NominalSebelum kita membicarakan bagaimana alat analisis data digunakan, berikut ini akan diberikan ulasan

tentang bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik

bagi mahasiswa. Menuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana

angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan

tingkatan apapun. Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data

nominal merupakan data diskrit dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-

set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh tumpang tindih dan

bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing

anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Jelas kelihatan

bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis

ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika

ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku,

yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai

Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain.

Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga

seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu juga tentang

ukuran jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan

bulat, demikian seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari

hasil pengukuran dengan skala nominal. Menuruti Sugiono, alat analisis (uji hipotesis asosiatif)

statistik nonparametrik yang digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi

karena pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square (χ2),

perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan model statistik

nonparametrik selain Coefisien Contingensi tidak lazim dilakukan.

b. Data ordinalBagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau.

c. Data intervalPemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 – 1 = 2. Beda prestasi antara mahasiswa C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.

d. Data rasioUkuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran rasio (data rasio). Data rasio, yang diperoleh melalui mengukuran dengan skala rasio memiliki titik nol. Karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol, maka data rasio dapat dibuat perkalian ataupun pembagian. Angka pada data rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. Dengan kata lain, rasio antara pengemudi C dan A adalah 4 : 1, rasio antara pengemudi D dan A adalah 5 : 1, sedangkan rasio antara pengemudi C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000, dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi B memiliki rasio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat badan sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data ratio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.

Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian lazimnya bisa di bagi menjadi 4 jenis variabel, yakni variabel nominal, variabel ordinal, variabel interval, dan variabel ratio. Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah satu sama lain, misalnya status perkawinan, jenis kelamin, suku bangsa, profesi pekerjaan seseorang dan sebagainya. Variabel ordinal adalah variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti

indek prestasi mahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio adalah variabel yang disusun dengan ukuran ratio seperti tingkat penganggguran, penghasilan, berat badan, dan sebagainya.- See more at: http://johosuapapeti.blogspot.com/2013/03/data-nominal-ordinal-interval-dan-rasio.html#sthash.8kGqQkIw.dpuf

Data Nominal, Ordinal, Rasio dan Interval

Data Nominal, Ordinal, Rasio dan Interval Written by Ari Julianto

Selain data ditinjau dari sumber dan bentuknya, data apat juga ditinjau berdasarkan skala atau tingkat pengukurannya. Jenis data ini dapat dikelompokkan menjadi: 

 1. Data NominalData nominal termasuk jenis data kualitatif, dan hanya mempunyai satu kategori, sehingga tidak menunjukkan tingkatan atau heirarhi. Misalnya data tentang tempat tinggal, jenis kelamin, agama, suku bangsa, status perkawinan/marital, tempat lahir, nama sekolah, mata pencaharian dan sebagainya.

Data nominal untuk memudahkan analisis biasanya dijadikan angka yaitu proses yang disebut kategori. Bilangan yang dipergunakan hanya sebagai lambang/simbol untuk membedakan setiap kategori.Pemberian angka ini hanya sebagai simbol atau tanda saja, tidak berjenjang artinya tidak dapat dikatakan guru laki-laki lebih baik dari perempuan dan sebagainya. Misalnya:

Jenis kelamin- Perempuan diberi lambang/simbol 1- Laki-laki diberi lambang/simbol 2

Satus perkawinan/marital- Kawin diberi simbol/lambang 1- Belum kawin diberi lambang/simbol 2- Janda/duda diberi lambang/simbol 3

Alamat rumah guru- Sama dengan lokasi sekolah diberi lambang/simbol 1- Berbeda desa tapi satu kecamatan diberi lambang/simbol 2- Berbeda kecamatan satu kabupaten diberi lambang/simbol 3- Lintas kabupaten diberi lambang/simbol 4

Agama guru/kepala sekolah- Islam diberi lambang/simbol 1- Kristen diberi lambang/simbol 2- Hindu diberi lambang/simbol 3- Buddha diberi lambang/simbol 4

- Lainnya diberi lambang/simbol 5

b. Data OrdinalData ordinal termasuk data kualitatif yang jenjangnya lebih tinggi dari data nominal. Data ordinal sudah menunjukkan lambang dan jenjang atau tingkatan (rank) lebih besar, lebih kecil. Semakin kecil bilangan semakin jelek dan makin besar semakin bagus, jadi semakin besar bilangan makin tinggi peringkatnya. Misalnya:

Tingkat pendidikan guru/kepala sekolah- D4 1- S1 2- S2 3- S3 4

Persepsinya terhadap profesi guru- sangat senang 3- senang     2- tidak senang     1

Kualitas pembelajaran- Sangat baik     5- Baik         4- Cukup     3- Kurang baik     2- Buruk     1

c. Data RasioData rasio merupakan jenis data paling tinggi, dapat menyatakan sebagai peringkat, menyatakan jarak, dan mempunyai titik nol sebagai titik mutlak,serta dan dapat dioperasikan secara matematik (dijumlah, dibagi,dikurangi dan dikali) Misalnya, besarnya honor kelebihan mengajar dinyatakan dalam rupiah/minggu.

d. Data IntervalData interval termasuk dalam jenis data kuantitatif, berupa angka, dapat bertingkat/berjenjang, dapat menunjukkan peringkat (makin besar bilangan makin tinggi peringkatnya), bilangan menyatakan jarak (interval), dan titik nol bukan merupakan titik mutlak. Titik nol dinyatakan berdasarkan perjanjian.Misalnya: Jumlah siswa- < 500 orang            1- 500 – 1000 orang     2- 1001 – 1500 orang   3- > 1500 orang          4

Perolehan Nilai Ujian Nasional- < 3             1- 3 – 5           2- > 5             3

Luas sekolah- < 1000 meter²     1- 1000 – 3000 m²   2- > 3000 m²          3

Demikianlah pembahasan kita kali ini. Semoga bermanfaat. Amin.

