bab - 6 kategorisasi berdasarkan interval nilai
TRANSCRIPT
BAB 6KATEGORISASI
BERDASARKAN INTERVAL NILAI
KATEGORISASIBERDASARKAN INTERVAL NILAI
Pengantar
Untuk membuat kategorisasi atau pengelompokan data di samping dapat
menggunakan kuartil (K), desil (D), persentil (P), dan jenjang persentil (JP) seperti
yang telah dibahas dalam modul 5, ada cara lain yang sering kita temukan dalam
kehidupan praktis. Cara lain itu adalah kategorisasi berdasarkan interval nilai
dengan simpangan baku (SD) sebagai alat utamanya.
Agar lebih mudah memahami bagaimana prosedur kategorisasi
berdasarkan interval nilai yang akan dibahas dalam bab 6 ini dianjurkan pembaca
telah mempelajari bab 5.
Setelah mempelajari bab 6 ini pembaca diharapkan dapat memperoleh
pemahaman tentang :
1. simpangan baku sebagai ukuran jarak.
2. penggunaan simpangan baku sebagai alat klasifikasi data.
3. nilai baku sebagai dasar angka skala.
4. penggunaan angka skala sebagai alat klasifikasi data.
5. penggunaan angka skala sebagai dasar transformasi sekor.
73
KATEGORISASIBERDASARKAN INTERVAL NILAI
A. Pengantar
Pada bab 4 telah diuraikan berbagai alat untuk membuat kategorisasi
yang berdasarkan pada proporsi atau frekuensi. Dalam kehidupan sehari-hari
seringkali kita dituntut untuk membuat kategorisasi atau penggolongan tidak
berdasarkan proporsi, melainkan dengan dasar yang lain. Seperti kategorisasi
status ekonomi yang dipilah menjadi status ekonomi kelas tinggi, kelas
menengah, dan kelas bawah. Contoh lain adalah klasifikasi pada tingkat
kecerdasan yang dipilah menjadi bodoh, rata-rata, cerdas, dan sangat cerdas.
Atau klasifikasi pada prestasi belajar siswa yang dipilah menjadi tinggi, sedang,
dan rendah. Kategorisasi-kategorisasi seperti demikian itu tidak berdasarkan
pada proporsi melainkan berdasarkan pada nilai atau sekor. Misalnya orang
dianggap mempunyai tingkat kecerdasan normal (rata-rata) jika ia mempunyai
IQ antara 95 – 105, jika ia mempunyai IQ di bawah interval itu maka disebut
bodoh, dan jika di atas interval itu maka disebut cerdas. Orang disebut miskin
dan berhak mendapatkan BLT (bantuan langsung tunai) dari pemerintah, jika
mereka mempunyai penghasilan di bawah UMP (upah minimum propinsi).
Untuk melakukan kategorisasi berdasarkan nilai atau sekor ini orang
biasanya mempergunakan simpangan baku (SD) dan nilai baku ataupun
angka skala sebagai alat bantu yang praktis.
Bagaimana cara atau pedoman mana yang kita gunakan untuk
melakukan kategorisasi akan mempengaruhi hasil kategorisasinya, walaupun
kita tidak menentukan cara mana yang terbaik. Karena yang terbaik adalah
yang sesuai dengan tujuan kategorisasi dan sifat/keadaan objek kategorisasi
itu sendiri.
B. Kategorisasi Berdasarkan Simpangan Baku (SD)
Seperti halnya rentangan (R) simpangan baku (SD) juga dapat
dipandang sebagai alat ukuran jarak. Oleh karena itu SD dapat digunakan
sebagai alat untuk membuat klasifikasi. Contoh dalam suatu distribusi normal
74
orang menganggap bahwa R (jarak nilai terendah sampai nilai tertinggi) = 6
SD, yaitu 3 SD di bawah M dan 3 SD di atas M. Walaupun sebebarnya di
bawah M - 3 SD dan di atas M + 3 SD masih ada frekuensi atau proporsinya,
namun karena sangat kecil orang menabaikan keberadaanya.
