Oleh:

Wahyudi
L1A114191

Jurusan Peternakan
Fakultas Peternakan
Universitas Halu Oleo
1. Uraikan perbedaan tipe data interval dan rasio dan berikan contohnya.
Data Interval adalah data hasil pengukuran yang dapat diurutkan atas dasar kriteria
tertentu serta menunjukan semua sifat yang dimiliki oleh data ordinal. Data interval adalah
data yang diperoleh dengan cara pengukuran, dimana jarak antar dua titik pada skala,
sudah diketahui. Berbeda dengan skala ordinal, dimana jarak dua titik tidak diperhatikan
(seperti berapa jarak antara puas dan tidak puas, yang sebenarnya menyangkut perasaan
orang saja). Kelebihan sifat data interval dibandingkan dengan data ordinal adalah

memiliki sifat kesamaan jarak (equality interval) atau memiliki rentang yang sama antara
data yang telah diurutkan. Karena kesamaan jarak tersebut, terhadap data interval dapat
dilakukan operasi matematika penjumlahan dan pengurangan ( +, ).
Ciri Data Interval:

Tidak ada kategorisasi atau pemberian kode seperti terjadi pada data nominal dan
ordinal.

Bisa dilakukan operasi matematika. (panas 40 derajad adalah dua kali panas
disbanding 20 derajad)

Namun demikian masih terdapat satu sifat yang belum dimiliki yaitu tidak adanya
angka Nol mutlak pada data interval. Berikut dikemukakan tiga contoh data interval,
antara lain:
Hasil pengukuran suhu (temperatur) menggunakan termometer yang dinyatakan
dalam ukuran derajat. Rentang temperatur antara 00 Celcius sampai 10 Celcius
memiliki jarak yang sama dengan 10 Celcius sampai 20 Celcius. Oleh karena itu
berlaku operasi matematik ( +, ), misalnya 15 0 Celcius + 150 Celcius = 300 Celcius.
Namun demikian tidak dapat dinyatakan bahwa benda yang bersuhu 15 0 Celcius
memiliki ukuran panas separuhnya dari benda yang bersuhu 30 0 Celcius. Demikian
juga, tidak dapat dikatakan bahwa benda dengan suhu 0 0 Celcius tidak memiliki suhu
sama sekali. Angka 00 Celcius memiliki sifat relatif (tidak mutlak). Artinya, jika
diukur dengan menggunakan Termometer Fahrenheit diperoleh 00 Celcius =
320 Fahrenheit.
Kecerdasaran intelektual yang dinyatakan dalam IQ. Rentang IQ 100 sampai 110
memiliki jarak yang sama dengan 110 sampai 120. Namun demikian tidak dapat
dinyatakan orang yang memiliki IQ 150 tingkat kecerdasannya 1,5 kali dari urang
yang memiliki IQ 100.
Didasari oleh asumsi yang kuat, skor tes prestasi belajar (misalnya IPK mahasiswa
dan hasil ujian siswa) dapat dikatakan sebagai data interval.
Dalam banyak kegiatan penelitian, data skor yang diperoleh melalui kuesioner
(misalnya skala sikap atau intensitas perilaku) sering dinyatakan sebagai data interval
setelah alternatif jawabannya diberi skor yang ekuivalen (setara) dengan skala
interval, misalnya:
Skor (5) untuk jawaban Sangat Setuju
Skor (4) untuk jawaban Setuju

Skor (3) untuk jawaban Tidak Punya Pendapat

Skor (2) untuk jawaban Tidak Setuju
Skor (1) untuk jawaban Sangat Tidak Setuju
Dalam pengolahannya, skor jawaban kuesioner diasumsikan memiliki sifat-sifat yang
sama dengan data interval.
Data Rasio adalah data yang menghimpun semua sifat yang dimiliki oleh data nominal,
data ordinal, serta data interval. Data rasio adalah data yang berbentuk angka dalam arti
yang sesungguhnya karena dilengkapi dengan titik Nol absolut (mutlak) sehingga dapat
diterapkannya semua bentuk operasi matematik ( + , , x, : ). Data berskala rasio adalah
data yang diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah
diketahui, dan mempunyai titik nol yang absolut. Ini berbeda dengan skala interval,
dimana taka da titik nol mutlak/absolut. Seperti titik 0C tentu beda dengan titik 0F. atau
pergantian tahun pada system kalender Masehi (setiap 1 Januari) berbeda dengan
pergantian tahun Jawa, China dan lainnya. Sehingga tak ada tahun baru dalam artian
diakui oleh semua kalender sebagai tahun baru.
Ciri Data Rasio:

Tak ada kategorisasi atau pemberian kode.

