BIOSTATISTIKA

DATA, SKALA UKUR DAN JENIS- JENIS DATA

OLEH :
KELOMPOK 2
NI PUTU DESYA WIYANTI (NIM 213221243)
I PUTU HERY INDRAYUDHA (NIM 213221244)
PUTU DEWI PRADNYANI (NIM 213221245)
NI MADE YULIASMINI (NIM 213221246)

KELAS B-14 B

SEKOLAH TINGGI ILMU KESEHATAN WIRA MEDIKA

PROGRAM STUDI S1 KEPERAWATAN
2022
 KATA PENGANTAR
Puji dan syukur saya panjatkan kepada Tuhan Yang Maha Esa yang telah
memberikan rahmat dan karunia-Nya kepada Penulis, sehingga Penulis telah
menyelesaikan Makalah tentang jenis data dan skala pengukuran tepat waktu.
Makalah ini di selesaikan untuk memenuhi tugas mata kuliah Biostatistik. Makalah
ini dibuat untuk mempelajari dan mengetahui tentang jenis data dan skala
pengukurannya.
Kesempurnaan hanya milik Tuhan Yang Maha Esa sehingga selama
penyusunan tugas ini Penulis banyak menemui kesulitan dikarenakan keterbatasan
referensi dan keterbatasan saya sendiri. Sebagai manusia Penulis menyadari bahwa
penulisan makalah ini masih jauh dari kata sempurna. Oleh karena itu Penulis
mengharapkan kritik dan saran yang membangun dari semua pihak demi perbaikan
yang lebih baik dimasa yang akan datang.
Semoga makalah ini dapat bermanfaat bagi semua orang dan dapat menambah
pengetahuan tentang jenis data dan skala pengukuran data.

Denpasar, 18 Maret 2022

Penulis

ii
 DAFTAR ISI
HALAMAN JUDUL................................................................................... i
KATA PENGANTAR ................................................................................ ii
DAFTAR ISI. .............................................................................................. iii
BAB I PENDAHULUAN
A. Latar Belakang. .................................................................................. 1
B. Rumusan Masalah .............................................................................. 2
C. Tujuan Penulisan................................................................................ 2
BAB II PEMBAHASAN
A. Pengertian Data.................................................................................. 3
B. Jenis Data........................................................................................... 4
C. Skala Pengukuran ............................................................................. 8
D. Penyajian Data ................................................................................... 12
BAB III PENUTUP
A. Kesimpulan ........................................................................................ 24
B. Saran .................................................................................................. 24
DAFTAR PUSTAKA

iii
 BAB I
PENDAHULUAN
A. Latar Belakang

Orang-orang yang berkecimpung dalam penelitian, perencanan, ataupun

bisnis, sudah tidak asing lagi dengan data. Banyak keputusan dibuat berdasarkan
data. Statistika adalah ilmu tentang pengumpulan, analisis dan interpretasi data
dalam rangka pengambilan keputusan. Penelitian dan statistik adalah dua hal yang
tidak dapat dipisahkan satu dengan yang lainnya. Seorang peneliti mernbutuhkan
ilmu statistik sejak awal penyusunan sebuah proposal penelitian. Ketika memulai
membuat proposal penelitian, peneliti mulai dengan menentukan topik dan
masalah penelitian apa yang akan diteliti.
Masalah yang akan diteliti harus merupakan masalah yang layak untuk
diteliti. Masalah tersebut seharusnya didukung oleh data yang akurat sehingga
peneliti dapat menjustifikasi masalah tersebut sebagai rnasalah penelitian. Dan
disinilah peneliti sudah berhubungan dengan statistik. Selain itu, statìstik juga
dipakai ketika peneliti membaca tulisan orang lain. Apakah itu artikel penelitian
atau jurnal penehtian, selalu ada data atau angka yang tidak terlepas dan statistik.
Oleh karena itu sangat penting bagi seorang peneliti, pendidik, atau profesional
kesehatan termasuk mahasiswa dan jenjang diploma, sarjana hingga pascasarjana.
Dengan pemahaman statistik yang cukup, peneliti dapat memberikan
interpretasiyangbenarsesuai dengan data statistikatau hasil uji statistik yang ada.
Orang yang tidak mernahami statistik dengan baik, lebih memilih melewati
bagian statistikyang seharusnya menjadi suatu kesatuan dalam sebuah laporan,
artikel, jurnal, dan lain-lain. Salah satu hal penting dalam statistik dan penelitian
adalah data. Dalam penelitian sangat dibutuhkan data untuk dapat menunjang
suatu penelitian sehingga hasil penelitian dapat lebih akurat karena didukung oleh
adanya sebuah data dalam penelitian. Data sendiri juga dapat menunjung
kesimpulan dari suatu penelitian dan dapat membuktikan fakta dari penelitian
yang sudah dilakukan. Sebelum data statistik tersebut dapat dianalisis, data perlu

1
 dikumpulkan dengan alat dan metode pengumpulan data yang tepat. Dalam
penelitian dan statistik, data merupakan hal terpenting. Jika tidak ada data,
seorang peneliti maupun seorang ahli statistik sekalipun tidak akan dapat
memberikan penjelasan tentang masalah, fenomena, dan yang lainnya.
B. Rumusan Masalah
1. Apa yang dimaksud dengan data ?
2. Apa saja jenis-jenis data ?
3. Apa saja skala pengukuran data ?
C. Tujuan Penelitian
1. Untuk mengetahui tentang pengertian data
2. Untuk mengetahui dan memahami tentang jenis-jenis data
3. Untuk mengetahui dan memahami skala pengukuran data

