VISUALISASI STATISTIKA DESKRIPTIF MATEMATIKA

(1)

PROSIDING ISBN : 978-623-94501-0-6

VISUALISASI STATISTIKA DESKRIPTIF MATEMATIKA

Rarasati Hapsari Siwi

Jurusan Pendidikan Matematika Fakultas Keguruan dan Ilmu Pendidikan Universitas Muhammadiyah Purwokerto

Abstrak

Kemampuan menerjemahkan data merupakan hal yang penting untuk mengerti pesan yang ingin disampaikan dari data tersebut. Statistika berperan dalam mengumpulkan suatu data, dan visualisasi berperan untuk mengubah data menjadi bentuk yang lebih sederhana serta mudah diterima oleh orang yang melihat. Tujuan dari artikel ini adalah menjelaskan tentang bentuk visualisasi dari suatu data statistika. Metode yang digunakan adalah kajian literatur dengan menkontruksi ulang beberapa artikel kedalam bahasa sendiri. Instrument yang digunakan adalah data sensus Indonesia dan dunia tentang Covid-19 per tanggal 31 Maret 2020. Hasil dari artikel ini adalah bentuk penyajian atau visualisasi dari suatu data statistika, dan implikasi statistika dalam beberapa bidang ilmu pengetahuan.

Kata kunci :Visualisasi, Statistika Deskriptif

A. PENDAHULUAN

Statistika deskriptif adalah salah satu cabang ilmu matematika yang membahas tentang pengumpulan, pengolahan, penafsiran dan penarikan kesimpulan dari data yang berbentuk angka. Banyak bidang yang menerapkan salah satu cabang matematika ini untuk mengumpulkan data dan kemudian mempublish data tersebut kepada masyarakat. Namun banyak dari masarakat yang terkadang kurang tertarik dan sulit memahami maksud dari data tersebut, terlebih lagi jika data tersebut terlalu banyak dan membuat lelah setiap mata yang melihat. Berbagai macam bentuk representasi yang dapat digunakan dalam mengekspresikan berbagai ide matematika (Bal, 2015) diantaranya adalah representasi verbal, gambar, numerik, simbol, aljabar, tabel dan grafik.

Dalam kehidupan sehari-hari, terdapat beberapa penggunaan berbagai representasi, salah satunya adalah representasi grafik. seperti pada beberapa waktu belakangan ini di Indonesia, dimana pemerintah memita data warganya secara online guna untuk rekapan sensus penduduk. Pada perekapan data ini, masyarakat diminta memasukan identitasnya dengan menyertakan NIK, nomor KTP, dan nomer KK. Kemudian ditanyakan beberapa hal tentang pendapatan bulanan kepala keluarga, dan fasilitas yang telah ada di tiap KK nya.

Bagaimana pemerintah tahu siapa anda, darimana asal anda, bahkan berapa bersaudara anda, jawaban itu semua adalah data. Gambaran sensus ini nantinya akan dimanfaatkan untuk membuat simpulan dari data masyarakat. Ketika data mentah yang berisikan berjuta masyarakat disajikan dan ditampilkan, akan sangat sulit untuk membuat analisis data yang digunakan untuk simpulan. Kemudian lebih lanjut dijelaskan menurut Wahyuni (2015) cara yang dapat digunakan untuk menyajikan data adalah narasi/teks dan grafik. dengan adanya tampilan data berupa grafik akan memberikan kemudahan kepada pembaca atau penerima informasi untuk melihat simpulan dari data tersebut.

