REVIEW MATERI

STATISTIK DESKRIPTIF

Dosen Pengampu :
Ifan Deffinika, S.Si, M.Sc

Disusun Oleh :
Kelompok 1
1. Annisa Rahmawati Ayuningtyas (210721611698)
2. Arneta Vidy Antika (210721611646)
3. Dinda Karimah Amalia (210721611708)
4. Elysia Magdalena Elviana (210721611749)
5. Luvi Arina Lutfianti (210721611641)
6. Muhammad Ihsanul Amal (210721611672)
7. Nilna Minaha Sania (210721611657)
8. Nurul Aisyah (210721611716)
9. Reza Putra Ramadhan (210721611724)
10. Wita Oktafia (210721611700)
11. Zahrotul Ain (210721611685)

UNIVERSITAS NEGERI MALANG

FAKULTAS ILMU SOSIAL
JURUSAN GEOGRAFI
PROGRAM STUDI S1 PENDIDIKAN GEOGRAFI
2022
 A. KONSEP DASAR STATISTIK

Secara etimologi berarti kumpulan data kuantitatif dan kualitatif. Kumpulan data tersebut diolah
sedemikian rupa sehingga dapat memberikan keterangan atau pengertian dan makna mengenai
peristiwa atau gejala tertentu. Contoh : statistik pendidikan, statistik penduduk.

Statistik merupakan sebutan untuk karakteristik dari sampel, sedangkan karakteristik dari populasi
akan disebut sebagai parameter. Secara singkat, statistik digunakan untuk menyebut kumpulan data

yang akan diolah. Contoh statistik adalah data Kependudukan dan Perekonomian milik BPS, data
pemilik tanah di suatu wilayah, data Belanja Daerah dan Anggaran Pemerintah Daerah milik
Kemenkeu, dll.

Statistika merupakan ilmu yang mempelajari cara untuk merencanakan, mengumpulkan,

menganalisis, kemudian menginterpretasikan, hingga mempresentasikan data. Singkatnya, statistika
merupakan ilmu yang berkaitan dengan data. Contoh penggunaan statistika adalah mencari hubungan
antara variabel umur dan produktivitas kerja karyawan di suatu perusahaan, mencari rata-rata umur
dari para pekerja, dll. 

Statistika adalah metode yang digunakan untuk mengolah data, sedangkan statistik adalah hasil
pengolahan yang didapatkan.

Jenis Statistik

a. Statistik deskriptif
Adalah statistik yang pekerjaannya mencakup cara-cara menghimpun/mengumpulkan, menyusun atau
mengatur, mengolah, menyajikan dan interpretasi data angka agar dapat memberikan gambaran yang
teratur, ringkas dan jelas mengenai suatu gejala atau peristiwa tertentu.
b. Statistik Inferensial
Adalah statistik yang menyediakan aturan atau cara yang dapat dipergunakan sebagai alat dalam
rangka mencoba menarik kesimpulan yang bersifat umum dari sekumpulan data yang telah disusun dan
diolah.

Statistic :
Fungsi statistik, yaitu :

 Sebagai alat bantu untuk mengolah, menganalisis dan menyimpulkan hasil yang telah dicapai
dalam kegiatan penilaian tersebut.

Kegunaan statistik, diantaranya :

 Memperoleh gambaran secara khusus maupun umum tentang suatu gejala, keadaan atau
peristiwa.
 Mengikuti perkembangan dari waktu ke waktu.
 Menyusun laporan yang dengan teratur, ringkas dan jelas.
 Memberikan penilaian

B. KONSEP DAN JENIS DATA STATISTIK

Statistik deskriptif merupakan metode yang berkaitan dengan pengumpulan atau penyajian data
hingga memberi informasi yang berguna.

Data terbagi menjadi menjadi dua yakni jumlah data dan nilai data. Sedangkan data statistik
yakni menunjukkan keterangan tertentu.

Data statistik memiliki sifat sebagai berikut yakni :

1. Data statistik memiliki nilai relative atau nilai semu
2. Data statistik memiliki nilai nyata
3. Data statistik memiliki nilai minimal relative dan nilai maksimal relative, nilai minimal nyata
dan nilai maksimal nyata.
4. Data statistik yang berbentuk data kelompok memiliki nilai tengah.
5. Proses perhitungan data statistik tidak menggunakan system pecahan melainkan
menggunakan system decimal.
 6. Menggunakan system pembulatan angka tertentu yakni X ≤ 50 = x + 0 dan X > 50 = x + 1.

