A. Grafik 1.

Grafik Kolom (stacked column chart) Grafik ini dikenal dengan grafik kolom bersusun, baik bersusun ke atas maupun ke samping. Dengan setiap deret data pada suatu kolom akan diwakili dengan warna tertentu, sedangkan warna lain akan diwakili dengan tertentu pula, posisi grafik mengarah ke atas atau vertical. Perhatikan Tampilan grafik kolom pada gambar di bawah ini

1) Beberapa model grafik kolom: Grafik silinder (cylinder chart) Grafik kerucut (cone chart) Grafik piramid (pyramid chart)

2. Grafik kue (pie chart) Grafik ini digunakan apabila ingin mendapatkan grafik dalam bentuk kue (lingkaran) dari sebuah deret data tunggal.Tampilan pilihan grafik kue: gambar di bawah

3. Grafik batang (bar chart) Grafik batang digunakan untuk membandingkan nilai antar deret dalam bentuk grafik batang dengan beberapa model (silinder, kerucut, dan piramid) dengan posisi horizontal. Tampilan pilihan grafik batang: gambar di bawah ini

4. Grafik area (area chart) Grafik ini lebih dikenal dengan grafik atau diagram wilayah, grafik ini dipilih untuk menggambarkan deret data sebagai garis komulatif dengan tampilan gambar berbentuk garis yang bertumpuk. Ada dua pilihan model grafik jenis area, yaitu: model 2 dimensi dengan 3 dimensi yang masingmasing memiliki 3 pilihan jenis lagi. Tampilan pilihan grafik area: gambar di bawah ini

5. Grafik XY (scattered chart) Grafik XY menggambarkan pasangan titik (kordinat) sehingga bentuk grafiknya berupa titik-titik yang tertebar. Ada 5 jenis pilihan model grafik jenis ini. Tampilan pilihan grafik XY: gambar di bawah ini

6. Grafik saham (stock chart) Grafik saham lebih menggambarkan informasi tentang saham harian, yang meliputi harga saham pada waktu pembukaan, penutupan harga tertinggi dan terendah, serta volume dalam bentuk diagram batang. Ada 4 jenis pilihan model grafik saham. Tampilan pilihan grafik saham: gambar di bawah ini

7. Grafik permukaan (surface chart) Grafik ini untuk menggambarkan deret data dalam dua dimensi, sebagai garis di dalam grid dan mewarnai permukaan antar garis. Pilihan tampilan grafik permukaan: gambar di bawah ini.

8. Grafik donat (doughnut chart) Grafik donat untuk menggambarkan nilai deret data yang masingmasing diwakili oleh sebuah segmen berbentuk cincin.Pilihan tampilan grafik donat: gambar

9. Grafik gelembung (buble chart) Grafik gelembung menggambarkan deret data dalam bentuk lingkaran yang menggelembung, tang besarnya sesuai dengan nilai masing-masing datum. Pilihan tampilan grafik permukaan: gambar di bawah ini

10. Grafik radar (radar chart) Grafik ini menggambarkan nilai deret data menggunakan sumber nilai yang ditarik dari pusat diagram dan terpisah untuk setiap kategori. Pilihan tampilan grafik permukaan: gambar di bawah ini.

B. Data Numerik Data numerik adalah data metric atau data yang merupakan hasil pengukuran. Jika data hasil pengukuran eksakta menghasilkan data metrik murni (pure metric data), maka pada pengukuran sosial humaniora, data yang dihasilkan bukan data metrik murni. Pada pengukuran sosial-humaniora, suatu variabel dikonstruk sedemikian rupa dalam beberapa indikator yang kemudian menjadi dasar pembuatan item pengukuran. Pada setiap item disediakan beberapa pilihan jawaban yang pada dasarnya berbentuk kategorik ordinal. Untuk jawaban yang dipilih pada setiap indikator diubah ke bentuk angka yang disebut scoring. Meskipun kelihatannya sama, namun istilah coding dan scoring berbeda, yaitu: Coding Scoring Primary Data, adalah data mentah yang dikumpulkan langsung dari sumbernya oleh peneliti baru kemudian diolahnya. Secondary Data, adalah data olahan yang diambil peneliti dari pihak kedua (pihak yang mengumpulkan langsung dari sumber dan mengolahnya). Catatan: Jika menggunakan data dari pihak ketiga, maka datanya disebut data tersier, dan seterusnya. 2. Utama dan Pendukung Prominent/Eminent Data, adalah data pokok dalam suatu penelitian. Jika data ini tidak ada, maka jawaban terhadap pertanyaan penelitian tidak akan didapat. Supporting Data, adalah data yang meskipun tidak ada pada suatu penelitian namun jawaban atas pertanyaan penelitian masih dapat dibuat, meskipun mungkin dapat dianggap kurang memadai. 3. Kualitatif dan Kuantitatif Qualitative Data, adalah data yang bukan berupa angka seperti atribut/kategorik.

