Nama: NI KOMANG DEVI

Nim: 18089014017
Semester: 6A

2.1 Data Orbinal

A. Data ordinal

Adalah, data yang didapatkan dengan cara klasifikasi atau kategorisasi.

Sedangkan di dalam ilmu statistika, data dengan jenis ordinal memiliki level
pengukuran yang lebih tinggi dibandingkan dengan data nominal. Selain itu ia juga
termasuk ke dalam data kualitatif.Apabila di dalam data nominal semua data
dianggap bersifat kualitatif dan setara, maka pada data ordinal terdapat klasifikasi
data berdasarkan tingkatannya. Adapun angka yang diberikan di dalam data ordinal
juga mengandung beberapa tingkatan, hal tersebut berfungsi untuk mengurutkan
objek dari yang paling rendah hingga urutan yang paling tinggi, atau sebaliknya.
Skala ordinal hamper sama dengan skala nominal. Hanya saja,selain untuk
membedakan, skala ordinal sudah mempunyai urutan tingkatan. Dalam skala ordinal,
angka 1 memiliki nilai lebih tinggi daripada angka 0. Meskipun demikian, jarak
antara 0 dan 1 tidak bisa dijelaskan.

B. Ciri Data Ordinal

a) Tidak dapat dilakukan operasi matematika. Tidak mungkin 2+3=5 (yang berarti
sangat puas ditambah puas = cukup puas).
b) Posisi data tidak setara.

C. Contoh Data Ordinal

a) Adalah tingkat kepuasanm(misalnya dalam importan and performance

analysis); sangat puas(5), puas (4), cukup (3), tidak puas (2), dan sangat
tidak puas (1). Angka-angka ini memiliki makna bahwa 2 lebih besar
daripada 1,3 lebih besar dari 1 dan 2, dan seterusnya. tetapi jarak atau
selisih antara 1 dan 2, 2 dan 3 dan lainya, tida mempunyai makna apapun.

b) Penghitungan suara pada sebuah pemilu. Misal total suara partai Gerindra
60%, partai Demokrat 30%, dan partai Golkar 20%, maka suara tertinggi
di pegang oleh partai Gerindra sebagai peringkat pertama, sehingga
menjadi pemenang dalam pemilu tersebut.
c) Mengenai tingkat pendidikan yang dikategorikan menjadi ‘SD’ yang
wakili dengan angka 1, ‘SMP’ yang diwakili dengan angka 2, ‘SMA’ yang
diwakili dengan angka 3, ‘Diploma’ yang diwakili dengan angka 4, dan
‘Sarjana’ yang diwakili dengan angka 5. Sama halnya dengan data
nominal, meskipun tingkatannya lebih tinggi, data ordinal tetap tidak bisa
 untuk dilakukan operasi matematika. Angka yang digunakan hanya
sebagai simbol/kode saja. Pada contoh di atas tingkat tertinggi adalah
‘Sarjana’ dan terendah adalah ‘SD’ (Sarjana>Diploma>SMA>SMP>SD).
d) Pada sebuah survei, terdapat hasil bahwa pelajar di Jawa Barat 67%
mengaku pernah mengalami seks pranikah, sedangkan pelajar di Jawa
Timur hampir 84% pernah mengalami seks pranikah, dalam contoh ini
maka Jawa Timur memegang angka tertinggi pada survei.
e) Suatu peringkat atau ranking disebuah kelas misalnya Hasan ranking 1,
dan Ahmad ranking 2, maka Hasan lebih pandai daripada Ahmad.
f) Pada tingkatan beladiri Taekwondo memiliki beberapa tahapan sabuk,
misalnya dari tahap pertama sabuk putih, kuning, hijau, biru, merah, dan
yang terakhir adalah hitam.

D. Ciri Data Ordinal

a. Tidak dapat dilakukan operasi matematika. Tidak mungkin 2+3=5 (yang

berarti sangat puas ditambah puas = cukup puas).
b. Posisi data tidak setara.

