Bab I
Bab I
PENDAHULUAN
A. Latar Belakang
B. Rumusan Masalah
1. Apa pengertian data nominal, ordinal, interval, dan rasio?
2. Apa perbedaan antara data nominal, ordinal, interval, dan rasio?
3. Bagaimana cara mentransformasikan data ordinal ke interval?
PEMBAHASAN
A. Pengertian Data
Skala pengukuran pada data atau skala data dasarnya dimaksudkan untuk
mengklasifikasikan variabel yang akan diukur agar tidak terjadi kesalahan dalam
menentukan teknik analisis data dan tahapan penelitian selanjutnya.
Skala pengukuran data merupakan seperangkat aturan yang diperlukan
untuk mengkuantitatifkan data dari pengukuran suatu variabel. Dalam
melakukan analisis statistik, perbedaan jenis data sangat berpengaruh
terhadap pemilihan model atau alat uji statistik. Tidak sembarangan jenis
data dapat digunakan oleh alat uji tertentu. Untuk itu skala pengukuran data
(variabel) sangat menentukan dalam uji statistik (Setyawan, 2013).
Berdasarkan skala pengukurannya, data dapat dibedakan menjadi empat macam
yaitu: data nominal, data ordinal, data interval, dan data rasio.
1. Data Nominal
Data nominal merupakan data yang hanya dapat dibedakan. Nominal atau
nomi yang berarti nama, menunjukkan label atau tanda yang hanya untuk
membedakan antara yang satu dengan lainnya dan tidak menunjukkan tingkatan
apa-apa serta tidak ada makna matematisnya. Objek digolongkan dalam
beberapa golongan. Golongan-golongan tersebut tidak boleh tumpang tindih.
Contoh: jenis kelamin, jenis pekerjaan, jenis sekolah, wilayah, agama yang
dianut,warna, dan sebagainya.
Misalnya, jenis kelamin diberi kode 1 untuk laki-laki dan kode 2 untuk
perempuan. Angka ini hanya berfungsi sebagai label. Kita tidak bisa menyebut
bahwa perempuan lebih tinggi dari laki-laki. Kita juga tidak bisa mengatakan
perempuan dua kali dari laki-laki. Kita bisa saja mengkode laki-laki menjadi
2 dan perempuan dengan kode 1, atau bilangan apapun.
No. Jenis Kelamin Kode
1. Laki-laki 1
2. Perempuan 2
3. Laki-laki 1
4. Perempuan 2
Misalnya lagi
5. Laki-laki 1
untuk agama, kita bisa
mengkode
1=Islam, 2=Kristen, 3=Hindu, 4=Budha, dan seterusnya. Kita bisa menukar
angka-angka tersebut, selama suatu karakteristik memiliki angka yang
berbeda dengan karakteristik lainnya. Karena tidak memiliki nilai
intrinsik, maka angka-angka (kode-kode) yang kita berikan tersebut
tidak memiliki sifat sebagaimana bilangan pada umumnya.
Oleh karenanya, pada data dengan skala nominal tidak dapat
diterapkan operasi matematika standar (aritmatik) seperti pengurangan,
penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai
dengan skala nominal adalah proposisi seperti modus, distribusi
frekuensi, Chi Square dan beberapa peralatan statistik non-parametrik
lainnya.
Ciri-ciri Skala Nominal:
1. Hasil penghitungan tidak dijumpai bilangan pecahan,
2. Angka yang tertera hanya label saja,
3. Tidak mempunyai urutan (ranking),
4. Tidak mempunyai ukuran baru,
5. Tidak mempunyai nol mutlak,
6. Tes statistik yang digunakan adalah statistik non parametrik.
Chi-Square (𝑋 2 )
Apabila data yang didapat adalah data nominal, maka 𝑋 2 dapat digunakan.
Teknik ini menjadi berarti karena: Chi-Square merupakan tes perbedaan antara
frekuensi yang diobservasi dengan frekuensi yang diharapkan, dan Chi-Square
selalu digunakan dalam gejala yang sekurang-kurangnya dikotomi. Rumus Chi-
Square sebegai berikut:
2
(𝑓𝑜 − 𝑓ℎ )2
𝑋 =∑
𝑓ℎ
Dimana:
Contoh:
Dalam suatu penelitian tentang pendidikan dan income didapat data sebagai
berikut:
Pendidikan
Tinggi Rendah Jumlah
Income
Tinggi 1 3 4
Sedang 3 2 5
Rendah 4 2 6
Jumlah 8 7 15
Ho : 𝜇 ≠ 𝑝𝑒𝑛𝑑𝑖𝑑𝑖𝑘𝑎𝑛 𝑡𝑖𝑑𝑎𝑘 𝑚𝑒𝑚𝑝𝑒𝑛𝑔𝑎𝑟𝑢ℎ𝑖 𝑖𝑛𝑐𝑜𝑚𝑒
H1 : 𝜇 = 𝑝𝑒𝑛𝑑𝑖𝑑𝑖𝑘𝑎𝑛 𝑚𝑒𝑚𝑝𝑒𝑛𝑔𝑎𝑟𝑢ℎ𝑖 𝑖𝑛𝑐𝑜𝑚𝑒
Untuk dapat mengetahui frekuensi yang diharapkan (𝑓ℎ ) pada masing-masing
frekuensi menurut baris dan kolom, jumlahkan masing-masing sub bagian dan
jumlah keseluruhan. Selanjutnya masukkan ke dalam rumus sebagai berikut:
(𝑛𝑓𝑏 )(𝑛𝑓𝑘 )
𝑓ℎ =
𝑁
Dimana:
𝑛𝑓𝑏 = jumlah frekuensi masing-masing baris
𝑛𝑓𝑘 = jumlah frekuensi masing-masing kolom
Untuk mencari 𝑓ℎ dari contoh yang telah diuraikan diatas dapat dilakukan
penyelesaian sebagai berikut:
4x8
fh untuk fo 1 adalah = 2,15
15
4𝑥7
𝑓ℎ untuk 𝑓𝑜 3 adalah = 1,87
15
5𝑥8
𝑓ℎ untuk 𝑓𝑜 3 (baris kedua) adalah = 2,67
15
5𝑥7
𝑓ℎ untuk 𝑓𝑜 2 adalah = 2,33
15
6𝑥8
𝑓ℎ untuk 𝑓𝑜 4 adalah = 3,2
15
6𝑥7
𝑓ℎ untuk 𝑓𝑜 2 adalah = 2,8
15
Pendidikan
Jumlah 8 7 15
Dengan menggunakan kedua frekuensi harga 𝑋 2 dapat dicari :
(1−2,13)2 (3−1,87)2 (3−2,67)2 (2−2,33)2 (4−3,2)2 (2−2,8)2
= + + + + +
2,13 1,87 2,67 2,33 3,2 2,8
= 0,59+0,68+0,04+0,05+0,2+0,23=1,79
Untuk dapat mengetahui apa maksud angka tersebut, maka peneliti hendaklah
membandingkan angka yang didapat itu dengan tabel chi-square. Pada tabel itu
tidak dikemukakan jumlah responden penelitian, tetapi derajat kebebasan.
Derajat kebebasan (Df) dapat dicari dengan:
Banyak petak dalam kolom (k) – 1 dikalikan dengan banyak petak pada baris (b)
– 1. Selanjutnya lihat pada kolom maupun baris, petak jumlah tidak dihitung.
Df = (k-1)(b-1)
Dengan melihat contoh diatas jumlah petak pada baris adalah 3 dan jumlah petak
pada kolom adalah 2 sehingga Df = (3 - 1)(2 - 1) = 2. Selanjutnya lihat pada tabel
chi-square dengan Df=2, yaitu 𝑋 2 (.05) = 5,99. Apabila hasil yang didapat
dengan tabel 𝑋 2 (.05), maka hasil diamati lebih kecil dari 𝑋 2 tabel pada
signifikansi 5%. Ini berarti tidak ada hubungan antara pendidikan seseorang dan
income masing-masing.
2. Data Ordinal
Data ordinal merupakan data yang digunakan untuk mengurutkan objek
dari yang terendah ke tertinggi atau sebaliknya karena angka dalam data ordinal
mengandung pengertian tingkatan. Dalam data ordinal, kita dapat menyatakan
bahwa sesuatu itu lebih, sama, atau kurang dari yang lain. Data ordinal dapat
dibedakan, diurutkan, tetapi tidak memiliki jarak yang sama dalam urutan
maupun perbedaan yang ada. Data ordinal menggolongkan subjek menurut
jenjangnya, tanpa memperhatikan jarak perbedaan antara golongan yang satu
dengan yang lain.
Beberapa ciri pengukuran data ordinal sebagai berikut:
a. Data yang dihasilkan dinyatakan dalam tinggi-rendah.
Contohnya:
nilai siswa : baik, cukup, kurang baik
IQ siswa : tinggi, sedang, rendah
b. Data ordinal tidak menunjukkan bahwa interval angka sama.
Angka itu hanya menunjukkan urutan dan tidak mungkin dibagi, ditambah, atau
dikurangi.
c. Angka yang dihasilkan dengan pengukuran skala ordinal hanya menunjukkan
ranking dan tidak lebih dari itu.
