P. 1
skala penelitian

skala penelitian

|Views: 897|Likes:
Published by Isnazira Khayati

More info:

Published by: Isnazira Khayati on Jan 13, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

06/24/2013

pdf

text

original

VARIABEL NOMINAL, ORDINAL , INTERVAL dan RATIO A.

Pendahuluan Beberapa ahli berpendapat bahwa pelaksanaan penelitian menggunakan metode ilmiah diantaranya adalah dengan melakukan langkah-langkah sistematis. Metode ilmiah merupakan pengejaran terhadap kebenaran relatif yang diatur oleh pertimbangan-pertimbangan logis. Karena keberadaan dari ilmu itu adalah untuk memperoleh interelasi yang sistematis dari fakta-fakta, maka metode ilmiah berkehendak untuk mencari jawaban tentang fakta-fakta dengan menggunakan pendekatan kesangsian sistematis. Karenanya, penelitian dan metode ilmiah, jika tidak dikatakan sama, mempunyai hubungan yang relatif dekat. Dengan adanya metode ilmiah, pertanyaan-pertanyaan dalam mencari dalil umum, akan mudah dijawab. Menuruti Schluter (Moh Nazir), langkah penting sebelum sampai tahapan analisis data dan penentuan model adalah ketika melakukan pengumpulan dan manipulasi data sehingga bisa digunakan bagi keperluan pengujian hipotesis. Mengadakan manipulasi data berarti mengubah data mentah dari awal menjadi suatu bentuk yang dapat dengan mudah memperlihatkan hubungan-hubungan antar fenomena. Kelaziman kuantifikasi sebaiknya dilakukan kecuali bagi atribut-atribut yang tidak dapat dilakukan. Dan dari kuantifikasi data itu, penentuan mana yang dikatakan data nominal, ordinal, ratio dan interval bisa dilakukan demi memasuki wilayah penentuan model. Pada ilmu-ilmu sosial yang telah lebih berkembang, melakukan analisis berdasarkan pada kerangka hipotesis dilakukan dengan membuat model matematis untuk membangun refleksi hubungan antar fenomena yang secara implisit sudah dilakukan dalam rumusan hipotesis. Analisis data merupakan bagian yang amat penting dalam metode ilmiah. Data bisa memiliki makna setelah dilakukan analisis dengan menggunakan model yang lazim digunakan dan sudah diuji secara ilmiah meskipun memiliki banyak peluang untuk digunakan. Akan tetapi masingmasing model, jika ditelaah satu demi satu, sebenarnya hanya sebagian saja yang bisa digunakan untuk kondisi dan data tertentu. Ia tidak bisa digunakan untuk menganalisis data jika model yang digunakan kurang sesuai dengan bagaimana kita memperoleh data jika menggunakan instrumen. Timbangan tidak bisa digunakan untuk mengukur tinggi badan seseorang. Sebaliknya meteran tidak bisa digunakan untuk mengukur berat badan seseorang. Karena masing-masing instrumen memiliki kegunaan masing-masing. Dalam hal ini, tentu saja kita tidak ingin menggunakan model analisis hanya semata-mata karena menuruti selera dan kepentingan. Suatu model hanya lazim digunakan tergantung dari kondisi bagaimana data dikumpulkan. Karena pada dasarnya, model adalah alat yang bisa digunakan dalam kondisi dan data apapun. Ia tetap bisa digunakan untuk menghitung secara matematis, akan tetapi tidak dalam teori. Banyaknya konsumsi makanan tentu memiliki hubungan dengan berat badan seseorang. Akan tetapi banyaknya konsumsi makanan penduduk pulau Nias, tidak akan pernah memiliki hubungan dengan berat badan penduduk Kalimantan. Motivasi kerja sebuah perusahaan elektronik, tidak akan memiliki hubungan dengan produktivitas petani karet. Model analisis statistik hanya bisa digunakan jika data yang diperoleh memiliki syarat-syarat tertentu. Masing-masing variabel tidak memiliki hubungan linier yang eksak. Data yang kita

