misdie@staff.gunadarma.ac.id
TOPOLOGI DATA
Contoh :
Jenis kelamin : 1 = pria dan 2 = wanita
Status : 1 = menikah dan
2 = tidak menikah
Skala Ordinal
• Skala ini mengurutkan data dari tingkat
paling rendah ke tingkat paling tinggi atau
sebaliknya dengan interval yang tidak harus
sama.
Contoh ; Nilai ujian 5 mahasiswa diurutkan dari
yang paling besar ke yang paling kecil sbb:
Merubah nilai ujian ke nilai prestasi, misalnya dengan kaidah sbb:
Jarak antara 85 – 100 adalah A
Jarak antara 76 – 84 adalah B
Jarak antara 68 – 75 adalah C
Jarak antara 56 – 67 adalah D
Jarak antara 0 – 55 adalah E
Kaidah di atas terlihat bahwa jarak interval tiap nilai prestasi
bisa tidak sama.
Jika bobot pada skala ordinal tidak diperhatikan, ia akan
menjadi skala nominal sehingga dapat disimpulkan bahwa skala
ordinal dapat berperan sebagai skala nominal tetapi tidak
sebaliknya, skala nominal tidak dapat berperan sebagai skala
ordinal.
Skala Interval
• Skala ini mengurutkan obyek berdasarkan
suatu atribut yang memberikan informasi
tentang interval antara satu obyek dengan
obyek lainnya adalah sama.
– Contoh: nilai prestasi yang telah ditransfer
dalam bentuk huruf A, B, C, D dan E
selanjutnya diberi bobot masing-masing 4, 3,
2, 1 dan 0 sehingga interval A dan C sama
dengan interval C dan E atau interval A dan
B sama dengan interval D dan E.
Skala Interval
20
Kelebihan dan kekurangan
desain sampling
Desain sampling Penjelasan Kelebihan Kekurangan
A. Probability Sampling
Stratified random Populasi dibagi ke dalam Paling efisien di Stratified harus memiliki
sampling kelompok tertentu antara semua desain arti tertentu lebih
kemudian subyek diambil: probabilitas semua memakan waktu
kelompok terwakili dibandingkan dengan
jumlahnya simple random sampling
dalam proporsi jumlah
kerangka populasi untuk
yang sebenarnya dan
a. Propor-sionate tiap kelompok/strata
perbandingannya.
diperlukan.
berdasarkan criteria
b. Dispropor - selain jumlah populasi
sionete sebenarnya.
21
Kelebihan dan kekurangan
desain sampling
Desain sampling Penjelasan Kelebihan Kekurangan
A. Probability Sampling
Kelompok yang Dalam cluster Paling kurang dapat
anggotanya heterogen geografis , biaya diandalkan & kurang
ditentukan dulu, pengumpulan efisien diantara desain
kemudian dipilih secara datanya rendah probabilitas lainnya
Cluster sampling acak dari tiap kelompok : karena sub-sub dari
semua anggota dari tiap kelompok lebih
keompok yang dipilih cenderung homogen
secara acak dipelajari daripada heterogen.
23
Kelebihan dan kekurangan
desain sampling
Desain sampling Penjelasan Kelebihan Kekurangan
B. Non Probability Sampling
Subyek dipilih Kadang merupakan Kemampuan
berdasarkan keahlian satu-satunya cara generalisasinya
Judgment sampling dalam bidang diteliti untuk menyelidiki dipertanyakan, tidak
dapat digeneralisasikan
ke seluruh popolasi
Subyek dipilih yang Sangat berguna bila Tidak dapat
paling mudah ditemui partisipasi kelompok digeneralisasikan
dari kelompok yang minoritas diperlukan dengan mudah
Quota sampling
ditargetkan berdasar dalam suatu
jumlah kuota yangtelah penelitian
ditentukan sebelumnya
Memilih unit yang Hanya untuk Keterwakilan dari
karakteristiknya jarang, penerapan yang karakteristik yang jarang
Snowball sampling unit selanjutnya sangat khusus tidak terlihat dalam
24
ditunjukkan responden pemilihan sampel
sebelumnya
Ukuran sampel
misalnya:
Jumlah elemen dalam populasi adalah 8000.
Apabila Confidence level 98% berapa sampel
yang harus diambil = 1905. Apabila CL
diturunkan menjadi 95% berapa jumlah
sampelnya = 3809 dst.