No. Nama Peringkat Rata-rata
1. Moca 3 82,7
2. Oca 1 83,5
3. Tora 2 83
4. Tori 4 81,2
5. Oci 5 80
Spearman Rho
Apabila data yang dikumpulkan data ordinal atau dapat diurutkan, dengan N
kecil (N < 30). Dan bentuk hubungan bersifat simetris, maka Spearman Rho
wajar digunakan. Rumus yang digunakan sebagai berikut:
6є𝐷²
Rho = 1 − 𝑁(𝑁2 −1)
Dimana:
D = deviasi atau perbedaan urutan antara R1-R2 untuk individu yang sama.
N = Jumlah pasangan.
єD² = 41,50
Contoh:
6 𝑥 41,50
Rho = 1 − 6(36−1)
249
= 1 − 210
= −0,186
Untuk mengetahui arti korelasi tersebut, bandingkan Rho yang didapat dengan
tabel Rho, dengan N = 6, nilai Rho pada tabel dengan tingkat signifikasi 5 %
adalah 0,886. Berarti hasil yang didapat lebih kecil dari dalam tabel. Dengan
demikian dikatakan bahwa tidak ada hubungan antara kedua variabel itu.
3. Data Interval
Data interval tergolong sebagai data kontinum yang mempunyai tingkatan
yang lebih tinggi dibandingkan dengan data ordinal karena mempunyai
tingkatan yang lebih banyak lagi. Data interval menunjukkan adanya jarak antara
data yang satu dengan yang lain (interval artinya jarak) (Arikunto, 2010). Ukuran
interval tidak memberikan jumlah absolut dari objek yang diukur. Misalnya data
tes hasil belajar siswa yang diberikan angka 4, 5, 6, 7, dan seterusnya. Urutan
skor angka antara 1 sampai 10 memiliki satuan 1 per unit. Jarak antara nilai 4
dengan 5 sama dengan jarak antara 5 dengan 6, antara 7 dengan 8 dan seterusnya,
namun angka-angka tersebut tidak memiliki arti perbandingan, dalam pengertian
bahwa angka 4 diperoleh seorang siswa tidak berarti tingkat kepandaiannya
setengahnya dari siswa yang memperoleh angka 8, ini karena angka-angka
dalam data interval tidak memiliki sifat absolut sehingga tidak dapat
diperbandingkan.
Teknik yang digunakan untuk data nominal dan ordinal dapat digunakan
untuk skala interval, dengan jalan mengubah klasifikasi data interval menjadi
data ordinal atau nominal, seperti berikut:
Intelegensi Frekuensi
140-159 2
120-139 5
100-119 15
80-99 6
60-79 1
Intelegensi Frekuensi
Sangat tinggi 2
Tinggi 5
Sedang 15
Kurang 6
Kurang sekali 1
Tinggi 7 1
Sedang 15 2
Kurang 7 3
Oleh karena itu, data interval dapat juga diolah dengan menggunakan
teknik analisis ordinal maupun nominal, dengan mengubah terlebih dahulu
dalam bentuk skala ordinal atau nominal. Beberapa teknik lain yang dapat
digunakan yaitu: pearson product moment, mean, Standard deviation, ANOVA,
t test, regression analysis.
4. Data Rasio
Data rasio merupakan data yang memiliki perbedaan, urutan, jarak
perbedaan yang sama di antara rangkaian urutan tersebut, dan memiliki titik nol
absolut atau mutlak, sehingga dapat diperbandingkan satu dengan yang lain.
Nilai nol sebagai titik nol absolut menunjukkan bahwa suatu gejala dengan
seluruh unsur atau faktor di dalamnya benar-benar tidak ada. Dengan
mempunyai nol absolut maka keadaan variabel sebesar nol dapat dikatakan
objek itu tidak menunjukkan bahwa di dalam suatu gejala terdapat semua unsur
atau dua titik yang berdekatan memiliki nilai sama, penggunaan data ini
menyatakan perbandingan secara pasti.
1. Moca 40
2. Oca 80
3. Tora 70
4. Tori 60
5. Oci 30
Dari data diatas dapat dikatakan bahwa: nilai Oca adalah 2 kali nilai Moca, nilai
Oci setengah kali nilai Tori.
