Data : suatu perangkat bilangan yang mewujudkan rekaman-rekaman observasi atau pengukuran.

Variabel : suatu tingkah laku atau karakteristik yang dapat mempunyai nilai yang berbeda-beda.

Data adalah bahan mentah yang perlu diolah sehingga menghasilkan informasi atau keterangan, baik
kualitatif maupun kuantitatif yang menunjukkan fakta. Sedangkan perolehan data seyogyanya
relevan artinya data yang ada hubungannya langsung dengan masalah penelitian, mutakhir artinya
data yang diperoleh masih hangat dibicarakan, dan diusahakan oleh orang pertama (data primer).
Data yang sudah memenuhi syarat perlu diolah. Pengolahan data merupakan kegiatan terpenting
dalam proses dan kegiatan penelitian. Kekeliruan memilih analisis dan perhitungan akan berakibat
fatal pada kesimpulan, generalisasi maupun interpretasi. Hal ini perlu dikaji secara mendalam hal-hal
yang menyangkut pengolahan data, supaya bisa memilih dan menentukan secara tepat dalam
pengolahan data.

b. Jenis Data

Data menurut jenisnya ada dua yaitu data kualitatif dan data kuantitatif.

1) Data Kualitatif yaitu data yang berhubungan dengan kategorisasi, karakteristik berwujud
pertanyaan Contohnya: Wanita itu cantik, pria itu tampan, baik, buruk, senang, sedih, harga minyak
turun harga dolar naik, rumah itu besar sekali, pohon itu rindang, laut ini dalam sekali dan lain
sebagainya. Data ini biasanya didapat dari wawancara dan bersifat subjektif sebab data tersebut
ditafsirkan lain oleh orang yang berbeda. Data kualitatif dapat diangkakan dalam bentuk ordinal atau
ranking.

2) Data kuantitatif yaitu data yang berwujud angka-angka. Contohnya harga solar Rp 900,00/liter,
yang diterima menjadi PNS 125 orang, penghasilan PT Hamidah sebesar 2 milyar/tahun, Pembayaran
SPP TK Fathimah Rp 200.000/bulan, dan sebagai- nya. Data ini diperoleh dari pengukuran langsung
maupun dari angka-angka yang diperoleh dengan mengubah data kualitatif menjadi data kuantitatif.
Data kuantitatif bersifat objektif dan bisa ditafsirkan sama oleh semua orang.

Jenis Data dan Skala Pengukuran

Data dapat digolongkan menjadi data diskrit dan data kontinu. Banyaknya anak di suatu keluarga,
jumlah rumah di suatu desa, banyaknya penduduk di suatu daerah, dan jumlah mobil di kantor
tertentu merupakan contoh data diskrit. Sedangkan tingkat kecerdasan, prestasi belajar, berat
badan, dan daya tahan mobil merupakan contoh data kontinu.

Sesuai dengan nama yang digunakan, data diskrit bersifat terkotak- kotak, yaitu tidak dikonsepsikan
adanya nilai-nilai di antara data (bilangan) yang satu dengan data (bilangan) lain yang terdekat.
Misalnya, jika bilangan 2 dan 3 menunjukkan jumlah anak di Keluarga A dan Keluarga B, maka di
antara kedua bilangan tersebut tidak ada bilangan- bilangan lain. Tidak pernah kita mengatakan
bahwa jumlah anak di suatu keluarga adalah 2,4 atau 2,9.

Berbeda dengan data diskrit, di antara dua data kontinu dikonsepsikan adanya sejumlah nilai dengan
jumlah yang tidak terhingga. Jika bilangan 2 dan 3 di atas menunjukkan berat suatu benda, maka di
antara keduanya terdapat kemungkinan adanya sejumlah bilangan lain yang tidak terhingga, seperti
2,0001, 2,0002, 2,0010, 2,0021 dan sebagainya. Dikatakan tidak terhingga jumlahnya, karena
kemungkinan nilai yang terjadi memang terlalu banyak dan tidak dapat ditentukan. Jika kita
mencatat data dalam 2 desimal di belakang koma, maka di antara angka 2 dan 3 akan terdapat 99
nilai. Coba bayangkan, jika setiap data harus dicatat dalam 5, 10 atau 15 desimal di belakang koma.