Misalnya tentang jenis olah raga yakni tenis. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. set-set tersebut tidak boleh tumpang tindih dan bersisa. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal. setuju atau tidak setuju. disamping akurasi data. Bila objek dikelompokkan ke dalam set-set. misalnya Partai Bulan. Pembahasan a. Orang selain kurang begitu puas dengan atribut baik atau buruk. karena berbagai alasan. misalnya tenis (1). Bugis dan Badui. Menuruti Moh. Angka yang diberikan hanya berfungsi sebagai label saja. Sebagian peneliti ingin mengukur sifat-sifat yang ada antara baik dan buruk tersebut. Bagi keperluan analisis penelitian ilmu-ilmu sosial. tetapi juga menginginkan sesuatu yang berada diantara baik dan buruk atau diantara setuju dan tidak setuju. Mengubah fakta-fakta kualitatif menjadi urutan kuantitatif itu telah menjadi satu kelaziman paling tidak bagi sebagian besar orang. atau diskrit. B. basket (2) dan renang (3). Begitu juga tentang suku. data nominal adalah ukuran yang paling sederhana. Seseorang yang pergi ke Jakarta. Menuruti Sugiono. basket dan renang. Begitu seterusnya. merupakan kelaziman yang diminta bagi sebagian orang bisa menguak secara detail objek penelitian. Tidak akan pernah ada bilangan pecahan. juga sebagian orang saat ini menginginkan gradasi yang lebih baik bagi objek penelitian. Nazir. Karena gradasi. semakin meminta presisi yang lebih baik. Menuruti Moh. Tentang partai.peroleh melalui instrumen pengumpul data itu bisa dianalisis dengan menggunakan model tanpa melanggar kelaziman. eksistensi matematika sebagai alat yang lebih cenderung digunakan oleh ilmu-ilmu pengetahuan sehingga bisa mengundang kuantitatif variabel. Data nominal merupakan data kontinum dan tidak memiliki urutan. dan kepada semua anggota set diberikan angka. Pertama. Nazir. alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal . Atribut saja sebagai objek penelitian selain kurang representatif bagi peneliti. Data nominal Sebelum kita membicarakan bagaimana alat analisis digunakan. teknik membuat skala adalah cara mengubah fakta-fakta kualitatif (atribut) menjadi suatu urutan kuantitatif (variabel). tidak akan pernah mengatakan dua setengah kali. teknik mengurutkan sesuatu ke dalam skala itu artinya begitu penting mengingat sebagian data dalam ilmu-ilmu sosial mempunyai sifat kualitatif. hasilnya akan makin representatif. atau nama. atau tiga seperempat kali. Tetapi akan mengatakan dua kali. atau tujuh kali. Kedua. maka kita belum tentu puas dengan atribut baik atau buruk saja. Kemudian masing-masing anggota set di atas kita berikan angka. akan diberikan ulasan tentang bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik bagi mahasiswa. sehingga diperoleh suatu skala gradasi yang jelas. lebih-lebih dalam mengukur gradasi. Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. yakni Dayak. Karena perlunya presisi. dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja. Semakin banyak gradasi yang dibuat dalam instrumen penelitian. Ciri-ciri data nominal adalah hanya memiliki atribut. Partai Bintang dan Partai Matahari. lima kali. dan tidak menunjukkan tingkatan apapun. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan. ilmu pengetahuan.

Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Misalnya dalam skala Likert (Moh Nazir). Partial Regresion. Beda prestasi antara C dan F adalah 6 ± 3 = 3. Data ini. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment. ragu-ragu. 3. 3. Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan. kadang-kadang saja menghadiri. Misalnya tentang nilai ujian 6 orang mahasiswa. yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran ratio. E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1. interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau. Multiple Corelation. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi atau sebaliknya. c. perhitungannya dilakukan setelah kita menghitung Chi Square. 2. 4. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah. dengan kode 2 sampai tidak ingin menghadiri sama sekali. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. kurang menghadiri. mulai dari sangat setuju. d. Data ratio Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain. dengan kode 1. 5 dan 6. yakni jarak yang sama pada pengukuran dinamakan data interval. C. . Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. b. Oleh karena ada titik nol. maka dapat dikatakan bahwa beda prestasi antara C dan A adalah 3 ± 1 = 2. dengan kode 5. setuju. 2. Ukuran ini tidak memberikan nilai absolut terhadap objek. Ukuran ratio ini memiliki titik nol. maka jarak antara data yang satu dengan lainnya tidak sama. selain memiliki nama (atribut). tidak setuju sampai sangat tidak setuju. juga memiliki peringkat atau urutan. Data interval Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Akan tetapi karena pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square ( 2). Partial Corelation. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. dengan kode 4. Karenanya.adalah Coefisien Contingensi. Data ordinal Bagian lain dari data kontinum adalah data ordinal. yakni A. bila dinyatakan dalam skala. tetapi hanya memberikan peringkat saja. Akan tetapi tidak bisa dikatakan bahwa prestasi E adalah 5 kali prestasi A ataupun prestasi F adalah 3 kali lebih baik dari prestasi B. 5 dan seterusnya. Atau paling baik sampai ke yang paling buruk. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval. dengan kode 3. 4. Jika kita memiliki sebuah set objek yang dinomori. dari 1 sampai n. dan Multiple Regresion. mulai dari tidak pernah absen menghadiri. B. Angka yang diberikan mengandung tingkatan. D. misalnya peringkat 1. tidak pernah menghadiri.