2
 BAB II
PEMBAHASAN

A. Pengertian Data

Data dapat didefinisikan sebagai suatu informasi secara lebih luas, lebih
khusus hasil pengukuran atau pengamatan yang dikumpulkan yang dapat berupa
angka, besaran, pernyataan atau fakta yang menggambarkan persamaan atau
perbedaan obyek satu dengan yang lain dalam karakteristik/peubah yang sama.
Jenis dan macam data dapat berdasarkan sumber (primer dan sekunder), berdasar
sifat (kualitatif dan kuantitatif), berdasar kontinuitas (diskrit dan kontinyu),
berdasar skala Pengukuran (nominal, ordinal, interval dan rasio) (Efendi &
Pramoedyo, 2017)
Data merupakan bentuk jamak dan datum. Untuk keperluan
investigasi/penyelidikan suatu masalah, tentu saja diperlukan data. Data dapat
diartikan sebagai keterangan atau informasi yang diperlukan untuk memecahkan
suatu masalah (Maulana, 2016).
Data adalah salah satu bentuk pencatatan yang berulang yang berkaitan
dengan karakteristik suatu objek. Pada pencatatan ini masing-masing individu
dicatat dengan nomor atau identitas tertentu dan masing-masing karaktenstik
dicatat kedalam peubah tertentu. Masing-masing individu yang masuk dalam
pencatatan tersebut secara umum dinamakan pengamatan, observasi, atau rekod
(record). (Asep Saefuddin & Aam Alamudi, 2009)
Data merupakan konsep jamak dari datum yang berarti suatu himpunan angka
yang berasal dan hasil pengukuran individu. Sedangkan kumpulan dan data-data
disebut agregat. Secara sederhana dapat disimpulkan data merupakan suatu
kumpulan informasi atau keterangan yang dikumpulkan yang dapat berupa angka,
besaran, pernyataan atau fakta yang dapat dipertanggungjawabkan dan dapat
dijadikan sebagai dasar untuk menarik suatu kesimpulan.

3
B. Jenis Data
Data adalah bagian-bagian dari suatu informasi yang dikumpulkan dalam
yang berbeda-beda dari suatu penelitian ataupun studi kasus yang dilaksanakan.
Data juga merupakan kumpulan angka yang didapatkan dan hasil pengukuran,
pengamatan atau observasi terhadap suatu obyek. Data dapat dibagi menjadi
beberapa jenis antara lain:
1. Berdasarkan Sumbernya
Berdasarkan sumbernya data dapat dibagi menjadi dua jenis antara lain :
a. Data Primer
Data primer adalah data yang didapatkan secara langsung melalui
sumber utamanya. Data primer merupakan data yang dikumpulkan dan
diolah secara langsung dan subjek atau objek penelitian. Misalnya: kalau
seorang peneliti ingin mengetahui berat badan responden, maka peneliti
tersebut langsung melakukan pengukuran berat badan responden tersebut.
b. Data Sekunder
Data sekunder adalah data yang didapatkan dari pihak tertentu atau
pihak lain, di mana data tersebut umumnya telah diolah oleh pihak
tersebut. Data sekunder adalah data yang didapatkan dalam bentuk sudah
jadi, sudah dikumpulkan dan diolah oleh pihak lain, biasanya data itu
dicatat dalam bentuk dokumen atau publikasi-publikasi.Misalnya peneliti
ingin mengetahui Hb ibu hamil di Desa A, maka peneliti tersebut dapat
mendatangi puskesmas yang mewilayahi desa tersebut untuk mendapatkan
data Hb ibu hamil yang ada di desa tersebut. Umumnya, puskesmas telah
memiliki data tersebut karena setiap ibu hamil diperiksa Hb-nya dan
tercatat di puskesmas.
2. Berdasarkan Sifatnya
Data menurut jenisnya dapat dikelompokkan menjadi dua, yaitu data
kualitatif dan data kuantitatif.

4
a. Data Kualitatif
Data kualitatif adalah data yang berbentuk kategorisasi, karekteristik
berbentuk kalimat, kata-kata atau gambar. Data kualitatif merupakan data
yang menunjukkan kualitas sesuatu, oleh karena itu data kualitatif sering
menunjukkan kuailtas sesuatu baik manusianya, benda-benda, maupun
suatu variabel tertentu seperti motivasi, minat dan lainnya. Data ini
biasanya didapat dan wawancara atau pengamatan dan bersifat subjektif,
sebab data tersebut dapat ditafsirkan berbeda oleh orang lain yang juga
melakukan pengamatan.Dengan melakukan pengklasifikasian terhadap
data kuantitatif kita dapat mengubah data kuantitatif menjadi kualitatif.
Dengan memberikan kategori-kategori terhadap kuantitas tertentu kita
mengubah data kuantitatif menjadi kualitatif. Misalkan saja data motivasi
belajar siswa yang diukur dengan menggunakan angket motivasi belajar
akan menghasilkan data kuantitatif berupa angka-angka skor motivasi
belajar.
a. Data nominal
Data nominal adalah data yang hanya mengandung unsur
penamaan (Bahasa Latin, Nomos = nama). Data nominal, seluruh
datanya bersifat kategorikal, semuanya memiliki kedudukan yang
sama (setingkat) tidak ada yang lebih tinggi atau lebih rendah. Berikut
ini adalah beberapa ciri dan data yang berskala nominal:
- Merupakan data kualitatif atau bukan berupa angka.
- Data tidak dapat dikuantifisir (tidak bisa dikali, dibagi, ditambah,
dikurangi).
- Bersifat kategorikal bukan numerical.
- Berkaitan dengan ‘name’
- Data merupakan unordered atau tidak berjenjang.
- Data nominal merupakan data yang berada pada level yang sama.
- Digunakan terutama untuk statistik non-parametrik.

