I.

Definisi Data
Data Penelitian adalah segala fakta dan angka yang dapat dijadikan bahan
untuk menyusun suatu informasi.
Pengertian Data adalah: “The word data is the plural of Latin datum. A large
class of practically important statements are measurements or observations of
variable. Such statements may comprise numbers, words, or images”. Data
merupakan materi mentah yang membentuk semua laporan penelitian.
Berdasarkan penjelasan para pakar di atas, maka dalam artikel kali ini, penulis
akan menyebutkan istilah data sebagai data penelitian. Sebab dalam blog kami,
lebih spesifik membahas perihal penelitian.
Menurut penulis, yang dimaksud dengan data dapat berarti secara luas dan
dapat pula berari secara sempit. Pengertian Data dalam arti luas adalah
sekumpulan informasi yang dapat diuat, diolah, dikirimkan dan di analisis. Namun
apabila kita mau mengartikan data dalam arti sempit konteks penelitian, maka
yang dimaksud dengan data adalah data penelitian. Untuk pengertian yang kedua
tersebut, maka sebaiknya kita merujuk kepada data definisi penelitian yang sudah
dikemukakan oleh para pakar di atas.
II. Klasifikasi Data Penelitian
Data Penelitian dapat diklasifikasikan berdasarkan sifat, sumber, dan juga
skala pengukurannya. Berikut di bawah ini akan kami jelaskan satu persatu
tentang klasifikasi data penelitian:
 Berdasarkan Sifatnya:
a. Data Kuantitatif
Data yang berupa angka-angka. Misalnya berat badan, luas rumah,
tinggi badan, nilai IQ, dll. Data Kuantitatif dibagi menjadi 2, yaitu:
(1) Data Diskrit, adalah data yang diperoleh dari hasil perhitungan
hingga hasilnya selalu positif dan dapat dipisahkan satu dengan
yang lain secara jelas.
Ciri-ciri data Diskrit :
- Diperoleh dengan cara menghitung
- Bilangan angkanya/ bulat biasanya dinyatakan dalam
jumlah % atau proporsi.
(2) Data Kontinyu, yaitu data yang dihasilkan dari pengukuran,
dapat berupa bilangan decimal atau bilangan bulat tergantung
 alat ukur yang digunakan.Contoh : berat badan ; 20 kg, 50 kg,
77 kg. Ciri-ciri data Kontinyu :
- Diperoleh dengan cara mengukur
- Bilangan cenderung decimal
- Biasanya dinyatakan dalam nilai rata-rata
b. Data Kualitatif: Data yang berupa kata-kata atau pernyataan-
pernyataan. Dapat pula diartikan sebagai data kategorik, karena
memang biasanya berupa kategori atau pengelompokan-
pengelompokan berdasarkan nama atau inisial tertentu. Misalkan:
Kelompok PNS, Petani, Buruh, Wiraswasta, dll.
 Berdasarkan Cara Memperolehnya:
a. Data Primer
Yaitu data asli atau data baru yang dikumpulkan langsung oleh orang yang
melakukanpenelitian.
b. Data Sekunder
Yaitu data tersedia yang dikumpulkan dari berbagai sumber yang sudah
ada sebelumnya. Misalnya; dari perpustakaan, dokumen penelitian
terdahulu, dan lain-lain.
 Berdasarkan Sumbernya:
a. Data Internal
Data yang berasal dari lingkungan sendiri, seperti hasil penelitian
sebelumnya atau data dirumah sakit berupa medical records, kapasitas
tempat tidur dan lain-lain.
b. Data Eksternal
Data yang berasal dari luar lingkungan, seperti publikasi, instansi,
badan ilmiah, dan lain-lain.
 BerdasarkanWaktuPengumpulannya
a. Data Cross Section
Yaitu data yang dikumpulkan hanya pada waktu-waktu tertentu saja untuk
mengetahui keadaan pada waktu tersebut. Misalnya; data penelitian
dengan kuesioner.