1. DATA NOMINAL

Data Nominal biasa disebut data skala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.

Contoh: Jenis pekerjaan, diklasifikasi sebagai: 1. Pegawai negeri, diberi tanda 1, 2. Pegawai swasta, diberi tanda 2, 3. Wiraswasta, diberi angka 3

Ciri Data Nominal: Posisi data setara. Dalam contoh tersebut, pegawai negeri tidak lebih

tinggi/lebih rendah dari pegawai swasta.  Tidak bisa dilakukan operasi matematika (X, +, - atau : ). Contoh, tidak

mungkin 3-2=1 (Wiraswasta dikurangi pegawai swasta=pegawai negeri

2. DATA ORDINAL

Data berskala ordinal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi diantara data tersebut terdapat hubungan.

Contoh:

Kepuasan pelanggan, diklasifikasikan sebagai:

Sangat puas, diberi tanda 1,  Puas, diberi tanda 2,  Cukup puas, diberi tanda 3,  Tidak puas diberi tanda 4,   Sangat tidak puas diberi tanda 5

Ciri Data Ordinal:1. posisi data tidak setara. Dalam kasus di atas, sikap pelanggan yang

sangat puas, lebih tinggi dari yang puas. Sikap pelanggan yang puas, lebih tinggi dari yang cukup puas, dst. Angka/tanda bisa dibalik dari 5 hingga 1, tergantung kesepakatan. 

2. Tidak bisa dilakukan operasi matematika. Tidak mungkin 1+2=3 (yang berarti sangat puas ditambah puas = cukup puas)

3. DATA INTERVAL

Data interval adalah data yang diperoleh dengan cara pengukuran, dimana jarak antar dua titik pada skala, sudah diketahui. Berbeda dengan skala ordinal, dimana jarak dua titik tidak diperhatikan (seperti berapa jarak antara puas dan tidak puas, yang sebenarnya menyangkut perasaan orang saja)

Contoh:

Temperatur ruangan. Bisa diukur dalam Celsius, atau Fahrenheit, dengan masing-masing punya skala sendiri. Untuk air membeku dan mendidih:

Celcius pada 0° C sampai 100° C. Sakala ini jelas jaraknya, bahwa 100-0=100 

 Fahreinheit pada 32° F sampai 212°F. Skala ini jelas jaraknya, 212-32=180

Ciri Data Interval:

Tidak ada kategorisasi atau pemberian kode seperti terjadi pada data nominal dan ordinal. 

Bisa dilakukan operasi matematika. (panas 40 derajad adalah dua kali panas disbanding 20 derajad)

4. DATA RASIO:

Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui, dan mempunyai titik nol yang absolut. Ini berbeda dengan skala interval, dimana taka da titik nol mutlak/absolut. Seperti titik 0°C tentu beda dengan titik 0°F. atau pergantian tahun pada system kalender Masehi (setiap 1 Januari) berbeda dengan pergantian tahun Jawa, China dan lainnya. Sehingga tak ada tahun baru dalam artian diakui oleh semua kalender sebagai tahun baru.

Contoh:Jumlah buku di kelas: Jika 5, berarti ada 5 buku. Jika 0, berarti taka da buku (absolut 0)

Ciri Data Rasio:

Tak ada kategorisasi atau pemberian kode.   Bisa dilakukan operasi matematika. Missal: 100 cm + 35 cm = 135 cm; 5

mangga + 2 mangga = 7 mangga.

Catatan: pengolahan data kuantitatif sebagian besar menggunakan data rasio.

SKALA INTERVALSkala pengukuran Interval adalah skala yang mempunyai semua sifat yang dipunyai oleh skala pengukuran nominal, dan ordinal ditambah dengan satu sifat tambahan. Dalam skala interval, selain data dapat dibedakan antara yang satu dengan yang lainnya dan dapat dirangking, perbedaan (jarak/interval) antara data yang satu dengan data yang lainnya dapat diukur.

Contoh : Data tentang suhu empat buah benda A, B, C , dan D yaitu masing-masing 20. 30, 60, dan 70 derajat Celcius, maka data tersebut adalah data dengan skala pengukuran interval karena selain dapat dirangking, peneliti juga akan tahu secara pasti perbedaan antara satu data dengan data lainnya. Perbedaan data suhu benda pertama dengan benda kedua misalnya, dapat dihitung sebesar 10 derajat, dst. Namun dalam skala interval, tidak mungkin kita melakukan perbandingan antara satu data dengan data yang lainnya. Kita tidak dapat mengatakan bahwa suhu 60 derajat Celcius dari benda C dan 30 derajat Celcius untuk suhu benda B berarti bahwa benda C 2x lebih panas dari benda B. Hal ini tidak mungkin karena skala interval tidak mempunyai titik nol yang mutlak. Titik nol yang tidak mutlak

berarti : benda dengan suhu nol derajat Celcius bukan berarti bahwa benda tersebut tidak mempunyai panas.

Kesimpulan : Bilangan pada skala interval fungsinya ada tiga yaitu :

1.Sebagai lambang untuk membedakan,2.Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi ( > atau <),3.Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data obyekyang lainnya.Titik nol bukan merupakan titik mutlak, tetapi titik yang ditentukan berdasarkan perjanjian.Statistik yang sesuai dengan data berskala Interval adalah Statistik Nonparametrik dan Statistik Parametrik.

Contoh perhitungan statistik yang cocok adalah Rata-rata, Simpangan Baku, dan Korelasi Pearson.

SKALA RASIOSkala rasio merupakan skala yang paling tinggi peringkatnya. Semua sifat yang ada dalam skala terdahulu dipunyai oleh skala rasio. Sebagai tambahan, dalam skala ini, rasio (perbandingan) antar satu data dengan data yang lainnya mempunyai makna.

