MAKALAH

STATISTIKA DASAR
“DASAR-lDASAR STATISTIKA”

Dosen Pengampu:
Dr. Putri Yuanita, M.Ed

Disusun oleh:
Kelompok 3

1. Aristawidya (2205110956)
2. Durratul Jannah (2205110942)
3. Laksmita Dewi (2205110916)
4. Rira Afifah Zikriyah (2205110889)
5. Suci Rahmadhani (2205110901)
6. Qotrunnada Salsabila (2205110903)
7. Wirda Arni Fitrianti (2205110959)
8. Zahra Thahirah (2205110958)

KELAS 3A
PROGRAM STUDI PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS RIAU
PEKANBARU
2023
 KATA PENGANTAR
Puji syukur atas kehadirat Tuhan Yang Maha Esa yang telah memberikan
rahmat, nikmat, serta hidayah-Nya sehingga penulis dapat menyelesaikan makalah
yang berjudul “Dasar-Dasar Statistika” tepat pada waktunya.

Makalah ini dibuat dengan tujuan untuk memenuhi tugas mata kuliah
Statistika Dasar. Selain itu, makalah ini juga bertujuan untuk menambah ilmu
pengetahuan dan wawasan bagi penulis dan pembaca tentang Statistika Dasar

Penulis menyampaikan ucapan terima kasih kepada Ibu Dr. Putri Yuanita,
M.Ed selaku dosen pengampu mata kuliah Statistika Dasar yang telah
memberikan tugas ini sehingga dapat menambah ilmu pengetahuan dan wawasan.

Penulis menyadari bahwa dalam penyusunan dan penulisan makalah ini

masih kurang sempurna. Oleh karena itu, penulis berharap adanya kritik dan saran
demi perbaikan makalah ini, mengingat bahwa tidak ada sesuatu yang sempurna
tanpa saran yang membangun.

Pekanbaru, 22 Agustus 2023

Penulis

ii
 DAFTAR ISI

KATA PENGANTAR............................................................................................ii
DAFTAR ISI.........................................................................................................iii
BAB I PENDAHULUAN.......................................................................................1
A. Latar Belakang......................................................................................1
B. Rumusan Masalah.................................................................................1
C. Tujuan...................................................................................................1
BAB II PEMBAHASAN........................................................................................2
A. Data Statistik.........................................................................................2
B. Variabel dan Tipe Data.......................................................................12
C. Skala....................................................................................................23
D. Teknik Pengumpulan Data..................................................................30
E. Sampel.................................................................................................40
BAB III PENUTUP..............................................................................................45
A. Kesimpulan.........................................................................................45
B. Saran....................................................................................................46
DAFTAR PUSTAKA...........................................................................................47

iii
 BAB I

PENDAHULUAN
A. Latar Belakang
Kata "statistika" berasal dari bahasa Latin "statisticum collegium" yang
merujuk pada "kelompok data". Asal kata ini terkait dengan konsep pengumpulan
dan analisis data yang berkaitan dengan hal-hal yang terkait dengan negara atau
pemerintahan, seperti data populasi, produksi, dan ekonomi.
Statistika adalah cabang ilmu yang berfokus pada pengumpulan,
pengolahan, analisis, interpretasi, dan presentasi data. Tujuannya adalah untuk
menggambarkan pola, hubungan, dan variasi dalam data dengan tujuan
memahami fenomena yang sedang dipelajari.
Dalam era informasi dan teknologi saat ini, jumlah data yang dihasilkan
dan dikumpulkan terus meningkat dengan cepat. Dalam menghadapi volume data
yang besar dan kompleks ini, statistika telah menjadi alat penting dalam
membantu kita memahami pola, mengambil keputusan yang informasional, dan
membuat perkiraan yang akurat. Statistika bukanlah konsep yang baru; sejarahnya
mencakup berabad-abad pengembangan dan aplikasi yang telah mengubah cara
kita memahami dunia di sekitar kita.

B. Rumusan Masalah
1. Apa itu varibel kualitatif?
2. Apa itu varibel kuantitatif?
3. Apa itu varibel diskrit?
4. Apa itu varibel kontinu?

