BAB II

DATA STATISTIK

POPULASI DAN SAMPEL

1. Populasi
Penelitian terhadap suatu populasi sering disebut juga sensus. Populasi
(universum) adalah keseluruhan subjek atau objek yang memiliki ukuran dan
karakteristik tertentu yang oleh peneliti ditetapkan sebagai objek studi dan sekaligus
menjadi wilayah generalisasi untuk kesimpulan yang ditarik dari penelitian yang
dilakukannya. Populasi tidak terbatas pada manusia saja, tetapi juga makhluk hidup lain
dan bahkan benda-benda alam. Apa yang menjadi populasi penelitian sangat
tergantung pada apa yang ditetapkan seseorang sebagai objek studinya.
Populasi ada yang diketahui jumlahnya (finite population), namun ada pula
populasi yang jumlahnya sulit ditentukan/diketahui (unfinite population). Namun,
populasi tidak hanya berhubungan dengan persoalan berapa besaran jumlahnya, tetapi
jauh lebih penting dari itu adalah karakteristik atau ciri-ciri atau ukuran kualitatif atau
sifat-sifat tertentu yang melekat pada subjek atau objek yang akan ditetapkan sebagai
populasi. Sebagai contoh populasi adalah guru ekonomi dalam suatu wilayah tertentu.
Jumlah guru ekonomi dapat dicari berdasarkan catatan dinas pendidikan setempat.
Ada banyak karakteristik yang melekat pada guru-guru ekonomi diantaranya status
guru, umur, masa kerja, gender, dan lain-lain.
2. Sampel
Sampel adalah sebagian dari populasi yang diteliti. Penelitian terhadap populasi
ideal dilakukan, namun banyak peneliti umumnya memiliki keterbatasan untuk dapat
melakukannya seperti waktu, biaya, tenaga, dan lain-lain sehingga penelitian dilakukan
berdasarkan sampel. Sampel yang terpilih haruslah representatif, artinya karakteristik
yang melekat pada sampel yang terpilih dapat menggambarkan karakteristik
populasinya. Sampel yang dipandang baik jika memiliki 2 kriteria, yaitu (Jogiyanto,
2013): akurat dan presisi. Sampel yang akurat adalah sampel yang tidak bias, misalnya
berasal dari suatu institusi yang sama/ukuran yang sama. Sampel yang presisi adalah

11 | P a g e
sampel yang pengambilannya memiliki kesalahan (sampling error) yang rendah.
Pengambilan sampel yang memiliki presisi tinggi adalah pengambilan sampel yang
memiliki kesalahan standar dari estimasi (standard error of estimate) kecil. Jumlah
sampel yang dibutuhkan ditentukan oleh jumlah populasi dan formula/rumus yang
digunakan dan presisi suatu sampel dapat ditingkatkan dengan menambah jumlah
sampel.
Metode pengambilan sampel dapat dibedakan menjadi 2, yaitu (Jogiyanto, 2013):
pengambilan sampel secara random/acak (basis probabilitas) dan tidak random/acak
(basis non probabilitas). Metode pengambilan berbasis probalilitas adalah random
sederhana (simple random) dan random komplek (complex random). Random komplek
dapat berupa systematic random sampling, cluster sampling, stratified sampling, dan
double sampling. Sementara pemilihan sampel non probabilitas dapat dilakukan
dengan metode convenience sampling, purposive sampling (judgent dan quota), dan
snowball sampling.