Contoh : Data mengenai berat adalah data yang berskala rasio. Dengan skala ini kita dapat mengatakan bahwa data berat badan 80 kg adalah 10 kg lebih berat dari yang 70 kg, tetapi juga dapat mengatakan bahwa data 80 kg adalah 2x lebih berat dari data 40 kg. Berbeda dengan interval, skala rasio mempunyai titik nol yang mutlak.

Kesimpulan : Bilangan pada skala Rasio fungsinya ada tiga yaitu :

1.Sebagai lambang untuk membedakan2.Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi (> atau < ),3.Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data obyek yang lainnya.4.Rasio (perbandingan) antar satu data dengan data yang lainnya dapat diketahui dan mempunyai arti. Titik nol merupakan titik mutlak.

Statistik yang sesuai dengan data berskala Rasio adalah Statistik Nonparametrik dan Statistik Parametrik.

Contoh perhitungan statistik yang cocok adalah  Koefisien Variasi dan statistik-statistik lain yang menuntut diketahuinya titik nol mutlak.

Data dibedakan menurut skala yang digunakan pada saat melakukan pengukuran. Dengan pengukuran dimaksudkan sebagai upaya memberikan angka numerik terhadap obyek menurut aturan-aturan tertentu. Aturan yang berbeda akan menghasilkan skala yang berlainan sehingga akan memberikan jenis pengukuran yang berbeda. Terdapat empat macam skala pengukuran yang ada yaitu:

SKALA NOMINALSkala nominal merupakan skala pengukuran yang paling rendah tingkatannya di antara ke empat skala pengukuran yang lain. Seperti namanya, skala ini membedakan satu obyek dengan obyek lainnya berdasarkan lambang yang diberikan. Oleh karena itu data dalam skala nominal dapat dikelompokkan ke dalam beberapa kategori, dan kepada kategori tersebut dapat diberikan lambang yang sesuai atau sembarang bilangan. Bilangan yang diberikan tidak mempunyai arti angka numerik artinya kepada angka-angka tersebut tidak dapat dilakukan

operasi aritmetika, tidak boleh menjumlahkan, mengurangi, mengalikan, dan membagi. Bilangan yang diberikan hanyalah berfungsi sebagai lambang yang dimaksudkan hanya untuk membedakan antara data yang satu dengan data yang lainnya.

Contoh : Data mengenai barang-barang yang dihasilkan oleh sebuah mesin dapat digolongkan dalam kategori cacat atau tidak cacat. Barang yang cacat bisa diberi angka 0 dan yang tidak cacat diberi angka 1. Data 1 tidaklah berarti mempunyai arti lebih besar dari 0. Data satu hanyalah menyatakan lambang untuk barang yang tidak cacat.

Kesimpulan : Bilangan dalam Skala Nominal berfungsi hanya sebagai lambang untuk membedakan, terhadap bilangan-bilangan tersebut tidak berlaku hukum aritmetika, tidak boleh menjumlahkan, mengurangi, mengalikan, maupun membagi.Hubungan yang membatasi adalah hubungan sama dengan dan tidak sama dengan ( ≠ dan = ).Statistik yang sesuai dengan data berskala Nominal adalah Statistik Nonparametrik.Contoh perhitungan statistik yang cocok adalah Modus, Frekuensi dan Koefisien Kontingensi.

SKALA ORDINALSkala pengukuran berikutnya adalah skala pengukuran ordinal. Skala pengukuran ordinal mempunyai tingkat yang lebih tinggi dari skala pengukuran nominal. Dalam skala ini, terdapat sifat skala nominal, yaitu membedakan data dalam berbagai kelompok menurut lambang, ditambah dengan sifat lain yaitu, bahwa satu kelompok yang terbentuk mempunyai pengertian lebih (lebih tinggi, lebih besar,…) dari kelompok lainnya. Oleh karena itu, dengan skala ordinal data atau obyek memungkinkan untuk diurutkan atau dirangking.

Contoh : Sistem kepangkatan dalam dunia militer adalah satu contoh dari data berskala ordinal Pangkat dapat diurutkan atau dirangking dari Prajurit sampai Sersan berdasarkan jasa, dan lamanya pengabdian. Jika peneliti merangking data lamanya pengabdian maka peneliti dapat memberikan nilai 1, 2, 3, … , 4 dst masing-masing terhadap seseorang anggota ABRI yang berpangkat Prajurit, Kopral, Sersan, dst. Berbeda dengan skala nominal, angka yang diberikan terhadap obyek tidak semata-mata berlaku sebagai lambang tetapi juga memperlihatkan urutan atau rangking.

Kesimpulan:Pada tingkat pengukuran ordinal, bilangan yang didapat berfungsi sebagai :1.lambang untuk membedakan2.untuk mengurutkan peringkat berdasarkan kualitas yang telah ditentukan (> atau < ).Pada tingkat pengukuran ordinal kita bisa mengatakan lebih baik/lebih buruk, lebih besar/lebih kecil, tetapi tidak bisa menentukan berapa kali lebih besarnya/lebih buruknya.Statistik yang sesuai dengan data berskala Ordinal adalah Statistik Nonparametrik.                               Contoh perhitungan statistik yang cocok adalah Median, Persentil, Korelasi Spearman (rs), Korelasi Thau-Kendall dan Korelasi Thau-Kendall (W).

a. Data nominalMenuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal merupakan data diskrit dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya:

tenis (1), 

basket (2) dan  renang (3). 

Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali.  Begitu juga tentang ukuran jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan bulat, demikian seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal. Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal adalah Coefisien Contingensi. Tetapi karena pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square/chi kuadrat/kai kuadrat (χ2), *****maka  perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan.

b. Data ordinal

Data ordinal, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari: 

sangat setuju,  setuju,  ragu-ragu,  tidak setuju  sangat tidak setuju. 

Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari: 

tidak pernah absen menghadiri, dengan kode 5,  kadang-kadang saja menghadiri, dengan kode 4,  kurang menghadiri, dengan kode 3,  tidak pernah menghadiri, dengan kode 2 tidak ingin menghadiri sama sekali, dengan kode 1. 

Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau.

c. Data intervalPemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni: A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 – 1 = 2. Beda prestasi antara mahasiswa C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.

d. Data rasioUkuran rasio (data rasio) yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur.  Data rasio, yang diperoleh melalui mengukuran dengan skala rasio memiliki titik nol. Karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol, maka data rasio dapat dibuat perkalian ataupun pembagian. Angka pada data rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka; 

pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A.  Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A.  Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. 

Dengan kata lain, rasio antara;  pengemudi C dan A adalah 4 : 1,   pengemudi D dan A adalah 5 : 1,   pengemudi C dan B adalah 4 : 3. 

Interval pendapatan pengemudi A dan C adalah 30.000, dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi B memiliki rasio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat badan sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data ratio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.

Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian lazimnya

bisa di bagi menjadi 4 jenis variabel, yakni variabel nominal, variabel ordinal, variabel interval, dan variabel ratio. Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah satu sama lain, misalnya status perkawinan, jenis kelamin, suku bangsa, profesi pekerjaan seseorang dan sebagainya.   Variabel ordinal adalah variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain.   Variabel interval adalah variabel yang diukur dengan ukuran interval seperti indek prestasi mahasiswa, skala termometer dan sebagainya.

1. Variabel rasio adalah variabel yang disusun dengan ukuran ratio seperti tingkat penganggguran, penghasilan, berat badan, dan sebagainya.

Data nominal atau sering disebut juga data kategori yaitu data yang diperoleh melalui pengelompokkan obyek berdasarkan kategori tertentu.  Perbedaan kategori obyek hanya menunjukan perbedaan kualitatif. Walaupun data nominal dapat dinyatakan dalam bentuk angka, namun angka tersebut tidak memiliki urutan atau makna matematis sehingga tidak dapat dibandingkan. Logika perbandingan “>” dan “<” tidak dapat digunakan untuk menganalisis data nominal. Operasi matematika seperti penjumlahan (+), pengurangan (-), perkalian (x), atau pembagian (:) juga tidak dapat diterapkan dalam analisis data nominal. Contoh data nominal antara lain:

Jenis kelamin yang terdiri dari dua kategori yaitu:

(1)  Laki-laki

(2)  Perempuan

Angka (1) untuk laki-laki dan angka (2) untuk perempuan hanya merupakan simbol yang digunakan untuk membedakan dua kategori jenis kelamin. Angka-angka tersebut tidak memiliki makna kuantitatif, artinya angka (2) pada data di atas tidak berarti lebih besar dari angka (1), karena laki-laki tidak memiliki makna lebih besar dari perempuan. Terhadap kedua data (angka) tersebut tidak dapat dilakukan operasi matematika (+, -, x, : ). Misalnya (1) = laki-laki, (2) = perempuan, maka (1) + (2) ≠ (3), karena tidak ada kategori (3) yang merupakan hasil penjumlahan (1) dan (2).

Status pernikahan yang terdiri dari tiga kategori yaitu: (1) Belum menikah, (2) Menikah, (3) Janda/ Duda. Data tersebut memiliki sifat-sifat yang sama dengan data tentang jenis kelamin.

1. Data ordinal adalah data yang berasal dari suatu objek atau kategori yang telah disusun secara berjenjang menurut besarnya. Setiap data ordinal memiliki tingkatan tertentu yang dapat diurutkan mulai dari yang terendah sampai tertinggi atau sebaliknya. Namun demikian, jarak atau rentang antar jenjang yang tidak harus sama. Dibandingkan dengan data nominal, data ordinal memiliki sifat berbeda dalam hal urutan. Terhadap data ordinal berlaku perbandingan dengan menggunakan fungsi pembeda yaitu  “>” dan “<”. Walaupun data ordinal dapat disusun dalam suatu urutan, namun belum dapat dilakukan operasi matematika ( +, – , x , : ). Contoh jenis data ordinal antara lain:

Tingkat pendidikan yang disusun dalam urutan sebagai berikut:

(1)  Taman Kanak-kanak (TK)

(2)  Sekolah Dasar (SD)

(3)  Sekolah Menengah Pertama (SMP)

(4)  Sekolah Menengah Atas (SMA)

(5)  Diploma

(6)  Sarjana

Analisis terhadap urutan data di atas menunjukkan bahwa SD memiliki tingkatan lebih tinggi dibandingkan dengan TK dan lebih rendah dibandingkan dengan SMP. Namun demikian, data tersebut tidak dapat dijumlahkan, misalnya SD (2) + SMP (3) ≠ (5) Diploma. Dalam hal ini, operasi  matematika ( + , – , x, : ) tidak berlaku untuk data ordinal.

Peringkat (ranking) siswa dalam satu kelas yang menunjukkan urutan prestasi belajar tertinggi sampai terendah. Siswa pada peringkat (1) memiliki prestasi belajar lebih tinggi dari pada siswa peringkat (2).