1. Primer dan Sekunder

Catatan: Data kategorik (dengan skala nominal maupun ordinal) dapat dianalisis dengan menggunakan rumus-rumus matematika/statistika setelah diberi kode (coding) berupa angka. Quantitative Data, adalah data yang berupa angka/numerik (dengan skala ordinal, interval, ataupun rasio) 4. Nominal, Ordinal, Interval, Rasio Jika dilihat dari skala pengukurannya (Measurement Scale), maka data dapat diklasifikasikan sebagai berikut:

C. Data katagorik Data kategorik adalah data kualitatif sehingga untuk dapat dianalisis dengan menggunakan rumus matematika/statistika perlu diberi kode (coding) berupa angka. Analisis matematika/statistika yang digunakan adalah berdasarkan hasil membilang (counting) pada setiap kategori/pasangan kategori. Data kategorik disebut juga data nonmetric atau data yang bukan merupakan hasil pengukuran. Klasifikasinya adalah: 1) Numerik Ordinal Data numerik ordinal adalah data yang berupa angka yang menunjukkan urutan. Contoh: a) urutan antrian b) urutan tempat duduk c) urutan nomor rumah d) urutan kemunculan Bentuk khusus data numerik ordinal ini adalah data ranking (rank order), yaitu data yang dihasilkan dari pengurutan data interval atau rasio baik secara meningkat (ascending) maupun menurun (descending). Seperti data kategorik ordinal, operasi matematika tak dapat dilakukan pada data ini.

Contoh: Tidak dapat dikatakan bahwa; ranking 3 ranking 2 = ranking 1 Juga tidak dapat dikatakan bahwa; 2 x kali ranking 1 = ranking 2. 2) Numerik Interval Data numerik interval selain mengandung unsur urutan juga memiliki unsur kesamaan jarak antar urutan. Karena itulah operasi bilangan dapat dilakukan. Contoh: 40 C 30 C = 10C 40 C adalah 2x lebih panas dari 20 C. Namun data numerik interval tidak memiliki 0 yang absolut. Contoh: 0 C = 32 F Siswa yang mendapat nilai 0 pada tes Statistika tidak dapat diartikan bahwa yang bersangkutan tidak memiliki pengetahuan sama sekali tentang Statistika. Kesamaan jarak ukuran ini yang sulit dijamin pada suatu pengukuran sosial humaniora. Karena itulah hasil pengukuran sosial humaniora dianggap bukan data interval, tetapi data ordinal yang diperlakukan sebagai data interval. Data numerik interval ini dapat diubah menjadi data: a) numerik ordinal, dengan cara me-ranking-nya b) kategorik ordinal, dengan cara mengkategorikannya. 3) Numerik Rasio Data numerik rasio adalah data yang selain mengandung unsur urutan, memiliki jarak ukuran yang sama, serta memiliki nilai 0 absolut. Contoh: Jika tidak ada sesuatu yang diletakkan di atas timbangan emas, maka angka digital yang tertera tetap angka 0,00.