b. Data Berkala
 Yaitu data yang dikumpulkan secara berkala dari waktu kewaktu untuk
mengetahui perkembangan suatu kejadian pada periode tertentu. Misalnya;
data harga sembako
III. Skala Pengukuran
Pengukuran dapat didefinisikan sebagai suatu proses sistematik dalam menilai
dan membedakan sesuatu obyek yang diukur. Dalam mengolah dan menganalisis
data, kita sangat berkepentingan dengan sifat dasar skala pengukuran yang
digunakan. Operasi-operasi matematik serta pilihan peralatan statistik yang
digunakan dalam pengolahan data, pada dasarnya memiliki persyaratan tertentu
dalam hal skala pengukuran datanya. Ketidaksesuaian antara skala pengukuran
dengan operasi matematik/peralatan statistik yang digunakan akan menghasilkan
kesimpulan yang bias dan tidak tepat/relevan. Ada empat tipe pengukuran atau
skala pengukuran yang digunakan, yakni: nominal, ordinal, interval, dan rasio.
Berikut penjelasan lebih lanjut tentang keempat skala pengukuran tersebut:
1. Skala Nominal
Merupakan skala yang paling lemah/rendah di antara keempat skala
pengukuran. Sesuai dengan nama atau sebutannya, skala nominal hanya bisa
membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan
nama (predikat). Contoh:
- Klasifikasi barang yang dihasilkan pada suatu proses produksi dengan
predikat cacat atau tidak cacat
- bayi yang baru lahir bisa laki-laki atau perempuan.
Tidak jarang digunakan nomor-nomor yang dipilih sekehendak hati
sebagai pengganti nama-nama atau sebutan-sebutan, untuk membedakan
benda-benda atau peristiwa-peristiwa berdasarkan beberapa karakteristik,
contoh: dapat digunakan nomor 1 untuk menyebut kelompok barang yang
cacat dari suatu proses produksi dan nomor 0 untuk menyebut kelompok
barang yang tidak cacat dari suatu proses produksi.

Skala nominal biasanya juga digunakan bila peneliti berminat terhadap jumlah
benda atau peristiwa yang termasuk ke dalam masing-masing kategori
nominal. Data semacam ini sering disebut data hitung (count data) atau data
frekuensi
2. Skala Ordinal
Skala Ordinal ini lebih tinggi daripada skala nominal, dan sering juga
disebut dengan skala peringkat. Hal ini karena dalam skala ordinal, lambang-
lambang bilangan hasil pengukuran selain menunjukkan pembedaan juga
menunjukkan urutan atau tingkatan obyek yang diukur menurut karakteristik
tertentu. Misalnya tingkat kepuasan seseorang terhadap produk. Bisa kita beri
angka dengan 5=sangat puas, 4=puas, 3=kurang puas, 2=tidak puas dan
1=sangat tidak puas. Atau misalnya dalam suatu lomba, pemenangnya diberi
peringkat 1,2,3 dstnya. Dalam skala ordinal, tidak seperti skala nominal,
ketika kita ingin mengganti angka-angkanya, harus dilakukan secara berurut
dari besar ke kecil atau dari kecil ke besar. Jadi, tidak boleh kita buat 1=sangat
puas, 2=tidak puas, 3=puas dstnya. Yang boleh adalah 1=sangat puas, 2=puas,
3=kurang puas dan seterusnya.
Selain itu, yang perlu diperhatikan dari karakteristik skala ordinal
adalah meskipun nilainya sudah memiliki batas yang jelas tetapi belum
memiliki jarak (selisih). Kita tidak tahu berapa jarak kepuasan dari tidak puas
ke kurang puas. Dengan kata lain juga, walaupun sangat puas kita beri angka 5
dan sangat tidak puas kita beri angka 1, kita tidak bisa mengatakan bahwa
kepuasan yang sangat puas lima kali lebih tinggi dibandingkan yang sangat
tidak puas. Sebagaimana halnya pada skala nominal, pada skala ordinal kita
juga tidak dapat menerapkan operasi matematika standar (aritmatik) seperti
pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang
sesuai dengan skala ordinal juga adalah peralatan statistik yang berbasiskan
(berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, Chi
Square dan beberapa peralatan statistik non-parametrik lainnya.