1. Data Interval adalah data hasil pengukuran yang dapat diurutkan atas dasar kriteria tertentu serta menunjukan semua sifat yang dimiliki oleh data ordinal. Kelebihan sifat data interval dibandingkan dengan data ordinal adalah memiliki sifat kesamaan jarak (equality interval) atau memiliki rentang yang sama antara data yang telah diurutkan. Karena kesamaan jarak tersebut, terhadap data interval dapat dilakukan operasi matematika penjumlahan dan pengurangan ( +, – ). Namun demikian masih terdapat satu sifat yang belum dimiliki yaitu tidak adanya angka Nol mutlak pada data interval. Berikut dikemukakan tiga contoh data interval, antara lain:

1)  Hasil pengukuran suhu (temperatur) menggunakan termometer yang dinyatakan dalam ukuran derajat. Rentang temperatur antara 00 Celcius sampai  10 Celcius memiliki jarak yang sama dengan 10 Celcius sampai  20 Celcius. Oleh karena itu berlaku operasi matematik ( +, – ), misalnya 150 Celcius + 150 Celcius = 300 Celcius. Namun demikian tidak dapat dinyatakan bahwa benda yang bersuhu 150 Celcius memiliki ukuran panas separuhnya dari benda yang bersuhu 300 Celcius. Demikian juga, tidak dapat dikatakan bahwa benda dengan suhu 00 Celcius tidak memiliki suhu sama sekali. Angka 00 Celcius memiliki sifat relatif (tidak mutlak). Artinya, jika diukur dengan menggunakan Termometer Fahrenheit diperoleh 00 Celcius = 320 Fahrenheit.

2)  Kecerdasaran intelektual yang dinyatakan dalam IQ. Rentang IQ 100 sampai  110 memiliki jarak yang sama dengan 110 sampai  120. Namun demikian tidak dapat dinyatakan orang yang memiliki IQ 150 tingkat kecerdasannya 1,5 kali dari urang yang memiliki IQ 100.

3)  Didasari oleh asumsi yang kuat, skor tes prestasi belajar (misalnya IPK mahasiswa dan hasil ujian siswa) dapat dikatakan sebagai data interval.

4)  Dalam banyak kegiatan penelitian, data skor yang diperoleh melalui kuesioner (misalnya skala sikap atau intensitas perilaku) sering dinyatakan sebagai data interval setelah alternatif jawabannya diberi skor yang ekuivalen (setara) dengan skala interval, misalnya:

Skor (5) untuk jawaban “Sangat Setuju”

Skor (4) untuk jawaban “Setuju”

Skor (3) untuk jawaban “Tidak Punya Pendapat”

Skor (2) untuk jawaban “Tidak Setuju”

Skor (1) untuk jawaban “Sangat Tidak Setuju”

Dalam pengolahannya, skor jawaban kuesioner diasumsikan memiliki sifat-sifat yang sama dengan data interval.

1. Data rasio adalah data yang menghimpun semua sifat yang dimiliki oleh data nominal, data ordinal, serta data interval. Data rasio adalah data yang berbentuk angka dalam arti yang sesungguhnya karena dilengkapi dengan titik Nol absolut (mutlak) sehingga dapat diterapkannya semua bentuk operasi matematik ( + , – , x, : ). Sifat-sifat yang membedakan antara data rasio dengan jenis data lainnya (nominal, ordinal, dan interval) dapat dilihat dengan memperhatikan contoh berikut:

1)      Panjang suatu benda yang dinyatakan dalam ukuran meter adalah data rasio. Benda yang panjangnya 1 meter berbeda secara nyata dengan benda yang panjangnya 2 meter sehingga dapat dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data nominal). Ukuran panjang benda dapat diurutkan mulai dari yang terpanjang sampai yang terpendek (sifat data ordinal). Perbedaan antara benda yang panjangnya 1 meter dengan 2 meter memiliki jarak yang sama dengan perbedaan antara benda yang panjangnya 2 meter dengan 3 (sifat data interval). Kelebihan sifat yang dimiliki data rasio ditunjukkan oleh dua hal yaitu: (1) Angka 0 meter menunjukkan nilai mutlak yang artinya tidak ada benda yang diukur; serta (2) Benda yang panjangnya 2 meter, 2 kali lebih panjang dibandingkan dengan benda yang panjangnya 1 meter yang menunjukkan berlakunya semua operasi matematik. Kedua hal tersebut tidak berlaku untuk jenis data nominal, data ordinal, ataupun data interval.

2)      Data hasil pengukuran berat suatu benda yang dinyatakan dalam gram memiliki semua sifat-sifat sebagai data interval. Benda yang beratnya 1 kg. berbeda secara nyata dengan benda yang beratnya 2 kg. Ukuran berat benda dapat diurutkan mulai dari yang terberat sampai yang terringan. Perbedaan antara benda yang beratnya 1 kg. dengan 2 kg memiliki rentang berat yang sama dengan perbedaan antara benda yang beratnya 2 kg. dengan 3 kg. Angka 0 kg. menunjukkan tidak ada benda (berat) yang diukur. Benda yang beratnya 2 kg., 2 kali lebih berat dibandingkan dengan benda yang beratnya 1 kg..

Pemahaman peneliti terhadap jenis-jenis data penelitian tersebut di atas bermanfaat untuk menentukan teknik analisis data yang akan digunakan. Terdapat sejumlah teknik analisis data yang harus dipilih oleh peneliti berdasarkan jenis datanya. Teknik analisis data kualitatif akan berbeda dengan teknik analisis data kuantitatif. Karena memiliki sifat yang berbeda, maka teknik analisis data nominal akan berbeda dengan teknik analisis data ordinal, data interval, dan data rasio.

Data interval

Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval.

Misalnya tentang nilai ujian 4 orang mahasiswa, yakni A, B, C, dan D diukur dengan ukuran interval

pada skala prestasi dengan ukuran 1, 2, 3, dan 4, maka dapat dikatakan bahwa beda prestasi antara

mahasiswa C dan A adalah 3 – 1 = 2. Beda prestasi antara mahasiswa D dan B adalah 4 – 2 = 2. Akan

tetapi tidak bisa dikatakan bahwa prestasi mahasiswa D adalah 2 kali prestasi mahasiswa B ataupun

prestasi mahasiswa D adalah 4 kali lebih baik dari prestasi mahasiswa A. Selain itu ukuran interval

juga tidak memiliki nilai nol mutlak, seperti halnya suhu dalam skala termometer. Dari hasil

pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji

hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson

Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple

Regression.