5
 Contoh:
- Jenis pekerjaan (petani, buruh, PNS, karyawan swasta, dan lain-
lain) dan jenis kelamin merupakan data yang merniliki level yang
sarna, yang satu tidak lebih tinggi dan yang lain, tidak dapat
dibagi, dikalikan dan lain-lain.

b. Data Ordinal
Data ordinal adalah data yang selain mengandung unsur penamaan
juga memiliki unsur urutan (Order = urutan). Pada data ordinal selain
dilakukan pembobotan atau penskoran, urutan dan penskoran
tersebutjuga memiliki arti atau makna. Posisi letak menentukan
kedudukan kategori data. Namun pada data ordinal ini
jarak antara tingkatan tidak diketahui berapa intervalnya. Data ordinal,
semua datanya selalu berjenjang (ordinary), artinya yang satu lebih

6
 tinggi atau lebih rendah dibandingkan yang lainnya. Beberapa ciri dan
data ordinal, yaitu:
- Merupakan data kualitatif
- Data tidak dapatdikuantifisir (tidak bisa dikali,dibagi.
ditambah,dikurangi).
- Merujuk pada order” atau “rank” atau berjenjang.
- Data yang satu dengan yang lainnya tidak selevel, yang satu lebih
tinggi atau lebih rendah dan yang lain.
- Jenjang dapat diurutkan dan yang paling rendah ke yang paling tinggi
atau sebaliknya (low to high or high to low) atau dikenal juga dengan
“ranked data’
Contoh:
- Jenjang pendidikan: rendah, sedang. tinggi atau SD, SMP, SMA, PT.
IQ scores atau (est scores: dapat dirangking mulai dan yang paling
rendah sampai dengan yang paling tinggi. Kelemahan data ordinal
adalah dalam satu jenjang, ada kemungkinan memiliki perbedaan.
Contoh:
- Bayi A termasuk BB rendah (1,7 kg), Bayi B juga termasuk BB
rendah (2,4 kg), padahal kedua bayi tersebut memiliki angka BB yang
cukup jauh bedanya dan segi angka namun dikelompokkan ke dalam
BB rendah.
- Mahasiswa A nilainya 75 sedangkan mahasiswa nilainya 76. Kedua
mahasiswa tersebut memiliki jenjang nilai yang berbeda. Mahasiswa
A nilainya termasuk sedang, dan mahasiswa B termasuk tinggi.
Padahal kedua mahasiswa tersebut hanya memiliki perbedaan 1 angka.
b. Data Kuantitatif
Data kuantitatif merupakan data yang berbentuk angka atau data
kualitatif yang diangkakan. Contoh : Menurut data WHO, di seluruh
dunia, sekitar 972 juta orang atau 26,4% penghuni bumi mengidap

7
 hipertensi, angka ini kemungkinan akan meningkat menjadi 29,2% di
tahun 2025. Dari 972 juta pengidap hipertensi, 333 juta berada di Negara
maju dan 639 sisanya berada di Negara sedang berkembang, termasuk
Indonesia.
Data kuantitatif dapat dikelompokkan menjadi dua kelompok besar,
yaitu interval dan rasio.
1. Data Interval
Data interval adalah data yang selain mengandung unsur penamaan
dan urutannya juga memiliki sifat interval atau selang, jaraknya
bermakna, di samping itu, data ini memiliki ciri angka di mana angka
nolnya tidak mutlak. Data interval merupakan data yang memiliki
skor, memiliki urutan juga memiliki interval yang jelas antara satu
tingkatan data dengan yang lainnya.
Jadi suatu data interval dapat didesknpsikan sebagai data interval
dan dapat juga dideskripsikan sebagai data ordinal. Hal ini juga
berlaku untuk skala data lainnya, skala data di atas nya
dapat dideskripsikan melalui skala data dibawahnya, namun skala data
dibawahnya tidak dapat dideskripsikan melalui skala data diatasnya.
2. Data Rasio
Data rasio adalah data yang memiliki unsur penamaan, urutan,
intervalnya bermakna dan angka nolnya mutlak, sehingga rasionya
memiliki makna. Beberapa contoh dari data rasio adalah jarak, berat
badan, tinggi, pendapatan dan laînnya.
C. Skala Pengukuran
Skala pengukuran memiliki peranan penting dalam sebuah penelitian karena
dalam penelitian digunakan skala pengukuran untuk mengklasifikasi variabel
yang akan diukur agar tidak terjadi kesalahan dalam menentukan analisis data dan
langkah penelitian selanjutnya. Terdapat beberapa jenis skala pengukuran yang
digunakan antara lain :