Bisa dilakukan operasi matematika. Missal: 100 cm + 35 cm = 135 cm; 5 mangga + 2

mangga = 7 mangga.
Catatan: pengolahan data kuantitatif sebagian besar menggunakan data rasio.
Sifat-sifat yang membedakan antara data rasio dengan jenis data lainnya (nominal, ordinal,
dan interval) dapat dilihat dengan memperhatikan contoh berikut:
Panjang suatu benda yang dinyatakan dalam ukuran meter adalah data rasio. Benda
yang panjangnya 1 meter berbeda secara nyata dengan benda yang panjangnya 2 meter
sehingga dapat dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data
nominal). Ukuran panjang benda dapat diurutkan mulai dari yang terpanjang sampai
yang terpendek (sifat data ordinal). Perbedaan antara benda yang panjangnya 1 meter
dengan 2 meter memiliki jarak yang sama dengan perbedaan antara benda yang
panjangnya 2 meter dengan 3 (sifat data interval). Kelebihan sifat yang dimiliki data
rasio ditunjukkan oleh dua hal yaitu: (1) Angka 0 meter menunjukkan nilai mutlak yang
artinya tidak ada benda yang diukur; serta (2) Benda yang panjangnya 2 meter, 2 kali
lebih panjang dibandingkan dengan benda yang panjangnya 1 meter yang menunjukkan

berlakunya semua operasi matematik. Kedua hal tersebut tidak berlaku untuk jenis data
nominal, data ordinal, ataupun data interval.
Data hasil pengukuran berat suatu benda yang dinyatakan dalam gram memiliki semua
sifat-sifat sebagai data interval. Benda yang beratnya 1 kg. berbeda secara nyata dengan
benda yang beratnya 2 kg. Ukuran berat benda dapat diurutkan mulai dari yang terberat
sampai yang terringan. Perbedaan antara benda yang beratnya 1 kg. dengan 2 kg
memiliki rentang berat yang sama dengan perbedaan antara benda yang beratnya 2 kg.
dengan 3 kg. Angka 0 kg. menunjukkan tidak ada benda (berat) yang diukur. Benda
yang beratnya 2 kg., 2 kali lebih berat dibandingkan dengan benda yang beratnya 1 kg..
2. Uraikan perbedaan antara sifat data kualitatif dan data kuantitatif dan berikan
contohnya
Berdasarkan bentuk dan sifatnya, data penelitian dapat dibedakan dalam dua jenis yaitu
data kualitatif (yang berbentuk kata-kata/kalimat) dan data kuantitatif (yang berbentuk
angka). Data kuantitatif dapat dikelompokkan berdasarkan cara mendapatkannya yaitu
data diskrit dan data kontinum. Berdasarkan sifatnya, data kuantitatif terdiri atas data
nominal, data ordinal, data interval dan data rasio.
1.
Data Kualitatif
Data kualitatif adalah data yang berbentuk kata-kata, bukan dalam bentuk angka. Data
kualitatif diperoleh melalui berbagai macam teknik pengumpulan data misalnya
wawancara, analisis dokumen, diskusi terfokus, atau observasi yang telah dituangkan
dalam catatan lapangan (transkrip). Bentuk lain data kualitatif adalah gambar yang
diperoleh melalui pemotretan atau rekaman video.
2.
Data Kuantitatif
Data kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai dengan
bentuknya, data kuantitatif dapat diolah atau dianalisis menggunakan teknik perhitungan
matematika atau statistika. Berdasarkan proses atau cara untuk mendapatkannya, data
kuantitatif dapat dikelompokkan dalam dua bentuk yaitu sebagai berikut:

Data diskrit adalah data dalam bentuk angka (bilangan) yang diperoleh dengan cara
membilang. Contoh data diskrit misalnya:
1)
Jumlah Sekolah Dasar Negeri di Kecamatan XXX sebanyak 20.
2)
Jumlah siswa laki-laki di SD YYY sebanyak 67 orang.
3)
Jumlah penduduk di Kabupaten ZZZ sebanyak 246.867 orang.
Karena diperoleh dengan cara membilang, data diskrit akan berbentuk bilangan bulat
(bukan bilangan pecahan).

