1.

Data Berdasarkan Sumber Data

Dalam menganalisa dan menampilkan informasi pada

suatu fenomena, dibutuhkan keberadaan data. Data berdasarkan

sumbernya dibedakan menjadi Data Primer dan Data Sekunder,

yakni:

a. Data Primer

Data primer merupakan data yang diambil dari

sumbernya, serta belum pernah dipublikasikan oleh instansi

tertentu. Umumnya data primer dihasilkan dari kegiatan survei

lapangan dan dengan menggunakan instrumen seperti kuisioner,

daftar pertanyaan, maupun focus group discussion (FGD).

Penggunaan data primer memiliki beberapa kelebihan

seperti validitas dan proses pengumpulan

proses pengumpulan data dapat

dipertanggungjawabkan, sehingga kesimpulan yang dihasilkan

juga merupakan gambaran keadaan nyata dilapangan. Namun

demikian, kegiatan survei lapang untuk memperoleh data jenis

ini pada umumnya memerlukan waktu dan biaya yang lebih

besar dibandingkan data sekunder.

b. Data Sekunder

Data sekunder merupakan data yang telah diolah dan

dipublikasi oleh instansi tertentu, misalnya Data yang

dipublikasi oleh Badan Pusat Statistik, Bank Indonesia, maupun

lembaga lainnya.

Penggunaan data sekunder seringkali menjadi pilihan

peneliti dibanding data primer. Hal ini karena data sekunder

memiliki keunggulan dalam hal proses mendapatkan yang

mudah sehingga mampu menghemat waktu dan biaya. Disisi lain,

data sekunder juga memiliki kelemahan yakni secara teknis dan

proses mendapatkan data yang bersangkutan tidak dapat

ditelusur lebih jauh. Oleh karena itu, peneliti perlu mencari data

pembanding untuk memperkuat hasil analisa data. Hal ini

penting untuk menjaga supaya validitas dan akurasi kesimpulan

dapat dipertanggungjawabkan.

2. Data Berdasarkan Jenisnya

Data statistika berdasarkan jenisnya, dapat dibagi dua

yakni data kualitatif dan data kuantitatif. Perbedaan untuk

masing-masing jenis data adalah sebagai berikut:

a. Data Kualitatif

Kata "kualitatif berasal dari "quality" artinya

mengutamakan mutu dan kualitas, sehingga data kualitatif

merupakan data yang mengutamakan mutu dan kualitas dari

data bersangkutan. Data kualitatif biasanya berupa data non

angka dan umumnya berbentuk kategori.

Penelitian dengan menggunakan data kualitatif umumnya

menitikberatkan pada nilai mutu dan kualitas data yang

digunakan. Untuk memudahkan dalam proses analisa data,

umumnya data kualitatif akan disimbolkan dengan angka, atau

dalam bentuk variabel dummy Misalnya, jenis kelamin, suku

bangsa,
kesukaanprestasi (meningkat ataupun

menurun), juara kelas, kepuasan, agama, dll. Ciri khas data

kualitatif adalah tidak berlakunya hukum Matematika seperti

penjumlahan, pengurangan, perkalian, maupun pembagian.

b. Data Kuantitatif

Kata "kuantitatif berasal dari kata "quantity" artinyakuantitas. Sehingga data kuantitatif mengutamakan
banyaknya

data (n). Data kuantitatif merupakan data-data berupa angka. Karakteristiknya adalah data selalu dalam
bentuk numerik. Contoh data kuantitatif adalah pendapatan, jumlah penduduk,tingkat konsumsi, bunga
bank, dan sebagainya.

Data kuantitatif berdasarkan cara memperolehnya dibedakan menjadi dua yakni

Data Diskret

Data diskret merupakan data yang diperoleh dengan cara "menghitung". Contohnya, jumlah mobil,
jumlah rumah, Jumlah mahasiswa, dsb. Konsekuensi dari data diskret adalah memberikan hasil yang
bulat maupun desimal yang disesuaikan dengan objek yang dihitung.

Data Kontinyu

Data yang dihasilkan dengan cara "mengukur". Untuk mendapatkan hasil pengukuran yang akurat, maka
diperlukan alat bantu ukur yang disesuaikan dengan objek yang akan diukur. Misalnya, mengukur
panjang meja dapat

digunakan penggaris, mengukur berat badan dapat digunakan timbangan berat badan, dan sebagainya.

3. Data Berdasarkan Waktu Pengumpulannya

Berdasarkan waktu pengumpulan data, data statistika

dapat dibagi dua yakni data lintas ruang (cross-section) dan data

runtut waktu (time series) Perbedaan untuk masing-masing

adalah sebagai berikut:

a. Data Lintas Ruang (Cross-Section)

Data lintas ruang merupakan data-data yang dikumpulkan

secara serentak pada waktu dan periode tertentu secara

bersamaan dan menggambarkan keadaan pada periode tersebut.