PENGUKURAN DAN DATA

Setiap orang yang melakukan penelitian baik terhadap suatu populasi atau
sampel akan melakukan kegiatan pengukuran. Pengukuran adalah penentuan besaran
yang dilakukan pada suatu atribut atau karakteristik suatu objek atau subjek yang
dilakukan berdasarkan alat ukur tertentu menurut aturan umum yang berlaku. Dalam
penelitian kuantitatif, besaran pengukuran dinyatakan dalam bentuk angka.
Sedangkan dalam penelitian kualitatif tidak dinyatakan dalam bentuk angka-angka,
tetapi dalam pernyataan-pertanyaan, kategori-kategori, atau ukuran kualitatif lainnya.
Kompleksitas pengukuran terhadap suatu atribut/karakteristik sangat beragam.
Ada pengukuran yang lebih mudah dilakukan karena alat ukur telah tersedia, seperti
timbangan untuk mengukur berat badan, meteran untuk mengukur tinggi, panjang,
lebar, dan lain-lain. Meskipun demikian, peneliti perlu memastikan bahwa alat ukur
tersebut telah memenuhi standar ataukah tidak. Pengukuran menjadi lebih sulit
dilakukan karena alat ukur belum tersedia sehingga seseorang perlu dicari atau bahkan
harus dibuat. Sebagai contoh mengukur kepercayaan diri siswa, motivasi belajar siswa,
dan lain-lain. Berdasarkan riset-riset sebelumnya yang dilaporkan di jurnal nasional

12 | P a g e
maupun internasional, kadang-kadang alat ukur (instrumen penelitian) yang berujud
kuesioner dapat diperoleh. Peneliti selanjutnya perlu melakukan penerjemahan yang
tepat dan adaptasi sesuai dengan subjek penelitian. Jika alat ukur (instrumen) belum
tersedia, maka peneliti tentu harus membuatnya dengan mengoperasionalisasikan
secara teoretik objek penelitian berdasarkan dimensi-dimesi, sub-sub dimensinya,
indikator-indikatornya, dan selanjutnya menuangkannya dalam pertanyaan-pertanyaan
penelitian.
Setelah pertanyaan-pertanyaan selesai disusun, peneliti perlu melakukan
pengujian secara empirik meliputi pengujian validitas dalam rangka untuk memastikan
alat ukur mengukur yang seharusnya diukur dan pengujian reliabilitas dalam rangka
memastikan alat ukur memiliki tingkat konsistensi (keajegan) tertentu jika alat ukur
tersebut digunakan. Ukuran nilai validitas biasanya tergantung pada jumlah subjek
yang dipilih, semakin besar jumlah subjek maka nilai ukuran pembanding (misalnya:
nilai corrected item to total correlation) untuk penentuan apakah suatu item valid/tidak
umumnya akan menjadi lebih rendah. Beberapa alat statistik, misalnya, menetapkan
ukuran nilai 0,7 untuk ukuran nilai validitas konvergen, yaitu nilai interaksi suatu
pernyataan terhadap keseluruhan pertanyaan (konstruk). Sementara untuk ukuran
nilai reliabilitas, ada alat statistik yang menetapkan ukuran sebesar 0,8, meskipun
misalnya Nunnaly (1966) menetapkan ukuran sebesar 0,6 sebagai ukuran nilai
reliabilitas.
Hasil-hasil pengukuran disebut data. Data adalah fakta atau kenyataan yang
terjadi dan diungkapkan secara apa adanya. Dengan demikian data menggambarkan
segala hal yang memang diketahui. Bentuk data bisa berupa keterangan-ketarangan,
bukti-bukti, hasil-hasil perhitungan/pengukuran, dan lain sebagainya. Data belumlah
memiliki makna. Oleh sebab itu, data perlu diolah agar memiliki makna dan menjadi
informasi yang bermanfaat. Sebagai contoh hasil ulangan harian seorang siswa
mendapatkan skor 5. Banyak orang barangkali akan berpersepsi bahwa siswa tidak
pintar karena memiliki hasil belajar yang buruk. Bagaimana halnya jika skor 5 adalah
skor tertinggi dari seluruh siswa yang mengikuti ulangan harian tersebut? Kesimpulan
yang dibuat kemungkinan justru bisa sebaliknya, siswa yang mendapat skor 5 adalah

13 | P a g e
terbaik diantara teman-temannya karena soal-soal ulangan dipandang terlalu sulit
untuk dikerjakan oleh para siswa.

