Lewati ke konten utama

Florence Nightingale: Pelopor Visualisasi Data

Tahukah Anda bahwa visualisasi data berakar dari reformasi layanan kesehatan militer? Dalam artikel blog ini, kami membahas bagaimana perawat terkenal Florence Nightingale menggunakan bagan untuk menunjukkan pekerjaan penyelamatan nyawanya kepada audiens sasarannya.
Diperbarui 28 Sep 2026  · 6 mnt Baca

Jelajahi bersama AI

ChatGPTClaudePerplexity
Florence Nightingale

Siapa Florence Nightingale?

Visualisasi data sering dikaitkan dengan rapat bisnis dan ruang rapat yang mewah, tetapi asal-usulnya sangat berbeda. Meskipun sulit menentukan satu penemu atau sumber visualisasi data, salah satu pelopornya adalah seorang perempuan yang sangat terkenal di Inggris sebagai pendiri keperawatan modern: Florence Nightingale.

Gagasan bahwa rumah sakit harus bersih dan higienis mungkin terasa sebagai hal yang sudah sewajarnya dari perspektif abad ke-21. Namun, pada era Victoria, sebelum reformasi dilaksanakan berkat kerja berbagai dokter dan perawat seperti Nightingale sendiri, yang terjadi justru sebaliknya. Pada Oktober 1854 Nightingale dikirim ke Istanbul sebagai perawat militer. Berakhir di rumah sakit militer di sana bagaikan vonis mati tersendiri: ranjang memiliki seprai kotor, sering tidak diganti dan tidak dicuci antar penghuni, dan para prajurit yang tiba ketika rumah sakit penuh harus berbagi lantai yang sama kotornya dengan tikus-tikus penghuni. Akibatnya, rumah sakit ini merenggut nyawa 10 kali lebih banyak dibandingkan medan perang. Semua ini dianggap normal pada masa itu: banyak politisi dan perwira berpengaruh, termasuk Kepala Petugas Medis Inggris, meyakini bahwa kematian akibat penyakit menular tak terhindarkan dan tidak ada kaitan antara kurangnya kebersihan dengan kematian tersebut.

Untuk apa Florence Nightingale dikenal?

Florence Nightingale dan Statistika

Nightingale yakin bahwa meningkatkan mutu perawatan akan mengurangi kematian dan dengan gigih merawat para prajurit, sehingga dikenal sebagai “The Lady with the Lamp.” Sifat welas asihnya terus dikenang dalam sejarah, tetapi satu aspek yang kurang dikenal dari cerita ini adalah pembukuan yang diperbaiki oleh Nightingale. Sejak kecil Nightingale memiliki ketertarikan pada statistika, dan ketika ia mendapati rumah sakit kehilangan jejak catatan kematian prajurit, ia menugaskan individu tertentu untuk melakukan pencatatan. Hal ini terbukti sangat berharga saat ia kembali ke Inggris.

Nightingale berupaya mendorong reformasi layanan kesehatan secara luas, merasa bahwa pencapaiannya di Turki belum cukup. Seperti lazimnya kisah perubahan, ia harus menghadapi para skeptis—seperti Kepala Petugas Medis—dan ia menyadari hal ini.

Data yang ia kumpulkan selama perang dan bagan yang ia hasilkan setelahnya menjadi senjatanya. Ia memahami bahwa kalangan birokrat dan publik sebagai audiens sasaran akan lebih mudah memahami visualisasi dibandingkan tabel data:

“Tabel cetak dan semua yang berkolom ganda, saya rasa tak seorang pun akan membacanya. Hanya kalangan ilmuwan yang mau melihat Lampiran sebuah Laporan. Sedangkan ini untuk khalayak* umum.”

Florence Nightingale

*Pada era Nightingale, kata vulgar dipahami bermakna biasa.

diagram penyebab kematian

Bagan Mawar Florence Nightingale

Visualisasi paling terkenalnya adalah yang ia buat pada awal: sebuah bagan mawar tentang kematian di Angkatan Darat Inggris di Crimea dan penyebabnya. Melalui skema warna dan polanya, bagan ini menunjukkan bahwa pengurangan kematian di rumah sakit akan menyelamatkan ribuan nyawa. Pengumpulan dan proses memvisualisasikan data dasarnya juga menjadi pencerahan bagi Nightingale: angka kematian prajurit menurun tajam setelah pemerintah mengirim komite sanitasi pada Maret 1855, yang membersihkan air minum dan ventilasi rumah sakit. Dalam publikasi-publikasi selanjutnya, ia sangat menekankan peningkatan kebersihan.