E. Konversi variabel ordinal

Adakalanya kita tidak ingin menguji hipotesis dengan alat uji hipotesis statistik
nonparametrik dengan berbagai pertimbangan, baik dari segi biaya, waktu maupun
dasar teori. Misalnya kita ingin melakukan uji statistik parametrik Pearson Korelasi
Product Moment, Partial Correlation, Multiple Correlation, Partial Regresion dan
Multiple Regression, padahal data yang kita miliki adalah hasil pengukuran dengan
skala ordinal, sedangkan persyaratan penggunaan statistik parametrik adalah selain
data harus berbentuk interval atau rasio, data harus memiliki distribusi normal. Jika
kita tidak ingin melakukan uji normalitas karena data yang kita miliki adalah data
ordinal, hal itu bisa saja kita lakukan dengan cara menaikkan data dari pengukuran
skala ordinal menjadi data dalam skala interval dengan metode Suksesive Interval.
Menuruti Al-Rasyid, menaikkan data dari skala ordinal menjadi skala interval
dinamakan transformasi data. Transformasi data itu dilakukan diantaranya adalah
dengan menggunakan Metode Suksesive Interval (MSI). Tujuan dari dilakukannya
transformasi data adalah untuk menaikkan data dari skala pengukuran ordinal menjadi
skala dengan pengukuran interval yang lazim digunakan bagi kepentingan analisis
statistik parametrik.
Transformasi data ordinal menjadi interval itu, selain merupakan suatu kelaziman,
juga untuk mengubah data agar memiliki sebaran normal. Artinya, setelah dilakukan
transformasi data dari ordinal menjadi interval, penggunaan model dalam suatu
penelitian tidak perlu melakukan uji normalitas. Karena salah satu syarat penggunaan
 statistik parametrik, selain data harus memiliki skala interval (dan rasio), data juga
harus memiliki distribusi (sebaran) normal.
Dengan dilakukannya transformasi data, diharapkan data ordinal sudah menjadi data
interval dan memiliki sebaran normal yang langsung bisa dilakukan analisis dengan
statistik parametrik. Berbeda dengan ststistik nonparametrik, ia hanya digunakan
untuk mengukur distribusi. (Ronald E. Walpole).

2.2 Data Nominal

A. Data Nominal
Menurut Moh. Nazir, data nominal ialah ukuran paling sederhana dimana angka
yang diberikan terhadap objek memiliki arti sebagai label saja, dan tidak menunjukan
tingkatan apapun. Data dengan jenis nominal ini bertujuan untuk membedakan data
pada kelompok yang bersifat kualitatif. Sedangkan di dalam ilmu statistika, data
nominal adalah data dengan level pengukuran yang paling rendah.

B. 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. Tidak dapat dilakukan operasi
matematika (X, +, -, :). Misal, tidak mungkin 3-2=1 (Wiraswasta dikurangi pegawa
swasta = pegawai negri) dan Posisi data setara.
Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik
yang digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi karena
pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square (χ2),
perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan model
statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan.

C. Contoh Data Nominal

a) Mengelompokan ekstrakulikuler pada suatu SMA dari bidang olahraga. Data

ekskul dikategorikan menjadi “futsal” yang diwakili dengan huruf A, kemudian
“voli” yang diwakili dengan huruf B, dan “basket” diwakili oleh huruf C.
 b) Di dalam sebuah pondok pesantren, antara santriwan dan santriwati asramanya
dipisahkan dengan berisi simbol A2, sedangkan untuk santriwati adalah B2.
c) Pengelompokan komplek rumah pada suatu perumahan, misal dari sebelah
“utara” A, “barat” adalah komplek B, “selatan” adalah komplek C, dan bagian
“timur” adalah komplek D.
d) Data jenis kelamin pada sampel penelitian Departemen Pendidikan, data siswa
dikategorikan menjadi ‘laki-laki’ yang diwakli dengan angka 1, dan ‘perempuan’
diwakili dengan angka 2. Konsekuensi dari data nominal tersebut adalah, tidak
mungkin seseorang memiliki dua kategori sekaligus, dan angka yang digunakan
di sini hanya sebagai kode/simbol saja, sehingga tidak bisa dilakukan operasi
matematika.
e) Di dalam sebuah gedung bioskop para penonton diberikan no kursi duduk yang
berbeda agar tidak terjadi perebutan kursi.

2.3 Data Interval

A. Data interval
Adalah, data yang didapatkan dengan cara pengukuran. Dimana jarak antara dua
titik di dalam skala sudah diketahui. Berbeda dengan skala ordinal yang telah kita
bahas di atas, yang dimana jarak antara dua titik tidak diperhatikan (misal jarak antara
puas dan tidak puas, yang sebenarnya menyangkut perasaan orang saja). Selain itu,
data jenis interval juga termasuk ke dalam kelompok data kuantitatif. Di dalam ilmu
statistika, data interval memiliki tingkat pengukuran yang lebih tinggi dibandingkan
dengan data nominal ataupun ordinal. Angka yang digunakan pada data interval ini,
selain menunjukkan urutan juga dapat dilakukan operasi matematika. Angka nol yang
digunakan di dalam data interval bukan merupakan nilai nol yang sebenarnya.
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.