Dilihat dari skala pengukuran yang digunakan, data dibagi menjadi 4 jenis yang bersifat hierarkhis,
yaitu data yang berskala nominal (data nominal), data yang berskala ordinal (data ordinal), data yang
berskala interval (data interval), dan data yang berskala rasio (data rasio). Skala nominal merupakan
jenis skala yang paling rendah, diikuti oleh skala ordinal, skala interval, dan kemudian skala rasio.

Data nominal memiliki skala yang bersifat kategorikal atau pengelompokan. Jenis kelamin, warna
kulit, dan agama merupakan contoh data nominal yang sering dijumpai pada buku-buku statistika.
Pada contoh tersebut, kita memahami bahwa dengan data nominal kita hanya dapat mengetahui
bahwa subjek termasuk ke dalam kategori tertentu (pria atau wanita, hitam atau putih atau sawo
matang, Islam ata Kristen atau Hindu atau lainnya); sekali-kali kita tidak mengatakan bahu pria lebih
rendah atau lebih tinggi dari wanita, kulit hitam memiliki nila yang lebih rendah daripada warna
putih, dan sebagainya. Namu kelompok atau kategori digunakan di sini hanya untuk mengenali
identitas subjek dilihat dari variabel tertentu. Perbedaan subjek dalan data nominal bersifat
kualitatif dan tidak mempunyai makna kuantitatif.

Data ordinal memiliki skala yang menunjukkan perbedaan tingkatan subjek secara kuantitatif.
Contoh yang paling gamblang dari data ordinal adalah data yang dinyatakan dalam bentuk peringkat
atau ranking. Selain kita dapat menyatakan bahwa seorang subjek termasuk kelompok tertentu (sifat
data nominal), pada data ordınal, kita juga dapat menyatakan bahwa subjek atau kelompok yang
menduduki peringkat tertentu memiliki nilai yang lebih tinggi dari subjek atau kelompok yang
menduduki peringkat lain (di bawahnya). Kita dapat mengatakan bahwa siswa yang menduduki
peringkat kedua pada suatu variabel memiliki kemampuan atau skor yang lebih tinggi pada variabel
itu daripada siswa yang menduduki peringkat ketiga. Secara singkat, dapat dikatakan bahwa data
ordinal, di samping memiliki sifat yang dimiliki data nominal menunjukkan kedudukan (tingkatan)
subjek dalam suatu kelompok pada suatu variabel.

Selain memiliki kedua ciri di atas (menunjukkan klasifikasi dan kedudukan subjek dalam kelompok),
data interval juga memiliki sifat kesamaan jarak (equality of interval) antara nilai yang satu dengan
nilai yang lain. Skor mentah (raw score) yang dihasilkan dari suatu tes hasil belajar atau tes
kecerdasan sering disebut sebagai data yang berskala interval (data interval). Pengakuan ini benar
adanya selama kita dapat memiliki dasar yang kuat untuk meyakini bahwa jarak antara skor 20
dengan 25 sama dengan jarak antara skor 35 dengan 40 yang dihasilkan dari tes yang bersangkutan.
Dengan perkataan lain, pengakuan bahwa skor-skor yang dihasilkan oleh suatu instrumen itu disebut
data interval didasarkan pada suatu asumsi kesamaan jarak antara skor-skor yang diperoleh. Jika
karena berbagai hal, asumsi ini tidak dapat dipertahankan maka skor yang dihasilkan oleh suatu
instrumen akan lebih merupakan data ordinal.

