STATISTIKA & PROBABILITAS

STATISTIKA & PROBABILITAS Dr. Rendra Gustriansyah, M.Kom.

Fakultas Ilmu Komputer rendra@uigm.ac.id
Universitas Indo Global Mandiri
1
COURSE OUTLINE
1. Pendahuluan
2. Konsep Dasar Statistika & Probabilitas
3. Distribusi Frekuensi
4. Metode Ukuran Pemusatan & Letak Data
5. Deviasi
6. Permutasi & Kombinasi
7. Probabilitas
8. Distribusi Probabilitas
9. Ekspektasi & Varians
10. Penarikan Sampel
11. Hipotesa & Pengujian
12. Model Regresi Linier & Korelasi
13. Implementasi

2
2. KONSEP DASAR 2.1 Data

3
DATA STATISTIK
datum (Latin) → fakta (informasi)

Data adalah fakta atau hasil observasi berupa numerik atau

kategori yang dikumpulkan dan dianalisis untuk perkiraan
mengenai fenomena tertentu, membuat kesimpulan dan
pengambilan keputusan.

4
KLASIFIKASI DATA
▪ Jenis data; data diklasifikasikan menjadi data kuantitatif (nilai numerik)
dan kualitatif (nilai non-numerik);

▪ Sumber data; data diklasifikasikan menjadi data primer (data yang

dikumpulkan secara langsung) dan sekunder (data yang diambil dari sumber
lain);

▪ Skala pengukuran; data diklasifikasikan menjadi data nominal (kategori),

ordinal (urutan), interval (rentang), dan data rasio (nilai absolut);

▪ Distribusi data; data diklasifikasikan menjadi distribusi normal, distribusi

tak normal, dan distribusi campuran;
5
KLASIFIKASI DATA (2)

▪ Variabel terkait; data diklasifikasikan menjadi variabel dependen

(tergantung pada variabel lain) dan independen (tidak tergantung pada
variabel lain);
▪ Bentuk data; data diklasifikasikan menjadi data tunggal atau data
kelompok;
▪ Waktu; data diklasifikasikan berdasarkan waktu pengumpulan data,
seperti data time-series atau cross-section;
▪ Kualitas data; data diklasifikasikan menjadi data berkualitas tinggi atau
rendah;

6
 Kualitatif

Jenis
Kuantitatif

Internal

Eksternal Sumber
KLASIFIKASI DATA
(3)

Primer
Cara

Sekunder
memperoleh
Data

Time-Series
Waktu

Cross-
Section

Nominal

Ordinal

Interval
Skala Pengukuran

Rasio
7
BERDASARKAN JENIS
Data kualitatif: jenis data yang tidak dapat dinyatakan dalam bentuk
angka atau bilangan.
→ opini, perasaan, sikap, dan keyakinan

Data kuantitatif: jenis data yang dinyatakan dalam bentuk angka

atau bilangan yang dapat berupa hasil perhitungan atau hasil
pengukuran.
→ usia, berat badan, tinggi badan, temperatur udara, jumlah
penjualan, atau jumlah pendapatan

8
BERDASARKAN SUMBER
Data internal: data yang diperoleh atau bersumber dari dalam suatu
instansi (lembaga, organisasi).
→ keadaan pegawai, pengeluaran, keadaan barang di gudang, hasil
penjualan, keadaan produksi pabriknya dan lain-lain aktivitas yang
terjadi di dalam perusahaan itu

Data eksternal: data yang diperoleh atau bersumber dari luar

instansi.
→ data dari sumber lain di luar perusahaan

9
BERDASARKAN CARA MEMPEROLEH
Data primer: data yang dikumpulkan langsung dari sumber aslinya
dan belum pernah diolah atau dianalisis sebelumnya.
→ survei, wawancara, observasi, dan eksperimen

Data sekunder: data yang didapatkan dari sumber lain dan sudah
pernah diolah atau dianalisis sebelumnya.
→ buku, jurnal, database, situs, atau berupa data yang telah diolah,
disajikan, atau dimodifikasi dari data primer

10
BERDASARKAN WAKTU PENGUMPULAN
Data times-series: data yang dikumpulkan dari waktu ke waktu untuk
menggambarkan kurva perkembangan atau tren dari keadaan atau peristiwa
atau kegiatan, dimana jarak atau interval dari waktu ke waktu sama.
→ perkembangan produksi, harga, hasil penjualan, jumlah penduduk, dll

Data cross-section: data yang dikumpulkan pada satu waktu tertentu.

