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

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

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

Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. sedangkan persyaratan penggunaan statistik parametrik adalah selain data harus berbentuk interval atau ratio. rasio antara pengemudi C dan A adalah 4 : 1. Oleh karena ada titik nol. sedangkan variabel rasio adalah variabel yang disusun dengan ukuran ratio seperti tingkat penganggguran. seperti motivasi seseorang untuk bekerja. Multiple Correlation. Dengan kata lain. Sesuai dengan ulasan jenis pengukuran yang digunakan. Multiple Correlation. peringkat perlombaan catur. maka variabel penelitian lazimnya bisa di bagi menjadi 4 jenis variabel.000. Jika kita tidak ingin melakukan uji normalitas karena data yang kita miliki adalah data ordinal. Jika diukur dengan skala rasio. jenis kelamin. dst. dan sebagainya.000. Rp. suku bangsa. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. menaikkan data dari skala ordinal menjadi skala interval dinamakan transformasi data. Partial Regresion dan Multiple Regression. waktu maupun dasar teori. C dan D mempunyai pendapatan masingmasing perhari Rp. dan variabel ratio. dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. variabel ordinal.000 dan Rp. padahal data yang kita miliki adalah hasil pengukuran dengan skala ordinal. Bila dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. misalnya status perkawinan. data harus memiliki distribusi normal.000. Partial Correlation. skala termometer dan sebagainya. yakni variabel nominal. yang diperoleh melalui mengukuran dengan skala rasio memiliki titik nol. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti indek prestasi mahasiswa. Transformasi data itu dilakukan diantaranya adalah dengan menggunakan Metode Suksesive Interval (MSI). Interval pendapatan pengemudi A dan C adalah 30. Bayi A memiliki berat 3 Kg. peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. baik dari segi biaya. variabel interval. Variabel nominal. 10. maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data ratio ini adalah Pearson Korelasi Product Moment. Bayi B memiliki rasio berat badan dua kali dari berat badan bayi C. maka data ratio dapat dibuat perkalian ataupun pembagian. profesi pekerjaan seseorang dan sebagainya. rasio antara pengemudi D dan A adalah 5 : 1. Data ratio. 40. penghasilan. Menuruti Al-Rasyid. Tujuan dari dilakukannya transformasi data adalah untuk . interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas.ratio (data rasio). dan Multiple Regression.30. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Variabel ordinal adalah variabel yang disusun atas dasar peringkat. Karenanya. dan bayi C memiliki rasio berat badan sepertiga kali berat badan bayi A. Konversi variabel ordinal Adakalanya kita tidak ingin menguji hipotesis dengan alat uji hipotesis statistik nonparametrik dengan berbagai pertimbangan. 50. Rp. berat badan. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. hal itu bisa saja kita lakukan dengan cara menaikkan data dari pengukuran skala ordinal menjadi data dalam skala interval dengan metode Suksesive Interval. e. Jika ada 4 orang pengemudi. B.000. Misalnya kita ingin melakukan uji statistik parametrik Pearson Korelasi Product Moment. Partial Regression. sedangkan rasio antara pengemudi C dan B adalah 4 : 3.. Partial Correlation. A. yaitu variabel yang dikategorikan secara diskrit dan saling terpisah satu sama lain. Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data rasio. Angka pada data ratio dapat menunjukkan nilai sebenarnya dari objek yang diukur.

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

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.