Data Statistic digolongkan dalam waktu, jenis, sumber, skala, sifat, dan bentuk yakni sebagai berikut:
 Jenis
Data terbagi menjadi beberapa jenis yakni sebagai berikut:
1) Qn : Data yang dapat terukur dan terhitung. Contohnya Angka, Bilangan, dan Kata
2) Ql : Data dalam bentuk pernyataan. Contohnya Kalimat
 Sumber
Data memiliki 2 sumber yakni :
1) Data primer yakni pengambilan data yang dilakukan secara langsung. Seperti Observasi,
Angket, Wawancara.
2) Data sekunder yakni pengambilan data yang diperoleh dari data publikasi
 Sifat
Data memiliki 2 sifat yakni Diskrit yakni dalam bentuk bilangan bulat dan Kontinya data
dalam bentuk angka lanjutan.
 Bentuk
Berikut merupakan bentuk data yang terbagi menjadi dua yakni data tunggal seperti
1,2,3,4,5…dst dan data kelompok seperti x = 170-200.
 Waktu
Penggolongan data berdasarkan waktu terbagi menjadi 2 yakni incidental atau seketika yakni
data yang diperoleh dalam satu waktu dan temporal yakni data yang diperoleh dari satu waktu
ke waktu.
 Skala
Golongan data berdasarkan skala terbagi menjadi 4 yakni sebagai berikut :
1) Nominal yang berarti tak berjenjang
2) Ordinal yang berarti berjenjang atau rangking
3) Interval yang berarti nilai 0 relatif
4) Rasio yang berarti nilai 0 absolut

C. DATA PRIMER

Data primer adalah data yang dapat diambil secara langsung tanpa melalui perantara sehingga
data yang didapatkan berupa data mentah. Data primer merupakan data yang diperoleh dari objek
yang diteliti oleh orang atau organisasi yang sedang melakukan penelitian. Adapun contoh dari data
primer seperti data hasil wawancara langsung, hasil survei, dan kuesioner terhadap responden.
 Data primer merupakan pengumpulan data atau serangkaian bentuk informasi yang diperoleh
secara langsung dari lapangan misalnya melalui observasi, tes fisik, dan kuesioner. Atas hal inilah
data primer menjadi sangat penting untuk karya tulis ilmiah, baik skripsi, tesis, ataupun disertasi.
Fungsi utama data primer adalah menyelesaikan rumusan masalah riset. Selain itu masih ada fungsi
lainnya seperti bahan evaluasi peneliti atau organisasi.

Salah satu contoh data primer yaitu sensus nasional. Sensus nasional yang dikumpulkan oleh
pemerintah biasanya melalui BPS adalah salah satu kasus nyata dalam data primer. Dimana
pemerintah, setelah berhasil melakukan sensus nasional, senantiasa membagikan hasilnya di koran,
majalah online, siaran pers, dan lain-lain.

Kelebihan data primer diantaranya :

1. Data primer dikhususkan untuk kebutuhan peneliti pada saat pengumpulan data.
2. Data primer lebih akurat dibanding dengan data sekunder.
3. Peneliti menunjukkan kepemilikan data yang dikumpulkan melalui penelitian primer.
4. Data primer biasanya mutakhir karena mengumpulkan data secara real-time dan tidak
mengumpulkan data dari sumber lama.
5. Peneliti memiliki kendali penuh atas data yang dikumpulkan melalui penelitian primer.

Kelemahan data primer diantaranya :

1. Data primer harganya sangat mahal dibandingkan dengan data sekunder.

2. Data primer memakan waktu yang lama.
3. Dalam beberapa kasus, pengumpulan data primer mungkin tidak dapat dilakukan karena
kerumitannya dan komitmen yang diperlukan.