→ laporan keuangan UIGM per 31 Desember 2022 atau data mahasiswa baru
UIGM pada bulan September 2022

11
BERDASARKAN SKALA PENGUKURAN
Nominal: skala data yang sangat sederhana, dimana data angka yang
tercantum hanya untuk klasifikasi/kategori.
→ (1) untuk kategori laki-laki dan (2) untuk perempuan
→ (1) untuk jawaban “ya” dan (2) untuk jawaban “tidak”

Ordinal: skala data yang memiliki urutan atau ranking (kategorisasi), tetapi
tidak memiliki jarak antar nilai yang jelas.
→ (1) rendah, (2) sedang, dan (3) tinggi
→ sangat tidak setuju, tidak setuju, netral, setuju, sangat setuju

12
BERDASARKAN SKALA PENGUKURAN (2)

Interval: skala data yang mempunyai ciri untuk membedakan,

mengurutkan, dan jarak yang sama.
→ suhu tertinggi pada bulan Desember di kota A, B dan C berturut-
turut adalah 28, 31 dan 20 derajat Celcius

Rasio: skala data yang mempunyai 4 ciri yaitu membedakan,

mengurutkan, jarak yang sama dan mempunyai titik nol mutlak
(absolut).
→ Berat A = 100 kg adalah 2x lebih berat daripada berat B = 50 kg.

13
LATIHAN
1. Jelaskan apa yang dimaksud dengan data!
2. Jelaskan data berdasarkan jenis dan skala pengukurannya!
3. Jelaskan ciri-ciri data skala ordinal!
4. Jelaskan apa yang dimaksud dengan klasifikasi data berdasarkan
sumbernya!
5. Jelaskan yang dimaksud dengan data primer dan sekunder!

14
2. KONSEP DASAR 2.2 Pengumpulan Data

15
METODE PENGUMPULAN DATA
Pengumpulan data adalah proses mengumpulkan fakta atau data observasi
yang akan digunakan untuk analisis statistik.
• Sensus: cara pengumpulan data yang dilakukan secara sistematis dan
mencakup seluruh populasi;
→ wawancara, observasi, dokumen resmi, dan catatan transaksi
• Sampling: cara pengumpulan data statistik yang mengambil hanya
sebagian elemen dari populasi sebagai sampel (contoh) untuk dianalis dan
dibuat kesimpulan mengenai populasi secara keseluruhan.

16
PEMILIHAN SAMPLING DARIPADA SENSUS
• Efisiensi biaya;
• Efisiensi sumber daya;
• Efisiensi waktu;
• Akurasi hasil terjaga;
• Penelitian bersifat destruktif;
• Faktor ekonomis.

17
PEMILIHAN SAMPLING DARIPADA SENSUS
Contoh: bagaimana mengetahui rata-rata konsumsi Pertalite/minggu dari
kendaraan bermotor roda empat di kota Palembang? Jika berdasarkan
informasi dari Dinas Perhubungan kota Palembang bahwa jumlah kendaraan
bermotor roda empat di kota Palembang adalah 5.000 kendaraan.

18
PEMBAGIAN SAMPLING
• Non-probability sampling (NS): proses pengambilan elemen populasi
dimana setiap elemen populasi tersebut tidak memiliki peluang yang
sama untuk terpilih sebagai elemen sampel.
→ penelitian sosial, situasi yang tidak layak, secara teoritis atau praktis
tidak masuk akal untuk dilakukan sampel acak
• Probability sampling (PS): proses pengambilan elemen populasi dimana
setiap elemen populasi memiliki peluang yang sama untuk dipilih sebagai
elemen sampel. Pemilihan data → acak

19
NON-PROBABILITY
• Accidental sampling: sampling yang pemilihan sampel secara
sembarangan atau seketemunya sehingga tidak dapat dibuktikan bahwa
sampel yang telah dikumpulkan mewakili populasi.
→ wawancara yang sering dilakukan oleh program televisi untuk
mendapatkan berita yang cepat walaupun tidak representatif, membaca
opini publik, penelitian pada bidang Arkeolog dan Sejarah.
• Purposive sampling: sampling yang pemilihan sampelnya sesuai dengan
kajian yang akan diteliti.
→ meneliti kriminalitas, maka yang menjadi informan adalah Kapolres,
pelaku kriminal, dan korban kriminal.
20
NON-PROBABILITY (2)