8
1. Skala Kategorik
a. Skala Nominal
Skala nominal merupakan skala yang paling sederhana, disusun
menurut jenis atau kategori, fungsi bilangan pada skala nominal hanya
sekedar simbol untuk membedakan satu karakter terhadap karakter
lainnya. Ciri skala nominal adalah berbentuk bilangan ash (bukan bilangan
pecahan), angka yang tertera hanyalah label, tidak memiliki urutan
(ranking), tidak memihiki ukuran baru, dan tidak mempunyai nol mutlak.
Berdasarkan ilmu statistika, skala kategorik nominal merupakan skala
dengan level paling rendah. Bila diperhatikan, kode pada
skala nominal hanya untuk membedakan pasien satu dengan yang
lain berdasarkan jenis kelamin dan status hipertensi. Tapi tidak untuk
mengurutkan. Contoh :
- Untuk mengklasifìkasi jenis kelamin, skala nominal berupa angka 1
untuk pria dan angka 2 untuk wanita. Klasifikasi agama 1. Islam, 2.
Kathohik, 3. Kristen, 4. Hindu, 5. Budha, dan seterusnya).
- Kode status hipertensi HT=1 dan non HT=O juga berfungsi untuk
membedakan mana saja pasien yang mengalami hipertensi dan yang
tidak.
Analisis statitsik untuk penelitian yang menggunakan pengukuran
instrumen skala nominal adalah Uji Binomium (Binomium Test), Uji Chi
Kuadrat Satu Sampel (X2 One Sample Test), Uji Perubahan Data Mc.
Nemar (Mc Nernar for The Significant of Change). Uji Chi Kuadrat Dua
Sampel (X2 Test for Two Independent Sample), Uji Chocran Q (Chocran
Q-Test), Uji Chi Kuadrat Lebih dan Dua Sarnpel (X2 Test for k
Independent Samples), dan Uji Koefisien Kontingensi (Contingency
Coefficient).

9
 b. Skala Ordinal
Skala ordinal rnemiliki peringkat atau berjenjang, tetapi tidak ada
jarak posisional objektif antar angka karena angka yang tercipta bersifat
relatif subjektif. Penerapan skala ordinal didasarkan pada ranking,
diurutkan dan jenjang yang lebih tinggi sampai jenjang terendah atau
sebaliknya.
Contoh :
- Pendidikan diurutkan dan 1. Dasar, 2. Menengah, 3. Tinggi.
- Skala sikap responden, 1. Sangat Tidak Setuju, 2. Tidak Setuju, 3.
Netral, 4. Setuju, 5. Sangat Setuju.
Bedanya dengan nominal. pemberian kode selain untuk membedakan
tingkat pendidikan 1 dengan yang lainnya juga berguna untuk
memberikan urutan pendidikan dan yang terendah sampai yang tertinggi.
Hasil pengukuran skala ordinal dapat menggambarkan posisi atau
peringkat suatu variabel.
Skala ordinaldigunakan untuk Uji Kolmogorov-Sminov Satu Sampel,
Uji Deret Satu Sampel, Uji Tanda, Uji Pasangan Tanda Wilcoxon, Uji
Median, Uji Mann-Whitney U, Uji Kolmogorov-Smirov Dua Sampel, Uji
Reaksi Ekstrim Moses, Uji Analisis Varian Dua Arah Friedman, Uji
Koefesien Korelasi Rank Spearman, Uji Koefesien Korelasi Rank
Kendall, dan Uji Koefesien Korelasi Rank Parsial Kendall.
2. Skala Numerik
a. Interval
Skala interval adalah skala yang menunjukkan jarak antara satu data
dengan data yang lain dan mempunyai bobot yang sama, tidak memiliki
nilai nol mutlak. Skala interval adalah skala pengukuran numerik, tetapi
tidak memiliki nilai nol mutlak. Ciri penting dan skala mi: datanya bisa
ditambahkan, dikurangi, digandakan, dan dibagi tanpa mempengaruhi
jarak relatif skor-skornya. Selanjutnya skala ini tidak mempunyai nilai nol

10
 mutlak sehingga tidak dapat diinterpretasikan secara penuh besarnya
skor dan rasio tertentu.
Contoh :
- Pengukuran suhu dalam skala Celcius. Bila bak air berisi penuh
dengan suhu O derajat C, 50 derajat C, dan loo derajat C, maka
perbedaan antara O-50 dan 50-100 derajat C itu sama, tetapi tidak
dapat dijelaskan bahwa air bersuhu 100 derajat C dua kali lebih
panas daripada air bersuhu 50 derajat C.
- Contoh, usia 11-20 tahun = 1, 21-30 tahun = 2, 31-40 tahun = 3,
dan seterusnya, atau temperatur atau suhu 0°-50° Celsius = 1,
510_1000 Celsius = 2, dan 101°-150° Celsius = 3.
Skala interval digunakan untuk Uji t, Uji t dua sarnpel, Anova Satu
Jalur, Anova Dua Jalur, Uji Person Product Moment, Uji Korelasi
Parsial, Uji Korelasi Ganda, Uji Regresi, dan Uji Regresi Ganda.
b. Rasio
Skala rasio merupakan skala pengukuran yang mempunyai nilai nol
mutlak; dengan skala ini peneliti dapat mengelompokkan data yang
dapat diurutkan dan jarak urutan dapat ditentukan.
Skala rasio adalah skala pengukuran yang paling tinggi di mana
selisih tiap pengukuran adalah sama dan mempunyai nilai nol mutlak.
Contoh: Bila kita ingin membandingkan berat dua mana selisih tiap
pengukuran adalah sama dan mempunyai nilai nol mutlak. Contoh:
Bila kita ingin membandingkan berat dua orang. Berat pasien pertama
40kg dan pasien kedua 80kg. Kita dapat tahu bahwa pasien kedua dua
kali lebih berat daripada pasien pertama karena nilai variabel numerik
berat mengungkapkan rasio dengan nilai nol sebagai titik bakunya.