KRITERIA DATA
Pengambilan keputusan memerlukan data yang baik, agar keputusan dapat
dipertanggungjawabkan dan juga tidak keliru. Data memiliki kategori yang baik
setidaknya jika memenuhi unsur sebagai berikut: objektivitas, keterwakilan, memiliki
tingkat kekeliruan minimum, kekinian, dan relevansi.
1. Objektivitas
Data dikatakan memenuhi unsur objektivitas, jika data memang sesuai dengan
keadaan atau situasi yang senyatanya. Sebagai contoh usia seorang siswa 6 tahun 6
bulan. Karena ada keinginan untuk segera dapat diterima masuk Sekolah Dasar, usia
selanjutnya dibulatkan menjadi 7 tahun. Pembulatan ini tentu saja menyebabkan data
umur tidak lagi sesuai dengan keadaan yang sebenarnya.
2. Keterwakilan
Data dikatakan memenuhi unsur keterwakilan, jika data sungguh
merepresentasikan karakteristik dari suatu subjek/objek yang diamati. Sebagai contoh
seseorang meneliti profesionalisme guru-guru pada wilayah tertentu. Mengingat
dalam suatu wilayah ada kemungkinan terdiri dari sub-sub wilayah yang masing-masing
memiliki karakteristik yang berbeda-beda, maka peneliti perlu mempertimbangkan
karakteristik-karakteristik tersebut dalam pengambilan sampel, seperti status
kepegawaian, status asal sekolah, lama mengajar, kepemilikan sertifikat pendidik, dan
lain-lain.
3. Kesalahan sampling
Data dapat diperoleh melalui suatu sensus atau sampling. Data yang diperoleh
dari sampling acapkali keliru sebagai akibat dari kesalahan dalam pengambilan sampel.
Sampel penelitian yang salah tentu akan menyebabkan data yang dikumpulkan tidak
sesuai dengan yang diharapkan. Sebagai contoh sampel penelitian ditetapkan
dilakukan secara random, namun karena dorongan kepentingan yang lebih praktis
sampel yang diambil adalah subjek-subjek yang lebih mudah ditemui meskipun
sebenarnya tidak menjadi sampel penelitian.

14 | P a g e
4. Kekinian
Data dikumpulkan idealnya bukan data yang telah kedaluwarsa, tetapi data yang
dikumpulkan sesuai dengan waktu penelitian yang telah ditetapkan. Hal demikian
disebabkan subjek atau objek ada kemungkinan berubah situasi atau kondisinya seiring
berjalannya waktu. Sebagai contoh penelitian terhadap persepsi masyarakat tentang
keberadaan ojek on-line, ada kemungkinan pada awal keberadaannya dipersepsi
masyarakat biasa-biasa saja, namun seiring berjalannya waktu persepsi masyarakat
menjadi lebih positif karena mempermudah transportasi dan biaya yang lebih murah.
5. Relevansi
Data yang baik juga harus memiliki keterkaitan yang jelas dengan objek atau
subjek yang diteliti. Sebagai contoh seseorang meneliti tentang hasil belajar siswa.
Data yang dikumpulkan tentu adalah data yang memiliki hubungan yang jelas dengan
hasil belajar, seperti hasil-hasil ulangan/tes/rapor (aspek kognitif), data penilaian aspek
afektif, dan data penilaian aspek psikomotorik.

JENIS-JENIS DATA
Berdasarkan jenisnya, data setidaknya dapat dikelompokkan menurut: asal data
diperoleh, sifat data, waktu pengumpulannya, dan tingkatan data.
1. Asal Data
Berdasarkan asal atau sumbernya, data dapat diperoleh dari dalam (data
internal) dan dari luar (data eksternal). Data internal adalah data yang dikumpulkan
oleh suatu badan yang bersumber dari kegiatan yang diselenggarakan oleh badan itu
sendiri. Sebagai contoh suatu sekolah bermaksud menguji efektivitas promosi yang
dilakukannya dengan jumlah siswa yang mendaftar di sekolah. Sekolah dapat
mengumpulkan data sendiri tentang efektivitas promosi dari catatan jumlah biaya
promosi yang telah dikeluarkannya dan catatan tentang jumlah siswa yang mendaftar
di sekolah.
Sementara, data ekternal adalah data yang diperoleh dari pihak luar
individu/badan. Data eksternal secara umum dikelompokkan manjadi data primer dan
data sekunder. Data primer adalah data yang dikumpulkan oleh individu atau badan