Contoh:

Skala Kecantikan Skala Kecantikan

Data
(a) (b)
Yuni 4 10
Desi 3 6
Ika 2 5
Astuti 1 1
 Skala kecantikan (a) di atas menunjukkan bahwa Yuni paling cantik
(dengan skor tertinggi 4), dan Astuti yang paling tidak cantik dengan
skor terendah (1). Akan tetapi, tidak dapat dikatakan bahwa Yuni adalah
4 kali lebih cantik dari pada Astuti. Skor yang lebih tinggi hanya
menunjukkan skala pengukuran yang lebih tinggi, tetapi tidak dapat
menunjukkan kelipatan. Selain itu, selisih kecantikan antara Yuni dan
Desi tidak sama dengan selisih kecantikan antara Desi dan Ika meskipun
keduanya mempunyai selisih yang sama (1). Skala kecantikan pada (a)
dapat diganti dengan skala kecantikan (b) tanpa mempengaruhi hasil
penelitian.
3. Skala Interval
Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala
nominal dan ordinal dengan ditambah karakteristik lain, yaitu berupa adanya
interval yang tetap. Dengan demikian, skala interval sudah memiliki nilai
intrinsik, sudah memiliki jarak, tetapi jarak tersebut belum merupakan
kelipatan. Pengertian “jarak belum merupakan kelipatan” ini kadang-kadang
diartikan bahwa skala interval tidak memiliki nilai nol mutlak. Misalnya pada
pengukuran suhu. Kalau ada tiga daerah dengan suhu daerah A = 10oC, daerah
B = 15 oC dan daerah C=20oC. Kita bisa mengatakan bahwa selisih suhu
daerah B, 5oC lebih panas dibandingkan daerah A, dan selisih suhu daerah C
dengan daerah B adalah 5oC (Ini menunjukkan pengukuran interval sudah
memiliki jarak yang tetap). Tetapi, kita tidak bisa mengatakan bahwa suhu
daerah C dua kali lebih panas dibandingkan daerah A (artinya tidak bisa jadi
kelipatan). Kenapa? Karena dengan pengukuran yang lain, misalnya dengan
Fahrenheit, di daerah A suhunya adalah 50oF, di daerah B = 59oF dan daerah
C=68oF. Artinya, dengan pengukuran Fahrenheit, daerah C tidak dua kali
lebih panas dibandingkan daerah A, dan ini terjadi karena dalam derajat
Fahrenheit titik nolnya pada 32, sedangkan dalam derajat Celcius titik nolnya
pada 0.
Skala interval ini sudah benar-benar angka dan, kita sudah dapat
menerapkan semua operasi matematika serta peralatan statistik kecuali yang
berdasarkan pada rasio seperti koefisien variasi.

Contoh:
 Nilai Mata Skor Nilai Mata Kuliah
Data
Kuliah (a) (b)
Yuni A 4
Desi B 3
Ika C 2
Astuti D 1

Tabel di atas menunjukkan bahwa nilai A setara dengan 4, B setara

dengan 3, C setara dengan 2 dan D setara dengan 1. Selisih antara nilai A
dan B adalah sama dengan selisih antara B dan C dan juga sama persis
dengan selisih antara nilai C dan D. Akan tetapi, tidak boleh dikatakan
bahwa Yuni adalah empat kali lebih pintar dibandingkan Astuti, atau Ika
dua kali lebih pintas dari pada Astuti. Meskipun selisihnya sama, tetapi
tidak mempunyai nilai nol mutlak
4. Skala Rasio
Yaitu ukuran yang membedakan, mempunyai arti tingkatan,
mempunyai besaran / jarak tertentu antar datanya, mempunyai nilai mutlak
(absolute). Selain memiliki ketiga cirri skala ukuran yang telah diuraikan
sebelumnya, data dengan skala rasio juga memiliki titik nol absolute
sehinggapada data dengan skala rasio masing-masing subkategori dapat
dibandingkan dengan titik nol, missalnya umur penderita A 15 tahun dan
penderita B 30 tahun.

Contoh:

Data Tinggi Badan Berat badan

Yuni 170 60
Desi 160 50
Ika 150 40
Astuti 140 30

Tabel di atas adalah menggunakan skala rasio, artinya setiap satuan

pengukuran mempunyai satuan yang sama dan mampu mencerminkan
kelipatan antara satu pengukuran dengan pengukuran yang lain. Sebagai
contoh; Yuni mempunyai berat badan dua kali lipat berat Astuti, atau,
Desi mempunyai tinggi 14,29% lebih tinggi dari pada Astuti. Skala
pengukuran interval dan rasio biasanya dikenai alat statistik parametrik.
IV. Jenis Penyajian Data
Penyajian data merupakan salah satu kegiatan dalam pembuatan laporan hasil
penelitian yang telah dilakukan agar dapat dipahami dan dianalisis sesuai dengan tujuan
yang diinginkan. Data yang disajikan harus sederhana dan jelas agar mudah dibaca.
Bentuk penyajian data bermacam-macam dan disesuaikan dengan data yang tersedia dan
tujuan yang hendak dicapai. Penyajian data dapat berupa tabel (tabular), grafik/gambar
(diagram).
1. Tabel
Table adalah : suatu susunan sistematis dari data numeric yang tersusun dalam
kolom dan baris agar dapat dibandingkan.
Macam-macam bentuk table
a. General table (master table)
Adalah table yang berikan semua hasil pengumpulan data yang berbentuk data
mentah, biasanya table disajikan dalam lampiran suatu laporan pengumpulan
data.
b. Table teks (text table)
Merupakan uraian dari data yang diambil dari tabel induk. Misalnya; distribusi
frekuensi, distribusi relatif, distribusi kumulatif, tabel silang (kontingensi/cross
tabulasi). Dalam menyajikan tabel, ada beberapa hal yang perlu diperhatikan:
1). Judul table lengkap ; harus singkat, jelas dan lengkap.
2). Nomor table
3). Keterangan-keterangan (catatan kaki atau foot note) yaitu keterangan yang
diperlukan untuk menjelaskan hal-hal tertentu yang tidak bisa dituliskan
didalam badan table.
4). Sumber table; terkadang dalam suatu laporan yang dikutip tabel dari laporan
orang lain. Untuk itu harus dicantukan sumber dari mana tabel itu dikutip.

Contoh penyajian :
1.Tabel Induk:
Gol Jenis Kelamin Pekerjaan Pendidikan Dsb
Laki Wanita Tani Buruh Dagang SD SMP SMU
umur
 Jumlah

2. Tabel Teks
Tingkat Jenis Pekerjaan
Buruh Tani Dagang Nelayan PNS
Pendidikan

Jumlah

 Distribusi Frekuensi data diskrit

Tabel 1.1
Sebaran Usila Menurut Pendidikan di Wilayah Kerja Puskesmas Melati Tahun 2009
Pendidikan Jumlah Fr (frek relatif) Fk (frek kum) Fk (frek kum)
(nominal) % < >
PT 10 8 8 100
SMA 5 15 23 92
SLTP 15 25 48 77
SD 7 38 62 52
Tidak tamat SD 3 14 100 38
Total 30 100
Sumber: Laporan Tahunan Puskesmas Melati 2010
 Distribusi Frekensi data kontinyu
Tabel 1.2
Sebaran Usila Menurut Umur di Wilayah Kerja Puskesmas Melati Tahun 2009
Umur Jumlah Fr (frek relatif) Fk (frek kum) Fk (frek kum)
(nominal) % < >
60-65 10 35 35 100
65-70 5 30.6 65,6 65
70-75 15 25 90,6 34,4
75-80 7 6,7 97,3 9,4
>80 3 2,7 100 2,7
 30 100
Sumber: Laporan Tahunan Puskesmas Melati 2010

 Kontingensi / cross tabultion

Kebiasaan Merokok Tidak pernah Sekarang masih

merokok Dulu perokok merokok
Jenis kelamin
Laki-laki 160 220 320
Perempuan 575 275 50
Jumlah 735 495 370
Sumber : Laporan tahunan Puskesmas Melati 2010