Adapun peran visualisasi menurut Presmeg (1986), yaitu 1) untuk memahami masalah, 2) untuk menyederhanakan masalah, 3) untuk melihat keterkaitan (koneksi) ke masalah terkait, 4) untuk memenuhi gaya belajar individual, 5) sebagai pengganti untuk komputasi/

perhitungan, 6) sebagai alat untuk memeriksa solusi, 7) untuk mengubah masalah ke dalam bentuk intuitif. Bentuk intuitif dapat diperoleh dari representasi visual untuk memecahkan masalah. Untuk itu, untuk menjelaskan tetang visualisasi statistika deskriptif matematika

(2)

PROSIDING ISBN : 978-623-94501-0-6 ISBN : 978 – 979 – 16353 – 6 – 3

matematika statistika deskriptif baik dalam simple text, grafik, atau tabel, kemudian perkembangan dari statistika deskriptif itu sendiri terutama dari segi implementasinya dalam banyak bidang sehingga data akan semakin menarik dan mudah dipahami ketika disederhanakan dalam bentuk grafik.

Larkin & Simon (1987), Novick &Hurley (2001), Mayer (2003), Cheng (2004) menjelaskan pentingnya penggunaan diagram yaitu sebagai strategi yang kuat dalam memecahkan masalah. Bahkan di luar bidang pendidikan matematika, representasi visual ini pun digunakan sebagai alat penalaran. Sebagaimana yang dijelaskan oleh Stern, dkk (2003) bahwa membangun dan menggunakan grafik linear secara aktif dapat digunakan untuk mengoptimalkan isi pelajaran karena dapat berfungsi sebagai alat penalaran. Spiegel &

Stephens (2008) juga menjelaskan bahwa grafik adalah presentasi yang menggambarkan hubungan antar variabel.

B. METODE PENELITIAN

Metode penelitian yang penulis gunakan adalah metode kajian pustaka dan stratified cluster random sampling, dimana nantinya penulis akan mengkaji beberapa artikel sebagai reverensi dalam pembuatan artikel ini. Penulis akan mengkaji kemudian mengembangkan dengan bahasa sendiri menjadi suat argument baru yang mudah diterima. Sesuai dengan pembahasan utama tentang visualisasi statstika deskriptif matematika, tujuannya adalah untuk mengubah suatu data kedalam bahasa yang mudah diterima. Sampel nantinya akan berpusat pada data statistik kesehatan tentang kejadian yang menimpa dunia akhir - akhir ini di awal tahun 2020, yaitu kasus corona. Terdapat beberapa macam tabel terkait data corona per Maret 2020 yang akan ditampilkan kemudian dijelaskan dengan bahasa yang mudah diterima.

C. HASIL PENELITIAN DAN PEMBAHASAN 1. Gambaran Umum

Salah satu pembelajaran yang membutuhkan pemikiran matematika tingkat lanjut adalah statistika matematika. Menurut Tall (1991), perubahan dari berpikir elementer ke berpikir matematis tingkat lanjut melibatkan suatu transisi yang signifikan, yaitu dari mendeskripsikan ke mendefinisikan, dari meyakinkan ke membuktikan secara logika berdasarkan pada suatu definisi.

Kata statistik berasal dari bahasa Latin, yaitu status yang artinya negara atau menyatakan hal - hal yang berhubungan dengan ketatanegaraan. Kemudian pengertian statistik ini mengalami perkembangan sesuai zaman, dimana dapat disimpulkan bahwa statistik adalah ilmu yang mempelajari tentang seluk beluk data yaitu tentang pengumpulan, pengolahan, penafsiran dan penarikan kesimpulan dari data yang berbentuk angka - angka.

Sedangkan statistika deskriptif adalah cabang ilmu matematika tentang metode - metode yang mempelajari seluk beluk data yaitu tentang pengumpulan, pengolahan, penafsiran dan penarikan kesimpulan dari data yang berbentuk angka dan ditemukan dalam sebuah observasi (pengamatan) secara langsung serta bertahap untuk memuat sebuah data yang akurat dan dapat dipercaya.

