Sudah dikenal bahwa statistik merupakan salah satu cara yang banyak
manfaatnya bagi peneliti untuk menganilis data. Satu modal penting yang
harus dikuasai terlebih dahulu oleh peneliti yang akan menggunakan
teknik statistik adalah pengertian mengenai jenis data yang akan
dianalisis, agar penggunaan data kuantitatif untuk keperluan analisis
statistik tepat sasaran. Atau sebaliknya, pemilihan jenis teknik
statistik dapat dipilih secara tepat sesuai dengan sifat-sifat atau
jenis-jenis data yang dihadapi.
Dalam dunia statistik dikenal setidaknya terdapat empat jenis data
hasil pengukuran, yaitu data Nominal, Ordinal, Interval dan Rasio.
Masing-masing data hasil pengukuran ini memiliki karaktristik
tersendiri yang berbeda antara satu dengan lainnya.
1. Data Nominal
Data ini juga sering disebut data diskrit, kategorik, atau dikhotomi.
Disebut diskrit karena ini data ini memiliki sifat terpisah antara satu
sama lainnya, baik pemisahan itu terdiri dari dua bagian atau lebih;
dan di dalam pemisahan itu tidak terdapat hubungan sama sekali.
Masing-masing kategori memiliki sifat tersendiri yang tidak ada
hubungannya dengan kategori lainnya. Sebagai misal data hasil penelitian
dikategorikan kedalam kelompok “ya” dan “tidak” saja misalnya
laki-laki/wanita (laki-laki adalah ya laki-laki; dan wanita adalah
“tidak laki-laki”), kawin /tidak kawin; janda/duda, dan lainnya.
Data nominal selain contoh di atas terdapat pula yang berupa
angka-angka. Akan tetapi angka-angka tersebut bukan merupakan suatu
atribut, oleh sebab itu pada angka tersebut tidak berlaku hitungan
matematis. Contoh data ini misalnya nomor punggung pemain sepak bola,
nomor rumah, nomor plat mobil dan lainnya. Nomor-nomor tersebut
semata-semata hanya menunjukkan simbol, tanda, atau stribut saja.
2. Data Ordinal
Data ordinal adalah data yang menunjuk pada tingkatan atau
penjenjangan pada sesuatu keadaan. Berbeda dengan data nominal yang
menunjukkan adanya perbedaan secara kategorik, data ordinal juga
memiliki sifat adanya perbedaan di antara obyek yang dijenjangkan. Namun
dalam perbedaan tersebut terdapat suatu kedudukan yang dinyatakan
sebagai suatu urutan bahwa yang satu lebih besar atau lebih tinggi
daripada yang lainnya.Kriteria urutan dari yang paling tinggi ke yang
yang paling rendah dinyatakan dalam bentuk posisi relatif atau kedudukan
suatu kelompok. Contoh dari data ini misalnya: prestasi belajar siswa
diklasifikasikan menjadi kelompok “baik”, “cukup”, dan “kurang”, atau
ukuran tinggi seseorang dengan “tinggi”, “sedang”, dan “pendek”.
Dalam kaitannya dengan analisis data, terhadap data ordinal
seringkali diberikan “skor’ sesuai dengan tingkatannya. Istilah “skor”
diberi tanda petik karena skor tersebut bukan skor sebenarnya, tetapi
sebagai “tanda” yang menunjukkan tingkatan.
Contoh: “Baik” …….. diberi tanda 3
“Cukup” …….. diberi tanda 2
“Kurang” …….. diberi tanda 1
Contoh lain data ordinal misalnya hasil ujian mahasiswa peserta
kuliah Statistik Pendidikan Budiman memperoleh skor 90, Rahmat 85,
Musyafak 75, dan Mahsunah 65. Berdasarkan skor-skor tersebut dibuatlah
suatu jenjang (rangking), sehingga terjadilah urutan jenjang ke 1 (90),
ke 2 (85), ke 3 (75), dan ke 4 (65).Data ordinal memiliki harga mutlak
(dapat diperbandingkan) dan selisih perbedaan antara urut-urutan yang
berdekatan bisa tidak sama.
Data ordinal mempunyai nilai yang lebih tinggi dibandingkan dengan
data diskrit karena mempunyai tingkatan yang lebih banyak daripada data
diskrit yang hanya mempunyai dua kategori yaitu “ya” dan “tidak”.
3. Data Interval
Data interval tergolong data kontinum yang mempunyai tingkatan yang
lebih tinggi lagi dibandingkan dengan data ordinal karena mempunyai
tingkatan yang lebih banyak lagi. Data interval menunjukkan adanya jarak
antara data yang satu dengan yang lainnya.Contoh data interval misalnya
hasil ujian, hasil pengukuran tinggi badan, dan lainnya. Satu hal yang
perlu diperhatikan bahwa data interval tidak dikenal adanya nilai 0
(nol) mutlak. Dalam hasil pengukuran (tes) misalnya mahasiswa mendapat
nilai 0. Angka nol ini tidak dapat diartikan bahwa mahasiswa tersebut
benar-benar tidak bisa apa-apa. Meskipun ia memperoleh nilai nol ia
memiliki suatu pengetahuan atau kemampuan dalam matakuliah yang
bersangkutan. Nilai nol yang diberikan oleh dosen sebetulnya hanya
merupakan atribut belaka hanya saja pada saat ujian, pertanyaan yang
diujikan tidak pas seperti yang dipersiapkannya. Atau jawaban yang
diberikan tidak sesuai dengan yang dikehendaki soal.
4. Data Rasio
Data rasio merupakan data yang tergolong ke dalam data kontinum juga
tetapi yang mempunyai ciri atau sifat tertentu. Data ini memiliki sifat
interval atau jarak yang sama seperti halnya dalam skala interval. Namun
demikian, skala rasio masih memiliki ciri lain. Pertama harga rasio
memiliki harga nol mutlak, artinya titik nol benar-benar menunjukkan
tidak adanya suatu ciri atau sifat. Misalnya titik nol pada skala
sentimeter menunjukkan tidakadanya panjang atau tinggi sesuatu. Kedua
angka skala rasio memiliki kualitas bilangan riel yang berlaku
perhitungan matematis. Misalnya berat badan Rudi 70 kg, sedangkan
Saifullah 35 kg. Keadaan ini dapat dirasiokan bahwa berat badan Rudi dua
kali berat badan Saifullah. Atau berat badan Saifullah separuh dari
berat badan Rudi. Berbeda dengan data interval misalnya Rudi ujian
dapat 70 sementara Saifullah memperoleh 30. Hal ini tidak dapat
diartikan bahwa kepandaian Rudi dua kali lipat kepandaian Saifullah.
Data rasio dalam ilmu-ilmu sosial jarang dipergunakan, bahkan hampir
tidak pernah dipergunakan. Lapangan penggunaan data berskala rasio ini
lebih banyak berada dalam bidang ilmu-ilmu eksakta terutama fisika.
D. Teknik Analisis Kuantitatif
Sebagaimana dijelaskan di muka bahwa analisis kuantitatif dapat
didekati dari dua sudut pendekatan, yaitu analisis kuantitatif
deskriptif dan analisis kuantitatif inferensial. Bagaimana teknik
penggunaan masing-masing pendekatan tersebut berikut disajikan contoh
penggunaannya.
Tidak ada komentar:
Posting Komentar