B. Ciri-Ciri Data interval

a) Dapat dilakukan operasi matematika. Misal panas 40 derajad adalah dua kali
panas dibanding 20 derajad.
 b) Tidak terdapat kategorisasi atau pemberian kode semisal terjadi pada data
nominal dan ordinal.

C. Contoh Data Inteval

a) Rata-rata tinggi badan berdasarkan usia, untuk anak-anak yang berusia 6-12 thn
memiliki rata-rata tinggi badan 130-145 cm. Untuk remaja yang berusia 13-18 thn
memiliki rata-rata tinggi badan 146-160 cm. Sedangkan untuk dewasa yang
berusia 19-26 thn memiliki rata-rata tinggi badan 161-199 cm.
b) Interval nilai mata pelajaran bahasa Indonesia siswa SMA 1 Madiun adalah antara
0-100. Apabila siswa A dan B masing-masing memiliki nilai 45 dan 90, maka
bukan berarti tingkat kecerdasan B dua kali A. Nilai 0-100 hanya merupakan
rentang yang dibuat berdasarkan kategori pelajaran matematika dan mungkin
berbeda dengan mata pelajaran lain.
c) Kecepatan setiap orang dalam berkendara di jalan raya. Siswo apabila berkendara
dengan kecepatan 20-40 km/jam masuk pada ukuran pelan. Untuk Adi jika
berkendara memiliki kecapatan 50-60 km/jam maka masuk pada ukuran sedang.
Terakhir Lorenzo pada saat berkendara selalu berkecapatan 70-80 km/jam maka
masuk pada ukuran cepat.
d) Dasar dari Pemrograman mempunyai 1 SKS, waktunya adalah 50 menit.
Begitupun dengan Teknik Digital yang mempunyai 2 SKS yang berarti waktunya
100 menit. Dan yang terakhir adalah kalkulasi yang mempunyai 3 SKS waktunya
adalah 150 menit. Sehingga dapat disimpulkan bahwa selisih masing-masing data
di atas adalah 50 menit.

2.4 Data Rasio

A. Data Rasio
Ukuran rasio atau data rasio yaitu ukuran yang memberikan keterangan mengenai
nilai absolut dari objek yang diukur. Data rasio yang didapat pada pengukuran dengan
skala rasio memiliki titik nol. Oleh karena itu, interval jarak tidak dinyatakan dengan
beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Sebab ada titik
nol, maka data rasio dapat dibuat perkalian ataupun pembagian. Selain itu angka pada
data rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Sedangkan di
dalam ilmu statistika, data rasio adalah tipe data dengan level pengukuran paling tinggi
daripada tipe data yang lainnya. Data rasio ini juga termasuk pada kelompok data
kuantitatif. Angka yang digunakan pada data ini menunjukkan angka yang sebenarnya,
sehingga bukan hanya sebagai simbol namun juga memiliki nilai nol yang sebenarnya.
Pada data ini juga dapat dilakukan berbagai macam operasi matematika. 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.
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.

B. Ciri-Ciri Data Rasio

a) Dapat dilakukan operasi matematika. Contoh: 100 cm + 35 cm = 135 cm; 10 apel

+ 2 apel = 12 apel.
b) Tidak ada kategorisasi ataupun pemberian kode.

C. Contoh Data Rasio

a) Tinggi badan dari setiap data yang dikumpulkan, apabila dilihat dari skala rasio
Adi lebih tinggi 10 cm dari pada Deni, dan Deni lebih tinggi 10 cm daripada
Doni, dan Doni paling pendek diantara Adi dan Deni.
b) Pada sebuah bank, seseorang memiliki tabungan dengan saldo Rp. 10.000.000.
Angkat tersebut menunjukkan bahwa orang tersebut benar-benar memiliki saldo
sebesar Rp. 10.000.000. Apabila seseorang memiliki saldo -Rp. 1.000.000, berarti
orang tersebut memiliki hutang sebesar Rp. 1.000.000. Sedangkan apabila
seseorang memiliki saldo Rp. 0 berarti orang tersebut tidak memiliki tabungan
ataupun hutang.
c) Berat bada bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3 Kg.
Bayi B memiliki berat 2 Kg dan bayi C 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 bada dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat
badan sepertiga kali berat badan bayi A.

Skema keempat skala data ditunjukkan dalam table berikut:

Data Skala Dapat Ada urutan Memiliki Dapat

Dibedakan Tingkatan Interval Sama Dibandingkan
Kategorik Nominal 
Ordinal  
Numerik Interval   
Rasio    