Menurut Wiebe (1998) bahasa grafik merupakan suatu bentuk persembahan visual dan komunikasi yang mengandungi dua komponen utama dalam bidang psikologi iaitu komponen pengamatan dan kognitif yang melibatkan ‘intuitive’ atau penafsiran secara automatik sesuatu grafik, iaitu mempersembahkan elemen - elemen seperti analogi kepada pengalaman-pengalaman dari dunia nyata. Sedangkan komponen kognitif adalah sesuatu yang dipelajari dan merupakan komponen khusus dalam disiplin tertentu yang memerlukan pemahaman tinggi terhadap symbol - simbol atau grafik. dalam penggunaan bahasa grafik memerlukan kemahiran dalam visualisasi. Visualisasi merupakan sebahagian daripada elemen kognisi spatial iaitu salah satu kategori utama dalam disiplin sains visual yang

(3)

diutarakan oleh Bertoline (1998) Visualisasi adalah menterjemahkan imej - imej mental dalam bentuk lisan ataupun grafik.

Adapula yang disebut dengan visualisasi data. Visualisasi data merupakan cara dalam menyajikan data yang detail menjadi informasi yang mudah diterima dengan menggunakan informasi visual yang bisa dipahami secara universal. Dimana tujuan dari adanya visualisasi adalah untuk mempermudah seseorang dalam membaca suatu data, karena data tersebut diterkemahkan dalam bentuk yang lebih mudah diterima oleh manusia dari pada data dalam bentuk kalimat panjang atau long text. Bentuk - bentuk dari visualisasi data yaitu:

1. Simple text digunakan bila informasi yang ingin disampaikan berupa sebuah angka atau dua angka

2. Tabel digunakan saat pengguna akan melihat beberapa ukuran yang berbeda 3. Diagram atau grafik digunakan jika ingin memetakan dimensi menjadi visual

Visualisasi data yang baik didukung dengan mengidentifikasi pengguna yang akan membaca visualisasi yang dibuat.

2. Statistika Deskriptif

Statistik adalah kumpulan fakta yang umumnya berbentuk angka yang disusun dalam bentuk tabel atau diagram yang melukiskan atau menggambarkan suatu persoalan. Statistika adalah ilmu pengetahuan yang berhubungan dengan cara-cara pengumpulan fakta, pengolahan dan pembuatan keputusan yang cukup beralasan berdasarkan fakta dan analisa yang dilakukan. Sedangkan statistika deskriptif adalah cabang ilmu matematika yang membahas tentang pengumpulan, pengolahan, penafsiran dan penarikan kesimpulan dari data yang berbentuk angka. Pada awalnya kata statistik diartikan sebagai keterangan - keterangan yang dibutuhkan oleh negara dan berguna bagi negara, misalnya usia penduduk dan pekerjaan penduduk suatu negara. Tetapi, seiring berjalanya waktu, lebih lanjut menunjukkan bahwa pengertian statistik merupakan suatu kumpulan angka - angka. Jenis data pada statstika deskriptif dibagi menjadi dua:

1. Data tunggal, yaitu data yang belum tersusun atau dikelompokkkan kedalam kelas - kelas interval.

2. Data berkelompok, yaitu data yang sudah tersusun atau dikelompokkan kedalam kelas - kelas interval. Suryoatmono (2004:18) menyatakan: Statistika Deskriptif adalah statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik kesimpulan mengenai kelompok itu saja.

Kemudian, terdapat bebeapa hal yang menggunakan perhitungan dan merupakan hasil dari data, yaitu:

1. Nilai rata - rata hitung (Mean), yaitu nilai untuk menghitung rata - rata suatu data 2. Nilai tengah (Median), yaitu nilai tengah dari data yang ada setelah data diurutkan.

