P. 1
Pengertian Dan Jenis Data Nominal

Pengertian Dan Jenis Data Nominal

|Views: 140|Likes:
Published by Wulan Nag Gegz

More info:

Published by: Wulan Nag Gegz on Jun 14, 2012
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

05/10/2013

pdf

text

original

PENGERTIAN DAN JENIS DATA NOMINAL, ORDINAL, INTERVAL DAN RATIO

DATA NOMINAL, ORDINAL, INTERVAL DAN DATA RATIO A. Pendahuluan Beberapa ahli berpendapat bahwa pelaksanaan penelitian dengan menggunakan metode ilmiah diantaranya adalah melakukan langkah-langkah sistematis. Metode ilmiah adalah 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. Karena dengan adanya metode ilmiah, pertanyaan-pertanyaan dalam mencari dalil umum, akan mudah dijawab. Menuruti Schluter (Moh Nazir, 2006), langkah penting sebelum sampai tahapan analisis data dan penentuan model adalah ketika kita 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, interval dan ratio 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 peluang menggunakan alat analisis lain. Akan tetapi masing-masing 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 setelah kita mempertimbangkan kondisi bagaimana data dikumpulkan. Karena dalam teori, alat analisis model adalah alat yang tidak bisa digunakan dalam kondisi yang tidak sesuai dengan pertimbangan-pertimbangan logis. Ia memang 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

disamping akurasi data. basket (2) dan renang (3). tidak akan pernah mengatakan dua setengah kali. lebih-lebih dalam mengukur gradasi. eksistensi matematika sebagai alat yang lebih cenderung digunakan oleh ilmu-ilmu pengetahuan sehingga bisa mengundang kuantitatif variabel. hasilnya akan makin representatif. Data nominal merupakan data kontinum dan tidak memiliki urutan. Orang selain kurang begitu puas dengan atribut baik atau buruk. Sebagian peneliti ingin mengukur sifat-sifat yang ada antara baik dan buruk tersebut. Mengubah fakta-fakta kualitatif menjadi urutan kuantitatif itu telah menjadi satu kelaziman paling tidak bagi sebagian besar orang. berikut ini akan diberikan ulasan tentang bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik bagi mahasiswa. Data yang kita peroleh melalui instrumen pengumpul data itu bisa dianalisis dengan menggunakan model tanpa melanggar kelaziman. Pembahasan a. dan kepada semua anggota set diberikan angka. ilmu pengetahuan. Ciri-ciri data nominal adalah hanya memiliki atribut. Salah satu diantaranya adalah masing-masing variabel tidak memiliki hubungan linier yang eksak. tidak akan memiliki hubungan dengan produktivitas petani Sawit. Partai Bintang dan Partai Matahari. Atribut saja sebagai objek penelitian selain kurang representatif bagi peneliti. Bugis dan Badui. maka kita belum tentu puas dengan atribut baik atau buruk saja. basket dan renang. Begitu juga tentang suku. Bagi keperluan analisis penelitian ilmu-ilmu sosial. Menuruti Moh. Kemudian masing-masing anggota set di atas kita berikan angka. tetapi juga menginginkan sesuatu yang berada diantara baik dan buruk atau diantara setuju dan tidak setuju. Angka yang diberikan hanya berfungsi sebagai label saja. setuju atau tidak setuju. tidak akan pernah memiliki hubungan dengan berat badan penduduk Kalimantan. sehingga diperoleh suatu skala gradasi yang jelas. data nominal adalah ukuran yang paling sederhana. atau tiga seperempat kali. Tentang partai. juga sebagian orang saat ini menginginkan gradasi yang lebih baik bagi objek penelitian. Karena perlunya presisi. B. dan tidak menunjukkan tingkatan apapun. Menuruti Moh. misalnya tenis (1). Karena gradasi. karena berbagai alasan. Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Seseorang yang pergi ke Jakarta. Nazir. Bila objek dikelompokkan ke dalam set-set. semakin meminta presisi yang lebih baik. Kedua. atau diskrit. misalnya Partai Bulan. Tetapi akan mengatakan dua . set-set tersebut tidak boleh tumpang tindih dan bersisa. Data nominal Sebelum kita membicarakan bagaimana alat analisis data digunakan. dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja. Pertama. yakni Dayak. Motivasi kerja sebuah perusahaan makanan ringan. Misalnya tentang jenis olah raga yakni tenis. atau nama. teknik membuat skala adalah cara mengubah fakta-fakta kualitatif (atribut) menjadi suatu urutan kuantitatif (variabel). Semakin banyak gradasi yang dibuat dalam instrumen penelitian. Model analisis statistik hanya bisa digunakan jika data yang diperoleh memiliki syarat-syarat tertentu. Nazir (2006). teknik mengurutkan sesuatu ke dalam skala itu artinya begitu penting mengingat sebagian data dalam ilmu-ilmu sosial mempunyai sifat kualitatif. merupakan kelaziman yang diminta bagi sebagian orang bisa menguak secara detail objek penelitian. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain.pulau Nias. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan.