-3 -2 -1 0 1 2 3
Gambar 6.1: Panjang R dalam satuan SD
Dengan berdasarkan hal tersebut, kita dapat membuat klasifikasi pada
suatu distribusi, misalnya menjadi 3 klasifikasi atau lima klasifikasi. Jika kita
membuatnya menjadi 3 klasifikasi, maka masing-masing klasifikasi berinterval
6 SD : 3 = 2 SD.
R S T
-3 -2 -1 0 1 2 3
Gambar 6.2 : Distribusi Normal dibagi menjadi Tiga kategori
Tiga klasifikasi tersebut misalnya tinggi (T), sedang (S), dan rendah (R),
seperti pada gambar 6.2 di atas, maka yang termasuk klasifikasi rendah (R)
adalah nilai di bawah M – 1 SD, yang termasuk klasifikasi sedang (S) adalah
nilai yang terletak antara M – 1 SD sampai M + 1 SD, dan yang termasuk
klsaifikasi tinggi (T) adalah nilai yang berada di atas M + 1 SD.
Klasifikasi Interval
Tinggi X > M + 1 SD
Sedang M – 1 SD ≤ x ≤ M + 1 SD
Rendah X < M – 1 SD
75
Contoh : suatu distribusi diketahui mempunyai M = 50 dan SD = 10.
Jika distribusinya normal dan akan diklasifikasikan menjadi 3 klasifikasi seperti
tersebut di atas maka, titik-titik batas klaifikasinya adalah :
M – 1 SD = 50 – 10 = 40.
M + 1 SD = 50 + 10 = 60
Sehingga menjadi:
Klasifikasi Interval
Tinggi di atas 60
Sedang 40 – 60
Rendah Di bawah 40
R S T
40 50 60
Gambar 6.3 : Letak Skor Batas Klasifikasi
Jadi yang termasuk klasifikasi tinggi adalah sekor-sekor di atas 60,
sekor-sekor antara 40 sampai 60 termasuk sedang, sekor di bawah 40
termasuk klasifikasi rendah.
Jika membuatnya menjadi lima klasifikasi, misalnya sangat tinggi (ST),
tinggi (T), sedang (S), rendah (R), dan sangat rendah (SR), maka interval
masing-masing klasifikasinya adalah 6 SD : 5 = 1,2 SD
SR ST
R S T
-3 -1,8 -0,6 0,6 1,8 3
Gambar 6.4 : Distribusi Normal dibagi menjadi Tiga kategori
76
Jadi batas-batas interval klasifikasinya adalah :
Klasifikasi Interval
Sangat tinggi x > M + 1,8 SD
Tinggi M + 0,6 SD < x ≤ M + 1,8 SD
Sedang M – 0,6 SD ≤ x ≤ M + 0,6 SD
Rendah M – 1,8 SD ≤ x ≤ M – 0,6 SD
Sangat rendah x < M – 1,8 SD
Nilai-nilai batas klasifikasinya adalah:
X1 = M – 1,8 SD = 50 – 1,8 (10) = 32
X2 = M – 0,6 SD = 50 – 0,6 (10) = 44
X3 = M + 0,6 SD = 50 + 0,6 (10) = 56.
X4 = M + 1,8 SD = 50 + 1,8 (10) = 68.
SR ST
R S T
32 44 56 68
Gambar 6.5 : Letak Sekor Batas Klasifikasi
Dengan demikian nilai-nilai batas interval klasifikasinya, adalah:
Klasifikasi Interval nilai
Sangat tinggi Di atas 68
Tinggi 56 sampai 68
Sedang 44 sampai 56
Rendah 32 sampai 44
Sangat rendah Di bawah 32
Untuk lebih memahami bagaimana langkah-langkah dan kegunaan
klasifikasi berdasarkan simpangan baku (SD), perhatikan contoh di bawah ini.
Seorang psikolog berhasil menyusun tes motivasi belajar yang terdiri
dari 30 item. Tes tersebut menggunakan metode rating yang dijumlahkan
(Skala Likert) dengan skala 5 (skor terrendah untuk setiap item adalah 1 dan
skor tertinggi untuk setiap item adalah 5). Dengan seseorang yang mengambil
tes motivasi belajar itu kita akan dapat kita tentukan apakah ia mempunyai
motivasi belajar yang tinggi atau rendah.
77
Jika pengambil itu individual, maka kategorisasinya adalah
menggunakan kriteria skor ideal, dengan langkah-langkah :
1. Tentukan berapa kategori yang kita inginkan (tiga kategori : tinggi, sedang,
rendah ataukah lima kategori ; sangat tinggi, tinggi, sedang, rendah, dan
sangat rendah).
