TUGAS

STATISTIK PENDIDIKAN
(KATEGORISASI DATA)

Dosen Pengampu: Hesikumalasari, M.Si

Disusun Oleh

Nama : Ismail Marzuki

Kelas :D
Nim : 170 106 155
Semester : VI

JURUSAN PENDIDIKAN GURU MADRASAH IBTIDAIYAH (PGMI)

FAKULTAS TARBIYAH DAN KEGURUAN (FTK)
UNIVERSITAS ISLAM NEGERI (UIN)
MATARAM
2020
A. Pengertian Kategorisasi Data
Kategorisasi data adalah proses perbandingan. Ia bukan sekedar
menggabung-gabungkan informasi yang serupa atau berkaitan. Dengan
memasukan suatu informasi pada suatu kategori, berarti ia telah
diperbandingkan dengan informasi lain yang masuk dalam kategori lain.
Artinya suatu kategori tidak dapat diciptakan secara terisolasi dari kategori
lain yang diperlukan untuk analisi data. Ia tetap harus dalam suatu konteks
keterhubungan. Keterhubungan itu bisa bersifat subtansial seperti hubungan
sebab akibat, misalnya antara pendidikan dan pekerjaan. Bisa pula ia bersifat
formal karena persamaan atau perbedaan, misalnya siswa dan siswi.
B. Kategorisasi Berdasarkan Interval Nilai
Kategorisasi Berdasarkan Simpangan Baku (SD)

Seperti halnya rentangan (R) simpangan baku (SD) juga dapat

dipandang sebagai alat ukuran jarak. Oleh karena itu SD dapat digunakan
sebagai alat untuk membuat klasifikasi. Contoh dalam suatu distribusi normal
orang menganggap bahwa R (jarak nilai terendah sampai nilai tertinggi) = 6
SD, yaitu 3 SD di bawah M dan 3 SD di atas M. Walaupun sebebarnya di
bawah M - 3 SD dan di atas M + 3 SD masih ada frekuensi atau proporsinya,
namun karena sangat kecil orang menabaikan keberadaanya.

-3 -2 -1 0 1 2 3
Gambar 6.1: Panjang R dalam satuan SD

Dengan berdasarkan hal tersebut, kita dapat membuat klasifikasi pada

suatu distribusi, misalnya menjadi 3 klasifikasi atau lima klasifikasi. Jika kita
membuatnya menjadi 3 klasifikasi, maka masing-masing klasifikasi
berinterval 6 SD : 3 = 2 SD.
 R S T

-3 -2 -1 0 1 2 3
Gambar 6.2 : Distribusi Normal dibagi menjadi Tiga kategori

Tiga klasifikasi tersebut misalnya tinggi (T), sedang (S), dan rendah
(R), seperti pada gambar 6.2 di atas, maka yang termasuk klasifikasi rendah
(R) adalah nilai di bawah M – 1 SD, yang termasuk klasifikasi sedang (S)
adalah nilai yang terletak antara M – 1 SD sampai M + 1 SD, dan yang
termasuk klsaifikasi tinggi (T) adalah nilai yang berada di atas M + 1 SD.

Klasifikasi Interval
Tinggi X > M + 1 SD
Sedang M – 1 SD ≤ x ≤ M + 1 SD
Rendah X < M – 1 SD

Contoh : suatu distribusi diketahui mempunyai M = 50 dan SD = 10.

Jika distribusinya normal dan akan diklasifikasikan menjadi 3 klasifikasi
seperti tersebut di atas maka, titik-titik batas klaifikasinya adalah :

M – 1 SD = 50 – 10 = 40.
M + 1 SD = 50 + 10 = 60

Sehingga menjadi:
Klasifikasi Interval
Tinggi di atas 60
Sedang 40 – 60
Rendah Di bawah 40
 R S T

40 50 60
Gambar 6.3 : Letak Skor Batas Klasifikasi

Jadi yang termasuk klasifikasi tinggi adalah sekor-sekor di atas 60,

sekor-sekor antara 40 sampai 60 termasuk sedang, sekor di bawah 40
termasuk klasifikasi rendah.
Jika membuatnya menjadi lima klasifikasi, misalnya sangat tinggi
(ST), tinggi (T), sedang (S), rendah (R), dan sangat rendah (SR), maka
interval masing-masing klasifikasinya adalah 6 SD : 5 = 1,2 SD

