1.

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).

1. 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) Tinggi badan Budi adalah 150,5 centimeter.

2) IQ Budi adalah 120.

3) Suhu udara di ruang kelas 24o Celcius.

Berdasarkan tipe skala pengukuran yang digunakan, data kuantitatif dapat dikelompokan
dalam empat jenis (tingkatan) yang memiliki sifat berbeda yaitu:

1. Data nominal atau sering disebut juga data kategori yaitu data yang diperoleh melalui
pengelompokkan obyek berdasarkan kategori tertentu. Perbedaan kategori obyek
hanya menunjukan perbedaan kualitatif. Walaupun data nominal dapat dinyatakan
dalam bentuk angka, namun angka tersebut tidak memiliki urutan atau makna
matematis sehingga tidak dapat dibandingkan. Logika perbandingan “>” dan “<”
tidak dapat digunakan untuk menganalisis data nominal. Operasi matematika seperti
penjumlahan (+), pengurangan (-), perkalian (x), atau pembagian (:) juga tidak dapat
diterapkan dalam analisis data nominal. Contoh data nominal antara lain:

 Jenis kelamin yang terdiri dari dua kategori yaitu:

(1) Laki-laki

(2) Perempuan

Angka (1) untuk laki-laki dan angka (2) untuk perempuan hanya merupakan simbol yang
digunakan untuk membedakan dua kategori jenis kelamin. Angka-angka tersebut tidak
memiliki makna kuantitatif, artinya angka (2) pada data di atas tidak berarti lebih besar dari
angka (1), karena laki-laki tidak memiliki makna lebih besar dari perempuan. Terhadap kedua
data (angka) tersebut tidak dapat dilakukan operasi matematika (+, -, x, : ). Misalnya (1) =
laki-laki, (2) = perempuan, maka (1) + (2) ≠ (3), karena tidak ada kategori (3) yang
merupakan hasil penjumlahan (1) dan (2).
  Status pernikahan yang terdiri dari tiga kategori yaitu: (1) Belum menikah, (2)
Menikah, (3) Janda/ Duda. Data tersebut memiliki sifat-sifat yang sama dengan data
tentang jenis kelamin.

1. Data ordinal adalah data yang berasal dari suatu objek atau kategori yang telah
disusun secara berjenjang menurut besarnya. Setiap data ordinal memiliki tingkatan
tertentu yang dapat diurutkan mulai dari yang terendah sampai tertinggi atau
sebaliknya. Namun demikian, jarak atau rentang antar jenjang yang tidak harus sama.
Dibandingkan dengan data nominal, data ordinal memiliki sifat berbeda dalam hal
urutan. Terhadap data ordinal berlaku perbandingan dengan menggunakan fungsi
pembeda yaitu “>” dan “<”. Walaupun data ordinal dapat disusun dalam suatu
urutan, namun belum dapat dilakukan operasi matematika ( +, – , x , : ). Contoh jenis
data ordinal antara lain:

 Tingkat pendidikan yang disusun dalam urutan sebagai berikut:

(1) Taman Kanak-kanak (TK)

(2) Sekolah Dasar (SD)

(3) Sekolah Menengah Pertama (SMP)

(4) Sekolah Menengah Atas (SMA)

(5) Diploma

(6) Sarjana

Analisis terhadap urutan data di atas menunjukkan bahwa SD memiliki tingkatan lebih tinggi
dibandingkan dengan TK dan lebih rendah dibandingkan dengan SMP. Namun demikian,
data tersebut tidak dapat dijumlahkan, misalnya SD (2) + SMP (3) ≠ (5) Diploma. Dalam hal
ini, operasi matematika ( + , – , x, : ) tidak berlaku untuk data ordinal.

 Peringkat (ranking) siswa dalam satu kelas yang menunjukkan urutan prestasi belajar
tertinggi sampai terendah. Siswa pada peringkat (1) memiliki prestasi belajar lebih
tinggi dari pada siswa peringkat (2).

1. Data Interval adalah data hasil pengukuran yang dapat diurutkan atas dasar kriteria
tertentu serta menunjukan semua sifat yang dimiliki oleh data ordinal. 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 ( +, – ). 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:

1) 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 150 Celcius + 150 Celcius = 300 Celcius. Namun demikian tidak dapat dinyatakan
bahwa benda yang bersuhu 150 Celcius memiliki ukuran panas separuhnya dari benda yang
bersuhu 300 Celcius. Demikian juga, tidak dapat dikatakan bahwa benda dengan suhu 00
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.

2) 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.

3) Didasari oleh asumsi yang kuat, skor tes prestasi belajar (misalnya IPK mahasiswa dan
hasil ujian siswa) dapat dikatakan sebagai data interval.

4) 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.

1. 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, : ). Sifat-
sifat yang membedakan antara data rasio dengan jenis data lainnya (nominal, ordinal,
dan interval) dapat dilihat dengan memperhatikan contoh berikut:

1) 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.
2) 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..

 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 apa-apa 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.
 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, ragu-ragu, 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.
 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.
 Data ratio 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.
DATA KUANTITATIF
Banyak data yang berbentuk angka atau bilangan, misalnya luas tanah, jumlah penduduk dan
sebagainya. Untuk jenis data ini dapat dilakukan perhitungan-perhitungan atau operasi matematika,
seperti penambahan, pengurangan, perkalian, pembagian dan sebagainya. Data kuantitatif nilainya
bisa berubah-ubah sehingga disebut variabel.
Data kuantitatif dapat dibagi atas:
• Data Interval
Ukuran data mempunyai interval atau jarak, misalnya berat badan antara 50-60 kg.
• Data Rasio
Data berupa angka dalam arti yang sebenarnya, sehingga mempunyai nilai nol.
Data jenis ini diperoleh melalui pengukuran dan memiliki tingkat pengukuran paling tinggi diantara
jenis data lainnya.

DATA KUALITATIF
Data kualitatif adalah data yang bukan berbentuk angka atau bilangan, misalnya kepuasan
pelanggan (sangat puas, puas, kurang puas dan sebagainya), sehingga kita tidak dapat melakukan
operasi matematika terhadapnya. Jenis data ini disebut atribut.
Data kualitatif dapat dibagi atas:
• Data nominal
Ukuran data nominal adalah kategori, misalnya jenis kelamin, laki-laki atau wanita, tempat tinggal
dan sebagainya. Dilihat dari tingkat pengukuran data, data nominal mempunyai tingkatan yang
paling rendah dari jenis data lainnya. Hal tersebut karena walaupun dalam prakteknya data ini bisa
diangkakan, tetapi terhadapnya tidak bisa dilakukan operasi matematika. Contoh pemberian angka
tersebut di atas misalnya, angka ’1’ untuk yang tinggal di Jakarta, ’2’ untuk yang tinggal di Bandung,
’3’ untuk Surabaya dan sebagainya.
• Data Ordinal
Data ordinal hampir sama dengan data nominal, hanya saja data orrdinal mempunyai tingkatan data
atau urutan kelas, ada yang lebih tinggi ada yang lebih rendah. Contoh data ini adalah data tentang
kepuasan pelanggan, yang dibagi menjadi sangat puas, tidak puas, antara puas dan tidak puas, tidak
puas dan sangat tidak puas. Data ordinal mempunyai tingkatan yang lebih tinggi dari data nominal.
Walaupun mempunyai tingkatan, terhadap jenis data ini kita tetap tidak dapat melakukan operasi
matematika.

Dilihat dari tingkat data, urutan dari yang paling tinggi adalah data rasio, data interval, data ordinal
dan paling rendah data nominal.Untuk mengolah data kualitatif (data nominal dan ordinal), biasanya
digunakan statistik non parametrik, sedangkan untuk data kuantitatif digunakan statistik parametrik.

2. DATA INTERNAL DAN DATA EKSTERNAL

• DATA INTERNAL
Data yang berasal dari dalam organisasi atau perusahaan sendiri. Data jenis ini biasanya berkaitan
langsung dengan organisasi sendiri, misalnya data keuangan (neraca, laporan laba-rugi dan
sebagainya), data kepegawaian, data produksi dan lain-lain.
• DATA EKSTERNAL
Data yang berasal bukan dari dalam organisasi perusahaan sendiri. Data ini sering tidak berkaitan
langsung dengan organisasi sendiri, misalnya data tentang jumlah kendaraan di Jakarta, jumlah
penduduk di suatu desa dan lain-lain.

3. DATA PRIMER DAN DATA SEKUNDER

• DATA PRIMER
Data yang dukumpulkan, diolah serta diterbitkan sendiri oleh organisasi yang menggunakannya.
Contoh jenis data ini adalah data kependudukan yang dibuat oleh Biro Pusat Statistik, data tentang
pertanian yang dibuat oleh Departemen Pertanian dan sebagainya.
• DATA SEKUNDER
Data yang tidak dibuat atau diterbitkan oleh penggunanya, misalnya data tentang jumlah kendaraan
dari Departemen Perhubungan merupakan data primer bagi Departemen tersebut karena dibuat
dan diterbitkannya, tapi merupakan data sekunder bagi PT X sebagai pengguna, yang
mendapatkannya dari sumber lain (misalnya media massa) yang mengutipnya. Jadi, orang bisa
mendapatkan data sekunder dari harian, majalah, buletin dan media massa lainnya yang mengutip
data dari sumber-sumber lain yang menerbitkannya (misalnya data dikutip dari departemen, Biro
Pusat Statistik, Bank Indonesia dan lain-lain). Dengan demikian, data eksternal bisa berupa data
primer, bisa juga berupa data sekunder.

4. DATA DISKRIT DAN DATA KONTINYU

Seperti telah dikatakan di muka, data kuantitatif disebut variabel, karena nilainya atau besarnya bisa
berubah-ubah, data ini dapat mempunyai variabel diskrit sehingga disebut data diskrit, dapat juga
mempunyai variabel kontinyu atau indiskrit dan disebut dengan data kontinyu.

Data diskrit adalah data yang sifatnya terputus-putus, nilainya bukan merupakan pecahan (angka
utuh). Sedangkan data kontinyu adalah data yang sifatnya sinambung atau kontinyu, nilainya bisa
berupa pecahan. Contoh data diskrit adalah data tentang jumlah penduduk, kendaraan dan
sebagainya, sedangkan contoh data kontinyu adalah data tentang hasil panen padi, panjang jalan,
berat sapi dan sebagainya.