suku. A. maka variabel penelitian diharapkan dapat bagi 4 bagian. jenis kelamin.000. dan sebagainya. Sedangkan variabel ratio adalah variabel yang disusun dengan ukuran ratio seperti tingkat penghasilan. seperti peringkat prestasi mahasiswa. peringkat tingkat kesukaran suatu pekerjaan dan lain-lain.000. dan variabel ratio. May 5. Pendapatan D adalah 5 kali pendapatan A. Variabel nominal. 10. Interval pendapatan pengemudi A dan C adalah 30. agama dan sebagainya.maka ukuran ratio dapat dibuat perkalian ataupun pembagian. 2010 Skala Nominal. Rp.000. panjang benda sebagainya«««. Interval dan Ratio . Sesuai dengan ulasan jenis pengukuran yang digunakan. peringkat perlombaan catur. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti suhu ruangan yang diukur dengan skala termometer. C dan D mempunyai pendapatan masing-masing perhari Rp. ratio antara D dan A adalah 5 : 1. Partial Corelation. yaitu variabel yang dikategorikan secara diskrit dan saling terpisah seperti status perkawinan. variabel interval. berat benda. Dengan kata lain.wordpress. bila dilihat dengan ukuran ratio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Angka pada skala dengan ukuran ratio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Variabel ordinal adalah variabel yang disusun atas dasar peringkat.30. dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Partial Regresion. 2009 http://suhartoumm. 50. B. Pendapatan C adalah 4/3 kali pendapatan B. 40.com/2009/06/27/data-nominal-ordinal-interval-dan-ratio/ diakses 5 desember 2010 Wednesday. Multiple Corelation. yakni variabel nominal. Jika ada 4 orang pengemudi. indeks prestasi mahasiswa. dan Multiple Regresion. Dari hasil pengukuran dengan menggunakan skala ratio ini akan diperoleh data ratio. sedangkan ratio antara C dan B adalah 4 : 3. Ditulis dalam Uncategorized Oleh: suhartoumm | Juni 27. Ordinal.000. Alat analisis (uji hipotesis asosiatif) yang digunakan bagi data ratio adalah statistik parametrik dan yang lazim digunakan untuk data ratio ini adalah Pearson Korelasi Product Moment.000 dan Rp. rasio antara C dan A adalah 4 : 1. Rp. variabel ordinal.

prestasi kerja. dimana pemberian angka pada set objek yang memilih sifat ordinal. Skala Ordinal Skala (ukuran) ordinal adalah skala yang merupakan tingkat ukuran kedua. senioritas pegawai.html diakses 5 desember 2010 .blogspot. ordinal. perbedaan jenis data sangat berpengaruh terhadap pemilihan model atau alat uji statistik. ditambah dengan satu sifat yang lain. Ukuran rasio ini mempunyai nilai nol (0) absolute (tidak ada nilainya). Contoh : mengukur kejuaraan olah raga. Dalam melakukan analisis statistik. yakni ukuran ini memberikan nilai absolute pada data/objek yang akan diukur. yakni memberikan nilai absolute pada data/ objek yang akan diukur. Tidak sembarangan jenis data dapat digunakan oleh alat uji tertentu. Skala pengukuran dalam penelitian merupakan seperangkat aturan yang diperlukan untuk mengkuantitatifkan data dari pengukuran suatu variable. Okey.com/2010/05/skala-nominal-ordinal-interval-dan. yuk kita bahas satu-satu tentang Skala nominal. ditambah dengan satu sifat yang lain. interval dan ratio Skala Nominal Pengukuran dengan skala nominal merupakan tingkat mengkategorikan. Dimana angka yang diberikan pada obyek hanya mempunyai arti sebagai label saja dan tidak menunjukkan tingkatan yang berarti. yaitu data yang diperoleh dari mengkategorikan. Skala Interval Merupakan tingkat pengukuran ke tiga. interval dan ratio. Skala Rasio Merupakan tingkat pengukuran tertinggi. memberi nama dan menghitung fakta-fakta dari objek yang diobservasi. Ukuran rasio ini mempunyai nilai nol (0). yang berjenjang sesuatu yang menjadi lebih atau kurang dari yang lainnya.Skala pengukuran ada 4 yaitu nominal. http://blogdeta. Contoh : Angka 0 (nol) untuk thermometer memiliki makna yang sangat berpengaruh dan bukan berarti dapat diabaikan. ordinal. dimana ukuran ini mencakup semua persyaratan pada ketiga jenis ukuran sebelumnya. Contoh : mengkategorikan pegawai pria dan wanita. Ukuran ini digunakan untuk mengurutkan objek dari yang terendah hingga tertinggi dan sebaliknya yang berarti peneliti sudah melakukan pengukuran terhadap variable yang diteliti. Skala nominal akan menghasilkan data yang disebut data nominal atau data diskrit. memberi nama dan menghitung fakta-fakta dari obyek yang diteliti. Contoh : penghasilan pegawai 0 (berarti pegawai itu tidak menerima uang sedikitpun).