2. Tentukan nilai tertinggi (XT) yang mungkin dicapai oleh subjek = 30 (item) x
5 (nilai tertinggi tiap butir skala) = 150
3. Tentukan nilai terendah (XR) yang mungkin dicapai oleh subjek = 30 (item) x
1 (nilai terendah tiap butir skala) = 30
4. Tentukan R (Rentangan) = XT – XR = 150 – 30 = 120
5. Tentukan SD = 120 : 6 = 20
6. Tentukan lebar interval masing-masing klasifikasi dalam satuan SD :
a. Jika tiga klasifikasi, maka tiap klasifikasi berinterval = 6 SD : 3 = 2 SD
b. Jika lima klasifikasi, maka tiap klasifikasi berinterval = 6 SD : 5 = 1,2 SD
atau dapat juga secara langsung dalam rentang nilai
c. Jika tiga klasifikasi, maka tiap klasifikasi berinterval = 120 : 3 = 40
d. Jika lima klasifikasi, maka tiap klasifikasi berinterval = 120 : 5 = 24
7. Tentukan M (rerata) = (30 + 150) : 2 = 90
8. Menentukan nilai-nilai batas klasifikasi seperti di bawah ini :
Tiga klasifikasi :
Klasifikasi Interval
Tinggi di atas 110 (dari 150 – 40)
Sedang 70 – 110
Rendah Di bawah 70 ( dari 30 + 40)
R S T
70 90 110
Gambar 6.6 : Letak Skor Batas Klasifikasi
78
Jika lima klasifikasi :
Klasifikasi Interval nilai
Sangat tinggi Di atas 126 (dari 150 – 24) atau (102 + 24)
Tinggi 102 sampai (102 + 24)
Sedang 78 sampai (78 + 24)
Rendah 54 sampai (54 + 24)
Sangat rendah Di bawah (30 + 24) = 54
SR ST
R S T
54 78 102 126
Gambar 6.7 : Letak Sekor Batas Klasifikasi
Jika pengambil tes motivasi itu adalah klasikal, maka kategorisasinya di
samping menggunakan kriteria skor ideal seperti tersebut di atas, dapat juga
menggunakan kriteria norma kelompok, dengan langkah-langkah :
1. Tentukan nilai M (rerata)
2. Tentukan SD (simpangan baku)
3. Tentukan jumlah kategori yang dikehendaki (misal 2, 3, 4, atau 5, dan
sebagainya)
4. Tentukan lebar interval masing-masing kategori dengan rumus = 6 SD
dibagi jumlah kategori =
Misalnya dibuat tiga kategori atau lima kategori, maka lebar interval dan batas
masing-masing kategori adalah seperti telah dijelaskan di atas.
Contoh :
Hasil ujian stastistika 40 mahasiswa tersaji seperti tabel 6.1.
Jika data tersebut akan diklasifikasikan menjadi tiga klasifikasi yaitu tinggi (T),
sedang (S), dan rendah (R), maka interval masing-masing klasifikasinya
adalah = 6 SD : 3 = 2 SD. Sehingga batas-batas klasifikasinya adalah :
79
Tabel 6.1 : Nilai Ujian Statistika 40 MahasiswaNilai f
40 – 46 3
33 – 39 5
26 – 32 12
19 – 25 13
12 – 18 5
5 – 11 2
Σ 40
Klasifikasi Batas interval
Tinggi X > M + 1 SD
Sedang M – 1 SD ≤ x ≤ M + 1 SD
Rendah X < M – 1 SD
Adapun langkah-langkah kerja untuk menentukan klasifikasi tersebut adalah :
1. Membuat tabel kerja seperti tabel 6.2 untuk menentukan M dan SD.
Tabel 6.2 : Tabel Kerja untuk menghitung M dan SD dari tabel 6.1Nilai X f fX fX2
40 – 46 43 3 129 5547
33 – 39 36 5 180 6480
26 – 32 29 12 348 10092
19 – 25 22 13 286 6292
12 – 18 15 5 75 1125
5 – 11 8 2 16 128
Σ 40 1034 29664
2. Menentukan M (dari tabel 6.2)
80
3. Menentukan SD
4. Menentukan batas klasifikasinya
R S T
-1 SD M +1 SD17,284 25,85 34,416
Gambar 6.8 : Letak Skor Batas Klasifikasi
Klasifikasi Batas interval Batas Nilai
Tinggi X > M + 1 SD Di atas 34,416
Sedang M – 1 SD ≤ x ≤ M + 1 SD 17,284 – 34,416
Rendah X < M – 1 SD Di bawah 17,284
Dengan ditentukan batas-batas klasifikasi, kita dapat menentukan
berapa jumlah mahasiswa yang termasuk ke dalam masing-masing
klasifikasi, dengan cara menentukan JP (Jenjang Persentil) dari nilai-nilai
batas klasifikasi.