15 | P a g e
dari pihak luar yang selanjutnya diolah, dianalisis, dan dilaporkan sendiri oleh
individu/badan itu. Sebagai contoh seseorang meneliti keyakinan diri siswa dalam
belajar. Ia selanjutnya menyusun instrumen penelitian dan meminta siswa yang
responden penelitian untuk mengisi instrumen itu. Data yang dikumpulkan tersebut
disebut data primer karena data diperoleh dan dikumpulkan sendiri oleh peneliti. Data
sekunder adalah data yang dikumpulkan oleh individu atau badan dari individu atau
badan lain yang sebelumnya telah mengumpulkan, mengolah, dan melaporkan data
itu. Sebagai contoh seseorang bermaksud meneliti tingkat pertumbuhan ekonomi, lalu
ia memanfaatkan data yang dilaporkan oleh Badan Pusat Statistik. Bagi peneliti, data
yang dikumpulkan itu disebut data sekunder.
2. Sifat Data
Berdasarkan sifatnya, data dikelompokkan menjadi data kuantitatif dan data
kualitatif. Data kualitatif adalah data yang perwujudan nilainya tidak dalam bentuk
angka-angka. Sebagai contoh seseorang bermaksud meneliti persepsian orang tua
terhadap biaya masuk ke perguruan tinggi. Peneliti meminta orang tua diminta untuk
menyatakan pendapatnya dalam pernyataan murah, sedang, atau mahal. Sementara,
data kuantitatif adalah data yang perwujudan nilainya dalam bentuk angka-angka. Data
kuantitatif dapat dikelompokkan menjadi data diskrit dan data kontinu. Data diskrit
adalah data yang diperoleh dari hasil menghitung. Nilai dari data diskrit adalah bilangan
asli (tidak berbentuk pecahan). Sebagai contoh data diskrit adalah data tentang jumlah
siswa, jumlah guru, jumlah fasilitas-fasilitas yang tersedia di kelas, dan lain-lain. Data
kontinu adalah data yang diperoleh dari hasil mengukur. Nilai data kontinu bisa
berbentuk pecahan ataupun tidak. Sebagai contoh data kontinu adalah data tentang
berat badan siswa, tinggi badan siswa, dan lain-lain.
3. Waktu Pengumpulan Data
Berdasarkan waktu pengumpulannya, data dapat dikelompokkan menjadi data
cross section dan time series. Data cross section adalah data yang menggambarkan
suatu keadaan dalam suatu periode tertentu dan dikumpulkan oleh peneliti pada suatu
periode tersebut. Sebagai contoh data cross section adalah motivasi belajar siswa kelas
X SMA Y pada tahun 2019. Data time series adalah data yang menggambarkan kondisi
pada suatu runtun waktu dan dikumpulkan peneliti dalam runtun waktu tersebut.

