1.
Primer dan Sekunder
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.
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 tingkatan pengukurannya (Measurement
Level), maka data dapat diklasifikasikan sebagai berikut:
a.
Categorical
Data
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 oleh sebagian ahli disebut juga data nonmetric atau data yang bukan merupakan
hasil pengukuran berdasarkan skala.
Klasifikasinya adalah:
1) Kategorik Nominal, yaitu data
kategorik yang secara umum tak dapat dinyatakan bahwa kategori yang satu lebih
baik dari kategori lainnya atau dengan kata lain kategori yang tidak memiliki
urutan (order) tertentu.
Contoh:
Pria – wanita, ungu – biru, dan
lain-lain.
Karena tidak memiliki urutan tertentu, maka dapat
saja kategori ”pria” diberi kode ”0” dan ”wanita diberi kode ”1” maupun
sebaliknya.
2) Kategorik Ordinal, yaitu data
kategorik yang mempunyai urutan tertentu namun ”jarak” antar/”bobot” kategori,
sulit untuk dinyatakan sama.
Contoh: Alat dalam kondisi ”baik”, ”sedang”,
”rusak”.
Karena memiliki urutan, maka jika ”rusak” diberi
kode ”1”, maka urutan berikutnya adalah ”sedang’ yang diberi kode ”2”, dan
kategori ”baik” diberi kode ”3” atau sebaliknya. Urutan pengkodean di atas tidak dapat
ditukar-tukar secara acak, karena akan menjadi tidak sesuai dengan urutan
kategorinya.
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) interval, dengan cara penskalaan (melalui scaling process)
2) interval, dengan cara penskalaan (melalui scaling process)
3) ordinal, dengan cara melakukan ranking
sesuai dengan jumlah frekuensi dari kategori-kategori yang ada.
b. Numerical Data
Data
numerik adalah data metric atau data
yang merupakan hasil pengukuran berdasarkan skala. 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 social/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
|
Angkanya dapat ditukar-tukar
sesukanya
|
Angka tidak dapat ditukar
semaunya, karena harus disesuaikan dengan urutan yang seharusnya
|
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 diakumulasikan 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 dengan level
pengukuran interval karena sudah diskalakan, atau data dengan level
pengukuran ordinal yang diperlakukan sebagai data dengan level
pengukuran interval
|
Tidak layak untuk diterapkan operasi aritmatika
|
Layak untuk diterapkan operasi aritmatika (khusus
untuk data dengan level pengukuran interval)
|
Catatan: Data yang didapat sebagai penjumlahan
skor-skor seluruh item pada suatu konstruk variabel laten secara awam
dimasukkan dalam klasifikasi data interval.
Namun umumnya para ahli mempertanyakan
pendapat di atas, ”Apakah data dengan level pengukuran ordinal yang dijumlahkan dapat menghasilkan data dengan
level pengukuran 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 dengan level pengukuran interval.
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, operasi aritmatika 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 aritmatika dapat
dilakukan.
Contoh: 40°
C – 30° C = 10°C
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 dengan
level pengukuran interval, tetapi data dengan
level pengukuran 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:
Konsep Sebelumnya
|
Konsep di SPSS
|
|||
Pendataan
|
Kategorik
|
Nomial
|
Measurement
|
Nominal
|
Ordinal
|
Ordinal
|
|||
Numerik
|
Ordinal
|
|||
Interval
|
Scale
|
|||
Rasio
|
DOWNLOAD materi ini dan materi terkait:
http://www.ziddu.com/download/18900198/BASICLEVELSTATISTICS-BeberapaKonsepDasar.pdf.html
0 komentar:
Posting Komentar