Batas klasifikasi Rendah adalah X1 = 17,284
JPX1 =
Ini berarti bahwa yang termasuk klasifikasi rendah ada 15,329 %
dari 40 mahasiswa atau = 6 orang
Yang termasuk klasifikasi sedang + rendah nilai batasnya X2 = 34,416
81
Ini berarti yang termasuk klasifikasi sedang + rendah = 88,211 % dari 40
mahasiswa atau = 35 orang.
Jadi yang termasuk klasifikasi Tinggi = 40 orang – 35 orang = 5 orang, dan
yang termasuk klasifikasi sedang = 35 orang - 6 orang = 29 orang
Klasifikasi Jumlah Cara menghitung
Tinggi 5 n – JPX2 = 40 – 35 = 5
Sedang 29 JPX2 – JPX1 = 35 – 6 = 29
Rendah 6 dari JPX1 = 6 orang
Jumlah 40
Prosedur yang sama berlaku untuk semua pengklasifikasian
berdasarkan interval nilai (berapa pun jumlah klasifikasi yang dikehendaki) asal
distribusi datanya normal.
C. Angka Skala
Dengan berdasarkan pada nilai baku Z orang mengembangkan nilai-
nilai baku yang lain yang dibuat sedemikian rupa sehingga dapat menghindari
tanda negatif. Sehingga nilai baku itu menjadi praktis dan mudah dipahami.
Nilai-nilai baku tersebut dikenal sebagai angka skala. Beberapa angka skala
antara lain :
1. T Score
Adalah angka skala yang menggunakan rerata = 50 dan SD = 10. Sehingga
rumusnya menjadi :
.................(Rumus 6.1.)
Dari contoh dalam bab 5 halaman 69-70, nilai Matematika si A dan
Nilai Sejarah si B yang masing-masign menyimpang 2 SD di atas M dan 0,5
SD di bawah M, jika ditransformasi ke dalam score T menjadi :
TA = 10(Z) + 50
= 10 (2) + 50 = 70
82
TB = 10(Z) + 50
= 10(-0,5) + 50 = 45
2. GRE Score
Angka GRE (Graduate Record Examination) dari Educational
Testing Service, Princeton, New Jersey menggunakan rerata = 500 dan SD
= 100, sehingga rumusnya menjadi:
.................(Rumus 6.2.)
3. Stanine
Kata stanine berasal dari standar nine score. Stanine plan ini
dikembang-kan oleh US Air Force pada masa PD II. Stanine ini membagi
distribusi menjadi 9 klasifikasi, dan masing-masing diberi simbol berturut-
turut dari bawah ke atas 1, 2, 3, ......9. Semua angka berjarak sama kecuali
score 1 dan 9.
4. Stanel
Stanel (Standard Eleven Score) ini membagi distribusi menjadi 11
klasifikasi. Agak berbeda dengan stanine, dalam stanel semua angka dari 0
sampai 10 berjarak sama.
Stanel ini dikembangkan oleh FIP UGM.
Berikut ini bagian perbandingan beberapa angka skala.
Angka
Stanine
1 2 3 4 5 6 7 8 9
4 7 12 17 20 17 12 7 4
83
Angka Z-3 -1 0 1-2 2
Angka T20 40 50 6030 70 80
Angka GRE200 400 500 600300 700 80
0
3
Persentase
Angka
Stanel
Persentil
0 1 2 3 4 5 6 7 8 9 10
1 3 8 21 39 61 79 92 97 99
Perlatihan 6
1. Jika data pada tabel 6.3 di bawah ini diklasifikasikan menjadi 5 klasifikasi
dengan ketentuan :
Klasifikasi Interval
Sangat positif x > M + 1,8 SD
Positif M + 0,6 SD < x ≤ M + 1,8 SD
Netral M – 0,6 SD ≤ x ≤ M + 0,6 SD
Negatif M – 1,8 SD ≤ x ≤ M – 0,6 SD
Sangat negatif x < M – 1,8 SD
Berapa jumlah yang termasuk dalam masing-masing klasifikasi ?
Tabel 6.3 : Data Persepsi terhadap PILPRES 2009INTERVAL f
120 – 134 10
105 – 119 15
90 – 104 25
75 – 89 35
60 – 74 20
45 – 59 17
30 – 44 13
2. Dari tabel 6.3 berapakah nilai baku T dari dua orang responden si A dan si B,
yang masing-masing mempunyai sekor mentah 50 dan 115 ? Jika skor mereka
ditransformasikan ke dalam Stanine berapakah nilai mereka masing-masing?
84