SR ST
R S T
-3 -1,8 -0,6 0,6 1,8 3
Gambar 6.4 : Distribusi Normal dibagi menjadi Tiga kategori

Jadi batas-batas interval klasifikasinya adalah :

Klasifikasi Interval
Sangat tinggi x > M + 1,8 SD
Tinggi M + 0,6 SD < x ≤ M + 1,8 SD
Sedang M – 0,6 SD ≤ x ≤ M + 0,6 SD
Rendah M – 1,8 SD ≤ x ≤ M – 0,6 SD
Sangat rendah x < M – 1,8 SD

Nilai-nilai batas klasifikasinya adalah:

X1 = M – 1,8 SD = 50 – 1,8 (10) = 32
X2 = M – 0,6 SD = 50 – 0,6 (10) = 44
X3 = M + 0,6 SD = 50 + 0,6 (10) = 56.
X4 = M + 1,8 SD = 50 + 1,8 (10) = 68.
 SR ST
R S T
32 44 56 68
Gambar 6.5 : Letak Sekor Batas Klasifikasi

Dengan demikian nilai-nilai batas interval klasifikasinya, adalah:

Klasifikasi Interval nilai
Sangat tinggi Di atas 68
Tinggi 56 sampai 68
Sedang 44 sampai 56
Rendah 32 sampai 44
Sangat rendah Di bawah 32

Untuk lebih memahami bagaimana langkah-langkah dan kegunaan

klasifikasi berdasarkan simpangan baku (SD), perhatikan contoh di bawah ini.
Seorang psikolog berhasil menyusun tes motivasi belajar yang terdiri
dari 30 item. Tes tersebut menggunakan metode rating yang dijumlahkan
(Skala Likert) dengan skala 5 (skor terrendah untuk setiap item adalah 1 dan
skor tertinggi untuk setiap item adalah 5). Dengan seseorang yang mengambil
tes motivasi belajar itu kita akan dapat kita tentukan apakah ia mempunyai
motivasi belajar yang tinggi atau rendah.
Jika pengambil itu individual, maka kategorisasinya adalah
menggunakan kriteria skor ideal, dengan langkah-langkah :
1. Tentukan berapa kategori yang kita inginkan (tiga kategori : tinggi,
sedang, rendah ataukah lima kategori ; sangat tinggi, tinggi, sedang,
rendah, dan sangat rendah).
2. Tentukan nilai tertinggi (XT) yang mungkin dicapai oleh subjek = 30
(item) x 5 (nilai tertinggi tiap butir skala) = 150
3. Tentukan nilai terendah (XR) yang mungkin dicapai oleh subjek = 30
(item) x 1 (nilai terendah tiap butir skala) = 30
4. Tentukan R (Rentangan) = XT – XR = 150 – 30 = 120
5. Tentukan SD = 120 : 6 = 20
6. Tentukan lebar interval masing-masing klasifikasi dalam satuan SD :
 a. Jika tiga klasifikasi, maka tiap klasifikasi berinterval = 6 SD : 3 = 2
SD
b. Jika lima klasifikasi, maka tiap klasifikasi berinterval = 6 SD : 5 = 1,2
SD atau dapat juga secara langsung dalam rentang nilai
c. Jika tiga klasifikasi, maka tiap klasifikasi berinterval = 120 : 3 = 40
d. Jika lima klasifikasi, maka tiap klasifikasi berinterval = 120 : 5 = 24
7. Tentukan M (rerata) = (30 + 150) : 2 = 90
8. Menentukan nilai-nilai batas klasifikasi seperti di bawah ini :

Tiga klasifikasi :
Klasifikasi Interval
Tinggi di atas 110 (dari 150 – 40)
Sedang 70 – 110
Rendah Di bawah 70 ( dari 30 + 40)

R S T

70 90 110
Gambar 6.6 : Letak Skor Batas Klasifikasi

Jika lima klasifikasi :

Klasifikasi Interval nilai

Sangat tinggi Di atas 126 (dari 150 – 24) atau (102 + 24)
Tinggi 102 sampai (102 + 24)
Sedang 78 sampai (78 + 24)
Rendah 54 sampai (54 + 24)
Sangat rendah Di bawah (30 + 24) = 54
 SR ST
R S T
54 78 102 126
Gambar 6.7 : Letak Sekor Batas Klasifikasi