16 | P a g e
Sebagai contoh data time series adalah perkembangan motivasi belajar siswa kelas X
SMA Y pada tahun 2017 sampai dengan 2019. Peneliti pada setiap tahun, dari tahun
2017 sampai dengan tahun 2019, akan mengumpulkan data tentang motivasi belajar
siswa kelas X SMA Y.
4. Tingkatan Data
Berdasarkan tingkatannya, data dikelompokkan menjadi data nominal, data
ordinal, data interval, dan data rasio.Masing-masing tingkatan data ini memiliki
karakteristik tertentu termasuk didalamnya skala datanya. Dalam ilmu matematika,
skala sering digunakan untuk membandingkan suatu jarak pada suatu gambar dengan
jarak yang sesungguhnya (misal: peta). Penskalaan tersebut dimaksudkan agar
pembaca dapat melakukan perhitungan jarak yang sebenarnya berdasarkan gambar.
Sementara dalam ilmu statistik, skala data dapat diartikan sebagai pemasangan suatu
lambang bilangan (disimbolkan dalam bentuk angka) dengan lambang bilangan
lainnya. Pemasangan lambang bilangan tersebut dilakukan dalam rangka menentukan
jarak bilangan dan sekaligus untuk melakukan perbandingan skala yang satu dengan
skala yang lain. Oleh sebab itu dikenali skala data nominal, skala data ordinal, skala
data interval, dan skala data rasio.
a. Data nominal
Data dikategorikan sebagai data nominal jika memiliki karakteristik: 1) mutually
exclusive, yaitu sifat dari objek atau subjek yang diukur/dihitung hanya memiliki 1 (satu)
karakteristik/atribut saja; 2) lambang bilangan (angka) berfungsi sebagai kode untuk
menglasifikasi/mengategorikan karakteristik/atribut suatu subjek atau objek dengan
subjek atau objek lainnya; 3) lambang bilangan yang dipilih tidak menunjukkan urutan
yang logik, yaitu bilangan (angka) hasil pengukuran yang lebih besar tidak
menunjukkan derajat/tingkatan yang lebih tinggi; 4) operasi matematis (penambahan,
pengurangan, perkalian, pembagian) tidak dapat diterapkan untuk lambang bilangan
yang ditetapkan; 5) jarak antara satu bilangan dengan bilangan lain tidak dapat
ditentukan (diasumsikan); 6) lambang bilangan 0 tidak bersifat mutlak. Contoh data
nominal adalah data tentang jenis kelamin, data agama, dan lain-lain. Data jenis
kelamin, misalnya, jika laki-laki diberi lambang bilangan atau simbol angka 1; dan
perempuan diberi lambang bilangan 2. Fungsi lambang bilangan 1 dan 2 hanyalah untuk

17 | P a g e
klasifikasi semata bahwa subjek penelitian dikategorikan sebagai laki-laki atau
perempuan. Lambang bilangan tersebut tidak berarti laki-laki dinilai lebih rendah dari
perempuan. Responden laki-laki yang berjumlah 2 (masing-masing diberi lambang
bilangan 1) tidak sama dengan perempuan yang berjumlah 1 (diberi lambang bilangan
2). Jarak lambang bilangan antara 1 dan 2 tidak dapat ditentukan jaraknya. Boleh-boleh
saja seseorang menggunakan simbol angka 1 untuk laki-laki dan 0 untuk perempuan,
karena fungsinya lambang bilangan hanyalah bersifat klasifikasi semata.
b. Data Ordinal
Data dikategorikan sebagai data ordinal jika memiliki karakteristik: Data
dikategorikan sebagai data nominal jika memiliki karakteristik: 1) mutually exclusive,
yaitu sifat dari objek atau subjek yang diukur/dihitung hanya memiliki 1 (satu)
karakteristik/atribut saja; 2) lambang bilangan (angka) berfungsi sebagai kode untuk
menglasifikasi/mengategorikan karakteristik/atribut suatu subjek atau objek dengan
subjek atau objek lainnya; 3) lambang bilangan yang dipilih menunjukkan urutan yang
logik, yaitu bilangan (angka) hasil pengukuran yang lebih besar menunjukkan
derajat/tingkatan yang lebih tinggi; 4) operasi matematis (penambahan, pengurangan,
perkalian, pembagian) tidak dapat diterapkan untuk lambang bilangan yang
dipilih/ditetapkan; 5) jarak antara satu bilangan dengan bilangan lain tidak dapat
ditentukan (diasumsikan); 6) lambang bilangan 0 tidak bersifat mutlak. Contoh data
ordinal adalah data jenjang pendidikan, data tentang golongan gaji, dan lain-lain. Data
tentang jenjang pendidikan, misalnya, jika responden penelitian diberi lulusan
perguruan tinggi diberi lambang bilangan atau simbol angka 4, lulusan SMA/sederajat
diberi simbol angka 3, lulusan SMP/sederajat diberi simbol angka 2, lulusan
SD/sederajat diberi simbol angka 1. Fungsi lambang bilangan 1, 2, 3 dan 4 hanyalah
untuk menglasifikasi subjek penelitian berdasarkan pendidikan formal terakhir yang
ditamatkannya. Namun berbeda dengan data nominal, pada kasus ini responden yang
lulus SMP dan diberi simbol angka 2 dinilai lebih tinggi dari responden yang lulus SD
yang diberi simbol 1, lulusan SMA dinilai lebih tinggi dari SMP, dan seterusnya. Seperti
halnya data nominal, jumlah 2 orang lulusan SD yang masing-masing diberi simbol 1
tidak sama dengan 1 orang lulusan SMPyang diberi simbol angka 2, jumlah 2 orang
lulusan SMP tidak sama dengan 1 orang lulusan perguruan tinggi, dan seterusnya. Jarak

