a.

Data nominal

Sebelum kita membicarakan bagaimana alat analisis data digunakan, berikut ini
akan diberikan ulasan tentang bagaimana sebenarnya data nominal yang sering
digunakan dalam statistik nonparametrik bagi mahasiswa. Menuruti Moh. Nazir,
data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan
kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan
apapun.
Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data
nominal merupakan data diskrit dan tidak memiliki urutan. Bila objek
dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka,
set-set tersebut tidak boleh tumpang tindih dan bersisa.
Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian
masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket
(2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak
menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun
tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apaapa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja.
Begitu juga tentang suku, yakni Dayak, Bugis dan Badui.
Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari.
Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang
lain. Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah
kali, atau tiga seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau
tujuh kali. Begitu juga tentang ukuran jumlah anak dalam suatu keluarga.
Numerik yang dihasilkan akan selalu berbentuk bilangan bulat, demikian
seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh
dari hasil pengukuran dengan skala nominal.
Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik
yang digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi
karena pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square
(2), perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan
model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan.

b. Data ordinal
Bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama
(atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung
tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai
yang paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut
terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki
sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5
dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu
dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang paling tinggi
sampai paling rendah. Atau paling baik sampai ke yang paling buruk.
Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, raguragu, tidak setuju sampai sangat tidak setuju. Atau jawaban pertanyaan tentang
kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala
daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang
saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah
menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan
kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan
diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik
yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan
Kendall Tau.
c. Data interval
Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal
dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan
data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek
yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari
objek yang diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala
interval dinamakan data interval.
Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur
dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka
dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 1 = 2.
Beda prestasi antara mahasiswa C dan F adalah 6 3 = 3. 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.
Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data
interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim
digunakan untuk data interval ini adalah Pearson Korelasi Product Moment,
Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple
Regression.
d. Data rasio
Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain,
yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang
diukur dinamakan ukuran rasio (data rasio). Data rasio, yang diperoleh melalui
pengukuran dengan skala rasio memiliki titik nol. Karenanya, interval jarak tidak
dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik
nol di atas. Oleh karena ada titik nol, maka data rasio dapat dibuat perkalian
ataupun pembagian.
Angka pada data rasio dapat menunjukkan nilai sebenarnya dari objek yang
diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan
masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila
dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali
pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan
pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B.
Dengan kata lain, rasio antara pengemudi C dan A adalah 4 : 1, rasio antara
pengemudi D dan A adalah 5 : 1, sedangkan rasio antara pengemudi C dan B
adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000, dan
pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data
rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A
memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg.
Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari
berat badan bayi C. Bayi B memiliki rasio berat badan dua kali dari berat badan
bayi C, dan bayi C memiliki rasio berat badan sepertiga kali berat badan bayi A,
dst.

Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data
rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik
parametrik dan yang lazim digunakan untuk data rasio ini adalah Pearson Korelasi
Product Moment, Partial Correlation, Multiple Correlation, Partial Regression,
dan Multiple Regression.Sesuai dengan ulasan jenis pengukuran yang digunakan,
maka variabel penelitian lazimnya bisa di bagi menjadi 4 jenis variabel, yakni
variabel (data) nominal, variabel (data) ordinal, variabel (data) interval, dan
variabel (data) rasio.
Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling
terpisah satu sama lain, misalnya status perkawinan, jenis kelamin, suku bangsa,
profesi pekerjaan seseorang dan sebagainya. Variabel ordinal adalah variabel yang
disusun atas dasar peringkat, seperti motivasi seseorang untuk bekerja, peringkat
perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain.
Variabel interval adalah variabel yang diukur dengan ukuran interval seperti indek
prestasi mahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio
adalah variabel yang disusun dengan ukuran rasio seperti tingkat penganggguran,
penghasilan, berat badan, dan sebagainya.
e. Konversi variabel ordinal
Adakalanya kita tidak ingin menguji hipotesis dengan alat uji hipotesis statistik
nonparametrik dengan berbagai pertimbangan, baik dari segi biaya, waktu
maupun dasar teori. Misalnya kita ingin melakukan uji statistik parametrik
Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation,
Partial Regresion dan Multiple Regression, padahal data yang kita miliki adalah
hasil pengukuran dengan skala ordinal, sedangkan persyaratan penggunaan
statistik parametrik adalah selain data harus berbentuk interval atau rasio, data
harus memiliki distribusi normal. Jika kita tidak ingin melakukan uji normalitas
karena data yang kita miliki adalah data ordinal, hal itu bisa saja kita lakukan
dengan cara menaikkan data dari pengukuran skala ordinal menjadi data dalam
skala interval dengan metode Suksesive Interval.
Menuruti Al-Rasyid, menaikkan data dari skala ordinal menjadi skala interval
dinamakan transformasi data. Transformasi data itu dilakukan diantaranya adalah

dengan

menggunakan

Metode

Suksesive

Interval

(MSI).