meskipun mungkin dapat dianggap kurang memadai. Analisis matematika/statistika yang digunakan adalah berdasarkan hasil membilang (counting) pada setiap kategori/pasangan kategori. adalah data yang bukan berupa angka seperti atribut/kategorik. 2. Categorical Data Data kategorik adalah data kualitatif sehingga untuk dapat dianalisis dengan menggunakan rumus matematika/statistika perlu diberi kode (coding) berupa angka. Kualitatif dan Kuantitatif Qualitative Data. DATA 1. maka jawaban terhadap pertanyaan penelitian tidak akan didapat. 3. Data kategorik disebut juga data nonmetric atau data yang bukan merupakan hasil pengukuran. Secondary Data. Catatan: Jika menggunakan data dari pihak ketiga. adalah data yang meskipun tidak ada pada suatu penelitian namun jawaban atas pertanyaan penelitian masih dapat dibuat. Catatan: Data kategorik (dengan skala nominal maupun ordinal) dapat dianalisis dengan menggunakan rumus-rumus matematika/statistika setelah diberi kode (coding) berupa angka. interval. Rasio Jika dilihat dari skala pengukurannya (Measurement Scale). maka datanya disebut data tersier.30 Januari 2008 Konsep-Konsep Dasar Penelitian (Bagian 4) A. adalah data pokok dalam suatu penelitian. Ordinal. adalah data mentah yang dikumpulkan langsung dari sumbernya oleh peneliti baru kemudian diolahnya. Supporting Data. Klasifikasinya adalah: . adalah data yang berupa angka/numerik (dengan skala ordinal. Jika data ini tidak ada. dan seterusnya. adalah data olahan yang diambil peneliti dari pihak kedua (pihak yang mengumpulkan langsung dari sumber dan mengolahnya). Quantitative Data. Primer dan Sekunder Primary Data. maka data dapat diklasifikasikan sebagai berikut: a. ataupun rasio) 4. Utama dan Pendukung Prominent/Eminent Data. Interval. Nominal.