Median merupakan rata - rata apabila ditinjau dari segi kedudukanya dalam urutan data 3. Nilai varians (Variansi), yaitu nilai tengah kuadrat simpangan dari nilai tengah atau

simpangan rata - rata kuadrat

4. Nilai Standar Deviasi (Simpangan Baku), yaitu akar dari tengah kuadrat simpangan dari nilai tengah atau akar simpangan rata - rata kuadrat

5. Ukuran keruncingan (Kurtosis), nilai keruncingan atau ketinggian puncak distribusi dapat dilihat dengan membandingkannya terhadap keruncingan atau ketinggian distribusi normal. Suatu distribusi yang mempunyai puncak relatif runcing atau tinggi disebut leptokurtic. Distribusi yang mempunyai puncak relatif tumpul atau mendatar dinamakan platykurtic

6. Ukuran kemiringan (Skewness). Ukuran kemiringan menunjukkan ukuran kesimetrisan distribusi frekuensi. Ukuran kemiringan dibedakan menjadi tiga, yaitu kemiringan negatif (kiri), kemiringan nol (simetris), kemiringan positif (kanan).

(4)

Data statistik dapat dikumpulkan dengan menggunakan prosedur yang sistematis.

Pengumpulan data dapat dibedakan berdasarkan karakteristiknya, yaitu:

1. Berdasarkan jenis cara pengumpulannya:

a. Pengamatan (observasi), yaitu cara pengumpulan data dengan terjun dan melihat langsung ke lapangan terhadap objek yang diteliti (populasi). Pengamatan ini disebut juga penelitian lapangan.

b. Penelusuran literatur, yaitu cara pengumpulan data dengan menggunakan sebagian atau seluruh data yang telah ada. Cara ini disebut juga pengamatan tidak langsung.

c. Penggunaan kuesioner (angket), yaitu cara pengumpulan data dengan menggunakan daftar pertanyaan/angket atau daftar isian terhadap objek yang diteliti (populasi) d. Wawancara (interviu), yaitu cara pengumpulan data dengan langsung mengadakan

tanya-jawab kepada objek yang diteliti atau kepada perantara yang mengetahui persoalan dari objek yang diteliti.

2. Berdasarkan banyaknya data yang diambil, dibedakan menjadi:

a. Sensus, yaitu cara pengumpulan data dengan mengambil elemen atau anggota populasi secara keseluruhan untuk diselidiki. Data yang diperoleh dari hasil sensus disebut parameter atau data yang sebenarnya (true value).

b. Sampling, yaitu cara pengumpulan data dengan mengambil sebagian dari elemen atau anggota populasi untuk diselidiki. Data yang diperoleh dari sampling disebut statistic atau data perkiraan (estimate value).

Populasi dan sampel

Di dalam statistika selalu berhubungan dengan data. Data adalah fakta-fakta yang dapat dipercaya kebenarannya. Pengumpulan fakta-fakta yang merupakan data ini bisa seluruhnya atau sebagian saja. Keseluruhan dari semua fakta yang diteliti itu disebut sebagai populasi, sedang kalau dari semua fakta yang dianggap mewakili seluruhnya disebut sebagai sampel. Sampel yang diambil harus harus bisa mewakili keseluruhan populasi yang diteliti, oleh karena itu pemilihan sampel harus diusahakan sedemikian rupa sehingga sampel itu bisa menunjukkan gambaran keadaan keseluruhan populasi, jumlah sampel jangan terlalu sedikit dan menentukannya secara random atau sembarang.

Bentuk - bentuk penyajian data dalam statistik:

1. Tabel data, yaitu penyajian data dalam bentuk kumpulan angka yang disusun menurut kategori tertentu dalam suatu daftar.

2. Grafik data atau diagram data, yaitu penyajian data dalam bentuk gambar - gambar.

Macam dari grafik data, yaitu:

a. Piktogram, yaitu grafik data yang menggunakan gambar atau lambing dari data itu sendiri dengan skala tertentu.

b. Grafik batang, yaitu grafik data berupa garis, diperoleh dari beberapa ruas garis yang menghubungkan titik - titik pada bilangan. Menurut De Veaux, dkk (2012), diagram batang digunakan untuk menampilkan distribusi variabel yang berbentuk kategori.