1)  Hasil pengukuran suhu (temperatur) menggunakan termometer yang dinyatakan dalam ukuran derajat. Rentang temperatur antara 00 Celcius sampai  10 Celcius memiliki jarak yang sama dengan 10 Celcius sampai  20 Celcius. Oleh karena itu berlaku operasi matematik ( +, – ), misalnya 150 Celcius + 150 Celcius = 300 Celcius. Namun demikian tidak dapat dinyatakan bahwa benda yang bersuhu 150 Celcius memiliki ukuran panas separuhnya dari benda yang bersuhu 300 Celcius. Demikian juga, tidak dapat dikatakan bahwa benda dengan suhu 00 Celcius tidak memiliki suhu sama sekali. Angka 00 Celcius memiliki sifat relatif (tidak mutlak). Artinya, jika diukur dengan menggunakan Termometer Fahrenheit diperoleh 00 Celcius = 320 Fahrenheit.2)  Kecerdasaran intelektual yang dinyatakan dalam IQ. Rentang IQ 100 sampai  110 memiliki jarak yang sama dengan 110 sampai  120. Namun demikian tidak dapat dinyatakan orang yang memiliki IQ 150 tingkat kecerdasannya 1,5 kali dari urang yang memiliki IQ 100.3)  Didasari oleh asumsi yang kuat, skor tes prestasi belajar (misalnya IPK mahasiswa dan hasil ujian siswa) dapat dikatakan sebagai data interval.4)  Dalam banyak kegiatan penelitian, data skor yang diperoleh melalui kuesioner (misalnya skala sikap atau intensitas perilaku) sering dinyatakan sebagai data interval setelah alternatif jawabannya diberi skor yang ekuivalen (setara) dengan skala interval, misalnya:Skor (5) untuk jawaban “Sangat Setuju”Skor (4) untuk jawaban “Setuju”Skor (3) untuk jawaban “Tidak Punya Pendapat”Skor (2) untuk jawaban “Tidak Setuju”Skor (1) untuk jawaban “Sangat Tidak Setuju”Dalam pengolahannya, skor jawaban kuesioner diasumsikan memiliki sifat-sifat yang sama dengan data interval.Data rasio

Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp.

10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka pendapatan

pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali

pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B.

Dengan kata lain, rasio antara pengemudi C dan A adalah 4 : 1, rasio antara pengemudi D dan A

adalah 5 : 1, sedangkan rasio antara pengemudi C dan B adalah 4 : 3. Interval pendapatan pengemudi

A dan C adalah 30.000, dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh

data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3

Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan skala rasio,

maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi B memiliki rasio berat

badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat badan sepertiga kali berat

badan bayi A, dst. Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data

rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim

digunakan untuk data ratio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple

Correlation, Partial Regression, dan Multiple Regression.

1)      Panjang suatu benda yang dinyatakan dalam ukuran meter adalah data rasio. Benda yang panjangnya 1 meter berbeda secara nyata dengan benda yang panjangnya 2 meter sehingga dapat dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data nominal). Ukuran panjang benda dapat diurutkan mulai dari yang terpanjang sampai yang terpendek (sifat data ordinal). Perbedaan antara benda yang panjangnya 1 meter dengan 2 meter memiliki jarak yang sama dengan perbedaan antara benda yang panjangnya 2 meter dengan 3 (sifat data interval). Kelebihan sifat yang dimiliki data rasio ditunjukkan oleh dua hal yaitu: (1) Angka 0 meter menunjukkan nilai mutlak yang artinya tidak ada benda yang diukur; serta (2) Benda yang panjangnya 2 meter, 2 kali lebih panjang dibandingkan dengan benda yang panjangnya 1 meter yang menunjukkan berlakunya semua operasi matematik. Kedua hal tersebut tidak berlaku untuk jenis data nominal, data ordinal, ataupun data interval.2)      Data hasil pengukuran berat suatu benda yang dinyatakan dalam gram memiliki semua sifat-sifat sebagai data interval. Benda yang beratnya 1 kg. berbeda secara nyata dengan benda yang beratnya 2 kg. Ukuran berat benda dapat diurutkan mulai dari yang terberat sampai yang terringan. Perbedaan antara benda yang beratnya 1 kg. dengan 2 kg memiliki rentang berat yang sama dengan perbedaan antara benda yang beratnya 2 kg. dengan 3 kg. Angka 0 kg. menunjukkan tidak ada benda (berat) yang diukur. Benda yang beratnya 2 kg., 2 kali lebih berat dibandingkan dengan benda yang beratnya 1 kg..Pemahaman peneliti terhadap jenis-jenis data penelitian tersebut di atas bermanfaat untuk menentukan teknik analisis data yang akan digunakan. Terdapat sejumlah teknik analisis data yang harus dipilih oleh peneliti berdasarkan jenis datanya. Teknik analisis data kualitatif akan berbeda dengan teknik analisis data kuantitatif. Karena memiliki sifat yang berbeda, maka teknik analisis data nominal akan berbeda dengan teknik analisis data ordinal, data interval, dan data rasio.

Data Ordinal Data ordinal ada dasarnya adalah hasil dari kuantitatif dan kualitatif. Contoh dari data

ordinal adalah penskalaan sikap individu. Penskalaan sikap individu terhadap sesuatu bisa

diwujudkan dalam bermacam bentuk, misalnya : dari sikap Sangat setuju (5), Setuju (4). Netral (3),

Tidak setuju (2) dan Sangat tidak setuju (1). Pada tingkat ordinal ini data yang ada tidak mempunyai

jarak data yang pasti, contohnya : Sangat setuju (5) dan Setuju (4) tidak diketahui asti jarak antar

nilainya karena jarak antara Sangat setuju (5) dan Setuju (4) bukan 1 satuan (5-1).