11
D. Penyajian Data

1. Pengertian Penyajian Data

Kegiatan pengumpulan data di lapangan akan menghasilkan data
angka-angka yang disebut ‘data kasar’ (raw data) yang menunjukkan
bahwa data tersebut belum diolah dengan teknik statistik tertentu. Jadi data
tersebut masih berwujud sebagaimana data itu diperoleh yang bisanya
berupa skor dan relatif banyak tidak beraturan. Dalam pembuatan laporan
penelitian, data termasuk yang harus dilaporkan. Agar dapat memberikan
gambaran yang bermakna, data-data itu haruslah disajikan ke dalam
tampilan yang sistematis dan untuk keperluan penganalisisan biasanya
data itu disusun dalam sebuah tabel atau gambar-gambar grafik.

2. Manfaat Penyajian Data

Penyajian data ini bertujuan memudahkan pengolahan data dan
pembaca memahami data sebagai dasar pengambilan keputusan. Penyajian
data dalam sebuah tabel ataupun gambar grafik memiliki maksud tertentu,
seperti halnya pepatah yang mengatakan “satu gambar sama halnya
dengan seribu kata,” yang bermakna bahwa penyajian data dalam bentuk
gambar akan lebih cepat bisa ditangkap atau dimengerti daripada kata-kata
yang puitis sifatnya.
Seorang manajer perusahaan atau seorang pejabat tinggi pemerintahan
akan lebih mudah mengetahui perkembangan harga dengan melihat grafik
trend yang naik daripada harus membaca laporan dengan penuh kata-kata
yang bagus, akan tetapi kurang sistematis penyusunannya. Itulah
sebabnya, dalam suatu laporan sering disertai tabel-tabel atau grafik-
grafik. Setelah disajikan dalam bentuk tabel, data sering digambarkan
grafiknya.

3. Klasifikasi Bentuk Penyajian Data

a. Penyajian Data dalam Bentuk Tabel
Pada dasarnya banyak cara untuk menyajikan data sehingga ia dapat
dipahami dan digunakan secara tepat oleh pengolah data. Namun untuk
menghasilkan gambaran data yang komunikatif, harus diingat untuk
12
menyajikan sesuai kebutuhan. Dalam hal ini, penyajian data dalam bentuk
tabel bertujuan untuk memberikan informasi dan gambaran mengenai
jumlah secara terperinci sehingga memudahkan pengolah data dalam
menganalisis data tersebut. Macam – macam penyajian data dalam bentuk
tabel antara lain:
1. Tabel Baris Kolom
Tabel yang lebih tepat disebut tabel baris kolom ini adalah tabel-
tabel yang dibuat selain dari tabel kontingensi dan distribusi frekuensi
yaitu tabel yang terdiri dari baris dan kolom yang mempunyai ciri
tidak terdiri dari faktor-faktor yang terdiri dari beberapa kategori dan
bukan merupakan data kuantitatif yang dibuat menjadi beberapa
kelompok.
Contoh, tabel daftar ip seorang mahasiswa pendidikan matematika
No Semester IP
1 I 3,12
2 II 3,00
3 III 3,39
4 IV 3,37
5 V 2,9
6 VI 3,3
7 VII 3,4
Tabel 1. Baris kolom

2. Tabel Kontingensi
Tabel kontingensi merupakan bagian dari tabel baris kolom, akan
tetapi tabel ini mempunyai ciri khusus, yaitu untuk menyajikan data
yang terdiri atas dua faktor atau dua variabel, faktor yang satu terdiri
atas b kategori dan lainnya terdiri atas k kategori, dapat dibuat daftar
kontingensi berukuran b x k dengan b menyatakan baris dan k
menyatakan kolom.

13
 Contoh Banyak Murid Sekolah Di Daerah Inderalaya Menurut
Tingkat Sekolah Dan Jenis Kelamin Tahun 2006

JENIS
TINGKAT SEKOLAH JUMLAH
KELAMIN
SD SMP SMA
Laki – laki 4756 2795 1459 9012
Perempuan 4032 2116 1256 7404
Jumlah 8790 4911 2715 16416
Tabel 2. Tabel kontingensi

3. Tabel Silang
Data hasil penelitian yang berupa perhitungan frekuensi
pemunculan data juga dapat disajikan ke dalam bentuk tabel silang.
Tabel silang dapat hanya terdiri dari satu variable tetapi dapat juga
terdiri dari dua variable. Tergantung pertanyaan atau keadaan yang
ingin dideskripsikan. Dengan demikian, pemilihan penyajian data ke
dalam tabel silang satu atau dua variable akan tergantung dari data
yang diperoleh.( (Burhan Nurgiyantoro, 2004:42)
Tabel silang satu variable digunakan untuk menggambarkan data
dengan menampillkan satu karakteristiknya saja. Misal jumlah
keseluruhan. Sementara tabel silang dua variable digunakan untuk
menggambarkan data dengan menampilkan dua karakteristiknya.
Misalnya jumlah keseluruhan dan jumlah per gender.
Contoh:
Dalam suatu penelitian angket pada 34 siswa kelas XI.A tentang mata
pelajaran MIPA yang disukai, diperoleh hasil data sebagai berikut:

