Segala
sesuatu yang ada di sekeliling kita dan segala sesuatu yang dilakukan,
dipertunjukkan, dibicarakan dan dipikirkan oleh manusia merupakan
kumpulan fakta yang disebut juga Data. Fakta-fakta yang tertangkap indra
manusia seringkali tidak dicatat tetapi beberapa fakta (baca: 'data')
perlu dicatat/direkam untuk berbagai keperluan. Dalam dunia statistik,
beberapa data atau sekumpulan data perlu dianalisis agar kita dapat
menarik kesimpulan. Diperlukan metode yang berbeda dalam melakukan
analisis data tergantung pada jenis data yang kita miliki. Mari kita
mengupas sedikit tentang data dan jenisnya yang sering dipakai dalam
dunia statistik.
Pengertian Data
Data
adalah kumpulan fakta, sedangkan fakta adalah segala sesuatu yang
tertangkap oleh indra manusia. Contoh: 'di daerah pegunungan kita dapat
merasakan hawa udara yang dingin', maka 'di daerah pegunungan' merupakan
data tempat, dan 'hawa udara yang dingin' merupakan data temperatur
(walaupun tidak diukur). Contoh lain: 'Ayah sangat menyukai nasi
goreng', maka bila diuraikan 'ayah', 'sangat menyukai' dan 'nasi goreng'
didapatkan 3 variabel data yang berbeda. Data yang tertangkap indra
manusia boleh jadi akan dicatat untuk berbagai keperluan, tetapi
seringkali data tidak dicatat, hanya dipikirkan/diingat atau
dibicarakan, itupun disebut sebagai data.
Tipe Data Statistik
Di
dalam praktek statistik, data yang diperoleh dari hasil pengamatan,
wawancara atau pengukuran perlu dicatat agar dapat diolah, dianalisis,
diinterpretasi dan dibuat kesimpulan. Data hasil pencatatan dapat berupa
angka-angka atau huruf/kata/kalimat. Secara garis besar data hasil
pencatatan dapat digolongkan menjadi 2 jenis/tipe yaitu: data yang bukan
berupa angka (disebut juga data kualitatif) dan data yang berupa angka
(data kuantitatif).
1. Data Kualitatif
Data
kualitatif adalah jenis data non angka. Data jenis ini mempunyai ciri
tidak dapat dilakukan operasi matematika seperti penambahan,
pengurangan, perkalian dan pembagian. Ada dua jenis data kualitatif yang
dijadikan skala pengukuran, yaitu:
a. Data Nominal atau Skala Nominal.
Merupakan
tipe data yang paling rendah tingkatannya dalam level pengukuran data.
Data (variabel) nominal merupakan data hasil pengukuran atau pengamatan
yang hanya menghasilkan satu kategori bagi satu obyek, individu atau
kelompok. Misal: data jenis kelamin, tempat tinggal, suku atau ras, dan
agama. Oleh karena dalam hal ini tidak memungkinkan seseorang memiliki
dua jenis kelamin secara bersamaan, tempat tinggal (berdasarkan KTP),
suku dan agama.
Dalam praktek statistik, karena variabel nominal
mempunyai nilai data yang sederajat, maka untuk melakukan analisis
terhadap data nominal biasanya kita melakukan konversi dari data nominal
menjadi data katagorik yaitu data tersebut dikategorikan menjadi angka.
Misalnya kita mempunyai data jenis kelamin yaitu laki-laki dan
perempuan, maka Laki-laki dikategorikan sebagai "1" dan Perempuan
dikategorikan sebagai "2". Data nominal tidak memiliki tingkatan. Dalam
hal ini penggunaan angka 1 dan 2 hanya sebagai lambang atau tanda, tidak
dapat diartikan bahwa laki-laki lebih rendah atau lebih tinggi
derajatnya daripada perempuan, demikian pula tidak dapat diartikan bahwa
tempat tinggal, suku/ras dan agama tertentu lebih rendah atau lebih
tinggi derajatnya daripada yang lainnya.
b. Data Ordinal atau Skala Ordinal.Data
(variabel) jenis ini lebih tinggi tingkatannya daripada data nominal
karena adanya tingkatan nilai data (data yang satu lebih tinggi atau
lebih rendah nilainya daripada data yang lain), tetapi tidak diketahui
beda/jarak antar nilai data dan tidak menyiaratkan jarak/nilai yang sama
antar tingkatan tersebut. Misal: data mengenai tingkat pendidikan,
sosio-ekonomi, pendapat seseorang terhadap produk tertentu.