 Klasifikasi data primer

1. Databers Form Response dan Gform yang telah diisi
2. Klasifikasi daftar jawaban berdasarkan skala data
 Metode klasifikasi data primer
1. Mengurutkan data dari yang terendah ke nilai tertinggi
2. Mencari jumlah data yang sama atau frekuensi data lalu mengubah nilai frekuensi data ke
presentase dengan rumus frekuensi/jumlah frekuensi keseluruhan
3. Mencari nilai Minimal, Maximal, Retara, Median, dan Modus dalam data

Berikut tabel rumus dalam excel

 Minimal Nilai terendah dalam data rumus excel = (MINB:B)
Maximal Nilai tertinggi dalam data rumus excel = (MAXB:B)
Rata-rata Jumlah nilai data dibagi jumlah data rumus excel=(AVERAGEB:B)
Median Nilai tengah data rumus excelnya =(MEDIANB:B)
Modus Nilai data yang banyak dijumpai, rumus excelnya =(MODEB:B)

D. TRANSFORMASI DATA

Tranformasi data merupakan suatu proses dalam merubah bentuk data untuk dapat dianalisis
sehingga informasi yang diinginkan dapat diketahui, misalnya merubah data numeric menjadi data
kategorik atau merubah dari beberapa variable yang sudah ada di buat suatu variabel komposit yang
baru untuk dianalisis sehingga informasi yang diinginkan dapat diketahui.

Tranformasi data adalah merubah dari jenis data yang mempunyai skala interval ke skala ordinal
(kategorisasi atau tranformasi digunakan untuk melakukan modifikasi nilai-nilai yang telah ada
menjadi nilai baru didalam variabel yang baru juga. Tranformasi data merupakan suatu bagian yang
penting sebelum melakukan analisis data, apabila salah satu syarat uji statistik tersebut adalah
mensyaratkan data kategori.

Macam-macam transformasi data, yaitu :

a. Transformasi compute
Digunakan untuk menciptakan variabel baru atau memodifikasi nilai-nilai variabel setiap
case. Transformasi ini khusus digunakan untuk tipe data numeric.
b. Tranformasi recode (skala interval ke skala ordinal) (kategorisasi)
Kategorisasi bertujuan untuk mengelompokkan data yang semua dalam bentuk angka-angka
ke dalam bentuk kata dengan skala ordinal atau nominal. Terdapat beberapa kategorisasi yang
umum digunakan dalam penelitian.
c. Tranformasi caount
Digunakan untuk menghitung berapa kali kemunculan data yang sama pada sebuah deret nilai
serta dapat juga memberikan kriteria pada nilai-nilai yang akan di proses.
d. Transformasi rank cases
Digunakan untuk menghitung dan menyusun rangking dari suatu deretan data.
Pada umumnya yang digunakan adalah :

a) Transformasi logaritma
Digunakan untuk data yang mempunyai simpangan baku proposional terhadap nilai
tengahnya atau tidak memenuhi asumsi pengaruh aditif
Syarat dalam penggunaan transformasi logaritma :
1. Bila data asli X maka X’ adalah hasil transformasi, dimana X’ = Log X
2. Nilai sebaran data <10 atau mendekati nol, maka X’ = Log X + 1
3. Data banyak mengandung nilai nol, sebaiknya gunakan transformasi lain misalnya
transformasi akar kuadrat
4. Data banyak yang mendekati nol (misalnya bilangan decimal). Maka X’ = Log 10X

b) Transformasi akar kuadrat

Digunakan untuk data yang ragamnya cenderung proposional dengan nilai tengahnya atau
tidak memenuhi asumsi kehomogenan ragam, digunakan juga untuk data presentase dengan
kisaran 0-30%
Syarat dalam penggunaan transformasi akar kuadrat :
1. Nilai sebaran data 0 - 10, maka X’= √(X + 0,5)
2. Nilai ragam data lebih kecil, maka X’ = √ (X + 1)
3. Nilai sebaran antara 0 – 30%, jika kebanyakan nilainya kecil (khususnya jika ada nilai 0),
maka X’ = √ (X + 0,5)
c) Transformasi Arcus Sin
Digunakan pada data proporsi atau atau presentase yang digunakan dari nisbah jumlah data.
Syarat dalam penggunaan transformasi Arcus Sin yaitu :
1. Apabila data asli anda menunjukkan sebaran nilai antara 30% - 70%, tidakmemerlukan
transformasi.
2. Apabila data asli anda menunjukkan sebaran nilai antara 0% - 30% dan70% - 100%,
maka lakukan transformasi arcsin.
3. Apabila data anda banyak yang bernilai nol, maka gunakan transformasiarcsin akar (% +
0,5)