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

mempunyai 1 bentuk data.Contoh data nominal yaitu : jenis kelamin, tempat tinggal, tahun lahir dan

lain-lain. Data jenis kelamin ini nantinya akan diberi label dalam pengolahannya misalnya :

perempuan = 1 dan laki-laki = 2 .2. Kuantitatif

Mengindikasikan seberapa banyak (how many/diskret atau how much/kontinu) Data selalu numeric

Skala pengukuran: Interval dan Rasio.

Data Rasio Data rasio adalah tingkatan data yang paling tinggi. Data rasio memiliki jarak antar nilai

yang pasti dan memiliki nolai nol mutlak yang tidak dimiliki olh jenis-jenis data lainnya. Contoh data

rasio adalah : berat badan, panjang benda, jumlah satuan benda.Jika kita memiliki 10 bola maka ada

perwujudan 10 bola itu. Ketika seseorang memiliki 0 bola maka orang 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 lebih banyak dari B.

Data Interval Data interval mempunyai tingkatan lebih rendah dari data rasio. Data interval memiliki

jarak data yang pasti namun tidak memiliki nilai nol mutlak. Contoh dari nilai data interval adalah

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.

Nominal

Data nominal adalah kelompok data kulaitatif dan merupakan level data paling sederhana.

Apabila pada pengambilan data yang dihasilkan hanya berupa kategori maka data tersebut adalah

data Nominal. Pada data nominal semua data dianggap setara.

Contoh : Status kewarganegaraan dikatagorikan WNI dan WNA. WNI diwakili angka 1 dan WNA

diwakili angka 2. Penggunaan angka disini hanya sebagai penanda tidak dapat dilakukan operasi

matemtika.

Ordinal

Data ordinal adalah data kelompok kualitatif di atas data Nominal. Jika pada data ordinal semua

data setara maka pada data ordinal ada klasifikasi berdasarkan tingkatannya. Tingakatan ini

berdasarkan kriteria tertentu pada saat pengambilan data.

Contoh; Tingkat pendidikan SD diwakili angka 1, SMP diwakili angka 2, SMA diwakili angka 3 .

Sama dengan data ordinal angka-angak tersebut hanya sebagai penanda tidak dapat dijumlahkan.

Pendidikan tertinggi adalah SMA dan pedidikan terendah adalah SD.

Interval

Kelompok data interval adalah kelompok data kuantitatif. Angka yang digunakan pada data ini

menunjukkan suatu urutan dan dapat dilakukan operasi matematika. Angka nol pada data interval

bukan seperi angka nol pada arti sesungguhanya.

Contoh: Nilai siswa di suatu sekolah adalah 0 sampai 100 bila siswa A dan B masing-masing

memperoleh nilai 45 dan 90 bukan berarti kecerdasan siswa A dua kali siswa B. Nilai 0 dan 100

adalah rentang yang sibuat berdasarkan aturan tertentu. Perbedaan skor dan nilai akan dibahas

lain waktu.

Rasio

Data rasio adalah tipe data level tertinggi pada pengukuran .Data ini termasuk data kuantitatif

angka yang digunakan pada data ini adalah angka sesungguhnya. sehingga dapat dilakukan

operasi matematika. Angka nol memiliki nilai yang sesungguhnya.

Contoh: Jika si A menyimpan uang Rp. 1.000.000 maka angka tersebut benar-benar menunjukkan

si A mempunyai simpanan. Jika si B mempunyai saldo Rp.0 maka si B tidak mempunyai simpanan

apapun.

Skala Ordinal

Skala (ukuran) ordinal adalah skala yang merupakan tingkat ukuran kedua, yang berjenjang

sesuatu yang menjadi ‘lebih’ atau ‘kurang’ dari yang lainnya. Ukuran ini digunakan untuk

mengurutkan objek dari yang terendah hingga tertinggi dan sebaliknya yang berarti peneliti

sudah melakukan pengukuran terhadap variable yang diteliti.

Contoh : mengukur kejuaraan olah raga, prestasi kerja, senioritas pegawai.

Skala Interval

Merupakan tingkat pengukuran ke tiga, dimana pemberian angka pada set objek yang

memilih sifat ordinal, ditambah dengan satu sifat yang lain, yakni memberikan nilai absolute

pada data/ objek yang akan diukur. Ukuran rasio ini mempunyai nilai nol (0) absolute (tidak

ada nilainya).

Contoh : Angka 0 (nol) untuk thermometer memiliki makna yang sangat berpengaruh dan

bukan berarti dapat diabaikan.

Skala Rasio

Merupakan tingkat pengukuran tertinggi, dimana ukuran ini mencakup semua persyaratan

pada ketiga jenis ukuran sebelumnya, ditambah dengan satu sifat yang lain, yakni ukuran ini

memberikan nilai absolute pada data/objek yang akan diukur. Ukuran rasio ini mempunyai

nilai nol (0).

Contoh : penghasilan pegawai 0 (berarti pegawai itu tidak menerima uang sedikitpun).

Kedua jenis statistika tersebut dikelompokkan, secara sederhana berdasarkan dengan skala data yang

akan dianalisis. Dalam tulisan ini, akan disajikan pengertian dan contoh 4 skala data yang biasa

digunakan dalam uji statistika.

1. Data Rasio. Data rasio adalah sebuah data kuantitatif yang besarannya bersifat mutlak. Ciri khas dari data jenis ini adalah adanya nilai 0 (nol), ada desimal (sehingga mengenal jenis data pecahan), dan kebanyakan memiliki satuan. Contoh jenis data rasio adalah, berat badan, tinggi badan, jarak, massa benda, harga barang kebutuhan pokok, nilai inflasi, kandungan kalori, kandungan protein, dan sebagainya.

2. Data interval. Skala data interval, secara statistik, memiliki derajat yang lebih rendah dalam statistika. Skala data interval, adalah jenis data kuantitatif, yang diukur berdasarkan range, atau memiliki nilai terendah hingga tertinggi. Tapi, skala data interval, biasanya tidak memiliki nilai 0 secara mutlak. Contoh data dengan skala interval antara lain adalah, nilai Indeks Prestasi Komulatif, suhu ruangan, tingkat kepuasan pengunjung (dari skala 1 – 10), nilai kuning telur (skala 1-15).