18 | P a g e
antar lambang bilangan yang satu dengan lainnya tidak dapat ditentukan besarannya,
misal 1 ke 2, 2 ke 3, dan seterusnya. Karena fungsinya bersifat klasifikasi, boleh-boleh
saja lulusan SD diberi simbol angka 0, SMP diberi simbol angka 2, SMA diberi simbol
angka 3, dan perguruan tinggi diberi simbol angka 3.
c. Data interval
Data dikategorikan sebagai data interval jika memiliki karakteristik: 1) mutually
exclusive, yaitu sifat dari objek atau subjek yang diukur/dihitung hanya memiliki 1 (satu)
karakteristik/atribut saja; 2) lambang bilangan (angka) berfungsi sebagai kode untuk
menglasifikasi /mengategorikan karakteristik/atribut satu subjek atau objek dengan
subjek atau objek lainnya; 3) lambang bilangan yang dipilih menunjukkan urutan yang
logik, yaitu bilangan (angka) hasil pengukuran yang lebih besar menunjukkan
derajat/tingkatan yang lebih tinggi; 4) operasi matematis (penambahan, pengurangan,
perkalian, pembagian) tidak dapat diterapkan untuk lambang bilangan yang
dipilih/ditetapkan; 5) jarak antara satu bilangan dengan bilangan lain (scale unit) dapat
ditentukan (diasumsikan), namun; 6) lambang bilangan 0 tidak bersifat mutlak. Contoh
data interval adalah data suhu, skor hasil belajar, dan lain-lain. Hasil pengukuran suhu,
misalnya, yang lebih besar jelas menunjukkan suhu yang lebih panas. Jumlah 2 ember
yang berisi air yang masing-masing bersuhu 40o Celcius ketika disatukan menjadi 1
ember tidak sama suhu air menjadi 80oC. Jarak suhu 1oC sampai dengan 5oC sama
dengan jarak suhu 21oC sampai dengan 25oC. Suhu air 0oC tidak berarti bahwa air tidak
memiliki suhu sama sekali.
d. Data rasio
Data rasio adalah data dengan tingkatan tertinggi. Data dikategorikan sebagai
data rasio jika memiliki karakteristik: 1) mutually exclusive, yaitu sifat objek atau subjek
yang diukur/dihitung hanya memiliki 1 (satu) karakteristik/atribut saja; 2) lambang
bilangan (angka) berfungsi sebagai kode untuk menglasifikasi/mengategorikan
karakteristik/atribut satu subjek atau objek dengan subjek atau objek lainnya; 3)
lambang bilangan yang dipilih/ditetapkan menunjukkan urutan yang logik, yaitu
bilangan (angka) yang lebih besar menunjukkan derajat/tingkatan yang lebih tinggi; 4)
operasi matematis (penambahan, pengurangan, perkalian, pembagian) dapat
diterapkan untuk lambang bilangan yang ditetapkan; 5) jarak antara satu bilangan

19 | P a g e
dengan bilangan lain (scale unit) dapat ditentukan (diasumsikan); 6) lambang bilangan
0 bersifat mutlak, artinya lambang bilangan 0 menunjukkan tidak ada subjek atau objek
yang dihitung/diukur. Contoh data interval adalah data tentang berat badan, tinggi
badan, panjang meja, dan lain-lain. Data berat badan, misalnya, hasil pengukuran berat
yang lebih besar menunjukkan berat yang lebih tinggi. 2 orang yang ditimbang dengan
berat masing-masing 40 kg sama dengan berat 1 orang yang beratnya 80 kg. Jarak
berat badan 1 sampai 10 kg sama dengan jarak berat badan 91 kg sampai dengan 100
kg. Berat badan sebesar 0 kg bersifat mutlak, artinya subjek yang ditimbang memang
tidak ada.

20 | P a g e