Contoh
penerapan, berdasarkan hasil pengukuran melalui jajak pendapat atau
wawancara, diperoleh data tentang sikap atau pendapat sekelompok orang
terhadap kebijakan tertentu yang sedang diberlakukan pemerintah. Ada
yang menyatakan 'sangat setuju', 'setuju', 'netral', tidak setuju' atau
'sangat tidak setuju.' Skala tentang tentang kesetujuan dan
ketidaksetujuan disebut sebagai Skala Likert. Jarak antara pernyataan
'sangat setuju' dengan 'setuju' dan antara 'setuju dengan 'netral' tidak
jelas besar perbedaannya dan belum tentu sama. Contoh lain, data
tingkat pendidikan yang dinyatakan sebagai 'tinggi', 'sedang' dan
'rendah.' Jarak antara 'tinggi' dan 'sedang' tidak sama dengan jarak
antara 'sedang' dan 'rendah.'
Data ordinal juga tidak dapat
dilakukan operasi matematika seperti penambahan, pengurangan, perkalian
dan pembagian. Dalam praktik statistik, para peneliti seringkali
melakukan analisis kuanitatif terhadap data ordinal, untuk itu dilakukan
konversi dari data ordinal menjadi data interval dengan cara mengubah
Skala Likert menjadi data katagorik (dikategorikan menjadi angka).
Contoh: pernyataan 'sangat setuju' dikategorikan sebagai '5', 'setuju'
dikategorikan sebagai '4', 'netral' dikategorikan sebagai '3', tidak
setuju' dikategorikan sebagai '2' dan 'sangat tidak setuju'
dikategorikan sebagai '1.' Namun agar tidak timbul bias dalam melakukan
analisis parametrik, maka diperlukan suatu program analisis khusus untuk
membantu dalam pengolahan datanya.
2. Data Kuantitatif
Data kuantitatif merupakan data yang
berupa angka dalam arti sebenarnya. Pada data jenis ini dapat dilakukan
operasi matematika seperti penambahan, pengurangan, perkalian dan
pembagian. Dalam operasi statistik, data jenis ini seringkali
dikelompokkan/dikategorikan. Ada dua jenis data kuantitatif yang
dijadikan skala pengukuran, yaitu:
a. Data Interval atau Skala Interval.
Data
interval dianggap memiliki level yang lebih tinggi daripada data
nominal dan ordinal. Data jenis ini memiliki tingkatan dengan
interval/jarak tertentu yang tetap, tetapi data ini tidak memiliki titik
nol mutlak. Misalnya: Temperatur suatu zat cair dikatakan sebagai
'sangat panas' bila suhunya antara 100-119 derajat Celcius, 'panas' bila
suhunya antara 80-99 derajat Celsius, 'cukup panas' bila suhunya antara
60-79 derajat Celsius, dan 'kurang panas' bila suhunya antara 40-59
derajat Celsius. Karena tidak punya nilai nol mutlak maka bila suhu zat
cair tersebut nol derajat Celsius, bukan berarti bahwa zat cair tersebut
tidak mempunyai panas/suhu.
b. Data Rasio atau Skala Rasio.
Data
(variabel) jenis ini memiliki tingkat pengukuran yang paling tinggi
diantara jenis data atau skala pengukuran lainnya. Data rasio merupakan
data berupa angka dalam arti sebenarnya, dapat dilakukan operasi
matematika (penjumlahan/pengurangan/perkalian/pembagian) dan mempunyai
titik nol dalam arti sesungguhnya. Contoh penerapan: dalam pengukuran
tinggi dan berat benda, jumlah produksi, jumlah murid. Misalnya jumlah
murid yang hadir di suatu kursus bahasa Inggris pada hari Senin sebanyak
20 murid, hari Selasa sebanyak 10 murid, dan hari Rabu sebanyak 0
murid. Pada hari Rabu dikatakan yang hadir sebanyak nol murid, karena
memang tidak ada murid yang hadir pada hari tersebut. Selain itu jenis
data ini memiliki sifat rasio, dalam contoh di atas, jumlah murid yang
hadir pada hari senin sebanyak 2 kali jumlah murid yang hadir pada hari
selasa, dst.
Referensi
1. Santoso, 2004, SPSS Versi 10, Mengolah Data Statistik Secara Profesional, Jakarta: Elex Media Komputindo.
2. Sutanto, 2003, Analisis Data, Depok: Fakultas Kesehatan Masyarakat Universitas Indonesia.
3. http://www.infodokterku.com/index.php?option=com_content&view=article&id=116:jenis-skala-pengukuran-data-statistik&catid=39:data&Itemid=54
