Pakaian Branded
Printer Second Dijual
Buku Diskon di Banda Aceh
Digital Printing di Banda Aceh
Toko Herbal di Banda Aceh
Penerbit di Banda Aceh
Pengenalan tipe data merupakan hal penting dalam pengolahan data, karena tipe data menentukan metode statistik yang akan digunakan untuk mengolah data tersebut. Data menurut sifatnya dapat dikelompokkan kepada Data Kualitatif (Data Non Numerik) dan Data Kuantitatif (Data Numerik). Data Kualitatif dapat dibedakan menjadi 2 (dua), yaitu data nominal dan data ordinal, sedangkan yang termasuk data kuantitatif adalah data interval dan data rasio.
1. DATA KUALITATIF (DATA NON NUMERIK)
Data kualitatif (data non-numerik), umumnya merupakan data bukan angka (bilangan) dan tidak dapat dioperasi secara matematis (operasi penambahan, pengurangan, perkalian dan pembagian). Data non-numerik dapat dibedakan menjadi Data Nominal dan Data Ordinal. Format data non-numerik biasanya adalah berupa kata atau kalimat, namun dalam praktek statistik terkadang format kata atau kalimat diganti dengan angka. Pada aplikasi statistik SPSS format data kualitatif dapat berupa String (data huruf), Date (data tanggal/waktu) dan Numeric (data angka).
Data Nominal. Data nominal menduduki level yang paling rendah dalam level pengukuran data (level of measurement). Data nominal dikenal juga dengan sebutan Data Kategori, karena jika dilakukan pengukuran pada data maka akan dihasilkan satu-satunya kategori. Data nominal bersifat mutually exclusive, artinya data yang sudah masuk pada satu kategori tidak dapat masuk pada kategori lain. Contoh data nominal diantaranya adalah data nama daerah, data tempat tinggal, data merek barang, data jenis transportasi, data warna, data jenis kelamin, data pekerjaan, dsb. Data nominal umumnya berupa kata atau kalimat namun ada juga yang berupa angka, misalnya data nomor telepon, data NIK, data nomor kode pos, dll. Pada aplikasi statistik SPSS, terkadang format kata atau kalimat diganti dengan notasi angka, misalnya: Laki-laki = 1 dan Perempuan = 0. Data nominal tidak dapat dioperasi secara matematis, misalnya 1 + 0 ≠ 1 atau dengan kata lain laki-laki + perempuan ≠ laki-laki. Contoh lainnya, sepeda motor = 1, kapal laut = 2, dan mobil = 3 tidak berarti bahwa 1 + 2 = 3 “mobil”.
Data Nominal. Data nominal menduduki level yang paling rendah dalam level pengukuran data (level of measurement). Data nominal dikenal juga dengan sebutan Data Kategori, karena jika dilakukan pengukuran pada data maka akan dihasilkan satu-satunya kategori. Data nominal bersifat mutually exclusive, artinya data yang sudah masuk pada satu kategori tidak dapat masuk pada kategori lain. Contoh data nominal diantaranya adalah data nama daerah, data tempat tinggal, data merek barang, data jenis transportasi, data warna, data jenis kelamin, data pekerjaan, dsb. Data nominal umumnya berupa kata atau kalimat namun ada juga yang berupa angka, misalnya data nomor telepon, data NIK, data nomor kode pos, dll. Pada aplikasi statistik SPSS, terkadang format kata atau kalimat diganti dengan notasi angka, misalnya: Laki-laki = 1 dan Perempuan = 0. Data nominal tidak dapat dioperasi secara matematis, misalnya 1 + 0 ≠ 1 atau dengan kata lain laki-laki + perempuan ≠ laki-laki. Contoh lainnya, sepeda motor = 1, kapal laut = 2, dan mobil = 3 tidak berarti bahwa 1 + 2 = 3 “mobil”.
Dalam ilmu sosial, skala pengukuran (measure) yang biasanya digunakan untuk mengumpulkan data untuk tipe nominal adalah Skala Gutman dan Skala Nominal. Skala ini digunakan apabila peneliti ingin mendapatkan jawaban yang tegas, oleh sebab itu alternative/jawaban yang digunakan hanya dua. Contoh alternatif/jawaban yang digunakan diantaranya adalah ‘ya’ dan ‘tidak’, ‘panjang dan pendek’, ‘jauh’ dan ‘dekat’, ‘baik’ dan ‘buruk’, ‘pernah dan tidak pernah’, ‘suka dan tidak suka’, dsb. Pada table berikut, disajikan contoh-contoh data nominal yang umum digunakan untuk mengungkap identitas responden.