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. Data ratio Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain. d. dengan kode 4. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah. Atau paling baik sampai ke yang paling buruk. D. 4. atau tujuh kali. misalnya peringkat 1. Numerik yang dihasilkan akan selalu berbentuk bilangan bulat. dan Multiple Regression. mulai dari sangat setuju. dengan kode 2 sampai tidak ingin menghadiri sama sekali. Multiple Correlation. kurang menghadiri. dengan kode 1. Data ordinal Bagian lain dari data kontinum adalah data ordinal. tidak pernah menghadiri. Misalnya tentang nilai ujian 6 orang mahasiswa. B. Data interval Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain. Jika kita memiliki sebuah set objek yang dinomori. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment. 3. Ukuran ini tidak memberikan nilai absolut terhadap objek. bila dinyatakan dalam skala. mulai dari tidak pernah absen menghadiri. tetapi hanya memberikan peringkat saja. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau. yakni jarak yang sama pada pengukuran dinamakan data interval. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval. 3. E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1. yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran . Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan. Menuruti Sugiono. Akan tetapi karena pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square (χ2). kadang-kadang saja menghadiri. dari 1 sampai n. b. 2. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. juga memiliki peringkat atau urutan. demikian seterusnya. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi. 5 dan 6. atau sebaliknya. Misalnya dalam skala Likert (Moh Nazir). Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. C. Beda prestasi antara mahasiswa C dan F adalah 6 – 3 = 3. alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal adalah Coefisien Contingensi. maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 – 1 = 2.kali. Begitu juga tentang ukuran jumlah anak dalam suatu keluarga. setuju. Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Angka yang diberikan mengandung tingkatan. 2. dengan kode 5. maka jarak antara data yang satu dengan lainnya tidak sama. Partial Regression. Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. perhitungannya dilakukan setelah kita menghitung Chi Square. tidak setuju sampai sangat tidak setuju. Data ini. Tidak akan pernah ada bilangan pecahan. yakni A. ragu-ragu. 5 dan seterusnya. Partial Correlation. c. lima kali. 4. selain memiliki nama (atribut). dengan kode 3.