Contoh data lintas ruang (cross section) seperti jumlah

mahasiswa Fakultas Ekonomi dan Bisnis Angkatan 2016/2017,

jumlah perusahaan yang listing di Bursa Efek Indonesia.

b. Data Runtut Waktu (Time Series)

Data runtut waktu adalah data yang dikumpulkan pada

waktu dan periode tertentu yang berurutan atau berseri. Contoh

data runtut waktu adalah data pengangguran di Indonesia

periode 2011-2017, data pertumbuhan ekonomi Kota Malang

tahun 2011-2017, pergerakan inflasi dalam sebulan, dan

sebagainya

1.6 Skala Pengukuran

Salah satu pokok permasalahan dalam statistika adalah dalam

hal proses mendapatkan dan mengumpulkan data. Setidaknya,

terdapat dua cara mendapatkan data yakni melalui proses

penghitungan dan pengukuran. Dalam hal penghitungan, proses

mendapatkan data hampir tidak pernah mengalami kendala,

setiap individu yang melakukan penghitungan terhadap objek

yang sama akan menghasilkan suatu angka yang sama, misalnya

objek penghitungannya adalah adalah jumlah sepeda motor yang

diparkir di Fakultas Ekonomi dan Bisnis Universitas Brawijaya

pada waktu tertentu.

Disisi lain, ketika objek penelitian dilakukan pengukuran,

maka setiap individu yang melakukan pengukuran

memungkinkan akan mendapatkan hasil yang berbeda,

meskipun menggunakan alat yang sama, misalnya, pengukuran

lebar jalan, pengukuran tinggi badan, pengukuran panjang meja,

dan sebagainya. Untuk itu, statistika lebih banyak diaplikasikan

untuk mempelajari masalah pengukuran dibandingkan masalah

penghitungan.

Pengukuran adalah proses hal mana suatu angka atau simbol dilekatkan pada karakteristik atau properti
suatu stimuli sesuai dengan aturan/prosedur yang telah ditetapkan (Ghozali,

2005). Misal, orang dapat digambarkan dari beberapa karakteristik meliputi umur, tingkat pendidikan,
jenis kelamin,

tingkat pendapatan, dan sebagainya. Terdapat empat (4) skala pengukuran yakni skala nominal, ordinal,
interval, dan rasio,

sebagai berikut:

1. Skala Nominal

Skala nominal merupakan skala yang berupa kategori atau kelompok dari suatu subyek. Tujuannya
supaya memudahkan dalam mengidentifikasi suatu kategori maupun kelompok dan umumnya
menggunakan label atau lambang berupa angka misal,

variabel jenis kelamin responden dikelompokkan menjadi dua,

L/P, masing-masing diberi kode 1 dan 2, suku bangsa dibedakan

menjadi Jawa, Sunda, Batak dan sebagainya, dimana untuk Jawa

disimbolkan angka 1, Sunda angka 2, Batak angka 3, dan

sebagainya.

Penggunaan label maupun angka hanya berfungsi sebagai

label kategori, dan tidak memiliki arti apa pun. Label atau

lambang tersebut tidak memiliki sifat sebagaimana bilangan

pada umumnya, sehingga pada variabel dengan skala nominal

tidak dapat diterapkan operasi matematika standar

pengurangan, penjumlahan, perkalian, dll. Uji statistik yang

sesuai dengan skala nominal adalah uji yang mendasarkan pada

jumlah seperti modus dan distribusi frekuensi.

2. Skala Ordinal

Skala ordinal merupakan skala yang berupa kategori dari

suatu objek menggunakan label atau lambang bilangan, dimana

kategori atau label maupun lambang menunjukkan suatu urutan

atau tingkatan obyek yang diukur menurut karakteristik yang dipelajari. Contoh skala ordinal adalah
juara lomba balap, juara

kelas, preferensi responden terhadap merek suatu barang, dan

sebagainya. Sebagaimana skala nominal, lambang maupun label

angka yang digunakan dalam skala ordinal hanya menunjukan

urutan dan tidak berlaku operasi matematika seperti juara

lomba balap ke satu (1) sama dengan juara ketiga (3) dikurangi

juara kedua (2).

3. Skala Interval

Skala interval merupakan skala pengukuran yang

mempunyai sifat seperti skala ordinal (memiliki urutan

tertentu), serta memiliki sifat satuan skala (scale unit).

Maksudnya, perbedaan karakteristik antara obyek yang

berpasangan dengan lambang bilangan satu dengan lambang

bilangan berikutnya selalu tetap. Disamping itu, data interval

dapat diberlakukan hukum/operasi matematika. Misalnya data

pendapatan responden berkisar antara Rp. 100.000 - Rp.

1.000.000, artinya responden dengan pendapatan Rp. 1.000.000

lebih besar dibandingkan Rp. 400.000. Pun demikian, jika

digunakan operasi matematika maka responden berpendapatan

Rp. 800.000 sama dengan responden yang berpendapatan Rp.

300.000 ditambah responden berpendapatan Rp. 500.000. Uji

statistik yang sesuai adalah semua uji statistik kecuali uji yang

mendasarkan pada rasio seperti koefisien variasi.

4. Skala Rasio

Skala rasio adalah skala yang menghasilkan data dengan

mutu yang paling tinggi. Perbedaan skala rasio dengan skala

interval terletak pada keberadaan nilai nol (based value). Pada

skala rasio, nilai nol bersifat mutlak, tidak seperti pada skala

interval. Data yang dihasilkan oleh skala rasio adalah data rasio.

Tidak ada pembatasan terhadap alat uji statistik yang sesuai.

Sumber :

Setyo tri wahyudi. September 2017. Statistika Ekonomi:Konsep,Teori,dan penerapan. Malang. UB Press.
(Diakses pada 06 Oktober 2020 : 14.18)