Penerapan The Seven Stages Of Visualizing Data Dalam Visualisasi Data Surat Suara Di Komisi Pemilihan Umum Republik Indonesia (KPU RI)
Abstract
Demokrasi adalah mekanisme agar sistem pemerintahan suatu negara berupaya untuk menjalankan kedaulatan rakyat (citizen power) atas negara yang diperintah oleh pemerintah negara tersebut. Pelaksanaan kedaulatan berada di tangan rakyat, khususnya pemilihan umum diatur dalam Pasal 22 E UUD 1945. Dengan demikian, dalam penyelenggaraan pemilihan umum, penyelenggara harus mengikuti asas: kemandirian, kejujuran, keadilan, kepastian hukum, ketertiban, kepentingan umum, transparansi, proporsionalitas, profesionalisme, akuntabilitas, efisiensi, efektivitas dan aksesibilitas. Salah satu ukuran keberhasilan penyelenggaraan pemilihan umum adalah terpenuhinya hak rakyat untuk memilih dan/atau dipilih. Sarana yang direncanakan adalah ketersediaan alat penghitungan suara pemilu dan pemungutan suara pemilu di TPS. Sarana dan prasarana yang diperlukan untuk proses pemungutan suara di Tempat Pemungutan Suara (TPS) sesuai Pasal 4 dan 5 Peraturan Komisi Pemilihan Umum Nomor 15 Tahun 2018, salah satu logistik perlengkapan ialah dokumen pemilihan. Data pendistribusian data logistik menjadi hal penting untuk membantu pengawasan logistik telah distribusi sesuai ketentuan. Cara penyajian informasi menjadi hal krusial, visualisasi data menjadi cara terbaik dalam hal ini. Visualisasi data menjadi komponen utama dalam analisis dan representasi data, metode Seven Steps of Data Visualization, yang berorientasi dengan menyajikan data dan memberikan data untuk memudahkan pengguna dengan Langkah-langkah yang jelas untuk memberikan visualisasi data pendistribusian surat suara untuk pemilu di seluruh provinsi Republik Indonesia. Pendistribusian surat suara akan disertai dengan informasi tentang DPT (Daftar Tetap Pemilih) dan TPS (Tempat Pemungutan Suara) untuk memastikan jumlah surat suara sesuai dengan kebutuhan masing-masing dapil.References
[1] Muskan, G. Singh, J. Singh, and C. Prabha, “Data Visualization and its Key Fundamentals: A Comprehensive Survey,” in 2022 7th International Conference on Communication and Electronics Systems (ICCES), Coimbatore, India: IEEE, Jun. 2022, pp. 1710–1714. doi: 10.1109/ICCES54183.2022.9835803.
[2] C. Burnay, F. Dargam, and P. Zarate, “Special issue: Data visualization for decision-making: an important issue,” Oper Res Int J, vol. 19, no. 4, pp. 853–855, Dec. 2019, doi: 10.1007/s12351-019-00530-z.
[3] S. L. Franconeri, L. M. Padilla, P. Shah, J. M. Zacks, and J. Hullman, “The Science of Visual Data Communication: What Works,” Psychol Sci Public Interest, vol. 22, no. 3, pp. 110–161, Dec. 2021, doi: 10.1177/15291006211051956.
[4] C. S. H. Hoi, C. K. Leung, and A. G. M. Pazdor, “Data. Information and Knowledge Visualization for Frequent Patterns,” in 2022 26th International Conference Information Visualisation (IV), Vienna, Austria: IEEE, Jul. 2022, pp. 221–226. doi: 10.1109/IV56949.2022.00045.
[5] J. D. Camm, J. J. Cochran, M. J. Fry, and J. W. Ohlmann, Data visualization: exploring and explaining with data, 1e ed. Boston: Cengage Learning, 2021.
[6] T. Munzner, Visualization analysis & design. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2015.
[7] D. Zhu, Y. Wang, B. Wei, Z. Guo, and F. Wan, “Data Visualization Overview,” in 2021 IEEE 3rd International Conference on Civil Aviation Safety and Information Technology (ICCASIT), Changsha, China: IEEE, Oct. 2021, pp. 735–738. doi: 10.1109/ICCASIT53235.2021.9633610.