yang diperoleh melalui mengukuran dengan skala rasio memiliki titik nol. 10.000. Data ratio. penghasilan. Dengan kata lain. maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Interval pendapatan pengemudi A dan C adalah 30. Konversi variabel ordinal Adakalanya kita tidak ingin menguji hipotesis dengan alat uji hipotesis statistik nonparametrik dengan berbagai pertimbangan. Partial Correlation. maka data ratio dapat dibuat perkalian ataupun pembagian. yakni variabel nominal. sedangkan variabel rasio adalah variabel yang disusun dengan ukuran ratio seperti tingkat penganggguran. dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. suku bangsa. Multiple Correlation. peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data ratio ini adalah Pearson Korelasi Product Moment. A. Karenanya. B. maka variabel penelitian lazimnya bisa di bagi menjadi 4 jenis variabel. sedangkan persyaratan penggunaan statistik parametrik adalah selain data harus berbentuk interval atau ratio. 50. Multiple Correlation. Jika diukur dengan skala rasio. Bila dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A.000. dan Multiple Regression. Sesuai dengan ulasan jenis pengukuran yang digunakan. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Misalnya kita ingin melakukan uji statistik parametrik Pearson Korelasi Product Moment. Transformasi data itu dilakukan diantaranya adalah dengan menggunakan Metode Suksesive Interval (MSI). jenis kelamin. rasio antara pengemudi C dan A adalah 4 : 1. dan sebagainya. interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. yaitu variabel yang dikategorikan secara diskrit dan saling terpisah satu sama lain. Tujuan dari dilakukannya transformasi data adalah untuk . Bayi A memiliki berat 3 Kg. hal itu bisa saja kita lakukan dengan cara menaikkan data dari pengukuran skala ordinal menjadi data dalam skala interval dengan metode Suksesive Interval. e. baik dari segi biaya. Bayi B memiliki rasio berat badan dua kali dari berat badan bayi C.000.30. sedangkan rasio antara pengemudi C dan B adalah 4 : 3. rasio antara pengemudi D dan A adalah 5 : 1. Menuruti Al-Rasyid. berat badan. Rp. Variabel nominal. Angka pada data ratio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Rp. waktu maupun dasar teori. Jika ada 4 orang pengemudi. dst. Partial Regression. misalnya status perkawinan. Partial Correlation. C dan D mempunyai pendapatan masingmasing perhari Rp. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. 40. menaikkan data dari skala ordinal menjadi skala interval dinamakan transformasi data. profesi pekerjaan seseorang dan sebagainya. dan variabel ratio. variabel interval. skala termometer dan sebagainya. data harus memiliki distribusi normal. peringkat perlombaan catur. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti indek prestasi mahasiswa. Oleh karena ada titik nol. seperti motivasi seseorang untuk bekerja. dan bayi C memiliki rasio berat badan sepertiga kali berat badan bayi A. padahal data yang kita miliki adalah hasil pengukuran dengan skala ordinal. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A.000 dan Rp. Partial Regresion dan Multiple Regression. Jika kita tidak ingin melakukan uji normalitas karena data yang kita miliki adalah data ordinal. variabel ordinal.000.. Variabel ordinal adalah variabel yang disusun atas dasar peringkat.ratio (data rasio). Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data rasio.

Edisi ke-3. Jakarta. L. Ph. Ronald E। Walpole. 2003. Hol. Statistik. Penerbit PT Gramedia Pustaka Utama. Penerbit Erlangga. data juga harus memiliki distribusi (sebaran) normal.D. juga untuk mengubah data agar memiliki sebaran normal. 11. Al-Rasyid. J Supranto. 10. Edisi Kelima. Hays. DAFTAR PUSTAKA 1. Riduan. Artinya. Pengantar Statistika. Dasar-dasar Statistika. Jakarta. Dengan dilakukannya transformasi data. PS Matematika. W.. Pascasarjana UNPAD. 2003. Unila. selain merupakan suatu kelaziman. Inc. 1994. 2004. Teori Dan Aplikasi. Teknik Penarikan Sampel dan Penyusunan Skala. Bandung. 1992. Skripsi. Dr. (Ronald E. H. 1976. Penerbit Ghalia Indonesia. diharapkan data ordinal sudah menjadi data interval dan memiliki sebaran normal yang langsung bisa dilakukan analisis dengan statistik parametrik. Statistika Nonparametrik Untuk Penelitian. ia hanya digunakan untuk mengukur distribusi.5. Metode Penelitian. Berbeda dengan ststistik nonparametrik. Moh. Prof. Wijayanto. Karena salah satu syarat penggunaan statistik parametrik. 7. New York. 8. Anita Kesumahati. Zaenal Mustafa El Qodri. Bandung. Jakarta. 9.T. J. Roscoe. Transformasi data ordinal menjadi interval itu. 2. New Delhi 4. 1987 6. Pengantar Statistika. 1995 . Quantification in Psychology. 3. Structural Equation Modeling dengan LISREL 8. Fundamental Research Statistic for the Behavioral Sciences. Jakarta. Yogyakarta. Walpole).menaikkan data dari skala pengukuran ordinal menjadi skala dengan pengukuran interval yang lazim digunakan bagi kepentingan analisis statistik parametrik. Nazir. Penggunaan Korelasi Polikhorik dan Pearson untuk Variabel Ordinal Dalam Model Persamaan Struktural. setelah dilakukan transformasi data dari ordinal menjadi interval. Pascasarjana FE-UI. Sugiono.. Penerbit ALFABETA Bandung. selain data harus memiliki skala interval (dan ratio). Penerbit CV ALFABETA. 1969 5. Bagian Penerbitan Fakultas Ekokomi Universitas Islam Indonesia. Prentice Hall. penggunaan model dalam suatu penelitian tidak perlu melakukan uji normalitas. 2005. 2005.. Rinehart and Winston.

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)//-->