14
 No. Mata Pelajaran Jumlah
1 Matematika 11
2 Kimia 10
3 Fisika 7
4 Biologi 6
Tabel 2.1 Penyajian Data dalam bentuk tabel silang satu variable

Siswa Yang Menyukai

Mata
No. Siswa Jumlah
Pelajaran Siswa Laki - Laki
Perempuan
1 Matematika 8 3 11
2 Kimia 4 6 10
3 Fisika 5 2 7
4 Biologi 2 4 6
Tabel 2.2 Penyajian Data dalam bentuk tabel silang dua variable

b. Penyajian Data dalam Bentuk Grafik

Selain dapat disajikan ke dalam bentuk tabel sebagaimana
dikemukakan di atas, data-data angka juga dapat disajikan ke dalam
bentuk grafik, atau lengkapnya grafik frekuensi. Pembuatan
grafikfrekuensi pada hakikatnya merupakan kelanjutan dari pembuatan
tabel distribusi frekuensi karena pembuatan grafik itu haruslah didasarkan
pada tabel distribusi frekuensi. Dengan kata lain, pembuatan tabel
distribusi frekuensi harus tetap dilakukan baik kita bermaksud maupun
tidak bermaksud membuat grafik frekuensi. Penyajian data angka ke dalam
grafik biasanya dipandang lebih menarik karena data-data itu tersaji dalam
bentuk visual. Gambar grafik frekuensi yang banyak dipergunakan dalam
metode statistik adalah histogram, polygon, kurve dan garis. (Burhan
Nurgiyantoro, 2004:43-44)
1. Grafik Histogram / Batang
Histogram merupakan grafik dari distribusi frekuensi suatu
variable. Tampilan histogram berupa petak-petak empat persegi

15
panjang. Sebagai sumbu horizontal boleh memakai tepi-tepi kelas,
batas-batas kelas atau nilai variabel yang diobservasi, sedang sumbu
vertical menunjukkan frekuensi. Untuk distribusi bergolong atau
berkelompok yang menjadi absis adalah nilai tengah dari masing-
masing kelas. (Drs. Ating Somantri, 2006:113)

FREKUENSI
10
8
6
4

FREKUENSI
2
0

51 – 58 – 65 – 72 – 79 – 86 –
93 –
57 64 71 78 85 92 99
2. Grafik Poligon
Poligon merupakan grafik distribusi dari distribusi frekuensi
bergolong suatu variable. Tampilan polygon berupa garis-garis patah
yang diperoleh dengan cara menghubungkan puncak dari masing-
masing nilai tengah kelas. Jadi absisnya adalah nilai tengah dari
masing-masing kelas. (Drs. Ating Somantri, 2006:114)

3. Grafik Kurve
Kurve merupakan perataan atau penghalusan dari garis-garis
polygon. Gambar polygon sering tidak rata karena adanya perbedaan
frekuensi data skor dan data skor itu sendiri mencerminkan fluktuasi
sampel. Pembuatan kurve dilakukan dengan meratakan garis gambar

16
polygon yang tidak rata dan terlihat tidak beraturan sehingga menjadi
rata. (Burhan Nurgiyantoro, 2004:49)

& FREKUENSI
25

20

15
& FREKUENSI
10
5

0
0 5 10

4. Grafik Garis
Grafik garis dibuat biasanya untuk menunjukkan perkembangan
suatu keadaan. Perkembangan tersebut bias naik bias turun. Hal ini
akan Nampak secara visual melalui garis dalam grafik. Dalam grafik
terdapat garis vertical yang menunjukkan jumlah dan yang mendatar
menunjukkan variable tertentu yang ditunjukkan pada gambar
dibawah, yang perlu diperhatikan dalam membuat grafik adalah
ketepatan membuat skala pada garis vertical yang akan mencerminkan
keadaan jumlah hasil observasi. (Dr. Sugiyono, 2002:34)
Contoh : Perkembangan nilai ujian matematika Adit semester 1 tahun
ajaran 2012/2013 sebagai berikut:
Ujian Semester ke Nilai
1 80
2 95
3 60
4 100
5 85

17
 NILAI
120
100
80
60
40
20 NILAI
0

12345
Ujian Semester ke

c. Diagram Lingkaran
Cara lain untuk menyajikan data hasil penelitian adalah dengan
diagram lingkaran. Diagram lingkaran digunakan untuk
membandingkan data dari berbagai kelompok. (Dr. Sugiyono,
2002:37)
Contoh : Dari hasil penelitian mengenai pelajaran matematika
dengan sampel 50 siswa di smp negeri 24 prabumulih diperoleh data
sebagai berikut:

No Penilaian Jumlah
1 Sangat Suka 12
2 Suka 13
3 Tidak Suka 19
4 Sangat Tidak Suka 6

Penyajian data tersebut dalam diagram lingkaran adalah sebgai

berikut:
Cari persentase masing-masing data tersebut.
12
 Sangat Suka = × 100% = 24%
50
13
 Suka = × 100% = 26%
50
19
 Tidak Suka = × 100% = 38%
50

18
 6
 Sangat Tidak Suka = × 100% = 12%
50

Cari Luas sudut yang dibutuhkan untuk setiap data.

