PENGGOLONGAN DATA STATISTIK

Disusun untuk Memenuhi Matakuliah Statistik

yang dibina oleh Hary Suswanto, S.T., M.T., D.R.

Oleh :

Setiawan Bayu Pratama

170533628567

UNIVERSITAS NEGERI MALANG

FAKULTAS TEKNIK
JURUSAN TEKNIK ELEKTRO
S1 PENDIDIKAN TEKNIK INFORMATIKA
SEPTEMBER 2018
1. PENGERTIAN DATA STATISTIK

Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,

menganalisis, menginterpretasi, dan mempresentasikan data.

Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Istilah 'statistika' (bahasa
Inggris: statistics) berbeda dengan 'statistik' (statistic). Statistika merupakan ilmu yang berkenaan
dengan data, sedang statistik adalah data, informasi, atau hasil penerapan algoritme statistika pada
suatu data. Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau
mendeskripsikan data; ini dinamakan statistika deskriptif. Sebagian besar konsep dasar statistika
mengasumsikan teori probabilitas. Beberapa istilah statistika antara lain: populasi, sampel, unit
sampel, dan probabilitas.

Data merupakan bentuk jamak dari datum. Data merupakan keteranganketerangan tentang
suatu hal, dapat berupa sesuatu yang diketahui atau dianggap. Jadi, data dapat diartikan sebagai
sesuatu yang diketahui atau yang dianggap atau anggapan. Sesuatu yang diketahui biasanya didapat
dari hasil pengamatan atau percobaan dan hal yang berkaitan dengan waktu dan tempat. Anggapan
atau asumsi merupakan suatu perkiraan atau dugaan yang sifatnya masih sementara, sehingga
belum tentu benar. Oleh karena itu, anggapan atau asumsi perlu diuji kebenarannya (Hasan, 2001).

Data mempunyai arti pemberian atau penyajian. Secara definitif dapat diartikan sebagai
kumpulan angka, fakta, fenomena atau keadaan yang merupakan hasil pengamatan, pengukuran,
atau pencacahan terhadap karakteristik atau sifat dari obyek yang dapat berfungsi untuk
membedakan obyek yang satu dengan lainnya pada sifat yang sama (Solimun, 2001). Data statistik
adalah data keterangan mengenai persoalan baik berbentuk cirikhas, kategori, maupun bentuk
bilangan atau angka.

Anas Sudjiono mengatakan (2006:12), bahwa data statistik adalah data yang berwujud
angka atau bilangan. Tidak semua angka bisa disebut statistik, sebab untuk dapat disebut data
statistik, angka itu harus memenuhi persyaratan tertentu, yaitu angka tadi haruslah menunjukkan
suatu ciri dari suatu penelitian yang bersifat agregatif, serta mencerminkan suatu kegiatan dalam
bidang tertentu.

Dalam analisis suatu metode statistika memerlukan suatu data, karena data menjadi bahan
baku dalam analisis. Jadi setinggi apapun keilmuan seseorang tentang statistika tanpa data, ia tidak
bisa berkata apa-apa kecuali hanya bergumam belaka. Data selain menjadi bahan baku suatu
analisis statistika, juga menjadi perrtimbangan yang sangat penting dalam pemilihan metode
analisis statistika pada suatu pemecahan permasalahan.

Data statistik merupakan keterangan atau ilustrasi mengenai suatu hal yang bisa berbentuk
kategori ( misal: rusak, baik, cerah, berhasil, ataupun bilangan).
2. PENGGOLONGAN DATA STATISTIK

A. Berdasarkan Sifatnya

1. Data Kontinyu

Data kontinyu merupakan data yang diperoleh dengan cara mengukur bisa dalam
bentuk bilangan bulat maupun pecahan. Kumpulan angka- angka yang masih dimungkinkan
memiliki bilangan desimal atau pecahan di antara dua bilangan bulatnya yang banyaknya tak
terhingga, biasanya didapatkan dari proses pengukuran.
Contoh : Tinggi badan 175,5 cm, berat badan 67,75 kg, jarak10,7 km, kecepatan 23
m/dt, temperatur 370C, volume 35,2 l, dll.