Data yang berskala rasio (data rasio) hampir sama dengan data interval, yakni keduanya memiliki
ketiga sifat di atas (menunjukkan klasifikasi dan kedudukan subjek dalam suatu kelompok, serta sifat
persamaan jarak). Data rasio berbeda dari data interval karena yang pertama (data rasio) memiliki
nilai mutlak nol. Sebagai konsekuensi dati asumsi tentang adanya nilai mutlak nol, kita dapat
membuat perbandingan (rasio) antara skor-skor yang berskala rasio. Sebagai contoh, 20 kg adalah 2
kali 10 kg, 15 m = 3 x 5 m, dan sebagainya.

MACAM VARIABEL

Pada taraf ini kita perlu memikirkan satu karakteristik lain dari data statistik yang mempengaruhi
cara kita menganalisisnya. Ada dua Pada taraf ini kita perlu memikirkan satu karakteristik lain dari
macam variabel - diskrit (discrete) dan kontinu (continuous). Variabel- variabel diskrit adalah
variabel-variabel yang dapat memiliki hanya se- jumlah nilai yang terbatas antara dua titik. Suatu
variabel seperti besar- nya keluarga adalah suatu variabel diskrit karena kita tidak menganggap suatu
keluarga sebagai mempunyai, katakan, 3 atau 6 anggota. Variabel ini mempunyai hanya empat
kemungkinan nilai antara 3 dan 6. Demikian pula, jumlah rumah di suatu daerah pemukiman
dianggap sebagai suatu variabel diskrit karena hanya suatu jumlah nilai terbatas yang mungkin dapat
terletak antara dua titik tertentu pada variabel tersebut. Misalnya, antara 10 dan 20, hanya ada 11
kemungkinan nilai untuk "jumlah rumah".

MACAM VARIABEL

DISKRIT Suatu variabel yang dapat mempunyai hanya sejumlah nilai yang terbatas antara dua titik.

KONTINU suatu variabel yang secara teoritik dapat mempunyai suatu jumlah nilai yang tidak
terbatas antara dua titik.

Variabel-variabel seperti bobot, panjang, dan umur, untuk mana pengukuran-pengukuran secara
teoritik dapat mempunyai nilai berapa saja, dianggap sebagai variabel-variabel kontinu. Misalnya,
umur atau bobot seseorang dapat dinyatakan dengan nilai berapa saja dalam rentang nilai yang tak
terbatas; nilai sebenarnya yang kita berikan ditentukan oleh ketepatan alat pengukur kita. Jadi bobot
seseorang dapat 125,412 kilogram (atau nilai pecahan lain mana saja antara 125 dengan 126
kilogram), dan mungkin ia berumur 29,6702 tahun (atau nilai berapa saja antara 29 dan 30 tahun).
Bahkan pengukuran-pengu- kafe kuran ini mungkin tidak tepat; bagian pecahannya dapat
diperpanjang lebih jauh dengan alat-alat pengukur yang lebih sensitif. Kita tidak pernah dapat,
memperoleh pengukuran-pengukuran yang tepat pada variabel-variabel kontinu; berlawanan
dengan pengukuran-pengukuran pada variabel-variabel diskrit, yang dapat tepat, pengukuran-
pengukuran pada variabel-variabel kontinu hanya dapat memberikan perkiraan (approximation).
Variabel-variabel psikologis, seperti inteligensi, motivasi, kecemasan, dan sebagainya secara teoritik
dianggap kontinu, sekalipun kita harus puas dengan perkiraan-perkiraan diskrit dalam pengukuran-
pengukuran mereka. Misalnya, jika Mary memperoleh 10 112, kita harus menganggapnya suatu
perkiraan mengenai quotien inteligensinya, yang, untuk menghindari kekeliruan-kekeliruan pengu-
kuran, kita asumsikan sekitar 111,5 dan 112,5.

Jadi, apabila kita menggunakan variabel-variabel diskrit, kita menaruh perhatian pada pengukuran
yang tepat (exact); jika kita meng- gunakan variabel-variabel kontinu, kita selalu memperoleh
pengukuran perkiraan (approximate). Kita menggunakan teknik-teknik statistik yang berbeda
tergantung apakah data yang kita punyai variabel kontinu atau diskrit.