BAB I

PENDAHULUAN

A. Latar Belakang

Menurut Woody (Nazir, 2013) penelitian merupakan sebuah metode untuk

menemukan kebenaran yang juga merupakan sebuah pemikiran kritis. Penelitian
meliputi pemberian definisi dan redefinisi terhadap masalah, memformulasikan
hipotesis atau jawaban sementara, membuat kesimpulan sekurang-kurangnya
mengadakan pengujian yang hati-hati atas semua kesimpulan untuk menentukan
apakah data cocok dengan hipotesis.

Data adalah bahan keterangan tentang suatu objek penelitian yang

diperoleh di lokasi penelitian. Data dikonsepkan sebagai segala sesuatu yang
hanya berhubungan dengan keterangan tentang suatu fakta dan fakta tersebut
ditemui oleh peneliti di lokasi penelitian. Oleh karena itu, seorang peneliti adalah
orang yang benar-benar mampu menangkap fakta serta bisa membawa data hasil
penelitian (Bungin, 2015). Yang paling banyak disinggung dalam penelitian
adalah data, baik itu jenisnya ataupun teknik memperolehnya. Ada empat jenis
data, yaitu: 1. Data Nominal, 2. Data Ordinal, 3. Data Interval, dan 4. Data Rasio.

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?

C. Tujuan Penulisan Makalah

1. Untuk mengetahui pengertian data nominal, ordinal, interval, dan rasio.
2. Untuk mengetahui perbedaan antara data nominal, ordinal, interval, dan rasio.
3. Untuk mengetahui cara mentransformasikan data ordinal ke interval.
 BAB II

PEMBAHASAN

A. Pengertian Data

Definisi data secara etimologis merupakan bentuk jamak dari datum

yang berasal dari bahasa Latin dan berarti "sesuatu yang diberikan". Menurut
Siswandari (Setyawan, 2013) dalam pengertian sehari-hari data dapat berarti
fakta dari suatu objek yang diamati, yang dapat berupa angka-angka maupun
kata-kata. Sedangkan jika dipandang dari sisi statistika, maka data merupakan
fakta-fakta yang akan digunakan sebagai bahan penarikan kesimpulan.
Menurut Umar (Widoyoko, 2012) data diartikan sebagai suatu fakta yang
dapat digambarkan dengan angka, simbol, kode dan lain-lain. Menurut Suharsimi
Arikunto (Widoyoko, 2012) data diartikan sebagai hasil pencatatan peneliti, baik
berupa fakta maupun angka. Menurut Riduwan (Widoyoko, 2012) data
merupakan bahan mentah yang perlu diolah sehingga menghasilkan informasi
atau keterangan, baik kualitatif maupun kuantitatif yang menunjukan fakta. Dapat
disimpulkan bahwa data adalah bahan mentah hasil pencatatan peneliti baik
berupa fakta maupun angka yang perlu diolah sehingga menghasilkan informasi
yang dapat digambarkan dengan angka, simbol, kode, dan lain-lain.
Dalam konteks penelitian, data dapat diartikan sebagai keterangan
mengenai variabel pada sejumlah objek. Data menerangkan objek-objek dalam
variabel tertentu. Misalnya: data berat 5 batang logam merupakan keterangan
mengenai 5 logam dalam variabel “berat”. Motivasi belajar adalah keterangan
mengenai siswa dalam variabel “motivasi belajar”, dan sebagainya. Keterangan
tersebut diwujudkan dalam bentuk simbol maupun angka-angka.
Data memiliki peran yang sangat penting dalam penelitian karena:
1. Data berfungsi sebagai alat uji hipotesis atau alat bukti atas pertanyaan
penelitian.
2. Kualitas data sangat menentukan kualitas hasil penelitian karena pertanyaan
penelitian sangat tergantung pada kualitas data yang baik. Namun demikian
kualitas data yang baik belum tentu hasil penelitian juga baik. Hasil penelitian
selain dipengaruhi oleh kualitas data yang berhasil dikumpulkan juga
 dipengaruhi oleh ketepatan keakuratan analisis data yang dilakukan. Kualitas
data tergantung pada kualitas dari instrumen yang digunakan untuk
mengumpulkan data. Kualitas instrumen pengumpulan data berkaitan dengan
validitas dan reliabilitas instrumen.