2. Data Diskrit

Data diskrit merupakan data yang selalu berbentuk bilangan bulat, misalnya
perusahaan A menjual 100 buah mobil dan 200 sepeda motor. Ada juga yang masih
merupakan jenis dari data deskrit yaitu yang disebut data Nominal, yaitu data yang
menyatakan kategori, misalnya kategori jenis kelamin laki-laki dan perempuan.
Angka-angka yang tidak memiliki desimal atau pecahan di antara dua bilangan
bulatnya, diperoleh dari menghitung. Tiap objek memiliki satu satuan yang utuh, yang tidak
memungkinkan untuk terjadinya secara sebagian.
Misalnya : Jumlah rumah 34 rumah, jumlah penduduk 3657jiwa, jumlah mobil 29
mobil, jumlah meja 56 meja, dsb. Pada perhitungan dimungkinkan ada desimal, namun
kesimpulan akhir merupakan angka tanpa desimal. Pembulatan selalu naik, berapapun angka
di belakang koma.

B. Berdasarkan Cara Menyusun Angkanya

1. Data Nominal

Menuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana
angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak
menunjukkan tingkatan apapun.
Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data
nominal merupakan data diskrit dan tidak memiliki urutan. Bila objek dikelompokkan ke
dalam set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh
tumpang tindih dan bersisa.
Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-
masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3).
Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga
basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut
 tidak memberikan arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi
sebagai label saja. Begitu juga tentang suku, yakni Dayak, Bugis dan Badui.
Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari.
Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain.
Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga
seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu juga
tentang ukuran jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan selalu
berbentuk bilangan bulat, demikian seterusnya. Tidak akan pernah ada bilangan pecahan.
Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal.
Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang
digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi karena pengujian
hipotesis Coefisien Contingensi memerlukan rumus Chi Square (χ2), perhitungannya
dilakukan setelah kita menghitung Chi Square. Penggunaan model statistik nonparametrik
selain Coefisien Contingensi tidak lazim dilakukan.

2. Data Ordinal

Data ini, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka
yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang
paling rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai
absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah
set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya,
bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia
akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik
sampai ke yang paling buruk.
Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-
ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban pertanyaan tentang
kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai
dari tidak pernah absen menghadiri, dengan kode 5, kadangkadang saja menghadiri, dengan
kode 4, kurang menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai
tidak ingin menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran dengan
menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis
asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman
Rank Correlation dan Kendall Tau.

3. Data Interval

Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal
dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data
interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur.
Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data
yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval.
Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur
dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat
 dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 – 1 = 2. Beda prestasi
antara mahasiswa C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi
mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali
lebih baik dari prestasi mahasiswa B.
Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data
interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan
untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation,
Multiple Correlation, Partial Regression, dan Multiple Regression.

4. Data Rasio

Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain,
yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur
dinamakan ukuran rasio (data rasio). Data rasio, yang diperoleh melalui pengukuran dengan
skala rasio memiliki titik nol. Karenanya, interval jarak tidak dinyatakan dengan beda angka
rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol,
maka data rasio dapat dibuat perkalian ataupun pembagian.
Angka pada data rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur.
Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari
Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka
pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D
adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali
pendapatan pengemudi B. Dengan kata lain, rasio antara pengemudi C dan A adalah 4 : 1,
rasio antara pengemudi D dan A adalah 5 : 1, sedangkan rasio antara pengemudi C dan B
adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000, dan pendapatan
pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data rasio lainnya adalah berat
badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3 Kg. Bayi B memiliki
berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan skala rasio, maka bayi A
memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi B memiliki rasio berat badan
dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat badan sepertiga kali berat
badan bayi A, dst.
Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data
rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan
yang lazim digunakan untuk data rasio ini adalah Pearson Korelasi Product Moment, Partial
Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.Sesuai
dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian lazimnya bisa di
bagi menjadi 4 jenis variabel, yakni variabel (data) nominal, variabel (data) ordinal, variabel
(data) interval, dan variabel (data) rasio.
C. Berdasarkan Bentuk Angkanya

1. Data Tunggal

Data tunggal ialah data statistik yang masing-masing angkanya merupakan satu unit
(satu kesatuan). Dengan kata lain, data tunggal adalah data statistik yang masing-masing
angkanya merupakan satu unit (satu kesatuan) atau data statistik yang angka-angkanya tidak
dikelompokkan.
Statistika data tunggal bisa didefinisikan sebagai sebuah metode atau cara untuk
menghitung data ringkasan berbentuk angka seperti jumlah, rata-rata, nilai tengah, median,
modus, ataupun proporsi dari data tunggal yang disajikan. Dalam mempelajari statistika data
tunggal, kita akan menemukan istilah-istilah seperti mean data tunggal, modus data tunggal,
median data tunggal, kuartil data tunggal, dan simpangan baku data tunggal.
Statistika data tunggal menjadi materi awal untuk mempelajari keseluruhan materi
statistika. Statistika data tunggal akan memperkuat kemampuan kita untuk menghitung data-
data tunggal, seperti nilai matematika di dalam suatu kelas ataupun tinggi badan.
Contoh: Data berupa nilai hasil ulangan harian 40 orang siswa “SD Sumbangsih”
dalam mata pelajaran IPA adalah sebagai berikut :

40 71 54 67 59 84 46 51 60 75
82 55 65 45 63 74 58 44 76 53
73 46 73 58 61 80 59 84 57 45
30 57 62 68 48 35 39 55 48 60

Nilai 40, 71, 54, 67, 59, dan seterusnya masing-masing angkanya merupakan satu
unit atau satu kesatuan; masing-masing angka tersebut berdiri sendiri-sendiri dan tidak
dikelompokkan. Data angka yang demikian disebut data tunggal.

2. Data Kelompok/bergolong

Data kelompok ialah data statistik yang tiap-tiap unitnya terdiri dari sekelompok
angka.
Perbedaan yang jelas dari statistika data berkelompok dan tunggal terlihat dari
bentuk data yang disajikan. Jika dalam statistika data tunggal, kita menemukan data-data
dalam penyajian sederhana, di dalam statistika data berkelompok, kita akan menemukan
data-data yang disajikan dengan interval dan frekuensinya. Untuk itu, kita membutuhkan
penghitungan rumus statistika data berkelompok yang tepat untuk menyelesaikan contoh
soal statistika data berkelompok.
Contoh: Data berupa nilai hasil ulangan harian 40 orang siswa “SD Sumbangsih”
seperti pada contoh sebelumnya, tetapi angka-angkanya dikelompokkan; misalnya :

Nilai : 80 - 84
75 - 79
 70 - 74
65 - 69
Dan seterusnya.

Dalam kelompok nilai 80 – 84 terkandung nilai: 80, 81, 82, 83, dan 84; dalam
kelompok nilai 65 – 69 terkandung nilai 65, 66, 67, 68 dan 69; jadi tiap kelas (unit angka)
terdiri dari sekelompok angka.
D. Berdasarkan Sumbernya

1. Data Primer

Pengertian Data primer adalah sumber data penelitian yang diperoleh secara
langsung dari sumber aslinya yang berupa wawancara, jajak pendapat dari individu atau
kelompok (orang) maupun hasil observasi dari suatu obyek, kejadian atau hasil pengujian
(benda). Dengan kata lain, peneliti membutuhkan pengumpulan data dengan cara menjawab
pertanyaan riset (metode survei) atau penelitian benda (metode observasi).
Kelebihan dari data primer adalah data lebih mencerminkan kebenaran berdasarkan
dengan apa yang dilihat.dan didengar langsung oleh peneliti sehingga unsur-unsur
kebohongan dari sumber yang fenomenal dapat dihindari.
Kekurangan dari data primer adalah membutuhkan waktu yang relatif lama serta
biaya yang dikeluarkan relatif cukup besar.
Pengambilan data primer dalam survei menggunakan kuesioner. Secara teori proses
pengambilan data memegang peranan penting dalam menentukan validitas hasil penelitian.
Oleh karena itu, dalam teori validitas, hasil riset tidak akan mempunyai validitas tinggi, jika
peneliti melakukan kesalahan dalam pengambilan data yang secara tekni disebut data
collection error. Kesalahan dalam pengambilan data primer akan berakibat secara langsung
dalam hasil analisa yang tidak sesuai dengan masalah yang akan dijawab sehingga hasil
studi akan menghasilkan kesimpulan yang salah.
Pengambilan data yang dilakukan secara online mengikuti kaidah dan aturan sesuai
dengan penelitian secara tradisional. Perbedaan pokok ialah sarana dan cara penyampaian
kepada responden serta cara mendapatkan responden. Sarana pengambilan data dilakukan
dengan menggunakan komputer yang tersambung dengan Internet atau disebut Computer
Assisted Data Collection (CADAC), cara pengambilan data dengan menggunakan email dan
/ atau web site dan cara mendapatkan responden didasarkan pada alamat email pengguna
Internet.Data primer mempunyai pengertian bahwa data atau informasi tersebut diperoleh
dari sumber pertama, yang secara teknis dalam penelitian disebut responden. Data primer
dapat berupa data-data yang bersifat kuantitatif maupun kualitatif. Perbedaan utama dalam
pencarian data primer yang diambil secara online ialah data primer di Internet tidak terbatas
oleh faktor-faktor geografis sebagaimana data primer yang diambil secara langsung dalam
penelitian lapangan. Karena sifat Internet yang mengglobal, maka peneliti akan
mendapatkan dua hal yang bertolak belakang secara sekaligus, yaitu keuntungan dan
kelemahan sifat tersebut berkaitan dengan cara mengambil data di Internet. Keuntungannya
ialah peneliti akan dapat melakukan pengumpulan data secara cepat, murah dan
mendapatkan banyak pilihan calon responden; sedang kelemahannya ialah jika tidak
menggunakan teknik sampling yang benar, maka responden yang diperoleh tidak akan
sesuai dengan apa yang diinginkan atau tidak sesuai dengan masalah yang sedang dikaji.
Persoalan kedua menyangkut pengguna email di Internet pada umumnya tidak memberikan
data pribadinya sesuai dengan kondisi sebenarnya.
Contoh: Data tentang prestasi belajar siswa yang diperoleh dari bagian kesiswaan.
2. Data Sekunder