24
 Sangat Suka = × 360° = 86,4°
100
26
 Suka = × 360° = 93,6°
100
38
 Tidak Suka = × 360° = 136,8°
100
12
 Sangat Tidak Suka = × 360° = 43,2°
100

Selanjutnya luas-luas kelompok data tersebut digambarkan ke dalam

bentuk lingkaran.

Perbandingan pendapat
siswa mengenai matematika
12%

24%
Sangat Suka

38%26%
Suka

4. Bentuk Dan Contoh Penyajian Data Untuk Data Numerik

Metode penyajian numeric yaitu menggunakan ukuran pemusataan
data dan letak data. Metode penyajian numeric ini sering digunakan dalam
kehidupan sehari-hari di berbagai bidang kehidupan. Metode ini juga
memudahkan untuk mengolah data yang berbeda-beda supaya lebih
mudah di mengerti. Penyajian data secara numerik terdiri dari beberapa
bentuk :
1. Central Tredency (Ukuran Pemusatan)
Central tredency merupakan pusat sekumpulan data, artinya jika
sekumpulan data salah satu ukran pemusatannya, maka kita dapat
mengetahui bahwa nilai ini merupakan pusat dari beberapa nilai lainya.
 Mean atau nilai tengah populasi secara umum merupakan jumlah
seluruh nilai-nilai data dibagi dengan banyaknya data.
 Modus merupakan nilai yang terjadi paling sering atau yang
mempunyai frekuensi paling tinggi dari suatu populasi.
19
 Median suatu populasi yang telah diurutkan dari yang terkecil sampai
terbesar atau terbesar sampai terkecil adalah pengamatan yang tepat
ditengah-tengah bila banyaknya pengamtan itu ganjil, atau rata-rata
kedua pengamtan yang ditengah bila banyaknya pengamatan genap.

2. Dispersion atau pencaran

Dispersion atau pencaran digunakan untuk mengetahui seberapa jauh
pengamatan-pengamtan yang kita peroleh menyebar dari rata-ratanya.
 Range adalah beda antara pengamatan terbesat dan terkecil dalam
kumpulan data tersebut.
 Standar Baku (Standar deviasi) suatu ukuran yang menunjukkan
deviasi standar data pengamtan terhadap rata-ratanya.
 Variansi adalah kuadrat dari standar deviasi.

3. Fractile
 Kuartil adalah nilai-nilai yang membagi sebuah populasi
pengamtan menjadi empat bagian sama besar. Nlai-nilai itu,
yang dilambangkan dengan Q1, Q2, dan Q3, mempunyai sifat
bahwa 25% data jatuh dibawah Q1, 50% jatuh dibawah Q2, dan
75% jatuh dibawah Q
 Desil adalah nilai-nilai yang membagi populasi pegamtan
menjadi 10 bagian yang sama. Nilai-nilai itu, dilambangkan
dengan D1, D2, …, D9, mempunyai sifat bahwa 10 data jatuh
dibawah D1, 20% jatuh dibawah D2, …, dan 90% jatuh
dibawah D9.
 Persentil addalah nilai-nilai yang membagi segugus pengamtan
menjadi 100 bagian yang sama. Nilai-nilai itu, dilambangkan
dengan P1, P2, …, P99, mempunyai sifat bahwa 1% dari seluruh
data terletak di bawah P1, 2% terletak di bawah P2, …, dan 99%
terletak dibawah P
4. Skewness
Skewness menunjukkan kemiringan dari sebuah data yang

20
 ditampilkan dalam bentuk histogram. Terdapat tiga bentuk
skewness, yatu:
 Simetris adalah bentuk sebaran yang dapat dilipat sepanjang
sumbu tegak sehingga kedua belahanya saling menutupi. Nilai
tengah dan mediannya terletak pada posisi yang sama pada sumbu
datar.
 Menjulur positif adalah bentuk sebaran yang menjulur ke
kanan. Bagian kanannya lebih panjang. Nilai tengahnya lebih
besar daripada median.
 Menjulur negatif adalah bentuk sebaran yang menjulur ke kiri.
Bagian kirinya lebih panjang. Nilai tengahnya lebih kecil
daripada median.
5. Pengukuran Keruncingan
 Leptokurtis
 Platikurtis
 Mesokurtis

5. Bentuk Dan contoh Penyajian Data Untuk Data Kategorik

Data kategorik merupakan data dimana variabel – variabelnya dapat
dikelompokan menjadi beberapa kelompok atau kategori seperti jenis
kelamin, agama yang dianut atau ras kulit dari responden.
Sebagai Contoh sederhana seorang peneliti ingin mengetahui
bagaimana tentang hubungan tingkat kecerdasan emosional seseorang
dengan jenis kelaminnya. Tentunya, disini peneliti akan lebih tapat
menggunakan analisis data kategorik dimana dengan mengkategorikan
21
Tingkat kecerdasan menjadi tinggi dan rendah dapat diketahui hubunngan
tingkat kecerdasan dengan jenis kelamin.

