JENIS DATA STATISTIK

Jeeniiss–jjeeniiss datta s Stistiik
Tak bisa dibantah jika kita mengolah data statistik dengan komputer maka yang
pertama kali terbayang adalah SPSS. SPSS memang salah satu program statistik yang
paling populer di antara program lainnya. SPSS banyak digunakan dalam penelitianpenelitian
sosial dan riset, yang sesuai dengan kepanjangan SPSS yaitu: Statistical
Package for the Social Science. Walaupun sekarang singkatannya menjadi Statistical
Product and Service Solution (karena fungsinya yang lebih berkembang) namun tetap
saja SPSS lebih sering digunakan dalam penelitian sosial. Saat ini SPSS telah sampai
pada versi 11.05. Tutorial SPSS ini hanya membahas kegunaannya dalam penelitianpenelitian
sosial dan kalau masih sempat akan disinggung sedikit masalah survey.
Sebelum masuk pada tahap demi tahap tutorial SPSS, pengetahuan tentang jenisjenis
data dalam statistik adalah syarat utama yang harus dikuasai -paling tidak menurut
pendapat saya. Pengetahuan tentang jenis-jenis data sangat menentukan metode yang
akan digunakan dalam pengambilan data dan tentu saja jenis analisis apa yang
dibutuhkan oleh data tersebut agar lebih bermakna.
Jenis -jenis data ini bertingkat menurut tingkatan pengukuran. Saya biasa
menyingkatnya dengan “NOIR” atau”RION”. Jenis data tersebut adalah:
1. Data Rasio
Data rasio adalah tingkatan data yang paling tinggi. Data rasio memiliki jarak antar
nilai yang pasti dan memiliki nilai nol mutlak yang tidak dimiliki oleh jenis-jenis
data lainnya. Contoh dari data rasio diantaranya: berat badan, panjang benda, jumlah
satuan benda. Jika kita memiliki 10 bola maka ada perwujudan 10 bola itu, dan ketika
ada seseorang memiliki 0 bola maka seseorang tersebut tidak memiliki bola satupun.
Data rasio dapat digunakan dalam komputasi matematik, misalnya A memiliki 10
bola dan B memiliki 8 bola, maka A memiliki 2 bola (10-8) lebih banyak dari B.
2. Data Interval
Data interval mempunyai tingkatan lebih rendah dari data rasio. Data rasio memiliki
jarak data yang pasti namun tidak memiliki nilai nol mutlak. Contoh dari data
interval ialah hasil dari nilai ujian matematika. Jika A mendapat nilai 10 dan B
mendapat nilai 8, maka dipastikan A mempunyai 2 nilai lebih banyak dari B. Namun
tidak ada nilai nol mutlak, maksudnya bila C mendapat nilai 0, tidak berarti bahwa
kemampuan C dalam pelajaran matematika adalah nol atau kosong.
Bhina Patria – http://www.inparametric.com 2
3. Data Ordinal
Data ordinal pada dasarnya adalah hasil dari kuantifikasi data kualitatif. Contoh dari
data ordinal yaitu penskalaan sikap individu. Penskalaan sikap individu terhadap
sesuatu bisa diwujudkan dalam bermacam bentuk, diantaranya yaitu: dari sikap
Sangat Setuju (5), Setuju (4), Netral (3), Tidak Setuju (2), dan Sangat Tidak Setuju
(1). Pada tingkatan ordinal ini data yang ada tidak mempunyai jarak data yang
1
pasti , misalnya: Sangat Setuju (5) dan Setuju (4) tidak diketahui pasti jarak antar
nilainya karena jarak antara Sangat Setuju (5) dan Setuju (4) bukan 1 satuan (5-4).
4. Data Nominal
Data nominal adalah tingkatan data paling rendah menurut tingkat pengukurannya.
Data nominal ini pada satu individu tidak mempunyai variasi sama sekali, jadi 1
individu hanya punya 1 bentuk data. Contoh data nominal diantaranya yaitu: jenis
kelamin, tempat tinggal, tahun lahir dll. Setiap individu hanya akan mempunyai 1
data jenis kelamin, laki-laki atau perempuan. Data jenis kelamin ini nantinya akan
diberi label dalam pengolahannya, misalnya perempuan =1, laki-laki =2.
Ada lagi jenis data yang sering disebutkan dalam statistik yaitu data parametric
dan non-parametric. Jika “NOIR” adalah pembagian data menurut tingkatan
pengukuran, pembagian parametric dan non-parametric dipengaruhi oleh karakteristik
empirik dari data tersebut. Pengetahuan tentang batasan data parametric dan nonparametric
ini sangat penting karena pada proses analisis memang dibedakan untuk
masing-masing jenis data tersebut.
Suatu data disebut sebagai data parametric bila memenuhi kriteria sbb (Field,
2000):
1. Normally distributed data. Data yang mempunyai distribusi normal adalah
data yang dapat mewakili populasi yang diteliti. Secara kasat mata kita bisa
melihat histogram dari data yang dimaksud, apakah membentuk kurva normal
atau tidak. Tentu saja cara ini sangat subyektif. Cara lainnya yaitu dengan
melakukan uji normalitas pada data yang dimaksud –caranya akan dijelaskan
lebih lanjut.
2. Homogenity of variance. Variansi dari data yang dimaksud harus stabil tidak
berubah atau homogen. Ada banyak tes yang bisa dilakukan untuk mengetahui
homogenity of variance, bahkan untuk untuk jenis -jenis analisis tertentu SPSS
secara otomatis menyertakan hasil tes ini.
3. Interval data. Data yang dimaksud minimal merupakan data interval.
4. Independence. Data yang diperoleh merupakan data dari tiap individu yang
independen, maksudnya respon dari 1 individu tidak mempengaruhi atau
dipengaruhi respon individu lainnya.
Karena keterbatasan, saya tidak bisa menjelaskan lebih mendalam, kalau dirasa
kurang jelas silakan cari buku statistik yang membahas hal ini lebih lanjut.
Sumber : Bhina Patria – http://www.inparametric.com.
2

About these ads

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s