Pengertian Data sekunder adalah sumber data penelitian yang diperoleh melalui
media perantara atau secara tidak langsung yang berupa buku, catatan, bukti yang telah ada,
atau arsip baik yang dipublikasikan maupun yang tidak dipublikasikan secara umum.
Dengan kata lain, peneliti membutuhkan pengumpulan data dengan cara berkunjung ke
perpustakaan, pusat kajian, pusat arsip atau membaca banyak buku yang berhubungan
dengan penelitiannya.
Kelebihan dari data sekunder adalah waktu dan biaya yang dibutuhkan untuk
penelitian untuk mengklasifikasi permasalahan dan mengevaluasi data, relatif lebih sedikit
dibandingkan dengan pengumpulan data primer.
Kekurangan dari data sekunder adalah jika sumber data terjadi kesalahan,
kadaluwarsa atau sudah tidak relevan dapat mempengaruhi hasil penelitian.
Contoh : Data tentang jumlah siswa yang tawuran pada tahun 2006, diperoleh dari
surat kabar harian Kompas.
E. Berdasarkan Waktu Pengumpulannya

1. Data Seketika

Data Seketika adalah data statistik yang mencerminkan keadaan pada satu waktu saja
(at a point of time).
Contoh : Data statistik tentang tenaga pengajar di sebuah SMTA dalam tahun
1984/1985(hanya 1 tahun ajaran saja).

2. Data Urutan Waktu

Data urutan waktu ialah data statistik yang mencerminkan keadaan atau
perkembangan mengenai sesuatu hal, dari satu alokasi waktu ke waktu yang lain secara
berurutan. Data urutan waktu sering juga dikenal dengan istilah historical data.
Contoh: data statistik tentang jumlah guru di “SD Karawaci” tahun ajaran 2002/2003
sampai dengan tahun 2006/2007.
Daftar Rujukan :

1. Statistik. 18 Juni 2016.

< https://esymeirahayyunblog.wordpress.com/2016/06/18/statistik/ >

2. Penggolongan Data Statistik. 2010.

< http://usmanrahman.blogspot.com/2010/11/penggolongan-data-statistik.html >

3. Statistik Pendidikan : Data Statistik. 12 Oktober 2014.

< http://afniatiii.blogspot.com/2014/10/data-statistik.html >

4. DATA NOMINAL, ORDINAL, INTERVAL DAN DATA RASIO. 27 Juni 2009. <
https://suhartoumm.wordpress.com/2009/06/27/data-nominal-ordinal-intervaldan-ratio// >

5. Pengertian Data Statistik Lengkap. 27 Agustus 2018.

< https://www.gurupendidikan.co.id/pengertian-data-statistik-lengkap/ >

6. Pengertian Data Primer dan Data Sekunder. 19 Oktober 2016.

< https://www.kanalinfo.web.id/2016/10/pengertian-data-primer-dan-datasekunder.html >