[8] M. L. S. Reynoso and M. J. Divan, “Applying Data Visualization Guideline on Forest Fires in Argentina,” in 2020 10th International Conference on Cloud Computing, Data Science & Engineering (Confluence), Noida, India: IEEE, Jan. 2020, pp. 617–622. doi: 10.1109/Confluence47617.2020.9058174.
[9] [9] B. Fry, Visualizing data. Sebastopol, CA: O’Reilly Media, Inc, 2008.
[10] C. R. Aragon, S. Guha, M. Kogan, M. Muller, and G. Neff, Human-centered data science: an introduction. Cambridge, Massachusetts: The MIT Press, 2022.
[11] E. Haihong, T. Zhang, and M. Song, “Design Method of Front-end Componentized Architecture for Big Data Visualization Large-screen,” in 2020 5th IEEE International Conference on Big Data Analytics (ICBDA), Xiamen, China: IEEE, May 2020, pp. 22–27. doi: 10.1109/ICBDA49040.2020.9101304.
[2] C. Burnay, F. Dargam, and P. Zarate, “Special issue: Data visualization for decision-making: an important issue,” Oper Res Int J, vol. 19, no. 4, pp. 853–855, Dec. 2019, doi: 10.1007/s12351-019-00530-z.
[3] S. L. Franconeri, L. M. Padilla, P. Shah, J. M. Zacks, and J. Hullman, “The Science of Visual Data Communication: What Works,” Psychol Sci Public Interest, vol. 22, no. 3, pp. 110–161, Dec. 2021, doi: 10.1177/15291006211051956.
[4] C. S. H. Hoi, C. K. Leung, and A. G. M. Pazdor, “Data. Information and Knowledge Visualization for Frequent Patterns,” in 2022 26th International Conference Information Visualisation (IV), Vienna, Austria: IEEE, Jul. 2022, pp. 221–226. doi: 10.1109/IV56949.2022.00045.
[5] J. D. Camm, J. J. Cochran, M. J. Fry, and J. W. Ohlmann, Data visualization: exploring and explaining with data, 1e ed. Boston: Cengage Learning, 2021.
[6] T. Munzner, Visualization analysis & design. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2015.
[7] D. Zhu, Y. Wang, B. Wei, Z. Guo, and F. Wan, “Data Visualization Overview,” in 2021 IEEE 3rd International Conference on Civil Aviation Safety and Information Technology (ICCASIT), Changsha, China: IEEE, Oct. 2021, pp. 735–738. doi: 10.1109/ICCASIT53235.2021.9633610.
[8] M. L. S. Reynoso and M. J. Divan, “Applying Data Visualization Guideline on Forest Fires in Argentina,” in 2020 10th International Conference on Cloud Computing, Data Science & Engineering (Confluence), Noida, India: IEEE, Jan. 2020, pp. 617–622. doi: 10.1109/Confluence47617.2020.9058174.
[9] [9] B. Fry, Visualizing data. Sebastopol, CA: O’Reilly Media, Inc, 2008.
[10] C. R. Aragon, S. Guha, M. Kogan, M. Muller, and G. Neff, Human-centered data science: an introduction. Cambridge, Massachusetts: The MIT Press, 2022.
[11] E. Haihong, T. Zhang, and M. Song, “Design Method of Front-end Componentized Architecture for Big Data Visualization Large-screen,” in 2020 5th IEEE International Conference on Big Data Analytics (ICBDA), Xiamen, China: IEEE, May 2020, pp. 22–27. doi: 10.1109/ICBDA49040.2020.9101304.
Published
2023-08-31
How to Cite
NURCAHYO, Anggoro Ari; ISHAK, Riza Fathoni.
Penerapan The Seven Stages Of Visualizing Data Dalam Visualisasi Data Surat Suara Di Komisi Pemilihan Umum Republik Indonesia (KPU RI).
INFORMATION MANAGEMENT FOR EDUCATORS AND PROFESSIONALS : Journal of Information Management, [S.l.], v. 8, n. 1, p. 61-70, aug. 2023.
ISSN 2548-3331.
Available at: <https://460290.0x60nl4us.asia/index.php/IMBI/article/view/2519>. Date accessed: 28 nov. 2024.
doi: https://doi.org/10.51211/imbi.v8i1.2519.
Section
Articles