Data kategori adalah data yang variabelnya dapat dibedakan menjadi beberapa kelompok/ kategori. Dengan diagram batang ini setiap kategori yang ditampilkan berdampingan dengan yang lain akan dapat dibandingkan dengan mudah. Antar batang dalam diagram batang mempunyai spasi untuk menunjukkan batang yang dapat diatur sesuai dengan keinginan.

c. Grafik garis, yaitu grafik data berupa lingkaran yang telah dibagi menjadi juring - juring sesuai dengan data tersebut

d. Grafik lingkaran, yaitu grafik data berupa lingkaran yang telah dibagi menjadi juring - juring sesuai dengan data tersebut. Diagram ini merupakan bentik diagram lain yang dapat digunakan untuk menunjukkan bahwa keseluruhan kelompok dibagi menjadi beberapa kategori adalah diagram lingkaran. Meskipun diagram batang dan lingkaran dapat digunakan untuk menggambarkan data yang berbentuk kategori,

(5)

namun kadang sulit untuk melihat perbedaan data pada diagram lingkaran. Pada kasus seperti ini akan lebih mudah jika data disajikan dalam bentuk diagram batang.

e. Kartogram atau peta statistik, yaitu grafik data berupa peta 3. Implementasi dan Visualisasi Statistika Deskriptif

Berdasarkan Kamus Besar Bahasa Indonesia (KBBI), implementasi adalah pelaksanaan atau penerapan, yang dimaksudkan disini adalah kegiatan apa yang direncanakan dan dilaksanakan untuk mencapai tujuan berdasarkan aturan - aturan yang berlaku. Implementasi statistika adalah pelaksanaan atau penerapan dari statistika deskriptif itu sendiri. Basic dari statistika deskriptif adalah kumpulan dari angka atau pengumpulan data, hal ini sangat mudah dijumpai dalam berbagai bidang. Misalnya, dalam ilmu kesehatan, pendidikan, politik, sosial dan budaya, komunikasi, ilmu dalam suatu bidang.

Gambar 1. Data Komitmen Baru untuk Pendidikan (sumber: http://datatopics.worldbank.org/education/)

Gambar 1 merupakan salah satu data statistik tentang informasi terkait komitmen baru untuk pendidikan mulai tahun 2019. Data diatas adalah salah satu contoh data mentah yang sudah dikelompokan berdasarkan variabelnya masing-masing. di atas, masih akan sulit untuk membuat analisis data yang digunakan untuk membuat simpulan dan prediksi.

Menurut Wahyuni (2015) cara yang dapat digunakan untuk menyajikan data adalah narasi/teks dan grafik. Lebih lanjut dijelaskan bahwa penyajian data dalam bentuk tulisan banyak digunakan dalam rangka untuk menyimpulkan isi dari suatu tabel dan grafik. Dengan adanya tampilan data dalam bentuk grafik diharapkan data mentah yang didapatkan akan lebih berarti karena dapat digali lebih lanjut. De Veaux,dkk (2012) menjelaskan bahwa ada satu hal yang harus selalu dilakukan untuk menganalisis data, yaitu buatlah gambar.

Tampilan gambar dari data yang telah dikumpulkan akan dapat mengungkapkan hal-hal yang tidak mungkin dilihat dari sekedar kumpulan data yang berbentuk angka atau kategori.

Tampilan gambar juga akan membantu untuk melihat pola dan hubungan data yang tidak terlihat. Tampilan gambar yang dirancang dengan baik dan tepat juga akan dapat menampilkan fitur penting dan pola dari data. Dari tampilan gambar akan dapat dilihat hal-hal yang luar biasa dari data, misalnya data outlier atau tampilan pola yang tidak bisa kita prediksi ketika data belum tersajikan dalam grafik. Tampilan gambar yang tepat juga akan menginformasikan kepada orang terkait dengan data yang telah dikumpulkan secara lebih komunikatif.

(6)

Contoh penerapan visualisasi statistika deskriptif matematika dalam bidang kesehatan, seperti yang saat ini sedang booming di tahun 2019 hingga awal 2020 yaitu virus corona. Disebutkan bahwa “Infectious bronchitis virus (IBV) is, by deﬁnition, the coronavirus of the domestic fowl (Gallus gallus; more commonly known as the chicken).

