik garis selalu buruk?

Tidak. Pemotongan dapat membantu memperlihatkan variasi kecil, tetapi juga memperbesar kemiringan. Pembaca perlu melihat label sumbu, satuan, dan rentang, lalu tidak menyimpulkan besaran perubahan hanya dari bentuk garis.

Bagaimana cara cepat menghitung dampak skala?

Baca nilai asli dari label atau data, lalu hitung selisih absolut dan perubahan relatif. Contoh 100 ke 120 berarti selisih +20 dan perubahan relatif +20%. Kalkulator perubahan persentase dapat membantu; untuk angka persen, bedakan poin persentase dari perubahan relatif.

Sumber & rujukan

  1. Anchors and ratios to quantify and explain y-axis distortion effects in graphs. Journal of Experimental Psychology: Learning, Memory, and Cognition. Published 2025-02-18. https://doi.org/10.1037/xlm0001454
  2. Driessen, J., Vos, D. A. C., Smeets, I., & Albers, C. J. Misleading graphs in context: Less misleading than expected. PLoS ONE. Published 2022-06-15. https://doi.org/10.1371/journal.pone.0265823
  3. Long, S., & Kay, M. To Cut or Not To Cut? A Systematic Exploration of Y-Axis Truncation. CHI 24 Proceedings. Published 2024-05-11. https://dl.acm.org/doi/10.1145/3613904.3642102
  4. Peltier, C. J., McKenna, J. W., & van Dijk, W. Investigation of Two Preliminary Analysis-Altering Elements: Ordinate Scaling and DPPXYR. Behavior Modification. Published 2024-01-11. https://doi.org/10.1177/01454455231221289
Punya catatan atau menemukan kekeliruan?

Pemahaman yang baik tumbuh lewat pemeriksaan bersama.

Sampaikan kepada kami

Diskusi pembaca

Tambahkan tanggapan

Your email address will not be published. Required fields are marked *