B. Skala Pengukuran 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.

Contoh Skala Nominal:

1. Jenis kulit: Hitam(1), Kuning (2), Putih (3)

2. Suku daerah: Jawa (1), Madura (2), Bugis (3)
 3. Agama yang dianut: Islam (1), Kristen (2), Hindu (3)
4. Partai pemenang pemilu: Golkar (1), Demokrat (2), PKB (3)
5. Jenis kelamin : Laki-laki (1), Perempuan (2)
6. Jenis Pekerjaan:PNS (1), Swasta (2), Tani (3), dan lain-lain
7. Status Perkawinan: Kawin (1), Tidak Kawin (2)

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:

𝑓𝑜 = frekuensi yang diobservasi

𝑓ℎ = frekuensi yang diharapkan

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

Selanjutnya masukkan ke dalam tabel 𝑓ℎ , sebagai berikut:

Pendidikan

Income Rendah Tinggi Jumlah

Tinggi 2,13 1,87 4

Sedang 2,67 2,33 5

Rendah 3,2 2,8 6

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

Tabel diatas merupakan contoh data ordinal. Datum-datum dapat

diperingkatkan. Jarak rata-rata tiap datum tidak selalu sama. Selisih rata-rata
Oca dengan Tora adalah 0,5 sedangkan rata-rata Tora dengan Moca adalah 0,3.

Pengukuran dengan data ordinal dapat menghasilkan frekuensi, dalam

klasifikasi urutan rangking, maka cara yang digunakan untuk mengolah data
nominal dapat digunakan untuk data ordinal dengan mengubah data ordinal
menjadi nominal, tetapi bukan sebaliknya. Disamping itu beberapa cara lain
yang dapat digunakan yaitu: gamma, Phi, Yule’Sq, rank-order coefficient of
correlation, Kendall’s. Analisis statistik yang digunakan adalah statistik non-
parametrik.

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.

Langkah- langkah yang ditempuh sebagai berikut:

1. Tentukan urutan tiap skor, sehingga didapat urutan untuk variabel pertama
dari variasi kedua.
2. Mencari perbedaan atau selisih antara R1 dan R2 sehingga didapat devisi
(D) untuk masing-masing responden.
3. Kuadratkan tiap devisi, sehingga didapat D².
4. Jumlahkan hasil kuadrat pada langkah ketiga, sehingga didapat єD².
5. Masukkan hasil tersebut kedalam hasil yang telah ditentukan.

RESPONDEN Skor Skor R1 R² D D²

Var.1 Var.2
A 40 20 1 6 -5 25
B 30 35 5 2 3 9
C 35 38 3 1 2 4
D 36 34 2 3,4 1,5 2,25
E 28 29 6 5 1 1
F 32 34 4 3,5 0,5 0,25

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

Dapat diubah menjadi skala ordinal:

Intelegensi Frekuensi

Sangat tinggi 2

Tinggi 5

Sedang 15

Kurang 6

Kurang sekali 1

Dapat diubah juga ke data nominal:

Intelegensi Frekuensi Kode

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.

Data rasio merupakan data yang memiliki tingkat tertinggi dalam

penskalaan pengukuran, karena dapat menunjukkan perbedaan, tingkat, jarak,
dan dapat diperbandingkan. Misalnya data berat badan, A berat badannya 45 kg
dan B berat badannya 90 kg. Maka bisa ditulis sebagai A:B = 1:2 atau berat A
setengah dari berat B, atau berat B dua kali lipat berat A. Contoh lain data yang
menunjukkan ukuran panjang antara 1 meter dengan 2 meter dan 3 meter
jaraknya selalu sama, sehingga jika dikatakan 4 meter, berarti perbandingannya
adalah 2 kali yang dua meter. Demikian juga jika dikatakan nol berarti sama
sekali tidak ada jarak yang menunjukkan panjang. Data rasio memiliki variasi
yang paling banyak, yaitu perbedaan, urutan, tingkat, kesamaan jarak perbedaan
dan perbandingan.

Contoh data rasio:

No. Nama Nilai UH 1

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.

Dapat ditulis rasio antara:

Nilai Oca dengan nilai Moca adalah 2:1
Nilai Oci dengan nilai Tori adalah 1:2

Berhubung karena sifat yang dimiliki oleh keempat skala pengukuran

yang lain juga dimiliki oleh skala rasio, maka semua teknik analisis dapat dipakai
untuk skala ini dengan cara mengubah klasifikasi datanya sehingga menjadi data
interval, ordinal, atau nominal.