Jika pengambil tes motivasi itu adalah klasikal, maka kategorisasinya

di samping menggunakan kriteria skor ideal seperti tersebut di atas, dapat
juga menggunakan kriteria norma kelompok, dengan langkah-langkah :
1. Tentukan nilai M (rerata)
2. Tentukan SD (simpangan baku)
3. Tentukan jumlah kategori yang dikehendaki (misal 2, 3, 4, atau 5, dan
sebagainya)
4. Tentukan lebar interval masing-masing kategori dengan rumus = 6 SD

6 SD
dibagi jumlah kategori =
Jumlah kategori
Misalnya dibuat tiga kategori atau lima kategori, maka lebar interval dan
batas masing-masing kategori adalah seperti telah dijelaskan di atas.
Contoh :
Hasil ujian stastistika 40 mahasiswa tersaji seperti tabel 6.1.
Jika data tersebut akan diklasifikasikan menjadi tiga klasifikasi yaitu tinggi
(T), sedang (S), dan rendah (R), maka interval masing-masing klasifikasinya
adalah = 6 SD : 3 = 2 SD. Sehingga batas-batas klasifikasinya adalah :
Tabel 6.1 : Nilai Ujian Statistika 40 Mahasiswa

Nilai f
40 – 46 3
33 – 39 5
26 – 32 12
19 – 25 13
12 – 18 5
5 – 11 2
Σ 40

Klasifikas Batas interval

 i
Tinggi X > M + 1 SD
Sedang M – 1 SD ≤ x ≤ M + 1 SD
Rendah X < M – 1 SD
Adapun langkah-langkah kerja untuk menentukan klasifikasi tersebut adalah:

1. Membuat tabel kerja seperti tabel 6.2 untuk menentukan M dan SD.

Tabel 6.2 : Tabel Kerja untuk menghitung M dan SD dari tabel 6.1

Nilai X f fX fX2
40 – 46 43 3 129 5547
33 – 39 36 5 180 6480
26 – 32 29 12 348 10092
19 – 25 22 13 286 6292
12 – 18 15 5 75 1125
5 – 11 8 2 16 128
Σ 40 1034 29664

2. Menentukan M (dari tabel 6.2)

M=
∑ fX = 1034 =25,86
n 40

3. Menentukan SD
2 2

SD=
√ ∑ fX
n
− ( ∑ fX
n ) =
√ 29664 1034 2
40
−
40 ( )
=8,566

4. Menentukan batas klasifikasinya

R S T

-1 SD M +1 SD
17,284 25,85 34,416

Gambar 6.8 : Letak Skor Batas Klasifikasi

Klasifikasi Batas interval Batas Nilai

Tinggi X > M + 1 SD Di atas 34,416
 Sedang M – 1 SD ≤ x ≤ M + 1 17,284 – 34,416
SD
Rendah X < M – 1 SD Di bawah 17,284

Dengan ditentukan batas-batas klasifikasi, kita dapat menentukan

berapa jumlah mahasiswa yang termasuk ke dalam masing-masing
klasifikasi, dengan cara menentukan JP (Jenjang Persentil) dari nilai-nilai
batas klasifikasi.
Batas klasifikasi Rendah adalah X1 = 17,284
X −Bbny 100
JPX1 = {( i ) }
f + fk b
n

17,284−11,5 100
¿ {( 7 ) }
5+2
40
=15,329

Ini berarti bahwa yang termasuk klasifikasi rendah ada 15,329 %

dari 40 mahasiswa atau = 6 orang

Yang termasuk klasifikasi sedang + rendah nilai batasnya X2 = 34,416

X−Bbny 100
JP X 2= {( i )
f +fk b }
n

34,416−32,5 100
¿ {( 7 )
12+32
40 }
=88,211

Ini berarti yang termasuk klasifikasi sedang + rendah = 88,211 % dari 40

mahasiswa atau = 35 orang.
Jadi yang termasuk klasifikasi Tinggi = 40 orang – 35 orang = 5 orang,
dan yang termasuk klasifikasi sedang = 35 orang - 6 orang = 29 orang