Data kontinum adalah data dalam bentuk angka/bilangan yang diperoleh berdasarkan
hasil pengukuran. Data kontinum dapat berbentuk bilangan bulat atau pecahan
tergantung jenis skala pengukuran yang digunakan. Contoh data kontinum misalnya:
1)
2)
3)

Tinggi badan Budi adalah 150,5 centimeter.

IQ Budi adalah 120.
Suhu udara di ruang kelas 24o Celcius.

3. Jelaskan tujuan penyajian data

Tujuan penyajian data adalah:

1. Memberi gambaran yang sistematis tentang peristiwa-peristiwa yang merupakan hasil
penelitian atau observasi,
2. Data lebih cepat ditangkap dan dimengerti,
3. Memudahkan dalam membuat analisis data, dan
4. Membuat proses pengambilan keputusan dan kesimpulan lebih tepat, cepat, dan
akurat.
4. Uraikan perbedaan statistika deskriptif dan iferensia
Pengertian statistik deskriptif berbeda dengan statistik inferensial. Pada Statistik
Deskriptif penelitian hanya menggambarkan keadaan data apa adanya melalui
parameter-parameter seperti mean, median, modus, distribusi frekuensi dan ukuran
statistik lainnya. Pada statistika deskriptif, yang perlu disajikan adalah:
1. Ukuran pemusatan data (measures of central tendency). Ukuran pemusatan data yang
sering digunakan adalah distribusi frekuensi. Ukuran statistik ini cocok untuk data
nominal dan data ordinal (data kategorik). Sementara nilai mean adalah ukuran
pemusatan data yang cocok untuk data continuous. Ukuran deskriptif lain untuk
pemusatan data adalah median (nilai tengah) dan modus (nilai yang paling sering
muncul).
2. Ukuran penyebaran data (measures of spread). Ukuran penyebaran data yang sering
digunakan adalah standar deviasi. Ukuran penyebaran data ini cocok digunakan untuk
data numerik atau continuous. Sementara untuk data kategorik, nilai range merupakan
ukuran yang cocok.
Sedangkan Penelitian Inferensial adalah proses pengambilan kesimpulan-kesimpulan
berdasarkan data sampel yang lebih sedikit menjadi kesimpulan yang lebih umum untuk
sebuah populasi. Penelitian inferensial diperlukan jika peneliti memiliki keterbatasan
dana sehingga untuk lebih efisien penelitian dilakukan dengan mengambil jumlah sampel
yang lebih sedikit dari populasi yang ada. Pada penelitian inferensial, dilakukan prediksi.
Statistik inferensial membutuhkan pemenuhan asumsi-asumsi. Asumsi paling awal yang
harus dipenuhi adalah sampel diambil secara acak dari populasi. Hal tersebut diperlukan
karena pada statistika inferensial perlu keterwakilan sampel atas populasi. Asumsiasumsi lain yang perlu dipenuhi mengikuti alat analisis yang digunakan. Jika yang
digunakan adalah analisis regresi, maka asumsi-asumsi data harus memenuhi asumsi
analisis regresi.