Grafik Mortalitas Angkatan Darat di Dalam Negeri dan Populasi Pria Inggris

Dampak Florence Nightingale pada Keperawatan

Sudah menjadi sosok ikonik selama perang, karya Nightingale terbukti sangat populer di kalangan pembaca, dari warga biasa hingga Ratu Victoria sendiri. Ini adalah salah satu contoh paling awal ketika visualisasi data digunakan untuk meyakinkan para pembuat kebijakan akan perlunya reformasi sosial. Sebagai hasil dari upaya ini, kebersihan di rumah sakit militer meningkat drastis. Pada akhir abad ke-19, angka kematian rata-rata mereka turun menjadi setengah dari rumah sakit sipil, yang sebelumnya secara konsisten lebih tinggi. Nightingale kemudian memanfaatkan pengaruh dan kecintaannya pada data untuk mendorong reformasi layanan kesehatan di seluruh dunia dan dalam berbagai konteks, dari bangsal bersalin di India hingga tenda-tenda dokter pada Perang Saudara Amerika.

Ini adalah salah satu contoh paling awal ketika visualisasi data digunakan untuk meyakinkan para pembuat kebijakan akan perlunya reformasi sosial.

Bagaimana ilmu data dapat digunakan dalam layanan kesehatan?

Nightingale adalah seorang ilmuwan data pada masa sebelum Python, R, SQL, Tableau, Power BI, atau bahkan komputer itu sendiri ada. Di masa kini, hanya membutuhkan beberapa menit untuk mengumpulkan data dalam jumlah besar dan membuat bagan darinya. Namun, yang tidak berubah adalah konsep dasar menggunakan visualisasi untuk mendorong literasi data: hingga hari ini organisasi layanan kesehatan tetap mengandalkan visualisasi, menggunakan R dan Python secara luas untuk meningkatkan perawatan pasien dan menciptakan masyarakat yang lebih sehat.

Sama seperti masa ketika Nightingale merilis kumpulan datanya kepada publik dengan cara yang mudah dipahami, visualisasi tetap menjadi alat berharga dalam mendemokratisasi data.

Kursus Visualisasi Data

Jika Anda ingin meningkatkan keterampilan visualisasi untuk mengomunikasikan wawasan data, kami menawarkan:

Sumber:

Topik
Data Science

Kursus Visualisasi Data

Kursus

Memahami Visualisasi Data

2 jam
263.1K
Pengantar visualisasi data tanpa perlu pengkodean.
Lihat DetailRight Arrow
Mulai Kursus
Lihat SelengkapnyaRight Arrow
Terkait

blogs

Spaghetti Plot dan Jalur Badai

Temukan alasan mengapa Anda sebaiknya (tidak) menggunakan spaghetti plot untuk menyampaikan ketidakpastian jalur prediksi badai serta dampaknya terhadap interpretasi.
Hugo Bowne-Anderson's photo

Hugo Bowne-Anderson

13 mnt

blogs

40 Pertanyaan Wawancara DBMS Teratas di 2026

Kuasai pertanyaan wawancara basis data, dari konsep SQL dasar hingga skenario desain sistem tingkat lanjut. Panduan mendalam ini mencakup semua yang Anda perlukan untuk sukses di wawancara DBMS dan meraih peran berikutnya.
Dario Radečić's photo

Dario Radečić

15 mnt

blogs

Tutorial Korelasi di R

Dapatkan pengenalan dasar-dasar korelasi di R: pelajari lebih lanjut tentang koefisien korelasi, matriks korelasi, plotting korelasi, dan sebagainya.
David Woods's photo

David Woods

13 mnt

blogs

12 Alternatif ChatGPT Terbaik yang Bisa Anda Coba pada 2026

Artikel ini menyajikan daftar alternatif ChatGPT yang akan meningkatkan produktivitas Anda.
Javier Canales Luna's photo

Javier Canales Luna

14 mnt

Lihat SelengkapnyaLihat Selengkapnya