Klasifikas Jumlah Cara menghitung

i
Tinggi 5 n – JPX2 = 40 – 35 = 5
Sedang 29 JPX2 – JPX1 = 35 – 6 = 29
Rendah 6 dari JPX1 = 6 orang
Jumlah 40
 Prosedur yang sama berlaku untuk semua pengklasifikasian
berdasarkan interval nilai (berapa pun jumlah klasifikasi yang dikehendaki)
asal distribusi datanya normal.
C. Cara Membuat Kategorisasi
Dalam laporan karya ilmiah, peneliti tidak hanya melaporkan hasil
dari uji hipotesisinya dengan statistik inferensial saja, tetapi juga memberikan
deskripsi dari data yang diperoleh. Pada umumnya bagian deskriptif subjek
memuat gambaran mengenai jumlah subjek yang dianalisis berdasarkan
karakteristik mereka yang relevan (seperti jenis kelamin, usia, pendidikan,
dll). Deskripsi subjek kemudian diikuti oleh deskripsi data penelitian yang
memuat statistik deskriptif pada masing-masing variabel yang dianalisis,
seperti banyaknya subjek (n), mean (M), deviasi standar (s), varians (s2), skor
minimum (Xmin), dan skor maksimum (Xmaks). Dari informasi deskriptif
yang diperoleh tadi, kita dapat mengetahui keadaan subjek pada aspek atau
variabel yang diteliti.
Salah satu manfaat kita mengetahui itu adalah untuk
mengkategorikan subjek kita memiliki skor skala yang tinggi, sedang, atau
rendah. Bagaimana cara membuat kategorisasi skor subjek dari hasil
pengukuran skala dengan SPSS.
1. Membuat kriteria kategorisasi
Langkah pertama untuk kita membuat kategorisasi adalah dengan
menetapkan kriterianya terlebih dahulu. Ini juga tidak terlepas dari berapa
jumlah kategori yang akan kita buat, misalkan 3 kategori (rendah, sedang,
tinggi), atau 5 kategori (sangat rendah, rendah, sedang, tinggi, sangat
tinggi). Penentuan kategori ini didasari atas asumsi bahwa skor populasi
subjek terdistribusi secara normal. Distribusi normal terbagi atas enam
bagian atau enam satuan deviasi standar, seperti pada gambar di bawah.
 Untuk mengkategorikan hasil pengukuran menjadi tiga kategori,
pedoman yang bisa digunakan adalah:

Rendah X < M – 1SD

Sedang M – 1SD < X < M + 1SD

Tinggi M + 1SD < X

Sedangkan jika ingin membuat lima kategori, pedoman yang bisa

digunakan adalah:

Sangat Rendah X < M – 1,5SD

Rendah
M – 1,5SD < X < M – 0,5SD

Sedang M – 0,5SD < X < M + 0,5SD

Tinggi M + 0,5SD < X < M + 1,5SD

Sangat tinggi M + 1,5SD < X

Keterangan:
 M = Mean

SD = standar deviasi

Contoh :

Misalkan, saya punya contoh skala asertivitas model skala likert

dengan skala 1-5. Jumlah item dalam skala tersebut adalah 12. Saya ingin
menkategorikan subjek ke dalam 3 kelompok, yakni rendah, sedang, dan
tinggi. Dengan demikian, jika subjek menjawab nilai paling rendah semua,
yakni 1, maka skor yang mungkin didapatkan adalah 1x12 = 12 (Xmin).
Sedangkan jika subjek menjawab nilai paling tinggi semua, yakni 5, maka
skor yang mungkin didapatkan adalah 5x12 = 60 (Xmaks). Dengan
demikian Range dari data tersebut adalah 60-12 = 48. Karena kita tahu
bahwa kurve normal terdiri atas 6 standar deviasi, maka tiap standar deviasi
nilainya adalah 48/6=8. Kita juga tahu bahwa dalam kurve normal, nilai
mean selalu berada di tengah, dengan demikian mean = (12+60) / 2 = 36.

Xmin = 12

Xmaks = 60

Range = Xmaks – Xmin

= 60-12 = 48

Mean = (Xmaks + Xmin) / 2

= (12+60) / 2 = 36

SD = Range / 6

= 48/6 = 8

Karena kita sudah mendapatkan nilai mean dan SD, maka kita bisa
membuat kriteria kategorisasi berdasarkan pedoman yang sudah ada.