Secara sederhana sifat yang dimiliki oleh keempat skala pengukuran itu
digambarkan sebagai berikut:
Nominal - - -
Ordinal - -
Interval -
Ratio
Apabila peneliti ingin melihat hubungan dua variable dan data yang
dikumpulkan bukan ordinal maupun nominal, maka teknik yang paling sesuai
adalah product moment correlation. Rumus yang digunakan sebagai berikut:
Σ𝑥𝑦
𝑟=
(Σ𝑥 2 )(Σ𝑦 2 )
Dimana:
r = Koefisien korelasi antara variabel X dan Y
Σ𝑥𝑦 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑟𝑘𝑎𝑙𝑖𝑎𝑛 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑥 𝑑𝑎𝑛 𝑦
Σ𝑥 2 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑚𝑎𝑠𝑖𝑛𝑔 − 𝑚𝑎𝑠𝑖𝑛𝑔 𝑠𝑘𝑜𝑟 𝑥 𝑑𝑎𝑟𝑖 𝑟𝑎𝑡𝑎
−𝑟𝑎𝑡𝑎 𝑋 (𝑋̅)
Σ𝑦 2 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑚𝑎𝑠𝑖𝑛𝑔 − 𝑚𝑎𝑠𝑖𝑛𝑔 𝑠𝑘𝑜𝑟 𝑦 𝑑𝑎𝑟𝑖 𝑟𝑎𝑡𝑎
̅̅̅
−𝑟𝑎𝑡𝑎 𝑌(𝑌)
Contoh:
Penggunaan rumus tersebut adalah sebagai berikut:
No. Tinggi Berat x y x2 y2 xy
240,7
𝑟= = 0, 638
(356,1)(398,9)
Untuk mengetahui arti dari koefisien korelasi itu, maka peneliti hendaknya
membandingkan hasil yang didapat dengan tabel product moment correlation.
Dengan N=10, besarnya nilai r pada tabel adalah 0,32 untuk tingkat signifikan
0,05 dan 0,765 untuk tingkat signifikasi 0,01. Dengan demikian, dapat dikatakan
bahwa terdapat hubungan yang signifikan antara variabel X dan variabel Y.
6. Tentukan pula nilai batas Z (nilai fungsi padat probabilitas pada absis Z) untuk
setiap kategori.
1 −𝑧2
ẟ(Z) = 𝒆( ), -∞<Z<+∞
√2𝜋 2
7. Hitung scale value (interval rata-rata) untuk setiap kategori melalui persamaan
berikut:
𝑘𝑒𝑝𝑎𝑑𝑎𝑡𝑎𝑛 𝑏𝑎𝑡𝑎𝑠 𝑏𝑎𝑤𝑎ℎ − 𝑘𝑒𝑝𝑎𝑑𝑎𝑡𝑎𝑛 𝑏𝑎𝑡𝑎𝑠 𝑎𝑡𝑎𝑠
Scale value (𝑠𝑣) = 𝑑𝑎𝑒𝑟𝑎ℎ 𝑑𝑖 𝑏𝑎𝑡𝑎𝑠 𝑎𝑡𝑎𝑠 − 𝑑𝑎𝑒𝑟𝑎ℎ 𝑑𝑖 𝑏𝑎𝑡𝑎𝑠 𝑏𝑎𝑤𝑎ℎ
Kepadatan batas ada pada kolom G, dan daerah di bawah batas atas dan batas
bawah dapat dilihat dari proporsi kumulatif, sehingga dalam perumusan
Excelnya sebagai berikut:
Di sel H4 tulis rumus =(G3-G4)/(E4-E3). Copy sampai H8 (lihat kolom sv)
8. Hitung score (nilai hasil transformasi) untuk setiap kategori melalui persamaan:
Score = scale value |scale valuemin| 1
Scale value adalah nilai yang telah dihitung pada kolom H. Scale Value min
artinya adalah nilai scale value absolut (artinya tanpa memperhatikan tanda
positif atau negatif) paling kecil. Dalam rumus di atas tanda absolut adalah І…І.
Sehingga dalam rumus Excel dapat dituliskan sebagai berikut:
Di sel I4 tulis rumus =H4+ABS(MIN(H$4:H$8))+1. Copy sampai I8. (lihat
kolom interval)
Perhatikan rumus diatas, ABS adalah untuk menetapkan nilai absolut. MIN
adalah operasi untuk mencari nilai terkecil.
9. Transformasi seluruh data asli kita ke interval:
Gunakan fungsi IF untuk mentransformasikan data asli kita, sesuai dengan
hasil yang telah kita peroleh pada tahap sebelumnya (di kolom H)
Di sel B17 tulis rumus =IF(A17=1,I$4,IF(A17=2,I$5,
IF(A17=3,I$6,IF(A17=4,I$7,I$8)))). Copy sampai B36.
10. Berikut tampilan hasil dari latihan mengikuti langkah-langkah di atas: