DESKRIPTIF DAN
PROBABILITAS
Materi Pertemuan 1 dan 2
Content:
Konsep Dasar Statistik
Data Statistik
Skala Pengukuran Data
Sumber:
Ruwah Ibnatur Husnul, N., Eka Rima Prasetya, Mp., Prima Sadewa, Mp., Ajimat, Mp., Listiya
Ike Purnomo, M., Jl Surya Kencana No, M., Gd, P. A., & Pamulang Tangerang Selatan -Banten,
U. (n.d.). STATISTIK DESKRIPTIF. www.unpam.ac.id
KONSEP DASAR STATISTIK
A. URAIAN MATERI
1. Statistik
Statistik merupakan salah satu cabang dari ilmu matematika yang di
dalamnya mempelajari suatu pengukuran, observasi dan analisis. Statistik
mempunyai arti dasar yaitu suatu data ringkasan yang berbentuk angka. Sebagai
contoh kecil adalah mengenai data tentang penduduk, data tentang guru-guru atau
data tentang mahasiswa di perguruan tinggi. Dalam arti yang lebih dalam, statistik
adalah suatu ilmu yang mempelajari mengenai bagaimana cara mengumpulkan
data, mengolah data, menyajikan data dan menganalisi data dengan
mempertimbangkan unsur ketidakpastian berdasarkan konsep probabilitas.
Statistik dalam hal ini juga bisa digunakan dalam pengambilan keputusan,
berdasarkan data-data yang bisa dipertanggungjawabkan tentunya. Lebih jelas
lagi bahwa statistik ini mampu untuk memuaskan suatu teori dan metode dalam
perkembangan suatu ilmu riset. Dalam ilmu riset tidak terlepas dari ilmu statistik,
oleh karena itu statistik dan riset sangat erat kaitannya, sehingga tidak bisa
dipisahkan.
3. Tahapan-tahapan Statistik
Dalam ilmu statistik, ada beberapa tahapan-tahapan sebagai metode yang
harus dipahami dengan baik, yaitu sebagai berikut :
a) Pengumpulan Data
b) Penyusunan Data
c) Penyajian Data
d) Analisis Data
e) Interpretasi Data
b) Statistik Inferensial
Kebalikannya dengan statistik deduktif, maka statistik inferensial juga
bisa dikenal sebagai statistik induktif. Statistika inferensial adalah ilmu statistik
yang menyediakan aturan atau suatu metode yang digunakan untuk
meramalkan, menaksir, dan mengambil suatu kesimpulan yang bersifat umum.
Statistika inferensial bertujuan sebagai alat praduga dari parameter populasi
dan pengujian hipotesis.
Teori peluang memegang peranan penting dalam statistika Inferensial.
Statistika inferensial sifatnya lebih mendalam dan merupakan tindak lanjut dari
statistika deskriptif. Statistika deskriptif merupakan dasar dari ilmu statistik
secara keseluruhan. Oleh karena itu untuk dapat mempelajari atau memahami
statistik inferensial, seseorang harus terlebih dahulu mempelajari statistika
deskriptif dengan baik.
Statistika inferensial akan membahas bagaimana cara menganalisis
data dengan pengambilan kesimpulan. Statistika inferensial menjadi sebuah
metode yang berkaitan dengan analisis sebagian data, bahkan sampai ke
peramalan atau penaksiran dalam menarik kesimpulan di keseluruhan data
yang akan di teliti. Sebagian data dalam variabel dinamakan dengan sampel,
kemudian untuk data secara keseluruhan dinamakan dengan populasi.
Pada statistika inferensial ini akan selalu ada pendugaan parameter,
ada penduga hipotesis dan menguji hipotesis tersebut sampai menemukan
kesimpulan yang berlaku secara umum. Ini dinamakan statistik induktif karena
informasi bisa di tarik kesimpulan dengan data sebagian saja yang dianggap
sudah mewakili data secara keseluruhan.
c) Statistika Parametrik dan Nonparametrik
Statistika inferensial dibagi menjadi dua macam, yaitu statistik parametrik
dan statistik non parametrik. Untuk statistika parametrik merupakan bagian dari
statistika inferensial yang mempertimbangkan nilai dari satu atau lebih
parameter populasi. Sehubungan dengan kebutuhan inferensialnya, pada
umumnya statistika parametrik membutuhkan data yang berskala pengukuran
minimal interval. Selain itu, penurunan prosedur dan penetapan teorinya
berpijak pada asumsi spesifik mengenai bentuk distribusi populasi yang
biasanya diasumsikan normal.
A. URAIAN MATERI
1. Data
Kata data, berasal dari bahasa latin, yang merupakan bentuk jamak dari
kata “datum”, yang artinya “sesuatu yang diberikan”. Dalam ilmu matematika, data
berarti sesuatu yang diketahui atau suatu keterangan. Dalam ilmu komputer,data
dapat berupa angka, kata-kata, citra dan sebagainya. Dalam ilmu eksakta, data
adalah suatu hasil pengukuran yang terorganisasi dan apabila data itu
terorganisasi maka data tersebut akan menjadi informasi. Dalam statistik, data
dapat didefinisakan sebagai “fakta-fakta atau angka-angka yang nantinya dapat
diambil kesimpulan”.
Data yang bias apabila digunakan dalam dasar pembuat keputusan, maka
tentu akan menghasilkan keputusan yang bias juga. Adapun persyaratan yang
harus dipenuhi dalam data yang baik, adalah sebagai berikut :
a. Data harus bersifat objektif
Artinya disini bahwa data tersebut harus sesuai dengan keadaan yang
sebenarnya.
b. Data harus bersifat representatif
Artinya adalah data tersebut harus bisa mewakili dari objek yang akan di amati.
c. Data mempunyai kesalahan sampling kecil
Artinya disini adalah apabila suatu estimasi dikatakan baik jika kesalahan
samplingnya kecil.
d. Data harus tepat waktu
Artinya disini adalah apabila data akan digunakn untuk pengendalian, maka
data menjadi syarat tepat waktu yang sangat penting agar ada waktu
penyesuaian atau melakukan koreksi jika ada penyimpangan
dalamimplementasi.
e. Data harus relevan
Artinya adalah data yang diamati atau diteliti harus ada hubungannya dengan
masalah yang akan dipecahkan.
2. Pengelompokan Data
a. Berdasarkan Sifatnya
1) Data Diskrit
Data diskrit merupakan data yang satuannya adalah bilangan bulat,
tidak berbentuk pecahan. Pada dasarnya data diskrit ini di peroleh dari hasil
pencacahan. Sebagai contoh perhatikan kasus di bawah ini :
Jika diketahui data dari jumlah mahasiswa, pada Fakultas
Ekonomi terdiri dari 500 mahasiswa, yang meliputi 200 mahasiswa
Jurusan Manajemen, 180 mahasiswa Jurusan Akuntansi dan
sisanya 120 adalah mahasiswa Jurusan Administrasi
Perkantoran.
2) Data Kontinu
Berbeda dengan data diskrit, data kontinu merupakan data yang
satuannya adalah bilangan pecahan. Pada dasarnya data kontinu ini bisa
diperoleh dari hasil pengukuran. Perhatikan kasus berikut sebagai contoh
dari data kontinu :
Jika diketahui berat beras yang tidak terpakai berada di gedung
F, G dan H pada tahun 2019, masing-masing seberat 200,57 ton;
130,98 ton dan 288,20 ton.
b. Berdasarkan Sumbernya
1) Data Intern
Disini yang dimaksud dengan data intern adalah data yang
menggambarkan suatu keadaan atau suatu kegiatan di dalam lembaga atau
badan tertentu. Contoh kasusnya, perhatikan di bawah ini :
Diketahui data mahasiswa di dua tahun terakhir yaitu pada tahun
2018 adalah 120 orang, sedangkan di tahun 2019 sebanyak 150
orang.
2) Data Ekstern
Kebalikannya dari data intern, data ekstern merupakan data yangbisa
menggambarkan suatu keadaan atau kegiatan di luar lembaga atau badan
tertentu. Perhatikan contohnya adalah sebagai berikut :
Jika diketahui pendapatan per kapita masyarakat adalah Rp50,5
juta per tahun.
c. Berdasarkan Pengukurannya
1) Data Nominal
Data nominal ini merupakan bagian dari pengukuran skala nominal,
yang artinya data statistik dimana cara penyusunan angkanya berdasarkan
beberapa kategori tertentu tanpa memperhatikan urutan. Bisa dikatakan
bahwa kedudukan satu kategori dengan kategori yang lain akan setara atau
bernilai sama. Dengan dibantukan pada label, simbol, ataupun kode, untuk
kategori hanya bertujuan untuk membedakan kategori satu dengan kategori
yang lain, dan tidak memiliki suatu makna yang matematis. Hal ini berarti
operasi aritmatika tidak berlaku pada data nominal. Perhatikan kasus berikut
sebagai contohnya :
Jika ada jenis kelamin, yaitu jenis pria dan wanita, misalkan pria
diberi kode 1, dan wanita diberi kode 0, atau pun kebalikannya,
wanita dengan kode 1, dan pria dengan kode 0.
2) Data Ordinal
Data ordinal merupakan bagian dari data hasil pengukuran skala
ordinal, artinya data statistik yang cara penyusunan angkanya berdasarkan
beberapa kategori, dengan memperhatikan urutan tertentu. Dengan kata
lain, dalam data ini memiliki kedudukan ketagori yang tidak setara, tetapi
sesuai dengan label. Berbeda dengan data nominal, label, kode, simbol yang
diberikan pada masing-masing merupakan suatu peringkat. Peringkat
maksudnya adalah urutan dalam penilaian. Data ordinal memiliki sifat dari
data nominal, dimana operasi arimatika juga tidak berlaku. Perhatikan
contoh kasus dari data ordinal berikut :
Jika diketahui sampel acak adalah 100 nasabah di BANK ABC,
kemudian diminta untuk penilaian terhadap layanan di BANKBCA
tersebut. Pertanyaanya adalah, bagaimana menurut anda,
mengenai layanan di BANK ABC tersebut?
Opsi jawabannya ada 4, yaitu sebagai berikut :
Label 1 : Sangat Baik
Label 2 : Baik
Label 3 : Cukup
Label 4 : Kurang Baik
Sebagai contoh, jawaban dari nasabah pertanyaan di atas,
didapat sebagai berikut :
45 nasabah menyatakan sangat baik
25 nasabah menyatakan baik
18 nasabah menyatakan cukup
Sisanya 12 menyatakan kurang baik
3) Data Interval
Ketiga adalah data interval, yang merupakah hasil dari skala interval.
Data interval merupakan data yang penyusunan angkanya disusun dengan
jarak yang sama, antara kategori satu dengan kategori lainnya. Data interval
juga memiliki sifat yang sama dengan data nominal maupun data ordinal,
bedanya adalah data interval mempunyai karakter pada jarak, dimana jarak
antara kategori satu sama dengan jarak kategori yang lain. Data interval juga
termasuk dalam operasi aritmatika tertentu. Perhatikan contoh kasusnya
berikut ini :
Data UAS mata kuliah statistik deskriptif dengan pertanyaan
pengajuannya adalah, berapa kali anda bolos kuliah dalam
sebulan? Di ambil data acak 50 mahasiswa dengan hasilnya
adalah sebagai berikut :
30 mahaisiswa menjawal 2 kali bolos
15 mahasiswa 1 kali bolos
15 mahasiswa 4 kali bolos
4) Data Rasio
Terakhir ada yang namanya data rasio, yang merupakan hasil dari
skala rasio. Data rasio merupakan data yang cara penyusunannya dengan
membandingkan nilai variabel satu dengan nilai absolut variabel lainnya,
dalam hal ini adalah variabel pembanding. Data rasio juga memiliki karakter
yang sama dengan data-data sebelumnya, yaitu nominal, ordinal dan
interval, bedanya adalah dalam data rasio ini memiliki nilai 0 yang
mempunyai arti. Nol disini berarti tidak ada atau ketiadaan, misalnya
penghasilan nol, maka tidak ada penghasilan sepeserpun. Perhatikan
contoh kasusnya berikut ini :
Apabila diketahui rata-rata tinggi badan mahasiswa Akuntansi
adalah 160 cm, dan rata-rata tinggi badan mahasiswa Sekretaris
adalah 80 cm, maka dari hasil tersebut bisa disimpulkan bahwa
rata-rata tinggi badan mahasiswa Akuntansi dua kali rata-rata
tinggi badan mahasiswa Sekretaris.
d. Berdasarkan Cara Memperolehnya
1) Data Primer
Jenis data dari cara memperolehnya, yang pertama adalah ada data
primer, artinya data yang caranya dikumpulkan serta diolah sendiri oleh
suatu lembaga atau individu, dilakukan secara langsung dari sumber
objeknya. Sebagai contoh kasusnya, perhatikan berikut ini :
Jika anda ingin meneliti bagaimana pelanggan PLN menilai
terhadap layanan dan kualitas PLN di kota X, dengan periode
waktu tertentu. Penelitian ini harus dilakukan secara langsung,
terhadapn pelanggan PLN yang ada di kota X tersebut. Misalnya
diambil secara acak yaitu 200 pelanggan. Ternyata hasil dari
penelitian tersebut adalah sebagai berikut :
120 menyatakan pelanggan sangat puas
50 menyatakan pelanggan puas
20 menyatakan pelanggan cukup puas
10 menyatakan pelanggan kurang puas
2) Data Sekunder
Berbeda dengan data primer, untuk data sekunder yaitu data yang cara
pemerolehannya sudah dalam bentuk jadi, data yang sudah jadi, sudah
dikumpulkan dan diolah pihak lain, atau bahkan sudah dipublikasikan oleh
pihak terkait. Perhatikan contoh kasusnya berikut ini :
Jika diketahui data penduduk indonesia adalah sebagai berikut:
Penduduk Indonesia pada tahun 1990 sebanyak 178,5 juta, Tahun
2000 sebanyak 205,1 juta dan pada tahun 2010 sebanyak237,6
juta jiwa. Data tersebut dapat diperoleh dari Badan Pusat Statistik
Jakarta.
e. Berdasarkan Waktu Pengumpulannya
1) Data Seketika (Cross Section Data)
Berdasarkan waktu pengumpulannya, data yang pertama adalah data
seketika, atau yang sering dikenal dengan data scross section. Data cross
section ini adalah data yang pengumpulannya pada waktu tertentu, yang
bisa menggambarkan keadaan objek tersebut pada waktu penelitian
dilakukan. Perhatikan contoh kasus berikut ini :
Pendapatan rata-rata per kapita dalam setahun untuk penduduk
Indonesia adalah 1.789.000 rupiah di tahun 2017.
2) Data Berkala (Time Series Data)
Kebalikannya dengan data sebelumnya, yang kedua berdasarkan
waktu pengumpulan adalah data berkala, atau sering disebut data time
series. Artinya data yang pengumpulannya dari waktu ke waktu, yang bisa
menggambarkan tentang perkembangan suatu kejadian tertentu. Sebagai
contoh, perhatikan kasus di bawah ini :
Data mengenai perkembangan pertumbuhan ekonomi pada
tahun 2015-2018 di Indonesia adalah 7,17 ; 8,20; 7,77 ; 8,98
persen.
2. Populasi dan Sampel
a. Populasi
Dikatakan populasi yaitu suatu wilayah generalisasi yang terdiri dariobjek
atau subjek dimana mempunyai kualitas dan karakteristik tertentu, yang
ditetapkan peneliti untuk dipelajari dan selanjutnya akan diratik suatu
kesimpulan. Populasi disini tidak hanya orang saja, tetapi bisa objek atau
benda alam yang lainnya. Populasi juga bukan hanya sekedar jumlah yang
ada pada objek, melainkan keseluruhan karakteristik yang dimiliki oleh objek
yang akan diteliti tersebut.
b. Sampel
Sedangkan sampel merupakan bagian dari populasi, yaitu bagian dari
jumlah dan karakteristik yang dimiliki oleh populasi. Jika diketahui populasi
besar, maka peneliti tidak mungkin mempelajari semua yang ada pada
populasi, sehingga dibutuhkan sampel untuk mewakili. Sampel ini bisa
dijadikan kesimpulan yang berlaku untuk populasi tersebut. Oleh karena itu,
sampel yang di ambil dari populasi harus bisa bersifat representatif, artinya
bisa mewakili sebagai data yang akan di teliti.
3. Teknik Sampling
Teknik sampling atau yang sering kita dengar adalah teknik pengambilan
sampel. Dalam menentukan suatu sampel di penelitian tertentu, ada beberapa
teknik sampling yang harus digunakan dan diperhatikan. Penjabaran dan jelasnya
adalah sebagai berikut :
a. Probability Sampling
Artinya adalah teknik pengambilan sampel dimana memberikan peluang yang
sama, untuk setiap bagian populasi yang akan dipilih menjadi sampel
penelitiannya. Teknik sampel ini dibedakan menjadi :
1) Simple Random Sampling
Teknik random ini sering sekali digunakan dalam penelitian. Dikatakan
simple random sampling disini karena proses pengambilan anggota sampel
yang ditunjukan dapat dilakukan secara acak, tanpa memperhatikan strata
di populasi tersebut. Teknik ini dilakukan apabila anggota dalam populasi
tersebut bersifat homogen.
2) Proportionate Stratified Random Sampling
Artinya dalam teknik ini, penggunaan sampelnya apabila populasi
tersebut mempunyai anggota atau bagian yang tidak homogen, dan
berstrata secara proporsional.
3) Disproportionate Stratified Random Sampling
Artinya dalam teknik ini, digunakan untuk menentukkan jumlah sampe
yang jika populasi tersebut berstrata tetapi kurang proporsional.
4) Cluster Sampling
Artinya dalam teknik ini, dapat digunakan dalam menentukan jumlah
sampe jika objek yang akan diteliti mencakup data yang cukup luas.
b. Nonprobability Sampling
Perbedaannya dengan sebelumnya, bahwa teknik ini merupakan teknik
pengambilan sampel yang tidak memberi peluang yang sama untuk setiap
anggota populasi, untuk di pilih menjadi sampel. Teknik ini juga dibagi menjadi
beberapa jenis sampling, akan dipaparkan sebagai berikut :
1) Sampling Sistematis
Dalam sampling sistematis, disini pengambilan teknik sampelnya
adalah berdsarkan urutan tertentu dari anggota populasi tersebut.
2) Sampling Kuota
Artinya teknik sampel yang digunakan untuk menentukan sampel dari
populasi, yang mempunyai ciri-ciri tertentu, ini dilakukan sampai jumlah
sampel terpenuhi atau sesuai dengan penelitian yang diinginkan.
3) Sampling Insidental
Artinya teknik sampel yang penentuannya berdasarkan kebetulan,
atau siapa saja yang secara kebetulan bertemu dengan peneliti, kemudian
dapat digunakan menjadi sampel, tentu jika orang tersebut sesuai dengan
sumber data yang dibutuhkan.
4) Sampling Pusposive
Artinya teknik sampel yang dalam penentuannya adalah dengan
mempertimbangkan sesuatu, yang sesuai dengan kebutuhan dari penelitian
dan paham mengenai tema yang akan di teliti,
5) Sampling Jenuh
Artinya adalah teknik sampel yang dalam penentuannya adalam
apabila semua populasi digunakan sebagai sampel dalam penelitian
tersebut.
6) Snowball Sampling
Artinya adalah teknik sampel yang dalam penentuannya awalnya
jumlah sedikit, kemudian sesuai kebutuhan, menjadi bertambah sampelnya.
4. Variabel Penelitian
Variabel penelitian adalah segala sesuatu yang berbentuk apa saja, yang
bisa ditetapkan oleh peneliti, untuk bisa dipelajari sehingga memperoleh informasi
yang dapat ditarik kesimpulan. Hal ini menjadikan suatu atribut, sifat, nilai dari
objek kegiatan yang memiliki variasi, yang kemudian ditetapkan peneliti untuk
dipelajari, lalu ditarik kesimpulan. Ada beberapa macam variabel penelitian, lebih
jelasnya perhatikan berikut ini :
a. Variabel Independen
Variabel independen atau sering disebut sebagai variabel bebas, artinya
variabel yang mampu mempengaruhi, yang mampu menjadi sebab perubahan
dari variabel terikatnya, atau variabel lawannya.
b. Variabel Dependen
Kebalikannya dengan independen, variabel dependen sering disebut
sebagai variabel terikat, artinya variabel yang dipengaruhi, yang menjadi akibat
karena variabel bebasnya.
c. Variabel Moderator
Selain dari variabel bebas dan terikat, ada juga yang namanya variabel
moderator atau variabel moderasi. Artinya variabel yang digunakan untuk
memperkuat dan memperlemah hubungan antara variabel bebas dan variabel
terikat. Keberadaan variabel moderator ini lebih kepada variabel bebas yang
kedua.
d. Variabel Intervening
Variabel intervening merupakan variabel yang secara teoritis mampu
mempengaruhi hubungan antara variabel bebas dengan variabel terikat, tetapi
tidak dapat diamati dan tidak dapat diukur.
e. Variabel Kontrol
Variabel kontrol adalah variabel yang dapat dikendalikan, variabel yang
dibuat konstan, sehingga hubungan variabel bebas terhadap variabel terikat
tidak dipengaruhi oleh faktor lain yang tidak diteliti. Biasanya adanya variabel
kontrol digunakan dalam penelitian yang sifatnya membandingkan.
5. Penyajian Data Statistik
Setelah data dikumpulkan, maka langkah selanjutnya adalah penyajian
data, sehingga data akan mudah dipahami dengan baik. Penyajian data menjadi
penting dalam pembuat keputusan di sektor ekonomi dan bisnis, sebagai acuan
atau dasar dalam pengambilan kesimpulan atas kejadian dan peristiwa tertentu.
Penyajian data tersebut bisa ditampilkan dengan baik dalam bentuk tabel, grafik,
diagram atau lainnya sesuai dengan keperluan.
Tabel adalah sekumpulan angka yang disusun sedemikian rupa, yang
disesuaikan dengan kategori tertentu, sehingga angka tersebut dalam hal ini data,
akan mudah di amati dan di analisis dengan baik. Sedangkan diagram ataugrafik
adalah gambar yang menunjukan data secara visual berupa angka, dan biasanya
gambar tersebut berasal dari tabel yang sudah dihasilkan melalui data yang ada.
Penyajian Data Bentuk Tabel
b. Tabel Ganda
Contoh tabel dengan klasifikasi berganda, perhatikan tabel berikut ini
mengenai jenis kelamin dan pendidikan.
c. Tabel Kontingensi
Contoh penerapan tabel kontingensi dalam tabel mengenai tingkat
pendapatan terhadap jenis angkutan yang digunakan.
Tabel 2.3 Daftar Tingkat Pendapatan Keluarga dan Jenis Angkutan Umum
Tahun 2018
Tingkat Jenis Angkutan Umum Jumlah
Pendapatan Kereta Api Bus Taksi
Rendah 70 60 20 150
Menengah 40 40 30 110
Tinggi 40 30 40 110
Jumlah 150 130 90 370
Banyaknya Pegawai
Pendidikan
SD :
SMP :
SMA :
PT :
( = 10 orang)
d. Diagram Garis
Diagram garis ini juga bisa dibuat berdasarkan tabel, perhatikan contoh tabel
berikut yang akan dirubah menjadi diagram garis.
A. URAIAN MATERI
Skala interval (interval scale) dalam hal ini merupakan skala yang
mempunyai karakteristik yang sama, yang dimiliki oleh skala nominal dan
skala ordinal, dengan tambahan dimana dengan interval yang tetap, akan
memungkinkan untuk melakukan operasi aritmatika tertentu, terhadap data
yang dikumpulkan dari responden tersebut. Dalam hal ini, skala interval dapat
menentukan suatu perbedaan, urutan maupun suatu kesamaan besaran
perbedaan dalam variabel tertentu.
Dalam skala interval, peneliti bisa menunjukkan bahwa suatu kasus
tersebut kurang atau lebih dibandingkan dengan kasus yang lain. Peneliti juga
bisa menentukan seberapa besar kekurangan dan kelebihan tersebut. Skala
interval juga dapat menunjukkan jarak antar kategori yang terdapat dalam
beberapa alternatif jawaban.
Sebagai contoh dalam skala interval yaitu pada suhu udara, artinya
apabila suhu udaranya adalah tinggi yaitu 30 oC, tetapi hari sebelumnya hanya
24 oC, maka bisa dinyatakan bahwa hari ini lebih panas daripada hari
sebelumnya. Dapat juga mengatakan bahwa hari ini lebih panas 6 oC daripada
hari sebelumnya.
Dengan demikian, peneliti dapat menggunakan simbol angka, jika
mempunyai arti, oleh karena itu angka bisa mencerminkan adanya kejadian
atau peristiwa yang bisa di ukur. Disamping itu, skala interval mempunyai
keterbatasan, karena pada titik awal pada skala pengukuran tidak diketahui.
Disini berarti peneliti tidak bisa menentukan dimana titik 0 berada.
Jika ada kasus suhu udara, yaitu 0 oC maka bisa diartikan bahwa suhu
tersebut kondisi airnya adalah membeku, namun lain halnya, tidak bisa
diartikan sebagai kondisi yang tidak ada panas. Dan tidak bisa diketahui
dimana titik awal skala pengukuran, yang akhirnya peneliti tidak bisa
membandingkan rasio dalam beberapa pengamatan.
d. Skala Rasio
Seperti dipaparkan di atas, bahwa skala interval dibatasi dengan tidak
adanya nilai 0 yang bermakna, sebaliknya skala rasio memiliki nilai 0 yang
bermakna. Dalam hal ini, karena skala rasio memiliki nilai 0 yang bisa
menyatakan bahwa tidak adanya suatu jumlah yang bisa di amati dalam suatu
variabel.
Adanya titik 0 mutlak, memungkinkan peneliti melakukan perbandingan
antar kategori dalam variabel yang akan di teliti. Sebagai contoh adalah jika
ingin membandingkan berat badan manusia misalnya 50 kg, dengan satunya
adalah 35 kg. Artinya berat badan manusia pertama lebh berat 15 kg dari
yang kedua. Contoh kasus lain adalah angka kelahiran menurut usia, dan
angka melek uruf dan sebagainya.
Skala rasio memang mempunyai semua sifat skala interval ditambah satu
sifat yaitu memberikan keterangan tentang nilai absolut dari objek yang diukur.
Skala rasio adalah suatu skala pengukuran yang ditujukan pada hasil
pengukuran yang bisa dibedakan, diurutkan, dan mempunyai jarak tertentu,
serta dapat dibandingkan.
Dari penjabaran di atas, maka hubungan antara skala pengukuran terhadap jenis
data yaitu kuantitatif dan kualitatif dapat disimpulkan dalat tabel di bawah ini :
Skala Nominal √
Skala Ordinal √
Skala Interval √
Skala Rasio √
Dalam penilaian ekspektasi pada objek penelitian, maka jawaban dalam skala
likert dapat diberi skor, antara lain sebagai berikut :
Untuk skor yang tinggi dalam skala artinya mempunyai tingkat prasangka
dengan sifat yang akan diteliti. Sedangkan untuk skor rendah, artinya
responden memiliki sifat yang disenangi dengan sifat yang akan diteliti.Dalam
hal ini, skala thurstone tidak terlalu banyak digunakan sebagal alatukur
dibidang pendidikan, karena untuk skala ini memiliki beberapa kelemahan,
diantaranya adalah sebagai berikut :
1) Skala ini membutuhkan banyak waktu dalam membuat alat instrumennya.
2) Untuk nilai pada skala ini yang sudah di buat, akan memungkinkan pada
nilai skor yang sama tetapi mempunyai sikap yang berbeda.
3) Untuk nilai yang dibuat, akan dipengaruhi oleh sikap para penilai.
4) Dalam skala ini sangat diperlukan tim penilai yang bersikap objektif.
d. Semantic Differential
Untuk skala keempat ini merupakan salah satu skala faktor yang akan
dikembangkan untuk menganalisis dua permasalahan, diantaranya adalah
pengukuran populasi dan multidimensional serta pengukuran dimensi yang
belum diketahui. Skala semantik ini dikembangkan untuk mengukur bagaimana
arti psikologis dari suatu objek di dalam seseorang yang akan diteliti. Skala ini
didasarkan dalam proporsi dimana suatu objek mempunyai
berbagai dimensi, lebih dari satu pengertian konotatif, yang berada dalam ruang
multidimensi.
Dalam skala ini akan dibuat dua metode dengan menempatkan skala
bipolar artinya penilaian pada titik ekstrim yang berlawanan. Diantara titik
ekstrim ini, biasanya di dapati 5 atau 7 titik butir, dimana responden menilai
sesuatu konsep pada setiap butir skala. Perhatikan contoh dalam
pengaplikasian butir dari skala sematik ini adalah :
4. Perbandingan Data
Dalam membandingkan sesuatu biasanya dilakukan dengan pembagian
atau pengurangan, tidak terkecuali dalam membandingkan sebuah data. Dalam
hal ini pengurangan bisa menghasilkan angka yang absolut dengan menunjukkan
perbedaan dari dua angka. Ini bisa diterapkan, dalam skala intervalmaupun dalam
skala rasio.
Pada perbandingan datanya, akan dibahas mengenai ukuran relatif yaitu
sebagai hasil dari suatu perbandingan dengan dua skala pengukuran.
a. Rasio
Rasio merupakan suatu ukuran, dalam hal ini untuk membandingkan jenis
yang sering kali digunakan dalam perbandingan antara dua kelompok data.
Sebagai contoh jika di tahun 2018, jumlah mahasiswa di Akuntansi adalah
30.280 mahasiswa, dan jumlah dosen mencapai 950 dosen. Hal ini berarti
beban setiap dosen mampu mendidik 31,87 mahasiswa, yang berarti beban tiap
dosen adalah 32 mahasiswa.
b. Proporsi
Lain halnya dengan skala perbandingan rasio, data juga bisa
dibandingkan dengan menghitung proporsi. Proporsi merupakan bentuk khusus
dari suatu skala rasio, karena pada perhitungan proporsi, suatu pembagi
merupakan jumlah elemen yang ada pada data pertama dan data kedua.
Sebagai contoh adalah proporsi pegawai wanita (umur 17-24 tahun)
dalam perkotaan yaitu 0.534, dibulatkan menjadi 0,53. Hasil ini didapat dari
membagi jumlah pegawai wanita umur 17-24 tahun (120) terhadap jumlah
semua pegawai anak umur 17-24 tahun, berarti pegawai wanita 120 dan
pegawai pria adalah 103 : jumlah pegawai anak : 221. Hal ini artinya bahwa
0.53 dari seluruh pegawai anak yang umurnya 17-24 tahun merupakan wanita.
c. Persentase
Jika dihadapkan pada angka yang bentuknya adalah pecahan atau
bilangan desimal, terkesan susah dan tidak menarik. Untuk itu, ada solusi
sebagai alternatif lain dalam perhitungan perbandingan data, yaitu persentase.
Apabila proporsi mempunyai rentang nilai yaitu antara 0-1, maka persentase
mempunyai rentang nilai antara 0 -100. Dengan cara perhitungan persentase,
maka sama halnya dengan cara perhitungan proporsi, hanya saja dalam
persentase hasil, untuk perhitungannya harus dikali dengan 100.
Sebagai contoh persentasi pegawai wanita dengan umur 17-24 tahun di
Desa Monopoli untuk tahun 2017 yaitu 39 %. Ini diperoleh dari membagi jumlah
pekerja wanita dengan seluruh pekerja, yaitu 1.423.290 dengan 560.870.
d. Rates (Tingkat/Angka)
Dalam metode perbandingan data, kebalikan dari angka kematian bayi
adalah angka kelahiran, yang sesuai usia. Hal ini menunjukkan bahwa
banyaknya angka kelahiran per 1000 wanita dari golongan usia tertentu. Untuk
perhitungan rates dapat dilakukan dengan cara, membagi jumlah munculnya
peristiwa yang dimaksud terhadap seluruh jumlah yang mungkin muncul untuk
kejadian tersebut.
Terkadang hasil dari perhitungannya akan dikalikan dengan bilangan
tertentu. Hasil perkalian ini, akan menunjukkan jumlah munculnya suatu
peristiwa tertentu untuk setiap peristiwa yang dimaksud. Dengan ini akan lebih
mudah dipahami serta memperkecil kemungkinan terjadinya salah interpretasi.
Sebagai contoh adalah dari hasil sensus penduduk Tangerang Selatan
pada tahun 2018, memperoleh data dari angka kelahiran total atau (Total
Fertility Rate = TFR) dan angka kematian bayi atau (Infant Mortality Rate = IMR)
yang cenderung menurun. Untuk tahun 2018, TFR adalah 5678 dan jumlah IMR
adalah 35. Angka ini menunjukkan lebih rendah dibandingkan dengan tahun
2017, dimana jumlah TFR adalah 4312 dan jumlah IMR adalah 44.
5. Tingkat Ketelitian
Pada suatu penelitian, banyak sekali perbedaan antara data yang
sesungguhnya dari variabel yang ingin diukur oleh peneliti terhadap data yang
dihasilkan pada instrumen dalam penelitian. Hal ini bisa disebabkan oleh 2 hal,
adalah pertama mengenai keterbatasan instrumen pengukuran, kedua adalah
ketidakakuratan instrumen, dimana instrumen sendiri disusun oleh manusia.
Dengan demikian, mengakibatkan data yang dihasilkan sering kali tidak
seakurat keadaan sebenarnya. Artinya ketidakakuratan instrumen, dimana
instrumen tersebut disusun oleh manusia, mengakibatkan data yang dihasilkan
sering kali tidak seakurat keadaan sebenarnya.
Terdapat dua prinsip dalam pembulatan data untuk ketelitian dalam
penetlian, yaitu dijabarkan berikut ini :
a. Apabila ada angka hasil adalah 90,15 ton, maka sebaiknya dibularkan menjadi
90 ton.
b. Apabila ada angka hasil yaitu 50,2501 menit, maka sebaiknya dibulatkan
hingga persepuluhan menit terdekat menjadi 50,3.