Although it does indeed cause respiratory disease it also replicates at many non-respiratory epithelial surface, where it may cause pathology e.g. kidney, gonads” [8] yang intinya bahwa corona adalah salah satu virus bronchitis menular yang berbahaya karena target utamannya adalah saluran pernapasan, dimana dapat menyebabkan patologi, misalnya pada ginjal dan gonad.

Virus ini sedang menjadi topik utama, bukan dalam suatu negara melainkan sudah lingkup dunia. Corona menjadi hal yang ditakutkan oleh masyarakat dunia karena akibatnya yang bisa menyebabkan kematian. Negara - negara saling berlindung satu sama lain, perbedaan jabatan sudah tidak menjadi pengaruh dalam dunia kesehatan ini. Wakil presiden, menteri, pangeran, rakyat golongan atas maupun golongan bawah menjadi sasaran bagi virus satu ini. Hanya perlindungan diri dengan menjaga kebersihan, mengurangi contact langsung, menjaga imun, dan senantiasa beribadah merupakan kunci utama berlindung dari paparan virus ini. Selama vaksin belum ditemukan, corona atau covid-19 ini tetaplah menjadi ketakutan yang menjajah dunia.

Kehebatan teknologi yang luar biasa mampu mencatatkan data - data yang valid berupa visualisasi statistika desktriptif dan sangat mudah diakses melalui internet. Seperti dalam gambar berikut :

Gambar 2.Data Jumlah Kasus Virus Corona di Indonesia (sumber: https://www.bbc.com/indonesia)

Gambar 2 merupakan visualisasi statistika deskriptif tentang jumlah kasus virus corona di Indonesia mulai 2 s.d 31 Maret 2020 yang berupa grafik garis, dimana dapat dilihat dan disesuaikan dengan pengertian grafik garis itu sendiri yang berarti bahwa grafik ini berisi beberapa ruas garis yang menghubungkan titik - titik pada bilangan. Dijelaskan pada gambar terdapat tiga warna, yaitu biru yang artinya positif, hitam berarti kematian, dan merah dinyatakan sembuh. Dimana cara membaca tabel tersebut yaitu, jumlah kasus virus corona per tanggal 2 Maret 2020 masih 0 kasus, kemudian mulai mengalami tingkatan pada tanggal 10 Maret, dan puncaknya pada update terbaru yaitu tanggal 31 Maret, jumlah kasus

(7)

virus corona di Indonesia mencapai 1.600 positif, dengan kematian dan sembuh diantara 0 sampai 200, dengan kematian lebih tinggi daripada sembuh. Dan data diatas merupakan data kemiringan negatif (kiri). Grafik lain yang menyatakan tentang kasus corona yaitu :

Gambar 3. Data Sebaran Pasien Virus Corona Menurut Usia di Indonesia (sumber: https://www.bbc.com/indonesia)

Gambar 3 berisi data sebaran pasien virus corona menurut usia di Indonesia ini merupakan visualisasi statistika desksriptif dengan menggunakan grafik batang. Dimana cara membacanya adalah sebaran pasien virus corona menurut usia di Indonesia, yaitu terdapat 4 orang yag menjadi pasien corona dengan rentan usia kurang dari 20 tahun, kemudian 8 orang dengan usia 20-29 tahun, 15 dengan usia 30-39 tahun, 12 orang dengan usia 40-49 tahun, 19 orang dengan usia 50-59 tahun, dan 11 orang dengan usia lebih dari 59 tahun. Sedangkan grafik lain dari corona, yaitu :

Gambar 4. Data Pasien Virus Corona Menurut Jenis Kelamin (sumber: https://www.bbc.com/indonesia)

Gambar 4 menggunakan grafik yang sama dengan Gambar 2 yaitu grafik batang.