Metode analisis statistik yang digunakan dalam statistik inferensial adalah T-test, Anova,
Anacova, Analisis regresi, Analisis jalur, Structural equation modelling (SEM) dan
metode analisis lain tergantung tujuan penelitian. Dalam statistik inferensial harus ada
pengujian hipotesis yang bertujuan untuk melihat apakah ukuran statistik yang digunakan
dapat ditarik menjadi kesimpulan yang lebih luas dalam populasinya. Ukuran-ukuran
statistik tersebut dibandingkan dengan pola distribusi populasi sebagai normanya. Oleh
sebab itu, mengetahui pola distribusi data sampel menjadi penting dalam statistik
inferensial.
Contoh yang baik untuk statistik inferensial adalah pada pemilu presiden 2014. Berbagai
lembaga survei melakukan quick count untuk mengetahui secara cepat kandidat presiden
mana yang akan mendapatkan suara rakyat lebih banyak. Lembaga survei tersebut
mengambil sebagian sampel TPS (Tempat Pemungutan Suara) dari total TPS populasi.
Hasil sampel TPS tersebut digunakan untuk generalisasi terhadap keseluruhan TPS.
Katakanlah diambil 2.000 sampel TPS dari 400.000 populasi TPS yang ada. Hasil dari
2.000 TPS adalah statistik deskriptif. Sedangkan jika kita mengambil kesimpulan
terhadap 400.000 TPS adalah statistik inferensial.Kekuatan statistik inferensial
tergantung pada teknik pengambilan sampel dan proses randomisasi. Jika proses
randomisasi dilakukan dengan benar, maka sampel yang lebih sedikit dapat memprediksi
nilai populasi dengan baik. Dengan demikian dapat menghemat anggaran pengambilan /
pengumpulan data.
Di industri manufaktur, statistik inferensial sangat berguna. Manajemen dapat
mengetahui dan mengontrol berapa produk yang di luar standar atau cacat dengan hanya
mengambil beberapa sampel produk.
5. Jelaskan macam-macam bentuk penyajian data secara grafik dan berikan
contohnya
Penyajian dalam bentuk grafik/grafik frekuensi, pada hakikatnya merupakan kelanjutan
dari pembuatan tabel distribusi frekuensi karena dalam membuat grafik harus didasarkan
pada tabel distribusi frekuensi. Oleh karena itu, pembuatan tabel distribusi frekuensi
harus tetap dilakukan untuk membuat grafik frekuensi.
Penyajian data dalam bentuk grafik terlihat lebih menarik karena data tersaji dalam
bentuk visual. Gambar grafik frekuensi yang banyak dipergunakan dalam metode
statistik adalah histogram, polygon, kurve dan garis (Burhan Nurgiyantoro, 2004:43-44).
1. Grafik Histogram / Batang
Histogram merupakan grafik dari distribusi frekuensi suatu variable. Tampilan histogram
berupa petak-petak empat persegi panjang. Sebagai sumbu horizontal boleh memakai
tepi-tepi kelas, batas-batas kelas atau nilai variabel yang diobservasi, sedang sumbu
vertical menunjukkan frekuensi. Untuk distribusi bergolong atau berkelompok yang

menjadi absis adalah nilai tengah dari masing-masing kelas (Drs. Ating Somantri,
2006:113).
contoh :

2. Grafik Poligon
Poligon merupakan grafik distribusi dari distribusi frekuensi bergolong suatu variable.
Tampilan polygon berupa garis-garis patah yang diperoleh dengan cara menghubungkan
puncak dari masing-masing nilai tengah kelas. Jadi absisnya adalah nilai tengah dari
masing-masing kelas (Drs. Ating Somantri, 2006:114).
Contoh: Grafik Poligon Nilai Hasil Ujian Matematika Siswa X-B Tahun 2013-2014

6.
3. Grafik Kurve
Kurve merupakan perataan atau penghalusan dari garis-garis polygon. Gambar polygon
sering tidak rata karena adanya perbedaan frekuensi data skor dan data skor itu sendiri
mencerminkan fluktuasi sampel. Pembuatan kurve dilakukan dengan meratakan garis

gambar polygon yang tidak rata dan terlihat tidak beraturan sehingga menjadi rata
(Burhan Nurgiyantoro, 2004:49).
contoh: Grafik Kurve Pendekatan Bernoulli untuk Utilitas.

4. Grafik Garis
Grafik garis dibuat biasanya untuk menunjukkan perkembangan suatu keadaan.
Perkembangan tersebut bias naik bias turun. Hal ini akan Nampak secara visual melalui
garis dalam grafik. Dalam grafik terdapat garis vertical yang menunjukkan jumlah dan
yang mendatar menunjukkan variable tertentu yang ditunjukkan pada gambar dibawah,
yang perlu diperhatikan dalam membuat grafik adalah ketepatan membuat skala pada
garis vertical yang akan mencerminkan keadaan jumlah hasil observasi (Dr. Sugiyono,
2002:34).
Contoh : Perkembangan nilai ujian matematika Adit semester 1 tahun ajaran 2012/2013
sebagai berikut:
a. sajikan data dalam bentuk tabel terlebih dahulu.

b. kemudian satu persatu masukkan dalam grafik garis.