3. Data Ordinal.

 

Data rasio dan interval, dalam kajian statistika dikategorikan sebagai data metrik atau data kuantitatif. Kedua jenis data tersebut, didapatkan dengan cara “mengukur”. Olah data kedua jenis data tersebut, baik secara univariat atau multivariat, menggunakan statistika parametrik. Dalam statistika parametrik, angka yang diukur adalah mean, varian dan kovarian.

Selain kedua jenis data tersebut diatas, terdapat dua jenis data lain, yaitu data ordinal dan data nominal. Kedua jenis data tersebut dikategorikan sebagai data non metrik, sehingga dalam analisis data, yang digunakan adalah statistika non parametrik. Dalam statistika non parametrik, angka utama yang diuji adalah modus, median, serta angka maksimum dan minimum. Dalam statistika non parametrik, data didapatkan dengan cara “menghitung”.

1. Data ordinal. Data ordinal adalah jenis data pengkategorian. Sehingga, ada pengkategorian, tetapi nilai dalam kategori tersebut tidak bersifat mutlak. Contoh data ordinal adalah tingkat resistensi antibiotika (resisten, intermediate, sensitif), tingkat kepuasan pelanggan (tidak puas, puas, sangat puas), dan tingkat persetujuan (sangat tidak setuju, tidak setuju,biasa saja,  setuju, sangat setuju). Data ordinal, dengan kategori lebih dari 7, biasanya sudah dikategorikan sebagai data interval, terlebih jika dianalisis dengan menggunakan software SPSS.

2. Data nominal. Data nominal adalah sebuah data dengan perbedaan atau saling bertolak belakang, serta nilai dalam data nominal, tidak memiliki angka nol, tidak ada nilai desimal, dan angka hanya menjadi simbol. Contoh data nominal adalah, gender (laki/perempuan), tua dan muda, setuju/menentang, sakit/sehat, subur/mandul, berat/ringan, dan sebagainya.

Pemahaman atas skala data, adalah dasar dalam uji statistika. Jika seorang peneliti tidak memahami skala data yang diperoleh dan dianalisis, maka akurasi hasil analisisnya menjadi rendah.

1.   NominalData berjenis nominal membedakan data dalam kelompok yang bersifat kualitatif. Dalam ilmu statistika, data nominal merupakan data dengan level pengukuran yang paling rendah. Contohnya, data jenis kelamin pada sampel penelitian Departemen Pendidikan, data siswa dikategorikan menjadi ’laki-laki’ yang diwaliki angka 1 dan ’perempuan’ yang diwakili angka 2. Konsekuensi dari data nominal adalah tidak mungkin seseorang memiliki dua kategori sekaligus dan angka yang digunakan di sini hanya sebagai kode/simbol saja sehingga tidak dapat dilakukan operasi matematika.

2.   OrdinalDalam ilmu statistika, data berjenis ordinal mempunyai level pengukuran yang lebih tinggi daripada data nominal dan termasuk data kualitatif. Pada data nominal semua data dianggap bersifat kualitatif dan setara, sedangkan pada data ordinal terdapat klasifikasi data berdasarkan tingkatannya. Contohnya, mengenai tingkat pendidikan yang dikategorikan menjadi ’SD’ yang diwakili angka 1, ’SMP’ yang diwakili angka 2, ’SMA’ yang diwakili angka 3, ’Diploma’ yang diwakili angka 4, dan ’Sarjana’ yang diwakili angka 5. Sama halnya dengan data nominal, meskipun tingkatannya lebih tinggi, data ordinal tetap tidak dapat dilakukan operasi matematika. Angka yang digunakan hanya sebagai kode/simbol saja, dalam contoh tadi tingkat pendidikan tertinggi adalah ’Sarjana’ dan terendah adalah ’SD’ (Sarjana > Diploma > SMA > SMP > SD).

3.   IntervalData berjenis interval termasuk dalam kelompok data kuantitatif. Dalam ilmu statistika, data interval mempunyai tingkat pengukuran yang lebih tinggi daripada data nominal maupun ordinal. Angka yang digunakan dalam data ini, selain menunjukkan urutan juga dapat dilakukan operasi matematika. Angka nol yang digunakan pada data interval bukan merupakan nilai nol yang nyata.Contohnya, interval nilai pelajaran matematika siswa SMA 4 Surabaya adalah antara 0 sampai 100. Bila siswa A dan B masing-masing mempunyai nilai 45 dan 90, bukan berarti tingkat kecerdasan B dua kali A. Nilai 0 sampai 100 hanya merupakan rentang yang dibuat berdasarkan kategori pelajaran matematika dan mungkin berbeda dengan mata pelajaran lain.

4.   RasioDalam ilmu statistika, data rasio merupakan tipe data dengan level pengukuran yang paling tinggi dibandingkan dengan tipe data lain. Data ini termasuk dalam

kelompok data kuantitatif. Angka yang digunakan pada data ini menunjukkan angka yang sesungguhnya, bukan hanya sebagai symbol dan memiliki nilai nol yang sesungguhnya. Pada data ini, dapat dilakukan berbagai operasi matematika.Contohnya, dalam sebuah bank, seseorang mempunyai tabungan dengan saldo 10.000.000 rupiah. Angka tersebut menunjukkan bahwa orang tersebut benar-benar mempunyai saldo sebesar 10.000.000 rupiah. Jika seseorang mempunyai saldo -1.000.000 rupiah berarti orang tersebut mempunyai hutang sebesar 1.000.000 rupiah. Sedangkan jika seseorang mempunyai saldo 0 rupiah berarti orang tersebut tidak mempunyai tabungan maupun hutang.