Namun disini menekankan pada perbedaan jenis sensus yang diambil, yaitu data pasien virus corona menurut jenis kelamin. Cara membacanya sama dengan Gambar kedua, yaitu pasien virus corona untuk jenis kelamin laki - laki berjumlah 38 orang, perempuan berjumlah 29 orang, dan yang tidak diumumkan berjumlah 2 orang.

(8)

Gambar 5. Data Kasus Virus Corona di Dunia per 31 Maret 2020 (sumber: https://www.bbc.com/indonesia)

Hampir sama dengan Gambar 2, Gambar 5 juga menggunakan grafik garis, namun cakupannya sensus nya lebih besar, yaitu dunia. Dan diawal juga ditampilkan di grafk tersebut bahwa dari 766.220 kasus corona di dunia, terdapat 20% orang sembuh, dan 4,8%

orang meninggal dunia. Kemudian untuk warna biru adalah kasus, merah adalah kematian dan hijau adalah sembuh. Data ini juga merupakan data dengan kemiringan negatif (kiri)

Gambar 6. Coronavirus COVID-19 Global Cases for Systems Science and Engineering (CSSE) at Johns Hopkins University (JHU)

(sumber: https://coronavirus.jhu.edu/map.html)

(9)

Gambar 6 merupakan salah satu gambar yang menggunakan visualisasi statistika deskriptif secara keseluruhan dengan beraneka macam visualisasi yang ditampilkan. Pada Daily Increase pembaca dapat memilih jenis tabel apa yang ingin ditampilkan pada di pojok kanan bawah tersebut, yaitu terdapat grafik batang dan grafik titik seperti yang tertera pada tabel. Tabel 6 berisikan akses data lingkup dunia yang lengkap dan valid dengan cakupan mulai dari awal adanya corona (virus ini pertama kali dilaporkan ke WHO pada tanggal 31 Desember 2019) sampai tanggal 31 Maret 2020, yang artinya terdapat data kasus positif berjumlah 803.650, data kematian yaitu 39.003, dan data sembuh berjumlah 172.772.

Terdapat pula peta dunia yang menjadi grafik kartogram atau peta statistik untuk mempermudah melihat wilayah mana yang sudah terkena kasus corona dengan tampilan warna merah pada peta wilayah yang terdata positif corona. Disebutkan pula pada tabel tentang jumlah dari negara yang sudah memasuki wilayah red zone yaitu 179 negara per tanggal 31 Maret 2020 pukul 09:01:48 pm.

D. SIMPULAN

Berdasarkan penelitian tentang visualisasi statistika deskriptif matematika, dapat disimpulkan bahwa visualisasi statistika deskriptif matematika sangat membantu pembaca untuk lebih mudah memahami maksud dari isi suatu data. Terlihat pula perbedaan visualisasi dari beberapa grafik yang disajikan terutama dari tampilannya, serta perbedaan jenis pembahasan yang disajikan oleh beberapa sumber. Data ststistika berlaku untuk semua ilmu atau bidang yang berisikan data - data yang kemudian diterjemahkan kedalam bahasa statistika deskriptif, salah satunya adalah data sensus tentang Covid-19 yang bersifat general, dengan kemampuan teknologi saat ini yang membuat siapa saja dapat mengaksesnya dengan mudah.

DAFTAR PUSTAKA

Nasution, Leni Masnidar, (2017). Statistika Deskriptif. Jurnal Hikmah, Volume 14, No. 1.

Sekolah Tinggi Agama Islam Serdang Lubuk Pakam. Lubuk Pakam

Nordin, Mohd S. & Saud, Muhammad, (2006). Kemahiran Visualisasi: Kemahiran Kognitif Tahap Tinggi Dalam Pendidikan Teknik dan Vokasional. Universiti Teknologi Malaysia.

Malaysia

Santi, Rina C.N & Eniyati, Sri, (2015). Implementasi Statistik dengan Database Mysql. Jurnal Teknologi Informasi Dinamik Volume 20, No.2. Universitas Stikubank Semarang.