Seperti data numerik interval, data numerik rasio ini dapat diubah menjadi data: a) numerik ordinal, dengan cara me-ranking-nya b) kategorik ordinal, dengan cara mengkategorikannya. Catatan: Pada program Statistical Package and Service Solutions (SPSS) digunakan hal-hal sebagai berikut: - Seluruh data yang di-entry untuk dianalisis diperlakukan sebagai data numerik - Konsep pendataan disamakan dengan pengukuran yang diklasifikasikan atas skala (scale), ordinal, dan nominal. Perbandingan dengan konsep sebelumnya dapat dilihat pada tabel berikut:

Data kategorik nominal maupun ordinal dapat diubah menjadi data numerik: 1) rasio, dengan cara membagi jumlah frekuensi suatu kategori dengan kategori yang lain, atau dengan total frekuensi seluruh kategori. 2) ordinal, dengan cara melakukan ranking sesuai dengan jumlah frekuensi dari kategori-kategori yang ada. b. Numerical Data Diterapkan pada variabel manifest, dimana setiap variabel hanya mengandung 1 item

Diterapkan pada variabel laten yang dikonstruk dari beberapa variabel manifest (indikator), dimana setiap variabel mengandung beberapa item Hasil coding per item dapat dianalisis langsung, karena setiap item mewakili 1 variabel Hasil scoring per item tak boleh dianalisis langsung, tapi harus dijumlahkan dengan score item-item lain yang mewakili variabel yang sama. Data yang dihasilkan merupakan data kategorik baik nominal maupun ordinal Data yang dihasilkan adalah data interval atau data ordinal yang diperlakukan sebagai data interval

Catatan: Data yang didapat sebagai penjumlahan skor-skor seluruh item pada suatu konstruk variabel laten dimasukkan dalam klasifikasi data interval. Namun ada yang merasa ragu dengan konsep scoring dan coding di atas, Apakah data ordinal yang dijumlahkan dapat menghasilkan data interval?. Karena itu dalam konteks seperti ini, jumlah skor-skor dari suatu konstruk dinyatakan diperlakukan sebagai data interval (threat as interval), meski sebenarnya dianggap bukan data interval.

Analisis Data Kategorik DATA KATEGORIK Data Kategorik adalah semua data dengan bentuk akhir (Final Data) berupa data nonnumerik, tetapi berupa kategori, level, pernyataan, symbol, penamaan, dll. Contoh jenis kelamin (L atau P), tempaty tinggal/region (Urban, Rural), tingkat pendidikan

(SD, SMP, SLTA, PT), respon konsumen pada produk (Puas, Cukup, Kurang puas), dll. Analisis data kategorik dapat dilakukan, bilamana kita mencoba membuat analisa, ada keterkaiatan satu faktor/variabel kategorik dengan faktor lain. Seperti adanya keterkaitan antara perbedaan jenis kelamin dengan tingkat pendidikan, atau tempat tinggal, atau kesenangan berpolitik, atau mengkonsumsi bakso, dll. Pada saat sudah akan ditetapkan faktor/variabel yang diteliti dan dicoba akan dianalisis, maka deskripsikan data faktor/variabel itu dalam tabel kontingensi (Crosstab) sehingga tampak persilangan natar kategori/level dari semua faktor yang dilibatkan untuk dianalisis. Analisis Data Kategorik Ada beberapa pendekatan atau metode analisis yang dimaksud disini. Yaitu : 1. Analisis Asosiasi Yaitu untuk melihat adanya perbedaan, sehingga dikatakan adanya hubungan antar faktor/variabel yang diteliti). Untuk analisis ini digunakan ukuran selisih proporsi pada faktor utama untuk perbedaan level/kategori. Seperti perbedaan proporsi atau persentase dari laki-laki dan perempuan, yang menyenangi punya banyak anak. 2. Analisis Perbandingan (Ratio Prevalensi) Yaitu ukuran yang dapat dipakai dalam analisisata kategorik untuk melihat perbandingan dari adanya perbedaan dalam level/kategori faktor utama. Seperti, kita ingin tahu berapa kali lebih banyak/lebih sedikit antara mahasiswa dan mahasiswi yang bolos kuliah. Atau berapa perbandingan mahasiswa yang lulus Statistika Nonparametrik dibandingkan mahasiswi.

3. Analisis Kecenderungan (Odds Value) Yaitu ukuran yang dipakai untuk ,elihat kecenderungan dari setiap kategori/level pada faktor utama, dengan perbedaan kategori faktor lain (Faktor kedua, ketiga, atau ke-k ; yang Unt kemudian disebut faktor/variabel Tujuan) Untuk itu juga diperbandingkan milai proporsi katgori tertentpada faktor utama, untuk perbedaan level/kategori faktor tujuan.