4 Macam Tipe Data Statistik

Pengetahuan mengenai tipe2 data adalah penting di dalam statistika. Terdapat 4 tipe data,
diurutkan mulai dari tingkatan terendah hingga tertinggi:

1.Nominal
Digunakan untuk mengklasifikasikan informasi/data. Contoh:Data jenis kelamin = Laki-laki
dan Perempuan. Biasanya, saat analisis data, tipe data spt ini dilambangkan dg bilangan
numerik (angka).Laki-laki dilambangkan dengan angka 1, sedangkan perempuan
dilambangkan dengan angka 0. Tidak berarti angka 0 lebih rendah dari angka 1, ingat!! cuma
melambangkan saja.

2. Ordinal
Digunakan untuk mengklasifikasikan serta memiliki tingkatan. Tipe data ordinal lebih tinggi
dari Nominal karena kemampuannya untuk membentuk tingkatan. Contoh:Jabatan di dalam
perusahaan = karyawan, manager, direktur utama. Misal, karyawan dilambangkan dengan 1,
manager dg 2, dan direktur utama dengan 3. Pada tipe data ini, angka 1 dianggap lebih
rendah dari angka 2, dst. Bisa saja karyawan dilambangkan dengan angka 1, tetapi manager
angka 3 dan direktur utama dengan angka 10. Tipe data ini tidak mensaratkan jarak yang
sama antar angka yang digunakan sebagai lambang. Yang perlu diperhatikan hanyalah
bahwa angka 3 lebih tinggi dari angka 1, angka 10 lebih tinggi dari angka 3.

3. Interval
Ciri khas dari tipe data ini, selain memiliki kemampuan mengklasifikasikan dan membentuk
tingkatan, adalah tidak adanya nilai nol mutlak. Artinya, angka nol yg digunakan bukan
berarti tidak ada. Contoh: Derajat suhu. Di dalam skala Celcius misalnya, Nol derajat Celcius
bukan berarti tidak ada suhu. Nol derajat itu memiliki suhu, hanya saja dilambangkan dengan
nol. Selain itu, jarak antar setiap angka yg digunakan adalah sama. Misal: di dalam
kuesioner, ada tingkatan dari TIDAK SETUJU (lambang: 1) s.d. SANGAT SETUJU
(lambang: 5). Jarak antara SANGAT SETUJU (5) dg SETUJU (4) adalah 1, yaitu 5-4=1.
Jarak antara SETUJU (4) dg RAGU-RAGU (3) juga = 1, yaitu 4-3=1. dst.

4. Rasio
Memiliki kemampuan dari ketiga tipe data sebelumnya, dan angka nol dianggap mutlak.
Contoh: data berat badan (kg). Angka Nol kg berarti memang tidak ada berat.
Tipe data nominal dan ordinal sering digunakan pada metode statistika nonparametrik.
Sedangkan tipe data interval dan rasio cocok untuk digunakan pada metode statistika
parametrik, asal asumsi yang dibutuhkan oleh metode statistika parametrik yang
bersangkutan dapat dipenuhi.

=================================
Beta Consulting ( Bengkeldata.com ) siap membantu perusahaan/perorangan dalam
melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

Macam Data Statistik

MENURUT SUMBER DAN PENGGUNAANNYA:
1. Data Internal
Yaitu data yang menggambarkan keadaan atau kegiatan suatu badan yang dikumpulkan
sendiri dan hasil datanya digunakan oleh badan itu sendiri.

Contoh:

- Data pengeluaran keuangan untuk membayar biaya produksi perusahaan tekstil

- Data hasil produksi pabrik mie “sedaap”

2. Data Eksternal
Yaitu data yang menggambarkan keadaan atau kegiatan di luar badan dan data tersebut
tidak terdapat dalam aktivitas intern suatu badan.
Contoh:
- Bagi perusahaan “LG”, data daya beli masyarakat terhadap barang produksinya
(seperti TV “Turbo Swing”) adalah data eksternal perusahaan tersebut
- Data tingkat kepuasan masyarakat terhadap barang produksi menjadi tolok ukur dalam
mengembangkan daerah pemasaran
MENURUT CARA MEMPEROLEHNYA:
1. Data Primer
Yaitu data yang dikumpulkan dan diolah sendiri oleh suatu badan secara langsung serta

diterbitkan oleh badan itu pula.

Contoh:

- Sensus penduduk oleh BPS, dihasilkan data primer langsung dari penduduk

- Data pengeluaran beras di gudang penyimpanan BULOG

2. Data Sekunder
Yaitu data yang dilaporkan oleh suatu badan sedang badan ini tidak secara langsung

mengumpulkan sendiri tapi diperoleh dari pihak lain yang telah mengumpulkannya.

Contoh:

- Data kenaikan atau penurunan nilai tukar rupiah terhadap mata uang asing dari BEJ

- Pemeriksaan dan pendataan ulang barang impor di pelabuhan dari pihak bea cukai

MENURUT SIFATNYA:
1. Data Kualitatif
Yaitu kemungkinan observasi yang tidak dinyatakan dengan angka-angka

Contoh:

- Nilai rupiah sangat kuat

- Pengangguran dan kemiskinan meningkat tajam

2. Data Kuantitatif

Yaitu serangkaian observasi atau pengajaran yang dapat dinyatakan dengan angka-angka.

Contoh:

- Nilai rupiah Rp 9.250,00 per US$ di akhir tahun 2006

- Jumlah pengungsi akibat banjir di Jakarta sebanyak 1423 jiwa

Data kuantitatif terbagi atas:

a. Data Diskrit

Yaitu data yang hanya mempunyai sejumlah terbatas nilai-nilai.

Contoh:

- Jumlah mahasiswa di sebuah universitas

- Banyaknya masyarakat yang memakai kendaraan roda dua di daerah Purwokerto

b. Data Kontinu
Yaitu data yang secara teoritis dapat menjalani setiap nilai. Disebut juga nilai

pengamatan kuantitatif kontinyu.

Contoh:

- Pengukuran debit air di bendungan

- Pengukuran tingkat curah hujan di daerah Bandung

MENURUT WAKTU PENGUMPULAN:

1. Data Cross Section
Yaitu data yang dikumpulkan pada suatu waktu tertentu yang bisa menggambarkan
keadaan atau kegiatan pada waktu tersebut.
Contoh:
- Data jumlah TKI yang meninggal pada tahun 2006 akibat kekerasan menggambarkan
kurangnya perlindungan keselamatan TKI di luar negeri
- Bencana meluasnya lumpur lapindo menandakan kurang seriusnya pemerintah dalam
menangani korban bencana tersebut.
2. Data Time Series

Yaitu data yang dikumpulkan dari waktu ke waktu sehingga ada perkembangannya (trend)

yang menunjukkan arah secara umum. Garistren d sangat berguna untuk membuat ramalan

(forecasting) yang dibutuhkan bagi perencanaan

Contoh:
- Data persebaran penduduk di Indonesia dibutuhkan untuk perencanaan transmigrasi
sebagai upaya pemerataan jumlah persebaran di tiap daerah
- Data tingkat curah hujan tiap tahunnya dibutuhkan untuk mengantisipasi datangnya
tanah longsor atau banjir