maka dapat saja kategori ´pria´ diberi kode ´0´ dan ´wanita diberi kode ´1´ maupun sebaliknya. dimana setiap variabel mengandung beberapa item Hasil scoring per item tak boleh dianalisis langsung. ungu ± biru. atau dengan total frekuensi seluruh kategori. karena setiap item mewakili 1 variabel Data yang dihasilkan merupakan data kategorik baik nominal maupun ordinal Scoring Diterapkan pada variabel laten yang dikonstruk dari beberapa variabel manifest (indikator). 2) Kategorik Ordinal. Karena memiliki urutan. dimana setiap variabel hanya mengandung 1 item Hasil coding per item dapat dianalisis langsung. Contoh: Alat dalam kondisi ´baik´. Urutan pengkodean di atas tidak dapat ditukar-tukar secara acak. maka pada pengukuran sosial ± humaniora. Namun ada yang merasa ragu dengan konsep scoring dan coding di atas. Contoh: Pria ± wanita. 2) ordinal. Pada pengukuran sosial-humaniora. Pada setiap item disediakan beberapa pilihan jawaban yang pada dasarnya berbentuk kategorik ordinal. .1) Kategorik Nominal. suatu variabel dikonstruk sedemikian rupa dalam beberapa indikator yang kemudian menjadi dasar pembuatan item pengukuran. yaitu data kategorik yang tak dapat dinyatakan bahwa kategori yang satu lebih baik dari kategori lainnya atau dengan kata lain kategori yang tidak memiliki urutan tertentu. ´sedang´. ´Apakah data ordinal yang dijumlahkan dapat menghasilkan data interval?´. dengan cara membagi jumlah frekuensi suatu kategori dengan kategori yang lain. dan lain-lain. Data kategorik nominal maupun ordinal dapat diubah menjadi data numerik: 1) rasio. Untuk jawaban yang dipilih pada setiap indikator diubah ke bentuk angka yang disebut scoring. yaitu: Coding Diterapkan pada variabel manifest. maka urutan berikutnya adalah ´sedang¶ yang diberi kode ´2´. maka jika ´rusak´ diberi kode ´1´. 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. Numerical Data Data numerik adalah data metric atau data yang merupakan hasil pengukuran. b. Meskipun kelihatannya sama. data yang dihasilkan bukan data metrik murni. namun istilah coding dan scoring berbeda. dengan cara melakukan ranking sesuai dengan jumlah frekuensi dari kategori-kategori yang ada. Jika data hasil pengukuran eksakta menghasilkan data metrik murni (pure metric data). yaitu data kategorik yang mempunyai urutan tertentu namun ´jarak´ antar kategori sulit untuk dinyatakan sama. tapi harus dijumlahkan dengan score item-item lain yang mewakili variabel yang sama. ´rusak´. karena akan menjadi tidak sesuai dengan urutan kategorinya. Karena tidak memiliki urutan tertentu. dan kategori ´baik´ diberi kode ´3´ atau sebaliknya.

Karena itu dalam konteks seperti ini. meski sebenarnya dianggap bukan data interval. yaitu data yang dihasilkan dari pengurutan data interval atau rasio baik secara meningkat (ascending) maupun menurun (descending). Kesamaan jarak ukuran ini yang sulit dijamin pada suatu pengukuran sosial ± humaniora. ranking 3 ± ranking 2 = ranking 1 Juga tidak dapat dikatakan bahwa. Karena itulah hasil pengukuran sosial ± humaniora dianggap bukan data interval. Contoh: Tidak dapat dikatakan bahwa. dengan cara me-ranking-nya . Contoh: 40° C ± 30° C = 10°C 40° C adalah 2x lebih panas dari 20° C. 2 x kali ranking 1 = ranking 2. Namun data numerik interval tidak memiliki 0 yang absolut. Karena itulah operasi bilangan dapat dilakukan. 1) Numerik Ordinal Data numerik ordinal adalah data yang berupa angka yang menunjukkan urutan. tetapi data ordinal yang diperlakukan sebagai data interval. 2) Numerik Interval Data numerik interval selain mengandung unsur urutan juga memiliki unsur kesamaan jarak antar urutan. jumlah skor-skor dari suatu konstruk dinyatakan diperlakukan sebagai data interval (threat as interval). Seperti data kategorik ordinal. operasi matematika tak dapat dilakukan pada data ini. 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). 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. Data numerik interval ini dapat diubah menjadi data: a) numerik ordinal.

dengan cara mengkategorikannya.com/2008/01/konsep-konsep-dasar-penelitian-bagian-4. Perbandingan dengan konsep sebelumnya dapat dilihat pada tabel berikut: Konsep Sebelumnya Kategorik Pendataan Numerik Nomial Ordinal Ordinal Interval Rasio Konsep di SPSS Nominal Pengukuran Ordinal Skala Diposkan oleh ALI HASMY di 07. Contoh: Jika tidak ada sesuatu yang diletakkan di atas timbangan emas.Seluruh data yang di-entry untuk dianalisis diperlakukan sebagai data numerik . dan nominal. data numerik rasio ini dapat diubah menjadi data: a) numerik ordinal. serta memiliki nilai 0 absolut.html . dengan cara mengkategorikannya.Konsep pendataan disamakan dengan pengukuran yang diklasifikasikan atas skala (scale). ordinal. Catatan: Pada program Statistical Package and Service Solutions (SPSS) digunakan hal-hal sebagai berikut: . maka angka digital yang tertera tetap angka 0.00. memiliki jarak ukuran yang sama. dengan cara me-ranking-nya b) kategorik ordinal. 3) Numerik Rasio Data numerik rasio adalah data yang selain mengandung unsur urutan.b) kategorik ordinal.20 diakses 5 desember 2010 http://omegahat.blogspot. Seperti data numerik interval.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->