Menurut Junaedi dkk. (2011), dalam data transformation, terdapat beberapa operasi/teknik untuk
melakukan transformasi data antara lain :

a) Normalization
Proses pengelompokan atribut ke dalam hubungan yang terstruktur dengan baik dan bebas
dari anomaly (Lee, 1995). Normalization digunakan untuk mentransformasi sebuah atribut
numerik diskalakan dalam range yang lebih kecil seperti dari range -1.0 sampai dengan 1.0.
 Ada beberapa metode/teknik yang diterapkan untuk normalisasi data, di antaranya min-max
normalization, Z-Score Normalization dan normalization by decimal scaling.
b) Discretization
Digunakan untuk mereduksi sekumpulan nilai yang terdapat pada atribut continuous, dengan
membagi range dari atribut ke dalam interval. Tiga jenis atribut antara lain: nominal, ordinal
dan numerik.
c) Smoothing
Digunakan untuk mengatasi data bersifat noise/nilai yang tidak valid untuk proses mining
dengan memperhatikan nilai-nilai tentangga. Beberapa metode yang digunakan adalah
binning (dilakukan dengan memeriksa nilai tetangga, yaitu nilai-nilai yang ada
disekelilingnya), clustering dan regression.

d) Attribute contruction
Menambahkan atribut baru atau kelas untuk meningkatkan ketelitian/ketepatan proses mining.
e) Aggregation
Operasi summary (peringkasan) yang diguanakan untuk data numerik dengan menggunakan
operasi roll up.

E. DATA SEKUNDER

Analisis data sekunder adalah proses menganalisis yang dilakukan terhadap data yang sudah ada
tanpa perlu melakukan wawancara, survey, observasi dan teknik pengumpulan data tertentu lainnya.
Analisis data sekunder, menurut Heaton, merupakan suatu strategi penelitian yang memanfaatkan data
kuantitatif ataupun kualitatif yang sudah ada guna menemukan permasalahan baru atau menguji hasil
penelitian yang sudah ada. Dengan kata lain, strategi penelitian itu setara dengan metode penelitian.

Sumber data sekunder dapat dibedakan jadi dua macam. Yang pertama adalah berasal data hasil
penelitian dan kedua data administratif kelembagaan. Data sekunder biasanya berfungsi untuk
mendukung kredibilitas dari data primer. Data sekunder didapatkan dari beberapa sumber data oleh
pihak ketiga, seperti menggunakan dokumen maupun pendapat ahli. Karena bersumber dari pihak
ketiga yang biasanya didapatkan di media atau wadah informasi lainnya, maka data sekunder dapat
menjadi basis data awal ketika sebuah penelitian kesulitan dalam mendapatkan data primer karena
lokasi yang sulit dicapai.

Contoh data sekunder, diantaranya :

 Data kependudukan, seperti data dari Badan Pusat Statistik Nasional maupun regional.
 Data Impor-Ekspor, seperti data dari Bea Cukai dan otoritas pelabuhan terkait.
 Data Isu-isu suatu daerah, yang didapatkan dari liputan di koran, media sosial atau wawancara
di kanal berita nasional.
 Data-data spesifik yang didapatkan dari riset terdahulu yang sudah diterbitkan dalam jurnal
ilmiah.
 Data gambar kondisi fisik suatu wilayah yang didapatkan dari peta

Kelebihan data sekunder, diantaranya :

1. Menghemat waktu dan biaya yang dibutuhkan untuk penelitian
2. Memperkuat atau menjadi basis perbandingan data primer
3. Melengkapi data-data ketika sulit diakusisi di lapangan.

Kekurangan data sekunder, diantaranya :

1. Jika sudah tidak relevan dapat mempengaruhi hasil penelitian

2. Terkadang tidak cocok dalam sebuah penelitian

 Klasifikasi data
Penentuan jumlah kelas klasifikasi
a. Standardize (Sudah ada kelas berdasarkan aturan atau teori yang berlaku)
- Klasifikasi kemiringan lereng
- Klasifikasi iklim
- Klasifikasi kepadatan penduduk
b. Unstandardize (Belum ada aturan yang berlaku)
- Klasifikasi sturgess
- Klasifikasi 2 kelas
- Klasifikasi 3 atau 5 kelas
 Metode klasifikasi data
a. Jumlah kelas
Sturgess 1 + 3.3 x log (n)
Range :
- Teratur
- Aritmatik
- Geometri
b. Sturgess : tidak selalu berhasil
Penentuan jumlah kelas lainnya ketika sturges tidak berhasil :
- 2 Kelas : Dasar penentuan 🡪 nilai mean
Contoh : Diatas rata-rata
 Dibawah rata-rata
Pengukuran: Dikotomi/Binari (Skala Guttman)
- 3 / 5 Kelas
Pengukuran:Skala likert

3 Kelas 5 kelas

Baik Sangat baik

Sedang Baik

Buruk Sedang

Buruk

Sangat Buruk

 Tahapan transformasi data

1. Menentukan nilai max dan nilai min
2. Menentukan jumlah kelas
3. Menentukan range masing-masing kelas
4. Menentukan jumlah frekuensi dari masing-masing kelas
 Informasi data

F. UKURAN DISPERSI

Dispersi adalah ukuran penyebaran suatu kelompok data terhadap pusat data. Ukuran dispersi
yang sering digunakan dalam penelitian ialah jangkauan (range), simpangan rata-rata (mean
deviation), variansi (variance), dan deviasi baku (standard deviation). Dalam ukuran dispersi terdapat
mean, median, dan modus.

1. Mean bisa disebut dengan nilai rata – rata. Dimana jumlah nilai data dibagi dengan jumlah
data.
 Dalam formula Ms Excel dirumuskaan dengan = average (data)
2. Median atau nilai tengah dalam suatu data. Untuk menghitung median data tunggal, data
harus diurutkan terlebih dahulu dari yang terkecil ke terbesar. Berikut rumus untuk
mengetahui median pada data ganjil dan genap.

Data ganjil =x ( n+12 ) n=11; Me :n6

= {( X ) +(X +1 ¿ }
1 n n n10+ n11
Data genap n=20 ; Me :
2 2 2 2
Dalam formula Ms Excel dirumuskan dengan = median (data)
3. Modus bisa diartikan sebagai data terbanyak. Dalam suatu data akan terdapat data dengan
nilai yang sama. Dimana data tersebut akan dicari data nilai sama yang paling banyak.
Dalam formula Ms Excel modus dirumuskan dengan = mode(data).
Dalam perhitungan pada Ms Excel terdapat hal yang perlu diketahui, yaitu:
a. Apabila sebaran data memiliki frekuensi 1, maka data tidak akan terdeteksi nilai
modusnya.
b. Apabila sebaran data memiliki jumlah frekuensi >1, maka data terkecil dianggap
sebagai nilai modus.

Dari data di atas nilai modus pada nilai A yaitu N/A yang artinya kosong, tidak terdapat hasil
pada data tersebut. Sedangkan nilai B semua datanya memiliki frekuensi 2, maka yang
dianggap nilai modus adalah data yang paling kecil yaitu nilai 2.
 G. UKURAN DISPERSI DATA KELOMPOK

Dispersi adalah ukuran penyebaran suatu kelompok data terhadap pusat data. Ukuran
dispersi yang sering digunakan dalam penelitian ialah jangkauan (range), simpangan rata-rata
(mean deviation), variansi (variance), dan deviasi baku (standard deviation).

Dispersi data kelompok dapat dihitung dengan langkah-langkah berikut:

Pertama kita harus menentukan kelompok data dengan cara menentukan nilai tepi bawah dari masing-
masing kelompok, nilai tepi atas dari masing-masing kelompok, dan nilai tengah (xi) dari masing-
masing kelompok.

Kemudian menghitung mean data kelompok dengan rumus dibawah ini:

∑ fi . xi →
Jumlah nilai data
∑ fi jumlah data

Selanjutnya untuk mencari median data kelompok, perlu menghitung beberapa nilai.

n
Pertama menghitung nilai untuk menetukan nilai tengah berada di kelompok mana, kemudian
2
menghitung frekuensi kumulatif (fk) sebelum kelas median, menghitug jumlah frekuensi kelas median
(fm), dan menghitung range kelas.

Setelah semua angka tersebut didapatkan dapat dimasukkan ke dalam rumus berikut:

n
−fk
Me = Tb + { 2 }× range kelas
fm
Yang terakhir mencari modus data kelompok. Untuk mencari modus data kelompok yang harus
dilakukan adalah:

Pertama menentukan kelompok dengan frekuensi terbanyak, selanjutnya menghitung tepi bawah
kelompok data, menghitung selisih frekuensi dengan kelompok sebelumnya (Δf1), menghitung selisih
frekuensi dengan kelas setelahnya (Δf2), dan menghitung range kelas.

Setelah semua angka tersebut didapatkan, dimasukkan ke dalam rumus modus yaitu:

Δf 1
Mo = Tb + ( ) × range kelas
Δf 1+ Δf 2

H. STANDAR DEVIASI

Standar deviasi adalah salah satu rumus yang cukup sering digunakan dalam perhitungan statistik.
Penghitungan standar deviasi ini digunakan sebagai indikator seberapa jauh data statitstik
menyimpang. Standar deviasi adalah nilai statistik yang digunakan untuk menentukan seberapa dekat
data dari sampel statistik dengan data rata-rata data tersebut. Semakin rendah nilai standar deviasi,
maka semakin mendekati rata-rata, sedangkan jika nilai standar deviasi semakin tinggi, artinya
semakin lebar rentang variasi datanya. Rumus standar deviasi pertama kali diperkenalkan oleh Karl
Pearson pada tahun 1894. Sebagai ukuran besarnya perbedaan dari nilai sampel terhadap rata-rata,
rumus standar deviasi dipakai untuk mengetahui apakah sampel data bisa mewakili seluruh populasi.

Fungsi Standar Deviasi :

1) Untuk menyatakan keragaman atau sebaran sampel.

2) Untuk mengukur tingkat kepercayaan pada kesimpulan statistik.
3) Untuk mengetahui besar perbedaan dari sampel terhadap rata-rata.

 Rumus Manual Untuk Pengukuran Standar Deviasi :

a. Data Tunggal

= Standar deviasi
= nilai x ke-i
= nilai rata-rata data
= jumlah data

b. Data Kelompok

 = Standar deviasi

 = frekuensi kelompok
 = nilai tengah x ke-i
 = nilai rata-rata data
 = jumlah data
 Rumus (Exel) Untuk Pengukuran Standar Deviasi :
Data Tunggal
STDEV --- Digunakan untuk umum
STDEV.P --- Digunakan untu populasi, n > 30
STDEV.S --- Digunakan untuk sampel, n < 30
 Contoh Implementasi Standar Deviasi :
 I. PENYAJIAN DATA

Statistika deskriptif merupakan metode–metode yang berkaitan dengan pengumpulan dan

penyajian suatu kumpulan data sehingga dapat memberikan informasi yang berguna. Statistika
deskriptif memberikan informasi hanya mengenai data yang dipunyai dan sama sekali tidak menarik
iferensia atau kesimpulan apapun tentang data tersebut.

Umumnya, penyajian data statistik bisa dibagi ke dalam dua jenis, yaitu tabel dan diagram.
Diagram pun ada beberapa jenis. Mulai dari diagram batang, garis, tebar (scatter plot), lingkaran, dan
piktogram.

a. Penyajian Data dalam Bentuk Tabel

Data di atas disajikan dalam bentuk tabel. Bila diperhatikan, datanya disajikan dengan rapih
dan mudah dimengerti.
Kita dapat langsung memperoleh informasi tentang berapa anak di kelas A yang mendapatkan
nilai 60. Yang mendapatkan nilai 70 di kelas A ada 11 anak, di kelas B ada 8 anak. Nilai 100
di kelas A ada 5 anak, di kelas B ada 4 anak.
b. Penyajian Data dalam Bentuk Diagram Garis
Penyajian data dalam bentuk diagram baris sangat bagus dalam menyajikan data yang
berhubungan dengan waktu dan perubahan yang berkelanjutan, misalnya jarak. Pada contoh
diagram garis di bawah ini, kita dapat melihat di bulan apa saja penjualan mengalami
penurunan atau kenaikan.

c. Penyajian Data dalam Bentuk Diagram

Selain dalam bentuk tabel, Salah satu jenis diagramnya adalah diagram batang yang biasa
digunakan untuk membandingkan nilai-nilai dari datanya. Nilai ini bisa berupa frekuensi atau
parameter lainnya seperti mean. Perbedaan informasi dari setiap kategori dapat dilihat dari
panjang atau tinggi batangnya.

d. Diagram Lingkaran
Diagram lingkaran berbentuk layaknya kue pie. Maka dalam bahasa Inggris dia disebut pie
chart. Diagram ini digunakan untuk menunjukkan pembagian dari beberapa kategori.
Contohnya, diagram lingkaran bisa digunakan untuk menunjukkan jumlah suara yang didapat
masing-masing kandidat kepala desa, seperti pada contoh berikut :