Tujuan

dari

dilakukannya transformasi data adalah untuk menaikkan data dari skala

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

Suharto, Bahan Kuliah Statistika, Fakultas Ekonomi Universitas Muhammadiyah

Metro, 2007.
Wijayanto, 2003. Structural Equation Modeling dengan LISREL 8.5. Pascasarjana
FE-UI, Jakarta.
Zaenal Mustafa El Qodri. 1985. Pengantar Statistika, Bagian Penerbitan Fakultas
Ekokomi Universitas Islam Indonesia, Yogyakarta
N

1. Data Nominal Data nominal adalah data statistik yang cara

menyusunnya atas golongan atau klasifikasi tertentu. Contoh: Jumlah
mahasiswa dari segi tingkat kelas dan kelamin.
2. Data Ordinal Data ordinal adalah data statistik yang cara
menyusunnya

didasarkan

pada

urutan,

kedudukan

dan

rangking/tingkatan data. Contoh: Pandai, kurang pandai dan tidak

pandai.
3. Data Interval Data interval adalah data statistik dimana terdapat
jarak yang sama. Dari satu data ke data yang lain intervalnya sama.
Contoh: Mahasiswa yang mendapat nilai 1 sampai 10, petani yang
mempunya hasil panen antara 2 sampai 15 kwintal, dan sebagainya.
4. Data Rasio Data rasio adalah data yang tergolong dalam data
kontinum tapi mempunyai ciri (syarat) tertentu. Contoh: Berat badan
Paman 60 Kg, Berat badan Sagung 15 Kg. Dengan demikian, berat
badan Ibu adalah 4 kali berat badan Ani.
Data takmetrik (nonmetric data) 9
Data nominal (nominal data) 9 Data ordinal (ordinal data) Data
metrik (metric data) 9 Data interval (interval data) 9 Data rasio (ratio
data)

Nominal
Data berjenis nominal membedakan data dalam kelompok yang bersifat kualitatif.
Dalam ilmu statistika, data nominal merupakan data dengan level pengukuran
yang paling rendah.
Contohnya :

data jenis kelamin pada sampel penelitian Departemen Pendidikan, data siswa
dikategorikan menjadi laki-laki yang diwaliki angka 1 dan perempuan yang
diwakili angka 2. Konsekuensi dari data nominal adalah tidak mungkin seseorang
memiliki dua kategori sekaligus dan angka yang digunakan di sini hanya sebagai
kode/simbol saja sehingga tidak dapat dilakukan operasi matematika.
Mengelompokan eskul disuatu SMA dari bidang olahraga, data eskul
dikategorikan menjadi basket yang diwakili dengan huruf A, kemudian
footsal diwakili dengan huruf B dan bolavoli diwakili oleh huruf C.
Pengelompokan rumah-rumah dalam suatu perumahan, misal dari sebelah utara
komplek A, barat adalah komplek B, selatan adalah C dan arah timur adlah
komplek D.
Sebuah gedung bioskop, para penonton diberikan no kursi duduk yang berbeda
agar tidak terjadi perebutan kursi.
Dalam salah pesantren antara santriwan dan santriwati asramanya dipisahkan
dengan diberisimbol untuk santriwan A2 sedangkan untuk santriwati adalah B2.

2. Ordinal

Dalam ilmu statistika, data berjenis ordinal mempunyai level pengukuran yang
lebih tinggi daripada data nominal dan termasuk data kualitatif. Pada data nominal
semua data dianggap bersifat kualitatif dan setara, sedangkan pada data ordinal
terdapat klasifikasi data berdasarkan tingkatannya.
Contohnya:
Mengenai tingkat pendidikan yang dikategorikan menjadi SD yang diwakili
angka 1, SMP yang diwakili angka 2, SMA yang diwakili angka 3, Diploma
yang diwakili angka 4, dan Sarjana yang diwakili angka 5. Sama halnya dengan
data nominal, meskipun tingkatannya lebih tinggi, data ordinal tetap tidak dapat
dilakukan operasi matematika. Angka yang digunakan hanya sebagai kode/simbol
saja, dalam contoh tadi tingkat pendidikan tertinggi adalah Sarjana dan terendah
adalah SD (Sarjana > Diploma > SMA > SMP > SD).
Suatu peringkat ranking disuatu kelas misalkan Ihsan ranking 1 dan udin ranking
2 berarti ihsan lebih pintar dari pada udin.
Penghitungan suara dalam pemilu, misalkan total suara Demokrat 60%, PDI
30%, Golkar 20% berarti suara tertinggi di pegang oleh demokrat sebagai
peringkat 1, sehinnga menjadi pemenang dalam pemilu tersebut.
Dalam suatu survei bahwa pelajar di jawa barat 67% mengaku mengalami seks
pranikahsedangkan pelajar di jawa timur hampir 84% mengalami seks pranikah,
dalam hal ini jawatimur memegang angka tertinggi dalam survei ini.
Pada tingkatan Taekwondo memiliki beberapa tahapan sabuk misalkan dari
awal sabuk putih,kuning, hijau, biru, merah dan yang terakhir hitam.

3. Interval
Data berjenis interval termasuk dalam kelompok data kuantitatif. Dalam ilmu
statistika, data Interval mempunyai tingkat pengukuran yang lebih tinggi daripada
data nominal maupun ordinal. Angka yang digunakan dalam data ini, selain
menunjukkan urutan juga dapat dilakukan operasi matematika. Angka nol yang
digunakan pada data interval bukan merupakan nilai nol yang nyata.

Contohnya:
Interval nilai pelajaran matematika siswa SMA 4 Surabaya adalah antara 0
sampai 100. Bila siswa A dan B masing-masing mempunyai nilai 45 dan 90,
bukan berarti tingkat kecerdasan B dua kali A. Nilai 0 sampai 100 hanya
merupakan rentang yang dibuat berdasarkan kategori pelajaran matematika dan
mungkin berbeda dengan mata pelajaran lain.
Dasar Pemrograman memiliki 1 SKS, waktunya adalah 50menit, begitupun
dengan Teknik Digital yang memiliki 2 sks berarti waktunya 100 menit, dan
yangterakhir yaitu kalkulus memiliki 3 SKS waktunya adalah 150 menit sehingga
dapat disimpulkan bahwa selisih data diatas adalah 50 menit.
Kecepatan masing masing orang dalam berkendara di jalan raya, Maharani jika
berkendaraan dengan kecepatan 20 40 km/jam masuk keukuran pelan, untuk
Ichsan dalam berkendaraan memiliki kecepatan 50 60 km/jam maka masuk ke
dalam ukuran sedang dan yang terakhir Valentina Rosi dalam berkendaraannya
selalu berkecepatan 70 80 km/jam maka masuk ke ukuran cepat.
Rata rata tinggi badan berdasarkan usia, untuk anak anak yang berusia 6 12
memiliki rata rata tinggi badan 130 145 cm, untuk remaja yang berusia 13
18 memilikirata rata tinggi badan 146 160 cm, dan untuk dewasa yang berusia
19 26 cm memiliki rata rata tinggi badan 161 199 cm.
Pengiriman barang ke berbagai tempat, seperti contoh diatas Sintamengirimkan
barang dari Bandung ke Jakarta dengan harga Rp. 10.000,- /kg, dan
Santimengirimkan dari bandung ke Yogyakarta dengan harga Rp. 20.000,- /kg
sedangkan Santamengirimkan barang dari Bandung ke Surabaya dengan harga
Rp. 30.000,- /kg.

4. Rasio
Dalam ilmu statistika, data rasio merupakan tipe data dengan level pengukuran
yang paling tinggi dibandingkan dengan tipe data lain. Data ini termasuk dalam
kelompok data kuantitatif. Angka yang digunakan pada data ini menunjukkan
angka yang sesungguhnya, bukan hanya sebagai symbol dan memiliki nilai nol
yang sesungguhnya. Pada data ini, dapat dilakukan berbagai operasi matematika.
Contohnya :
Dalam sebuah bank, seseorang mempunyai tabungan dengan saldo 10.000.000
rupiah. Angka tersebut menunjukkan bahwa orang tersebut benar-benar
mempunyai saldo sebesar 10.000.000 rupiah. Jika seseorang mempunyai saldo
-1.000.000 rupiah berarti orang tersebut mempunyai hutang sebesar 1.000.000
rupiah. Sedangkan jika seseorang mempunyai saldo 0 rupiah berarti orang
tersebut tidak mempunyai tabungan maupun hutang.
Nilai raport siswa SMA dimana masing masing siswa memiliki nilaiyang
berbeda yaitu Muiz mendapatkan nilai 100 (A), Cinta 80 (B), dan Putri 60 (C) jika
dilihat dariskala rasio nilai Muiz memiliki nilai lebih 20 dari pada nilai Cinta,
Cinta memiliki nilai lebih 20dari pada nilai Putri, dan nilai putri kurang 40 untuk
sama dengan Muiz.
Berat bayi dimana bayi A beratnya adalah 3, B adalah 2, dan C adalah 1, jika
dilihat menggunakan skala rasio berat badan bayi A tiga kalilipat dari berat badan
bayi C, berat badan bayi B dua kalilipat dari C.
Tinggi badan dari masing masing data yang dikumpulkan, jika dilihat dari
skala rasio Ichsan lebih tinggi 10 cm dari pada Muiz, dan Muiz lebih tinggi 10 cm
dari pada Chaby, dan chaby paling pendek diantara Ichsan dengan Muiz.
Pekerjaan dan penghasilan bulanan, dimana gajihnya bermacam macam, jika
dilihat berdasarkan skala rasio gajih Ichsan lebih besar dari pada gajihKosim
sebagai karyawan, dan gajih Udin lebih lebih kecil dari pada gajih Kosim.