Secara sederhana sifat yang dimiliki oleh keempat skala pengukuran itu
digambarkan sebagai berikut:

Skala Tuntas, Jenjang, Satuan unit Nol mutlak

saling lepas pengukuran
Urutan

Nominal  - - -

Ordinal   - -

Interval    -

Ratio    

Product Moment Correlation

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

1. 160 64 -7,7 -2,9 59,29 8,41 22,23

2. 165 55 2,7 -11,7 7,29 141,61 32,13

3. 155 60 -12,7 6,9 161,29 47,61 87,63

4. 168 66 0,3 -0,9 0,09 0,81 0,27

5. 175 76 7,3 9,1 53,29 82,81 64,43

6. 170 75 2,3 8,1 5,29 65,61 18,63

7. 173 63 5,3 -3,9 28,09 15,21 20,67

8. 169 70 1,3 3,1 1,69 9,01 4,03

9. 174 72 6,3 5,1 39,69 26,01 32,13

10. 168 68 0,3 1,1 0,09 1,21 0,33

Jumlah 1677 669 356,1 398,9 240,7

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.

C. Transformasi Data Ordinal ke Data Interval

Menurut tingkatannya, data secara berurut dari skala terendah ke tertinggi
adalah data nominal, ordinal, interval, dan ratio. Dalam penggunaan alat analisis,
umumnya ditentukan skala minimal dari data yang dibutuhkan. Namun
seringkali data yang kita miliki tidak memenuhi persyaratan tersebut. Misalnya,
“Pengaruh Minat Belajar Terhadap Prestasi Siswa”.

Minat belajar merupakan data ordinal, sedangkan prestasi siswa adalah

data interval sementara persyaratan alat analisis membutuhkan data dengan skala
minimal adalah data interval. Dalam kondisi tersebut, kita perlu
mentransformasikan data dari skala ordinal ke interval. Sayangnya belum ada
software statistik yang memiliki fasilitas transformasi data tersebut. Karenanya,
para peneliti biasanya menghitung secara manual atau membuat sendiri program
makronya. Berdasarkan hal tersebut, di sini akan dibahas metode transformasi
data ordinal ke data interval menggunakan Microsoft Office Excel yang dimiliki
oleh hampir semua pengguna komputer.

Metode transformasi yang digunakan menurut Hays (dalam Junaidi, 2008)

yakni menggunakan method of successive interval. Metode tersebut digunakan
untuk melakukan transformasi data ordinal menjadi data interval. Pada
umumnya jawaban responden yang diukur dengan menggunakan skala likert
(Lykert scale) diadakan scoring yakni pemberian nilai numerikal 1, 2, 3, 4 dan
5, setiap skor yang diperoleh akan memiliki tingkat pengukuran ordinal. Untuk
latihan mari kita misalkan ada 20 responden (data), dengan skore nilai antara 1
sampai 5. (catatan: minimal untuk setiap skor ada 1 nilai). Maka tahapan-tahapan
yang kita lakukan sebagai berikut:
 1. Ketik data asli di kolom A mulai dari baris 17 (atau sel A17) sampai baris 36
(sel A36). Untuk setiap pertanyaan, hitung frekuensi jawaban setiap data
kategori/ ordinal (pilihan jawaban).
Tahap yang kita lakukan adalah:
 Ketik angka 1, 2, 3, 4, 5 secara berurut ke bawah mulai dari sel A4 sampai
A8 (lihat kolom row pada tampilan di bawah).
 Tulis rumus =COUNTIF(A$16:A36,A4) di sel B4. Selanjutnya kopi
sampai ke sel B8.
 Di sel B9 tulis rumus =SUM(B4:B8 ).
2. Kalikan frekuensi dengan nilai ordinal/ kategori
 Di sel C4 tulis rumus =A4*B4. Copy sampai sel C8.
3. Berdasarkan frekuensi setiap kategori dihitung proporsinya.
 Di sel D4 tulis rumus =B4/B$9. Copy sampai sel D8
4. Dari proporsi yang diperoleh, hitung proporsi kumulatif untuk setiap kategori.
 Di sel E4 tulis rumus =D4+E3. Copy sampai sel E8
5. Hitung nilai Z untuk setiap proporsi kumulatif.
 Di sel F4 tulis rumus =NORMSINV(E4). Copy sampai F7.
Perhatikan, kita hanya mengcopy kedua rumus tersebut sampai F7 tidak sampai
ke F8. Karena kalau kita copy sampai ke F8 akan menghasilkan #NUM! karena
adanya nilai numerik yang invalid ketika kita mencoba mencari nilai Z untuk
angka 1 (pada sel E8).

6. Tentukan pula nilai batas Z (nilai fungsi padat probabilitas pada absis Z) untuk
setiap kategori.
1 −𝑧2
ẟ(Z) = 𝒆( ), -∞<Z<+∞
√2𝜋 2

 Di sel G4 tulis rumus =(1/((2*PI())^0.5))*(EXP(-((F4^2)/2))). Copy sampai

G7 (lihat kolom z*_val) atau gunakan rumus bentuk fungsi
=NORMDIST(F4,0,1,0).

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: