Nama : Senja Paramita

NPM : 1906428013

Peminatan : KMB

Mata Kuliah : Riset Kuantitatif

Jenis Data dan Penyimpulan Data

1) Data Kuantitatif dan Data Kualitatif

Data dapat dibedakan menjadi data numerik (data kuantitatif) dan data kategorial (data
kualitatif). Data numerik adalah data hasil pengukuran. Data kuantitatif adalah data yang
berupa angka/numerik (bias ordinal, interval, atau rasio). Data kualitatif adalah data yang
bukan berupa angka (dapat nominal atau ordinal).
2) Empat Jenis Skala Data: Nominal, Ordinal, Interval, dan Rasio
Skala adalah himpunan nilai atau angka yang diberikan pada obyek, subjek, atau perilaku
adar lebih dapat dianalisis, terutama secara kuantitatif. Skala dari variable penelitian sangat
bermanfaat unutk menguraikan variable tersebut dan juga untuk mencari hubungan dan
atau sebab akibat antavariabel. Dikenal empat jenis skala, ayitu nominal, ordinal, interval,
dan rasio.
a. Skala nominal
Skala nominal adalah data yang diperoleh dalam bentuk kategori kualitatif. Misal jenis
kelamin, nomor kaos atau punggung dari pemain sepak bola. Pemain dengan nomor 30
tidak berbeda dengan nomor 15. Juga tidak dapat diartikan bahwa nomor 30 dua kali
lipat dari nomor 15.
b. Skala ordinal
Skala ordinal adalah data kategorial yang disusun tinggi-rendahnya. Atribut diukur
sebagai ranking. Jarak antara atribut tidak mempunyai arti yang sama. Misalnya, latar
belakang Pendidikan. Seseorang yang pendidikannya di bawah SMA diberi bobot 0,
bobot 1 untuk lulusan SMA, 2 unutk akademi, 3 untuk universitas, dan 4 unutk
pascarjana. Ukuran ini menunjukkan adanya tingkat yang makin tingii. Akan tetapi,
jarak 0-1 tidak sama dengan 3-4. Interval antarnilai tidak dapat dilakukan dalam
pengukuran ordinal.
 c. Skala interval
Skala interval adalah data yang diperoleh dapat diurutkan berdasarkan jarak atau
interval yang sama. Jarak antar atribut diukur jaraknya sehingga menjadi bermakna.
Missal, jika kita mengukur suhu, jarak 30-40 0C sama dengan jarak 70-80 0C. Interval
antar nilai-nilai dapat ditafsirkan. Oleh karena itu, penting unutk menghitung rata-rata
dari variable inteinterval. Hal ini tidak terjadi pada skala ordinal. Perlu dicatat bahwa
pengukuran interval ratio tidak punya makna. Misal 80 0C tidak berarti dua kali lipat
lebih panas dari 40 0C, meskipun nilai atributnya dua kali lebih besar.
d. Skala rasio
Pada skala rasio, data merupakan perbandingan matematik antara data yang satu
dengan data lainnya. Dalam pengukuran rasio selalu ditemui sero absolut yang sangat
berarti. Hal ini berarti bahwa kita dapat mengonstruksi rasio yang bermakna dengan
variable rasio. Berat adalah variable rasio. Dalam penelitian social banyak variable
yang merupakan rasio. Misalnya
Jumlah klien (clients) enam bulan terkahir. Mengapa? Sebab kita dapat mempunyai
klien zero (nol).

3) Data kategorik adalah data yang bukan hasil pengukuran. Dibedakan dalan kategorik
nominal dan kategorik ordinal. Data kategorik nominal adalah data kategorik yang tidak
dapat dinyatakan bahwa kategori yang satu lebih baik dari kategori lainnya. Misal pria dan
wanita, ungu dan biru, dan lain sebagainya. Kategorik ordinal adalah data kategorik yang
dapat diurutkan walaupun jaraknya tidak otomatis sama. Misal, alat dalam komunikasi
baik, sedang, atau rusak.
Data numerik data hasil pengukuran. Data numerik ordinal adalah data yang berupa angka
yang dapat diurutkan. Missal urutan antrian, urutan tempat duduk, urutan nomor rumah,
urutan kemunculan. Data numerik ordinal ini dapat sebagai data ranking. Data numerik
internal adalah data yang dapat diurutkan dan jarak antar urutan sama. Missal, 40 0C – 30
0
C = 10 0C. 40 0C dua kali lebih panas daripada 20 0C. namun, data interval tidak memiliki
0 absolut. Missal 0 0C = 32 0F. Dalam penelitian social, jarak tersebut sulit dijamin sama.
Data numerik ordinal lebih tepat digunakan. Numerik rasio adalah data yang selain
mengandung unsur urutan juga memiliki jarak yang sama serta memiliki nilai 0 absolut.
 Missal jika tidak ada sesuatu yang diletakkan di atas piring timbangan, maka angka
timbangan menunjukkan angka 0,00. Data numerik interval rasio ini dapat diubah menjadi
data numerik ordinal dan kategorik ordinal.

4) Data Primer dan Data Sekunder

Data primer diperoleh secara langsung oleh peneliti, missal wawancara langsung,
kuesioner, dan percobaan. Data sekunder tidak diperoleh melalui alat atau instrument
penelitian, melainkan diperoleh dari hasil penelitian orang lain atau dari pusat data. Data
primer adalah data yang dikumpulkan langsung oleh peneliti dari percobaan atau kegiatan
lapangan yang dilakukan. Data ini merupakan data asli atau original dan baru pertama kali
diperoleh. Data ini sangat bermanfaat bagi penelitian yang sedang dilakukan dan juga
unutk penelitian di masa depan sebagai dara sekunder.
Data sekunder dikumpulkan oleh peneliti lain dan kadang unutk tujuan yang berbeda. Data
sekunder dari sumber tertentu dapat digunakan kembali oleh peneliti berikutnya, misal data
dari makalah ilmiah atau dari Internet.

5) Data kualitatif dan Data kuantitatif

Data kualitatif adakah data yang berbentuk kata, kalimat, gerak tubuh, ekspresi wajah,
bagan, gambar, dan foto. Data kuantitatif adalah data yang berbentuk angka atau data
kualitatif yang diangkakan (scoring).

NOMINAL
KATEGORIK
ORDINAL

DATA
ORDINAL

NUMERIK INTERVAL
(Timotius, 2017)
RASIO
Terdapat tiga buah nilai statistika yang dapat dimiliki sekumpulan data yang telah diperleh,
yaitu rataan hitung (mean), median dan modus. Ketiga nilai tersebut dikenal juga sebagai
ukuran pemusatan, karena ketiga nilai tersebut memiliki kecenderungan bernilai sama dengan
nilai tengah dari data yang diberikan.

a. Rataan Hitung (mean)

Rataan hitung atau mean dari suatu data didefinisikan sebagai jumlah semua nilai datum
dibagi dengan banyaknya datum yang diamati,

Rataan hitung (mean) = jumlah semua nilai datum

Banyaknya datum yang diamati

b. Median
Median (Me) dari sekumpulan data (bilangan) adalah bilangan yang terletak ditengah –
tengah setelah sekumpulan data (bilangan) tersebut diurutkan.
 Median Data Tunggal

Median dari data tunggal ditentukan sebagai berikut:

Untuk banyak data n = genap, maka mediannya adalah nilai datum ke

1
n  1 atau
2
dapat ditulis:

Me = X 1
2
 n 1

n
Untuk banyak data n = ganjil, maka mediannya adalah rataan dari nilai datum ke dan
2
n
nilai datum ke + 1 atau dapat ditulis:
2

X n  X n 1
2 2
Me =
2
  Median Data Berkelompok
Untuk menghitung median dari data yang telah dikelompokkan dipergunakan rumus :

1
n  fk
Me  L  2  p
f

Keterangan :

L = Tepi bawah kelas yang memuat median.

P = Panjang interval kelas

fk = jumlah frekuensi sebelum kelas median

f = frekuensi kelas median

n = banyaknya datum

c. Modus
Modus adalah nilai data yang paling sering muncul atau nilai data yang frekuensinya
paling besar. Data yang belum dikelompokkan bisa memiliki satu modus, dua modus,
atau mungkin tidak mempunyai modus. Data yang memiliki satu modus disebut
monomodus, sedangkan data yang memiliki dua modus disebut bimodus. Penyusunan
data menurut urutannya memang menolong sekali dalam menentukan modus.
 Modus dari Data Tunggal
Contoh :
Data : 5, 5 , 6, 6, 6, 7, 8. Mempunyai modus 6.
 Modus dari Data Berkelompok
Untuk menghitung modus dari data yang telah dikelompokkan dipergunakan rumus
sebagai berikut:

Mo = L + d 1
p
d1  d 2
Keterangan :

Mo = Modus
 L = tepi bawah kelas modus

p = panjang kelas

d1 = frekuensi kelas modus dikurangi frekuensi kelas sebelumnya.

d2 = frekuensi kelas modus dikurangi frekuensi kelas berikutnya.

Probabilitas

Kata probabilitas sering dipertukarkan dengan istilah lain seperti peluang dan kemngkinan.
Beberapa contoh telah dikemukakan sebelumnya. Secara umum probabilitas merupakan peluang
bahwa sesuatu akan terjadi. Secara lengkap probabilitas didefinisikan sebagai berikut:

“Probability” is a measure of a likelihood of the occorance of a randon event. (Mendenhall and

Rinmuth, 1982).

Terjemahan bebasnya:

“Probabilitas” ialah suatu nilai yang digunakan unutk mengukur tingkat terjadinya terjadinya suatu
kejadian yang acak.

Menurut Suprapto (2000), dalam mempelajari probabillitas, ada 3 kata kunci yang harus diketahu:
eksprimen, hasil (outcome), dan kejadian atau peristiwa (event). Ketiga istilah tersebut sering kita
dengar, tetapi dalam ilmu statistic ketiga istilah itu mempunyai arti yang spesifik. Ada dua
pendekatan dalam menghitung probabilitas yaitu pendekatan yang bersifat objektif dan subjektif.
Probabilitas objektif dibagi menjadi dua, yaitu pendekatan klasik dan pendekatan frekuensi
relative.

Distribusi Probabilitas

a. Distribusi binomial
Jika p adalah probabilitas bahwa sebuah peristiwa akan terjadi dalam seberang percobaan
tunggal (disebut sebagai probabilitas dari suatu kberhasilan) dan q = 1 – p adalah probabilitas
peristiwa tersebut tidak terjadi dalam sebarang pecobaan tunggal (disebut probabilitas dari
suatu kegagalan), maka probabilitas dari peristiwa yang dimaksud akan terjadi tepat sebanyak
 X kali dalanN kali percobaan (artinya, akan terjaid sebanyak X keberhasilan dan N-X
kegagaglan) dirumuskan sebagai:

Keterangan:
P (S) = Simbol untuk peluang sukses
P (F) = Simbol untuk peluang gagal
p = Peluang sukses
q = Peluang gagal
N = Banyaknya percobaan
X = Banyaknya sukses dalam N kali percobaan
b. Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson. Distribusi
ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai nilai 0, 1, 2,
3 dan seterusnya. Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang poisson
untuk peluang binomial yang dapat digunakan untuk pendekatan probabilitas binomial dalam
situasi tertentu. Rumus poisson dapat digunakan untuk menghitung probabilitas dari jumlah
kedatangan, misalnya : probabilitas jumlah kedatangan nasabah pada suatu bank pada jam
kantor. Distribusi poisson ini digunakan untuk menghitung probabilitas menurut satuan waktu.

Keterangan:

e = konstanta = 2,71828
μ = rata – rata keberhasilan = n . p
x = Banyaknya unsur berhasil dalam sampel atau variabel random diskrit ( 1,2,3, . . , x )
n = Jumlah / ukuran populasi
P = probabilitas kelas sukses

Distribusi probabilitas merupakan suatu daftar atau kumpulan dari probabilitasprobabilitas

peristiwa yang mungkin terjadi. Distribusi peluang yang demikian saling berhubungan dengan
 semua nilai-nilai yang mungkin terjadi dan berasal dari variabel random. Variabel random adalah
variabel yang nilainya merupakan suatu bilangan yang ditentukan oleh terjadinya suatu
percobaaan. Fungsi distribusi probabilitas umumnya dibedakan menjadi distribusi probabilitas
diskrit dan kontinyu.

c. Distribusi Probabilitas Diskrit

Distribusi probabilitas diskrit adalah suatu daftar atau distribusi dari semua nilai variabel acak
diskrit dengan probabilitas terjadinya masing-masing nilai tersebut. Variabel diskrit memiliki
jumlah kemungkinan nilai yang terbatas atau jumlah yang tak terhingga dari nilai-nilai yang dapat
dihitung. Kata dihitung berarti bahwa mereka dapat dicacah dengan angka 1, 2, 3, dst. Sebagai
contoh, jumlah pengunjung yang ada di rumah sakit setiap hari adalah contoh variabel diskrit
karena dapat dihitung. (Bluman, 2012).
d. Distribusi Probabilitas Kontinyu
Distribusi probabilitas kontinyu adalah distribusi probabilitas yang nilainya dapat diasumsikan
berada pada interval antara dua buah angka yang termasuk dalam variabel kontinyu. Sebagai
contoh apabila tinggi anak dikelas berada pada rentang 140,5 sampai 165 cm. Variabel acak
kontinyu diperoleh dari data yang bisa diukur. Variabel acak kontinyu dapat diasumsikan sebagai
nilai dari angka yang tak terbatas dan termasuk juga desimal dan pecahan. Contoh dari variabel
acak kontinyu adalah tinggi badan, berat badan, suhu, dan waktu (Bluman, 2012).

DAFTAR PUSTAKA

Bluman, Allan G. 2012. Elementary Statistics A Step By Step Approach Eight Edition. New York:
McGraw-Hill.

Suprapto., J. 2000. Statistik Teori dan Aplikasi Edisi 6. Jakarta: Erlangga

Timotius., Kris., H. 2017. Pengantar Metodologi Penelitian Pendekatan Manajemen Pengetahuan

untuk Perkembangan Pengetahuan. Yogyakarta: CV Andi Offset