Jenis jenis data statistik

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.