DATA

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)

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