GEOVISUALISASI DATA MULTIVARIAT KOMPONEN INDEKS PEMBANGUNAN MANUSIA PER KABUPATEN/KOTA DI PULAU JAWA TAHUN 2023

Nurul Khotimah, Ari Cahyono, S.Si., M.Sc.

2025 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH

Geovisualisasi merupakan pendekatan penting dalam menyampaikan 

informasi multivariat secara visual, khususnya dalam menggambarkan disparitas 

antarwilayah seperti Indeks Pembangunan Manusia (IPM). Visualisasi IPM yang 

selama ini digunakan cenderung bersifat univariat, sehingga belum mampu 

menunjukkan keterkaitan antar komponen secara menyeluruh. Penelitian ini 

bertujuan untuk menyajikan data multivariat komponen IPM per kabupaten/kota di 

Pulau Jawa tahun 2023 dalam tiga metode geovisualisasi, yaitu Peta Chernoff 

Faces, Glif Warna, dan choropleth univariate, serta mengevaluasi metode yang 

paling efektif dan memuaskan bagi pengguna. 

Data yang digunakan berupa komponen IPM tahun 2023 yang diperoleh dari 

Badan Pusat Statistik. Evaluasi visualisasi dilakukan melalui metode usability 

testing dengan pendekatan kuantitatif dan kualitatif. Instrumen pengujian meliputi 

kuesioner skala Likert untuk menilai aspek efektivitas (kemudahan dipahami dan 

diakses) dan kepuasan pengguna (kelengkapan data dan tampilan visual), penilaian 

preferensi responden terhadap visualisasi yang paling menarik, paling mudah 

dipahami, dan paling sesuai, serta wawancara dengan ahli kartografi dan 

kependudukan. Ketiga sumber data tersebut dianalisis melalui pendekatan 

triangulasi untuk menentukan metode visualisasi terbaik. 

Hasil penelitian menunjukkan bahwa Peta Choropleth Univariate merupakan 

metode visualisasi yang paling efektif dan memuaskan berdasarkan nilai rata-rata 

tertinggi dalam aspek efektivitas dengan skor 4,15 dan kepuasan pengguna dengan 

skor 4,07, serta didukung oleh sebagian besar responden dan ahli kependudukan. 

chernoff faces unggul dalam aspek visual dan estetika, sementara Glif Warna dinilai 

paling sesuai secara konseptual oleh ahli kartografi. Hasil ini menunjukkan bahwa 

tidak ada satu metode visualisasi yang paling unggul secara mutlak, melainkan 

efektivitas dan kepuasan visualisasi dipengaruhi oleh karakteristik data, tujuan 

komunikasi, serta audiens yang dituju. 

Geovisualization is an important approach for conveying multivariate 

information visually, especially in illustrating regional disparities such as those 

represented by the Human Development Index (HDI). Existing HDI visualizations 

tend to be univariate and are therefore limited in their ability to show relationships 

between components comprehensively. This study aims to present multivariate HDI 

component data by district/city in Java Island in 2023 using three geovisualization 

methods: chernoff faces, Color Glyphs, and Univariate Choropleth Maps, and to 

evaluate which method is the most effective and satisfying for users. 

The data used consist of the 2023 HDI components obtained from the BPS

Statistics Indonesia publication. Visualization evaluation was conducted through 

usability testing using both quantitative and qualitative approaches. The 

instruments included Likert-scale questionnaires to assess aspects of effectiveness 

(ease of understanding and accessibility) and user satisfaction (data completeness 

and visual appearance), respondent preferences regarding the most visually 

appealing, easiest to understand, and most appropriate visualization, as well as 

interviews with cartography and population experts. These three data sources were 

analyzed through a triangulation approach to determine the best visualization 

method. 

The results show that the Univariate Choropleth Map was the most effective 

and satisfying visualization method, based on the highest average scores for 

effectiveness (4.15) and user satisfaction (4.07), and supported by the majority of 

respondents and population experts. chernoff faces excelled in visual appeal and 

aesthetics, while Color Glyphs were considered the most conceptually appropriate 

by cartographic experts. These findings indicate that no single visualization method 

is universally superior; instead, effectiveness and satisfaction are influenced by 

data characteristics, communication goals, and the intended audience. 

Kata Kunci : geovisualisasi; data multivariat; chernoff faces; glif warna; choropleth univariate