2. Grafik atau Diagram

Sebagai mana tabel, di dalam menyajikan grafik juga harus diperhatikan hal sebagai
berikut:
1. Judul singkat, jelas dan lengkap
2. Dalam menggambar diperlukan dua sumbu sebagai ordinat dan absis
3. Skala tertentu
4. Nomor gambar
5. Foot note
6. Sumber

Jenis-jenis grafik/gambar ada beberapa macam, yaitu:

1. Histogram
Grafik yang digunakan untuk data kontinu.
15

10

0
Tepi Kelas
2. Frekuensi poligon
Grafik yang digunakan untuk data kontinu seperti histogram. Keuntungannya kita
dapat melakukan perbandingan penyebaran beberapa masalah yang digambar di
dalam satu gambar.
3. Ogive
Grafik dari data kontinu dan dalam bentuk frekuensi kumulatif. Akan didapatkan
nilai yang tepat untuk letak dan besarnya nilai median.
4. Diagram baris (line diagram)
Digunakan untuk menggambarkan data diskrit atau data dengan skala nominal yang
menggambarkan perubahan dari waktu ke waktu atau perubahan dari suatu tempat
ke tempat lain.

5. Diagram batang (bar diagram)

Digunakan untuk menyejikan data diskrit atau data dengan skala nominal maupun
ordinal. Tampilan balok-balok diagram batang dibagi menjadi tiga yaitu singel bar,
multiple bar, dan subdivided bar.
 90

80

70

60

50
East
40 West

30 North

20

10

0
1st Qtr 2nd Qtr 3rd Qtr 4th Qtr

6. Diagram pinca (pie diagram)

Digunakan untuk menyajikan data diskrit atau data dengan skala nominal dan
ordinal atau disebut juga data kategori.

7. Diagram tebar (scatter diagram)

Digunakan untuk menggambarkan hubungan dua macam variabel yang
diperkirakan ada hubungan.
8. Pictogram
Digambarkan sesuai dengan objekny, seperti ingin menunjukkan jumlah penduduk
dengan menggmbar orang, menggambarkan penyakit jantung langsung
menggambar jantung.

Jumlah penderita penyakit jantung koroner yang dirawat di Rumah Sakit Kabupaten “x”
Tahun 2009-2011
2009
2010
2011
= 10 penderita

9. Mapgram
Menggunakan map atau peta dari suatu daerah. Permasalahan yang akan
digambarkan ditunjukkan langsung di peta tersebut. Misalnya kita ingin
menggambarkan prevalensi penderita penyakit gondok endemik, prevalensi yang
tinggi digambar lebih gelap daripada prevalensi sedang.

10. Box whisker plot

 Digunakan untuk menyajikan data numerik, dipakai untuk membandingkan
beberapa pengamatan. Misalnya; membandingkan sebaran kadar kolesterol orang
normal, hipertensi, dan ibu hamil.

Sehat Hertensi Bumil

11. Stem and leaf plot

Penyajian data dalam bentuk distribusi frekuensi akan menghilangkan nilai asli
data tersebut. Untuk itu dibuatlah suaty penyajian yang disebut stem & leaves
(batand dan daun)

Umur 25 orang akseptor KB di Puskesmas Melur Bulan November 2010

Batang Daun Frekuensi
10 9 1
20 0,0,0,1,1,2,3,3 8
30 0,1,2,2,3,4,5,6,7,8 10
40 0,0,1,1,2,2 6

12. Pareto
Hampir sama dengan diagram batang yang disusun dengan susunan tinggi
rendahnya batang sehingga dengan mudah dapat diinterpretasi.
 DAFTAR PUSTAKA

Budiman Chandra, (2009). Biostatistika Untuk Kedokteran & Kesehatan. Jakarta: EGC.

Dayat. 2019. Paper Biostatistik. Diakses pada https://id.scribd.com. (18 September 2021)

Eko, Bidiarto. (2011). Biostatistika Untuk Kedokteran dan Kesehatan Masyarakat. Jakarta:
EGC.

Rachmawati. 2019. Makalah Biostatistik Deskriptif Jenis Data Dan Skala Pengururan.
Tersedia pada https://www.academia.edu. (18 September 2021)