a. Data Kualitatif
Secara sederhana, data kualitatif adalah data yang bukan berupa
angka/ bilangan. Terhadap data kualitatif tidak dapat dilakukan operasi
matematik seperti penambahan, pengurangan, perkalian, pembagian, dll.
Data kualitatif disebut juga data atribut. Data kualitatif ini dapat dibedakan
menjadi dua tipe:
1. Data Nominal (Data Kategori)
Jika suatu pengambilan data terhadap suatu objek hanya menghasilkan
satu dan hanya satu-satunya kategori pada objek tersebut, maka data yang
diperoleh termasuk tipe data nominal (data kategori). Pada data nominal
tidak ada perbedaan tingkatan derajat (bobot) data.
2. Data Ordinal
Data ordinal adalah data yang diperoleh dari suatu pengambilan data
terhadap suatu objek yang menghasilkan lebih dari satu kategori. Untuk
bisa diolah lebih lanjut dengan computer, data kualitatif sering diberi
nomor kode. Misalnya untuk data jenis kelamin, priadi beri nomor 1 dan
wanita diberi nomor 2. Nomor kode ini menjadi ukuran nominal, namun
angka tersebut hanya dapat digunakan untuk keperluan identifikasi saja.

a. Data Kuantitatif
Data kuantitatif adalah data berbentuk angka/ bilangan. Data
kuantitatif disebut juga data numerik. Terhadap data kuantitatif
umumnya dapat dilakukan operasi-operasi matematika. Data
kuantitatif dapat dibedakan menjadi dua jenis tipe, yaitu:
1. Data Diskrit
Data diskrit adalah data yang diperoleh dari suatu pencacahan/
enumerasi. Data ini berbentuk bilangan-bilangan bulat 0, 1, 2, 3, 4,
…dst.
2. Data Kontinu
Data kontinu adalah data yang umumnya didapat dari suatu
pengukuran dengan suatu instrument (alatukur). Data kontinu dapat

22
dinyatakan dalam bentuk data interval, maupun data rasio (data titik).

23
 Berkaitan dengan gambaran karakteristik satu set data dengan skala
pengukuran kategorik, Anda mengenal istilah jumlah atau frekuensi tiap
kategori (n) dan persenta setiap kategori (%) yang umumnya disajikan dalam
bentuk tabel atau grafik.
n %
JenisKelamin
Laki-Laki 22 44
Perempuan 28 56
Tingkat Pendidikan
Rendah 10 20
Sedang 25 50
Tinggi 15 30
Total 50 100
Tabel 1.1 Contoh deskripsi variabel kategorik dalam bentuk tabel

24
 BAB III
PENUTUP
A. Kesimpulan

Data merupakan konsep jamak dari datum yang berarti suatu himpunan
angka yang berasal dan hasil pengukuran individu. Secara sederhana dapat
disimpulkan data merupakan suatu kumpulan informasi atau keterangan yang
dikumpulkan yang dapat berupa angka, besaran, pernyataan atau fakta yang dapat
dipertanggungjawabkan dan dapat dijadikan sebagai dasar untuk menarik suatu
kesimpulan.
Data dapat dibagi menjadi beberapa jenis antara lain : berdasarkan
sumbernya data dapat dibagi menjadi dua jenis yaitu data primer dan data
sekunder. Berdasarkan sifatnya data menurut jenisnya dapat dikelompokkan
menjadi dua, yaitu data kualitatif dan data kuantitatif. Data kualitatif adalah data
yang berbentuk kategorisasi, karekteristik berbentuk kalimat, kata-kata atau
gambar. Data kualitatif terbagi dua jenis yaitu data nominal dan
ordinal.Sedangkan data kuantitaf terbagi atas dua yaitu data interval dan rasio.
Terdapat beberapa jenis skala pengukuran yang digunakan antara lain : skala
kategori yang terdiri atas skala nominal dan ordinal sedangkan skala numerik
terdiri dari skala interval dan rasio.
B. Saran
Saran yang dapat penulis sampaikan adalah lebih memperhatikan dan
mempelajari lebih banyak lagi tentang data, jenis data dan skala pengukurannya
untuk keperluan penelitian dan penyusunan karya ilmiah lainnya. Selain itu harus
teliti dalam pengelompokkan data terutama dalam pelaksanan tugas sebagai
tenaga kesehatan sehingga tidak terjadi kesalahan dalam melaksanakan tugas dan
tanggung jawab.

25
 DAFTAR PUSTAKA

Almina Rospitaria Tarigan, Z. L., & Syarifah. (2018). Pengaruh Pengetahuan, Sikap
dan Dukungan Keluarga Terhadap Diet Hipertensi di Desa Hulu Kecamatan
Pancur Batu Tahun 2016. Jurnal Kesehatan, 9.
Anggara, F. H., & Prayitno, N. (2013). Faktor-Faktor Yang Berhubungan Dengan
Tekanan Darah Di Puskesmas Telaga Murni, Cikarang Barat Tahun 2012.
Jurnal Ilmiah Kesehatan, 20.
Arifin, J. (2017). SPSS 24 Untuk Penelitian dan Skripsi. Jakarta: PT Alex Media
Komputindo.
Asep Saefuddin, K. A., & Aam Alamudi, K. S. (2009). Statistik Dasar. Jakarta: PT
Gramedia Widiasarana Indonesia.
Efendi, A., & Pramoedyo, H. (2017). Biostatika. Malang: UB Press.
Jaya, I. (2019). Penerapan Statistik Untuk Penelitian Pendidikan. Jakarta:
Prenadamedia Group.
Maulana. (2016). Statistik Dalam Penelitian Pendidikan. Sumedang: UPI Sumendang
Press.
Prihanti, G. S. (2016). Pengantar Biostastik. Malang: Universitas Muhamadiyah
Malang.
Swarjana, I. K. (2016). Statistik Kesehatan. Yogyakarta: CV ANDI OFFSET.