Rendah X < M – 1SD

 X < 36 – 8
X < 28

Sedang M – 1SD < X < M + 1SD

36 – 8 < X < 36 + 8
28 < X < 44

Tinggi M + 1SD < X

36 + 8 < X
44 < X

Kita sudah mendapatkan kriteria penentuan kategorisasi,

selanjutnya kita tinggal mencocokkan dengan data kita. Jadi misalkan si A
mendapat skor 30, maka dia memiliki asertivitas yang sedang.

2. Menentukan kategori di SPSS

Jika kita memiliki data yang sedikit, misal di bawah 30, kita masih
bisa dengan mudah mengkategorikan dengan manual satu per satu. Namun
jika subjek kita ratusan, alangkah lebih mudah kalau kita memanfaatkan
software seperti Excel atau SPSS.

Untuk mengkategorikan data, ikuti langkah berikut

1) Klik Transform – Recode into different variables

2) Masukkan skor total ke kotak di kanan
3) Pada output variables, isi name dengan nama variabel baru kita, misal
kat_asertivitas.
4) Klik old and new values.
5) Kita akan membuat kode untuk kategori rendah dahulu. Misal kategori
rendah kita kode 1, jadi pada new value kita isi value dengan 1. Karena
dari kriteria kita tadi kelompok rendah adalah yang memiliki X < 28,
maka pada bagian old value kita pilih range, LOWEST through value
 dan kita isi 27,5. Kenapa 27,5, kenapa bukan 28 saja? Karena skor 28
sudah masuk kategori sedang, sedangkan kategori rendah adalah di
bawah 28. Jadi kita ambil batasnya adalah 27,5. Lalu kalau sudah klik
add. Ini akan mengubah semua nilai yang memiliki skor dibawah 27,5
menjadi kode 1.
6) Kita lanjut membuat kode kategori sedang. Misal kategori sedang kita
kode 2, jadi pada new value kita isi value dengan 2. Karena dari
kriteria kita tadi kelompok sedang adalah yang memiliki 28 < X < 44,
maka pada bagian old value kita pilih range dan isi kotak pertama
dengan 28 dan kotak kedua dengan 43,5. Kenapa batas atasnya 43,5,
kenapa bukan 44 saja? Sama seperti langkah sebelumnya, karena 44
sudah masuk kategori tinggi, sedangkan sedang adalah dibawah 44.
Lalu kalau sudah klik add. Ini akan mengubah semua nilai yang
memiliki skor 28 sd 43,5 menjadi kode 2.
7) Kita lanjut membuat kode untuk kategori tinggi. Misal kategori tinggi
kita kode 3, jadi pada new value kita isi value dengan 3. Karena dari
kriteria kita tadi kelompok tinggi adalah yang memiliki 44 < X, maka
pada bagian old value kita pilih range, value through HIGHEST dan
kita isi 44. Lalu klik add. Ini akan mengubah semua nilai yang
memiliki skor 44 ke atas menjadi kode 3.

8) Kalau sudah, klik continue

9) Klik change, lalu OK
Jika kita kembali ke data kita, kita akan menjumpai variabel baru bernama
kat_asertivitas. Variabel itu tak lain adalah kategori skor subjek pada
variabel asertivitas. angka 1 menunjukkan rendah, 2 menunjukkan sedang,
dan 3 menunjukkan tinggi.

Untuk mengubah label kode, kita bisa klik tab variable view di kiri
bawah, lalu kita klik pada variabel kat_asertivitas, klik kotak pada
kolom values, lalu kita beri values labels. Value 1 label rendah, lalu klik
add. Value 2 label sedang, lalu klik add. Value 3 label tinggi, lalu klik
add. Jika sudah klik OK.
 Sekarang kita sudah selesai mengkategorikan subjek ke dalam
kelompok rendah, sedang, atau tinggi asertivitasnya sesuai dengan skor
skala yang diperoleh.

3. Menghitung frekuensi masing-masing kelompok

Untuk mengh itung berapa jumlah subjek yang memiliki asertivitas
rendah, sedang, dan tinggi, kita dapat memanfaatkan menu frequencies di
SPSS. Caranya adalah:
1) Klik Analyze – descriptive statistics – frequencies
2) Masukkan variabel kat_asertivitas, lalu klik OK
3) Akan keluar output seperti gambar di bawah

Sampai disini kita sudah bisa mengetahui bahwa sebagian besar

subjek memiliki asertivitas yang tinggi (59,3%), dan hanya sedikit sekali
yang memiliki asertivitas rendah (2,8%).