• Quota sampling: sampling yang pemilihan sampelnya berdasarkan

proporsi ciri-ciri tertentu untuk menghindari bias.
→ jumlah sampel laki-laki 50 orang, maka sampel perempuan juga 50 orang.
• Voluntary sampling: sampling yang pemilihan sampelnya berdasarkan
kerelaan untuk berpartisipasi dalam penelitian. Teknik ini paling umum
digunakan dalam jajak pendapat.
• Snowball sampling: sampling yang pemilihan sampelnya berdasarkan
penelusuran sampel sebelumnya.
→ meneliti korupsi, maka informan ke-1 mengarahkan pada informan ke-2,
lalu informan ke-3, dan seterusnya. 21
PROBABILITY
• Simple random sampling (SRS): teknik pemilihan satuan sampling dari
populasi sedemikian rupa sehingga setiap satuan sampling dalam populasi
mempunyai peluang yang sama besar untuk terpilih ke dalam sampel dan
peluang itu diketahui sebelum pemilihan dilakukan.
→ suatu populasi berisi 100 elemen dan akan dipilih 30 elemen secara acak.
Maka setiap elemen dalam populasi diberi nomor 1 – 100 dan ditulis pada
selembar kertas yang beridentitas, lalu digulung. Setelah diaduk dengan
baik, seseorang dengan mata tertutup mengambil satu per satu gulungan
kertas tersebut hingga 30 Kali sehingga setiap nomor yang terambil
merupakan 30 sampel acak dari populasi.

22
PROBABILITY (2)

• Systematic random sampling (SS): pemilihan suatu elemen secara acak

dari k elemen yang pertama dalam sebuah kerangka sampling dan
kemudian pemilihan setiap elemen ke-k sesudahnya.
→ SRS akan sulit menyeleksi pembeli n=50 pada sebuah mall karena peneliti
tidak menentukan para pembeli yang masuk dalam sampelnya (tidak
memiliki kerangka sampling) dan tidak mengetahui ukuran populasi N.
Solusinya: Peneliti dapat mengambil sampel secara sistematik, misalnya 1
dari 20 pembeli, hingga persyaratan sampelnya didapatkan.

23
PROBABILITY (2)

• Stratified random sampling (SAS): populasi N dibagi ke dalam beberapa

strata (kelompok) sedemikian sehingga setiap strata mempunyai
karakteristik yang homogen. Pada setiap stratum, sampel dipilih secara
acak menggunakan SRS.
→ Pengumpulan data pendapatan masyarakat yang bersifat heterogen yaitu
“tinggi”, “menengah”, atau “rendah”. Jika menggunakan SRS maka ada
peluang sampel yang terambil kebanyakan atau hanyalah masyarakat
berpenghasilan rendah/menengah/tinggi saja → jika ditaksir (under
estimate).
→ Strata 1 s.d. 3 → SRS untuk setiap stratum
24
PROBABILITY (2)

• Cluster sampling (CS): Jika ingin mengetahui rata-rata pendapatan

kepala keluarga di sebuah kota besar menggunakan SRS atau SAS, maka
harus memiliki kerangka sampling yang berisikan daftar lengkap kepala
keluarga di kota tersebut → sulit/mahal. Lebih mungkin menggunakan
daftar nama kelurahan di kota tersebut. Kelurahan adalah kumpulan
kepala keluarga. Oleh karena itu, kelurahan dapat dilihat sebagai
klaster.

25
METODE/TOOL PENGUMPULAN DATA
• Survei: melalui kuesioner (angket) atau wawancara yang dapat dilakukan
dengan tatap muka secara langsung atau melalui telepon, internet, atau
pos.
• Wawancara, menggunakan pedoman wawancara yang berisi daftar pertanyaan sesuai
dengan tujuan yang ingin dicapai.

→ Wawancara terstruktur: wawancara yang pertanyaannya sudah disusun secara rinci

sehingga menyerupai chek-list;

→ Wawancara tak terstruktur: wawancara yang hanya memuat garis besar pertanyaan yang
akan ditanyakan sehingga kreativitas pewawancara sangat diperlukan.

26
METODE/TOOL PENGUMPULAN DATA
• Survei
• Kuisioner (angket): daftar pertanyaan yang diberikan kepada responden untuk
menggali data sesuai dengan permasalahan penelitian. Hasil kuesioner inilah yang akan
dikuantifikasi, lalu disusun dalam tabel dan dianalisa secara statistik untuk dibuat
kesimpulan penelitian.

• Observasi: cara mengumpulkan data dengan mengamati obyek penelitian

atau kejadian baik berupa manusia, benda mati maupun fenomena alam.
• Partisipan: peneliti terlibat sebagai obyek;

• Non-partisipan

27
METODE/TOOL PENGUMPULAN DATA
• Studi Kasus: melalui analisis secara detail pada satu atau beberapa objek
atau insiden;
• Eksperimen: melalui manipulasi variabel dan observasi pada perubahan
variabel lain;
• Dokumentasi: melalui pengumpulan data dari catatan atau dokumen yang
tersedia. Dokumen dapat berupa buku harian, notula rapat, laporan
berkala, jadwal kegiatan, peraturan pemerintah, anggaran dasar, rapor
siswa, surat-surat resmi, dll;
• Focus Group Discussion

28
VALIDASI DATA
merupakan proses memeriksa dan memastikan bahwa data yang
dikumpulkan akurat dan benar → penting
• Cross-checking: membandingkan data dengan sumber lain untuk
memastikan keakuratan;
• Range checking: memastikan bahwa nilai data berada dalam batas yang
diperkirakan;
• Consistency checking: memastikan bahwa data memiliki konsistensi dan
tidak bertentangan dengan data lain.

29
VALIDASI DATA
• Data entry checking: memeriksa kembali data yang dimasukkan ke dalam
sistem untuk memastikan keakuratan;
• Data quality control: menetapkan prosedur dan standar kualitas data
sebelum pengumpulan data dilakukan;
• Auditing data: memeriksa data secara sistematis untuk memastikan
keakuratan dan memperbaiki data yang tidak benar.

30
LATIHAN
Jelaskan bagaimana menentukan populasinya, jika seorang produsen
ingin mengetahui pendapat masyarakat Indonesia terhadap barang
yang diproduksi oleh pabriknya.

31
2. KONSEP DASAR 2.3 Pengolahan Data

32
PENGOLAHAN DATA
merupakan memproses dan menganalisis data yang telah dikumpulkan untuk
memperoleh informasi yang berguna dalam membuat keputusan.
• Pengorganisasian data: menyusun dan mengatur data ke dalam format
yang mudah digunakan;
• Pembersihan data: menghapus data yang tidak benar, duplikat, atau tidak
relevan;
• Pengkodean data: menggantikan nilai-nilai yang tidak jelas dengan kode
yang lebih sederhana dan mudah dipahami;

33
PENGOLAHAN DATA (2)

• Transformasi data: mengubah data ke dalam format yang lebih sesuai

untuk analisis;
• Analisis data: menggunakan teknik dan alat statistika untuk menganalisis
data sehingga diperoleh informasi yang berguna;
• Visualisasi data: menyajikan data dan informasi hasil analisis dalam
bentuk yang lebih mudah dipahami dan diterima.

34
2. KONSEP DASAR 2.4 Analisis Data

35
ANALISIS DATA
Merupakan proses untuk memahami pola dan hubungan dalam data agar
dapat membuat keputusan yang bermakna, yang berdasarkan pada bukti
yang kuat dan dapat dipertanggungjawabkan.

Analisis Data terdiri dari beberapa tahapan:

• Deskripsi data: untuk mengumpulkan informasi dasar tentang data,
seperti jumlah data, rata-rata, dan standar deviasi;
• Pengelompokan data: untuk memudahkan analisis, seperti dengan
membuat histogram atau diagram batang;
36
ANALISIS DATA (2)

• Penentuan hipotesis: dibuat berdasarkan pola data yang terlihat dan

digunakan untuk menentukan hubungan antara variabel;
• Uji hipotesis: menggunakan berbagai uji statistik, seperti uji t, uji chi-
square, regresi, dll;
• Interpretasi hasil: hasil harus diterjemahkan untuk diterima, atau ditolak
berdasarkan tingkat kepercayaan yang diperoleh;
• Kesimpulan: dibuat berdasarkan hasil analisis dan harus
didokumentasikan dengan baik.

37
2. KONSEP DASAR 2.5 Pengujian Data

38
PENGUJIAN DATA
• Statistik parametrik: pengujian data statistik yang mengasumsikan bahwa
sampel diambil dari populasi dengan distribusi yang dikenal;
• Statistik non-parametrik: pengujian data statistik yang tidak memerlukan
asumsi tentang bentuk distribusi data.
→ Statistik non-parametrik lebih fleksibel dibandingkan statistik
parametrik.

39
STATISTIK PARAMETRIK
Statistik parametrik dapat digunakan dalam situasi sebagai berikut:
• Data berdistribusi normal, dengan asumsi bahwa data sampel dalam
populasi berdistribusi normal, homogen, linier, dan dipilih secara acak;
• Data berukuran besar, jika ukuran sampel cukup besar sehingga asumsi-
asumsi dasar statistik parametrik dapat dipenuhi;
• Inferensi tentang parameter populasi, seperti rata-rata, varians, atau
proporsi;
• Hipotesis pengujian, menguji hipotesis tentang parameter populasi
dengan menggunakan uji statistik seperti uji t, ANOVA, dll.
40
STATISTIK PARAMETRIK (2)

Keuntungan:
• memiliki teori dan metodologi yang jelas;
• memiliki uji statistik yang banyak dan fleksibel;
• memungkinkan untuk melakukan inferensi populasi berdasarkan sampel.

41
STATISTIK PARAMETRIK (3)

Kekurangan:
• memiliki asumsi yang harus dipenuhi;
• memiliki hasil yang kurang akurat jika asumsi tidak terpenuhi;
• kurang cocok untuk data dengan distribusi yang tidak dikenal.

42
STATISTIK NON-PARAMETRIK
Statistik non-parametrik dapat digunakan dalam situasi sebagai berikut:
• Data tidak berdistribusi normal, yang tidak memerlukan asumsi tentang
distribusi data;
• Jumlah sampel sedikit, sehingga berguna untuk menganalisis data yang
berukuran kecil untuk memenuhi asumsi dasar statistik parametrik;
• Data berupa data ordinal atau nominal, sehingga berguna untuk
menganalisis data seperti data skala likert atau kategori;
• Fokus pada peringkat atau proporsi, bukan nilai rata-rata atau varians.
• Data tidak homogen
43
STATISTIK NON-PARAMETRIK (2)

Keuntungan:
• tidak membutuhkan asumsi normalitas, homogen, atau linier;

Kekurangan:
• hasil pengujian tidak dapat digunakan untuk mengestimasi karakter
populasi
Namun, perlu diingat bahwa uji statistik non-parametrik tidak selalu lebih
baik daripada uji statistik parametrik, tergantung pada distribusi data,
ukuran sampel, dan tujuan analisis data.
44
STATISTIK NON-PARAMETRIK (3)

Beberapa contoh uji statistik non-parametrik:

uji Binomial, Chi-Square, Kruskal-Wallis, Fredman, Goodness of Fit,

Kolmogorov-Smirnov, Run, McNemar, Tanda, Wilcoxon, Walsh, Fisher,
Median, Mann-Whitney, Run, Wald-Wolfowitz, reaksi sistem Moses, Q
Cohran, koofisien kontingensi, koofisien rank Sperman Brow, korelasi
Kendall-Tau, dan uji normalitas dari Lillieford, dll

45
PENGUJIAN DATA (2)

• Uji Statistik Berdasarkan Variabel dan Tipe Data;

Variabel independen Variabel dependen (berpasangan)

(tidak berpasangan) Kategori Numerik
Kategori Chi-kuadrat, regresi linear, Uji t, ANOVA, regresi
regresi logistik linier
Numerik Regresi logistik Regresi linier, korelasi
Pearson
Antara kategori dan Regresi logistik Regresi linier, ANCOVA
numerik

46
PENGUJIAN DATA (3)

• Uji Statistik Berdasarkan Karakteristik Sampel;

Karakteristik Sampel
Skala
1 sampel 2 sampel n sampel (n > 2) Korelasi
pengukuran
Dependen Independen Dependen Independen
Nominal atau Binomial, McNemar, Chi-square, Cochran Q Chi-square, Uji Kappa
kategori Chi-square marginal Fisher Exact Fisher Exact, Agreement,
homogenity kolmogorov- Koef. Lambda
smirnov
Ordinal atau Uji Run, Uji sign, Uji Median, Friedman, Kruskal-wallis Spearman rho,
rank kolmogorov- Wilcoxon Wilcoxon, ANOVA Kendall rank
smirnov signed rank Mann-whitney

Numerik Uji t, uji Z Uji t Uji t antar One-way One-way Pearson

(interval dan berpasangan group ANOVA ANOVA
rasio) 47
PENGUJIAN DATA (4)

• Uji Statistik Berdasarkan Tipe Data dan Tujuan;

Tipe Data
Numerik Rank, skor, numerik Binomial Survival time
Tujuan
(berdistribusi berdistribusi tidak
normal) normal
Deskriptif Mean, SD Median, interquartile Proporsi Kaplan meier
range survival curva
Komparasi satu group One-sample t- Wilcoxon test Chi-square, binomial
test test
Komparasi dua group Independent t- Mann-Whitney test Chi-square (Fisher’s Log-rang test,
tidak berpasangan test test jika sample kecil) Mantel-Haenszel
Komparasi dua group Paired t-test Wilcoxon signed-rank McNemar’s test Hazard
berpasangan test regression
48
PENGUJIAN DATA (4)

Komparasi tiga group One-way ANOVA Kruskal-Wallis test Chi-square test Cox proportional
tidak berpasangan hazard regression
atau lebih
Komparasi tiga group Repeated ANOVA Friedman test Cochran Q Cox proportional
berpasangan atau hazard regression
lebih
Hubungan kuantitas Pearson correlation - Spearman Contingency
antara dua variabel correlation coefficients
- Kendall W test
Prediksi dari satu Simple linear atau Nonparametric Simple logistik Cox proportional
variabel lain non linear regression regression regression hazard regression
Prediksi dari beberapa Multiple linear atau Cart Multiple logistic Cox proportional
pengukuran atau nonlinear regression regression hazard regression
variabel binomial

49
2. KONSEP DASAR 2.6 Visualisasi Data

50
VISUALISASI DATA
• Tabel: kumpulan data yang disusun menurut kategori atau karakteristik
data untuk memudahkan menganalisis data tersebut;
• Diagram/grafik: visualisasi data yang lebih menarik dan komunikatif
karena dalam waktu singkat dapat diketahui karakteristik dari data yang
disajikan.

51
TABEL
• Tabel satu arah atau komponen: tabel yang hanya terdiri atas satu
kategori atau karakteristik data;
Jumlah Pegawai Negeri Sipil
Menurut Golongan, Desember 2021
Golongan Banyaknya (orang)
I 26.323
II 478.649
III 1.778.754
IV 775.049
Jumlah 3.058.775
Sumber: BKN/Statistik Indonesia, 2022
52
TABEL (2)

• Tabel dua arah atau komponen: tabel yang hanya terdiri atas satu
kategori atau karakteristik data;
Jumlah Pegawai Negeri Sipil Berdasarkan
Tingkat Pendidikan dan Jenis Kelamin, Desember 2021
Tingkat Pendidikan Laki-Laki Perempuan Jumlah
SD 13.841 1.205 15.046
SMP 26.143 2.935 29.078
SMA 297.295 161.377 458.672
Diploma 135.208 337.399 472.607
S1 748.839 1.094.202 1.843.041
S2 131.996 106.071 238.067
S3 1.664 600 2.264
Jumlah/Total 1.354.986 1.703.789 3.058.775
Sumber: BKN/Statistik Indonesia, 2022 53
DIAGRAM/GRAFIK
• Diagram garis (line chart): untuk menggambarkan data berkala. Diagram
garis dapat berupa diagram garis tunggal dan berganda;
• Diagram batang/balok (bar chart): untuk menggambarkan data berkala.
Diagram batang terdiri dari diagram batang tunggal dan ganda;
• Diagram lingkaran (pie chart): untuk menyajikan data cross section, data
tersebut dapat berbentuk presentase;
• Diagram Gambar (pictogram): berupa gambar atau lambang untuk
menunjukkan jumlah benda yang dilambangkan;
• Diagram Berupa Peta (Cartogram): diagram yang digunakan oleh BMG
untuk menunjukkan peramalan cuaca di beberapa daerah. 54
TERIMA KASIH Dr. Rendra Gustriansyah, M.Kom.
rendra@uigm.ac.id