Semarang

Wiebe, E. N. (1998). The Taxonomy of Geometry and Graphics. Journal for Geometry and Graphics, 2(2), 189-195.Fakhrul, Firman N. & Bachtiar, Adam M., (2018). Visualisasi Data Pada Domain Content Marketing di Media Sosial. Universitas Komputer Indonesia.

Bandung

Suryana, Andri, (2012). Kemampuan Berpikir Matematis Tingkat Lanjut (Advanced Mathematical Thinking) dalam Mata Kuliah Statistika Matematika 1. Universitas Indraprasta PGRI Jakarta. Jakarta

Yamin, Sofyan & Kurniawan, Heri, (2009). SPSS Complete: Teknik Analisis Statistik Terlengkap Dengan Software SPSS.

Cavanagh, Dave, (2007). Coronavirus avian infectious bronchitis virus. United Kingdom Surya, Edy, (2014). Memicu Visualisasi dan Kreativitas dalam Pembelajaran Matematika

Membentuk Karakter Positif Siswa. Universitas Negeri Medan. Medan.

Virus corona: Peta dan infografis terkait pasien terinfeksi, meninggal dan sembuh di Indonesia

(10)

Coronavirus COVID-19 Global Cases for Systems Science and Engineering (CSSE) at Johns Hopkins University (JHU). Diakses pada 31 Maret 2020.

https://coronavirus.jhu.edu/map.html.

Bertoline, G. R. (1998). Visual Science: An Emerging Discipline. Journal for Geometry and Graphics, 2(2), 181-187.

Presmeg, N. (1986). Visualization and Mathematical Giftedness. Educational Studies in Mathematics, Vol. 17 (3), 297-311

Suryoatmono, Bambang, (2007). Kursus Statistika Dasar. (online). Diakses pada 11 Agustus 2020. http://home.unpar.ac.id/~suryoatm/Kursus%20Statistika%20Dasar.PDF

Wahyuni, Sitti. (2015). Menyajikan Data Penelitian. Universitas Hasanuddin: Makasar.

De Veaux, Richard D; Velleman, Paul F; Bock, David E. (2012). Stats: data and models 3rd ed.

Boston: Addison-Wesley

Larkin, J. H., Simon, H. A.: Why a Diagram is (Sometimes) Worth Ten Thousand Words.

Cognitive Science. 11 (1987) 65-99

Mayer, R. E.: .2003). The promise of multimedia learning: using the same instructional design methods across different media. Learning and Instruction. 13, 125-139

Cheng, P. C. H.(2004). Why Diagrams are (Sometimes) Six Times Easier Than Words: Benefit Beyond Locational Indexing. In: Blackwell, A., Marriott, K., Shimojima, A. (eds.):

Diagrammatic representation and inference. LNAI, Vol. 2980. Springer, Berlin Heidelberg, 242-254

Novick, L. R., Hurley, S. M.: Improving cross-content transfer in text processing by means of active graphical representation. To matrix, network, or hierarchy: That is the question.

Cognitive Psychology. 42 (2001) 158216

Rufiana, I. S, 2019. REPRESENTASI GRAFIK SEBAGAI ALAT PENALARAN STATISTIS.

Prosiding Seminar Nasional Pendidikan dan Pembelajaran 2019 “Reorientasi Profesionalisme Pendidik dalam Menghadapi Tantangan Revolusi Industri 4.0” ISBN:

978-602-0791-28-9

Bal, A. P. (2015). Skills Of Using And Transform Multiple Representations Of The Prospective Teachers. Journal of Mathematical Behavior, 197, 582-588

Spiegel MR and Stephens LJ. (2008). Theory and Problems of Statistics (Fourth Edition). USA:

The McGraw-Hill Companies, Inc. All rights

Stern, E., Aprea, C., Ebner, H. G.. (2003) Improving cross-content transfer in text processing by means of active graphical representation. Leaning and Instruction, 13,191-203.