Data Ordinal. Data ordinal berada satu tingkat lebih tinggi dibandingkan dengan data nominal. Data ordinal tidak saja dapat menyatakan kategori namun juga sudah dapat menyatakan tingkatan (prefensi) walaupun jarak atau interval antar tingkatan belum jelas. Contoh data ordinal diantaranya adalah data sikap (Sangat Setuju, Setuju, Sangat Tidak Setuju), data sifat (Besar, Sedang dan Kecil); data jarak (Sangat Jauh, Cukup Jauh, Dekat, dan Sangat Dekat), dsb. Jarak atau interval antar tingkatan pada data ordinal hanya berisikan informasi bahwa kategori yang satu berstatus lebih tinggi atau lebih rendah dari kategori yang lainnya, misalnya ‘Sangat Setuju’ dianggap lebih tinggi daripada ‘Setuju’. Biasanya, jika butir pertanyaan bersifat favorable (menyenangkan), maka notasi angka terbesar digunakan untuk menyatakan nilai positif sedangkan jika butir pertanyaan bersifat unfavorable (tidak menyenangkan), maka notasi angka terbesar digunakan untuk menyatakan nilai negative.
Walaupun pada aplikasi statistik SPSS terkadang format kata atau kalimat diganti atau dikode dengan notasi angka, data ordinal tetap tidak dapat dioperasikan secara matematis, sebagai contoh jika ‘Tidak Setuju’ = ‘1’, ‘Setuju’ = ‘2’, dan ‘Sangat Setuju’ = ‘3’, maka bukan berarti bahwa ‘1’ + ‘2’ = ‘3’ atau ‘Tidak Setuju’ + ‘Setuju’ = ‘Sangat Setuju’. Didalam penelitian, banyaknya pilihan respon/jawaban yang umum digunakan adalah 3, 5, 7, 9, 11, namun yang paling sering digunakan adalah 5 respon/jawaban. Ada baiknya agar peneliti memperhatikan kemampuan calon responden dalam menjawab/merespon pertanyaan sebelum menentukan jumlah pilihan jawaban/respon yang akan digunakan, sehingga responden tidak mengalami kesulitan atau bingung dalam menjawab.
2. DATA KUANTITATIF (DATA NUMERIK)
Data kuantitatif (data numerik) adalah data yang berupa angka dalam arti yang sebenarnya. Pada data numeric, operasi matematis sudah dapat dilakukan. Data numerik dapat dibedakan menjadi Data Interval dan Data Rasio. Pada aplikasi statistik SPSS, data numeric dikenal dengan istilah Scale (data skala) dan format datanya dapat berupa Numeric (angka), Comma (angka dengan tanda koma), Scientific Notation (angka dengan notasi ilmiah), Dollar (angka dengan notasi dolar), dan Custom Currency (angka dengan notasi mata uang umumnya).
Data Interval. Data interval merupakan data yang berupa angka dalam arti yang sebenarnya. Data ini berada pada tingkatan yang lebih tinggi dibandingkan dengan data nominal dan ordinal. Contoh data interval diantaranya adalah data tanggal, data waktu, data koordinat, data nilai ujian, data data Indek Prestasi Kumulatif, dsb. Data interval sudah dapat dioperasikan secara matematis dan jarak atau interval antar tingkatan sudah jelas, tetapi belum memiliki nilai 0 (nol) mutlak, misalnya keadaan ruang pada suhu 0 oC adalah 40 kali lebih dingin dibandingkan dengan keadaan ruang pada suhu 40o C, dimana 0 oC pada data suhu ruang tersebut memiliki makna bahwa ruang memiliki suhu, yaitu 0 oC. Pada table berikut, disajikan contoh-contoh data interval.
Data Rasio. Data rasio merupakan data yang paling tinggi kedudukannya di dalam tingkat pengukuran (level of measeurment) data. Contoh data rasio diantaranya adalah data usia, data penjualan, data biaya produksi, volume/ isi, dsb. Sama halnya dengan data interval, data rasio dapat dioperasikan secara matematis dan jarak atau interval antar tingkatan sudah jelas. Berbeda dengan data interval, pada data rasio 0 (nol) bernilai mutlak (titik nol dalam arti yang sesungguhnya). Sebagai contoh, data penjualan mobil di showroom X pada bulan April 2009 adalah 0 unit, hal tersebut berarti memang tidak ada satupun mobil yang terjual di showroom X pada bulan April 2009. (Referensi dari berbagai sumber)
