Skala Pengukuran
Mengenal jenis data merupakan hal yang penting dalam statistika karena berhubungan dengan
analisis statistika yang akan digunakan. Beberapa analisis statistika mensyaratkan jenis data
tertentu, jika jenis data yang digunakan tidak relevan dengan analisis yang digunakan maka
hasil yang diperoleh tidak sah.
1. Skala Nominal
Skala/jenis data nominal merupakan skala pengukuran yang paling rendah. Angka yang
tersaji dalam skala nominal hanya sebagai penggolongan agar dapat dibedakan saja dan
tidak mengukur besaran. Sebagai contoh, dalam pengkodean jenis kelamin; kode (1) untuk
laki-laki dan (0) untuk perempuan hanya digunakan untuk membedakan jenis kelaminnya
saja dan tidak berarti bahwa salah satu jenis kelamin lebih tinggi dari yang lainnya.
2. Skala Ordinal
Skala ordinal hampir sama dengan skala nominal hanya saja selain digunakan untuk
membedakan, skala ordinal juga sudah memiliki urutan tingkatan. Contoh skala ordinal
adalah tingkat kepuasan; (5) sangat puas, (4) puas, (3) cukup puas, (2) tidak puas, (1) sangat
tidak puas. Angka-angka tersebut memiliki arti bahwa 2 lebih tinggi dari 1, 3 lebih tinggi dari
2 dan 1 dan seterusnya, namun jarak atau selisih antara 1 dan 2 tidak memiliki arti apapun.
3. Skala Interval
Pada skala interval atau selang, angka yang disajikan menunjukkan tingkatan dan angka yang
berurutan memiliki interval (jarak) yang sama. Ciri utama skala interval adalah tidak
mempunyai titik dasar (nol) mutlak sehingga operasi perbandingan tidak dapat digunakan.
Contoh skala interval adalah pengukuran suhu dengan standar derajat Celcius. Suhu 40 0 C
dan 200 C memiliki selisih yang sama dengan suhu 80 C dan 600 C yaitu 200 C akan tetapi
suhu 40 0 C tidak berarti dua kali lebih panas dari 200 C . Demikian juga suhu 00 C tidak berarti
bahwa pada suhu tersebut tidak mempunyai panas.
4. Skala Rasio
Skala rasio merupakan skala pengukuran tertinggi. Selain dapat membedakan, dapat
menunjukkan tingkatan dan memiliki interval yang sama antar dua nilai yang berurutan,
skala rasio juga dapat dibandingkan karena memiliki nilai dasar (nol) mutlak. Contohnya
tinggi badan, harga barang dan lain sebagainya.
Dapat Ada urutan Memiliki Dapat
Data Skala dibedaka tingkata interval dibandingka
n n sama n
Nomina
Kategori √
l
k
Ordinal √ √
Interval √ √ √
Numerik
Rasio √ √ √ √
1. Tinggi Badan Diduga tinggi badan 1. Mengamati tinggi badan Pengamatan terhadap kedua
2. Berat Badan dan berat badan 2. Mengamati peubah yang peubah dilakukan secara
memiliki dianggap relevan misalnya bersamaan. Sulit untuk
hubungan berat badan atau sebaliknya mengatakan bahwa
perubahan satu peubah
disebabkan oleh
perubahan peubah lainnya
→Bukan Hubungan Sebab
Akibat
1. Banyaknya Diduga banyaknya 1. Tentukan harga barang Perubahan banyaknya barang
barang barang 2. Kemudian faktor lain yang yang terjual dipengaruhi
terjual/minggu terjual/minggu mempengaruhi banyaknya oleh perubahan harga dan
2. Adanya hari dipengaruhi oleh barang yang terjual ada/tidaknya hari libur
libur atau berbagai peubah dikendalikan sehingga →Hubungan Sebab Akibat
tidak misalnya harga pengaruhnya konstan
3. Harga Barang barang, ada 3. Amati banyaknya barang yang
tidaknya hari libur terjual pada minggu yang ada
dalam minggu hari liburnya dan minggu yang
tersebut tidak ada hari liburnya
Analisis Hubungan
Analisis hubungan adalah bentuk analisis peubah penelitian untuk mengetahui derajat atau
kekuatan hubungan, bentuk atau arah hubungan diantara peubah dan besarnya pengaruh
peubah yang satu (peubah bebas) terhadap peubah yang lainnya (peubah terikat). Dalam
analisis hubungan, hubungan antar peubah dapat berbentuk hubungan simetris, hubungan
kausal dan hubungan timbal balik
1) Hubungan simetris, merupakan bentuk hubungan dimana dua peubah atau lebih muncul
secara bersamaan. Dalam bentuk hubungan ini tidak ditemukan secara pasti adanya peubah
bebas dan peubah terikat, hal ini disebabkan karena keberadaan satu peubah tidak
disebabkan atau tidak dipengaruhi oleh keberadaan peubah lainnya. Contohnya hubungan
antara suara burung hantu dengan kematian seseorang
2) Hubungan kausal, merupakan hubungan yang sifatnya sebab akibat artinya keadaan satu
peubah disebabkan atau ditentukan oleh keadaan satu atau lebih peubah lainnya. Dalam
bentuk hubungan ini, sudah ditemukan secara pasti adanya peubah terikat dan peubah
bebas. Peubah yang nilainya bergantung pada peubah lain disebut peubah terikat (Y) dan
yang nilai-nilainya tidak bergantung pada peubah lain atau menentukan peubah lainnya
disebut peubah bebas (X).
Hubungan ini dapat terjadi apabila memenuhi beberapa syarat yaitu; a) asosiasi, menunjukkan
kaitan diantara peubah seperti yang sering diperoleh dengan teknik korelasi, b) prioritas
waktu, menunjukkan bahwa X terjadi lebih dulu dari Y, c) Hubungan sebenarnya,
menunjukkan Y benar-benar disebabkan oleh X bukan oleh faktor lain, d) rasional,
menunjukkan logika yang mendasari hubungan tersebut.
Contoh hubungan ini adalah hubungan antara iklan dengan volume penjualan, hubungan
antara valuta asing dengan harga saham dan hubungan antara pelatihan dan prestasi kerja.
3) Hubungan timbal balik atau hubungan interaktif atau hubungan resiprokal merupakan
bentuk hubungan dimana dua peubah atau lebih saling mempengaruhi. Dalam bentuk
hubungan ini sudah ditemukan secara pasti adanya peubah terikat dan peubah bebas namun
kedua peubah ini dapat bergantian kedudukannya artinya peubah terikat dapat bertindak
sebagai peubah bebas demikian sebaliknya. Contoh hubungan ini adalah hubungan antara
motivasi dan prestasi kerja, hubungan antara harga dan volume penjualan.
r=1 r=0
r=0 r=0
Jenis hubungan simetrik
Jenis Hubungan Simetrik X 2 = Jenis Data Numerik X 2 = Jenis Data Kategorik
X 1 = Jenis Data Korelasi Pearson
Tabel Ringkasan
Numerik Korelasi Spearman
X 1 = Jenis Data Korelasi Spearman (Ordinal)
Tabel Ringkasan
Kategorik Korelasi Chi Square
n = banyaknya data
Contoh Soal
Penelitian mengenai hubungan antara besarnya pengeluaran iklan (dalam juta Rupiah) dengan
volume penjualan barang (dalam juta) yang dicapai selama 5 tahun oleh sebuah perusahaan
menghasilkan data sebagai berikut :
i ke- Tahun X Y
1 1995 x 1 = 4,5 y 1 = 50,250
2 1996 x 2 = 5,5 y 2 = 58,375
3 1997 x 3 = 6,0 y 3 = 64,375
4 1998 x 4 = 3,5 y 4 = 56,750
5 1999 x 5 = 6,0 y 5 = 78,075
5 5
Jumlah
∑ x i = 25,5 ∑ yi = 307,825
i=1 i=1
dimana X adalah pengeluaran iklan (Rp 000.000) dan Y adalah volume penjualan (000.000)
Pertanyaan : berapa nilai koefisien korelasi Pearson (r) dan apa artinya?
1. Sebelum menggunakan uji korelasi pearson, terlebih dahulu periksa jenis data dari masing-
masing peubah. Angka 0 pada peubah pengeluaran iklan diartikan sebagai tidak ada
pengeluaran iklan sehingga 0 merupakan nilai mutlak sehingga dapat disimpulkan bahwa
data di peubah X jenisnya adalah rasio , dan angka 0 pada peubah volume penjualan
diartikan sebagai tidak ada penjualan sehingga 0 merupakan nilai mutlak sehingga dapat
disimpulkan bahwa data di peubah Y jenisnya adalah rasio. Karena jenis datanya rasio maka
peubah X dan Y merupakan peubah numerik sehingga uji korelasi pearson dapat digunakan
untuk menguji hubungan antara kedua peubah
2. Hitung nilai berikut :
X Y x2 XY y2
(50,2502 ¿=¿ 2525,06
4,5 50,250 (4,5 2)=20,250 (4,5)(50,250) = 226,125 3
2
(58,375 ¿=¿ 3407,64
5,5 58,375 (5,52)=30,250 (5,5)(58,375) = 321,063 1
(64,3752 ¿=¿ 4144,14
6 64,375 (6,02)=36,000 (6,0)(64,375) = 386,250 1
2
(56,750 ¿=¿ 3220,56
3,5 56,750 (3,52)=12,250 (3,5)(56,750) = 198,625 3
2
(78,075 ¿=¿ 6095,70
6 78,075 (6,02)=36,000 (6,0)(78,075) = 468,450 6
5 5 5 5 5
2
∑ x i = 25,5 ∑ yi = 307,825 ∑ x =¿134,750
i ∑ x i y i= 1600,513 ∑ y2i = 19393,112
i=1 i=1 i=1 i=1 i=1
n ∑ xi ∑ yi
S xy ∑ x i yi − i=1 i=1
n
i=1
r xy = =
√ S xx √ S yy n n
√ √
2 2
n (∑ x i ) n (∑ y i )
∑ x 2i − i =1
n
∑ y 2i − i=1
n
i=1 i=1
(25,5)(307,825)
( 1600,513 )−
(5)
r xy =
(25,5)2 (307,825)2
√
134,75−
r xy =0,6716
5
19393,114−
√
5
Nilai koefisien korelasi Pearson sebesar 0,6716 berarti bahwa antara pengeluaran iklan dan
volume penjualan terdapat hubungan positif yang cukup tinggi dan jika pengeluaran iklan
ditambah atau dikurangi maka volume penjualan akan ikut naik atau turun.