C. Tujuan
1. Untuk mengetahui apa itu Media dan Alat Peraga
2. Untuk mengetahui apa saja pentingnya Alat Peraga
3. Untuk mengetahui apa saja syarat Alat Peraga yang baik

1
4. Untuk mengetahui apa saja macam macam Alat Peraga dalam Matematika.

BAB II

PEMBAHASAN
A. Data Statistik
1. Pengertian Data Statistik
Data statistik adalah bagian tunggal dari informasi faktual yang direkam
dan digunakan untuk tujuan analisis. Hal ini menggambarkan bahwa data
menjadi informasi mentah dari mana statistik dibuat. Statistik adalah hasil
analisis data, interpretasi, dan penyajiannya.
Dengan kata lain, beberapa komputasi telah dilakukan yang memberikan
pemahaman tentang arti data. Statistik seringkali, meskipun tidak harus,
disajikan dalam bentuk tabel, bagan, atau grafik.
1. Pengertian Data Statistik Menurut Para Ahli
Adapun definisi data statistik menurut para ahli, antara lain:
 Anhar, Data statistik adalah kenyataan yang menggambarkan suatu
kejadian dan merupakan kesatuan nyata yang nantinya dapat
digunakan sebagai bahan dasar suatu informasi.
 Haer Talib, Data statistik adalah sebagai sekumpulan fakta dan sebuah
fakta tak lain adalah sebuah kenyataan atau kejadian.
2. Jenis Data Statistik dan Contohnya
Adapun secara garis besar bentuk data statistik bisa dibedakan menjadi dua,
yaitu:
1) Kategoris
Data kategoris merepresentasikan karakteristik. Oleh karena itu,
data dapat mewakili hal-hal seperti jenis kelamin, bahasa, status
perkawinan, kota asal, atau jenis film yang mereka sukai, dan lain-lain.
Data kategoris juga dapat menggunakan nilai numerik (Contoh: 1
untuk wanita dan 0 untuk pria), tetapi angka tersebut tidak memiliki

2
arti matematis. (Nama lain untuk data kategorikal adalah data
kualitatif, atau data Ya / Tidak).
Data kategoris bisa dibedakan menjadi dua, yaitu:
 Data Nominal

Nilai nominal mewakili unit diskrit dan digunakan untuk melabeli

variabel, yang tidak memiliki nilai kuantitatif. Anggap saja itu sebagai
“label”. Perhatikan data nominal yang ada urutannya, jika kita
mengubah urutan, nilainya tidak akan berubah.

Misalnya pada contoh di bawah ini:

Apa jenis kelamin Anda?

1. Laki-laki
2. Perempuan

Apa warna rambut Anda?

1. Hitam
2. Coklat
3. Pirang
4. Abu-Abu
5. Lain-lain

Catatan: sub-jenis skala nominal dengan hanya dua kategori (misalnya

pria / wanita) disebut “dikotomis”. Perlu kita ketahui juga ada sub-
jenis data nominal lainnya yaitu “nominal dengan urutan” (seperti
“dingin, hangat, panas, sangat panas”) dan nominal tanpa urutan
(seperti “pria / wanita”).

 Data Ordinal
Dengan skala ordinal, urutan nilai adalah hal yang penting
dan signifikan, tetapi perbedaan antara masing-masing nilai tidak
terlalu diketahui. Misalnya pada contoh di bawah ini. Dalam setiap
kasus, kita tahu bahwa #4 lebih baik daripada #3 atau #2, tetapi

3
 kita tidak tahu dan tidak dapat mengukur terkait seberapa jauh
lebih baik itu.
Misalnya:
Bagaimana Perasaan Anda hari ini?
1. Sangat Tidak Bahagia (Very Unhappy)
2. Tidak Bahagia (Unhappy)
3. Oke (OK)
4. Bahagia (Happy)
5. Sangat Bahagia (Very Happy)
Apakah perbedaan antara pernyataan “OK” dan “Tidak Bahagia
(Unhappy)” sama dengan perbedaan antara “Sangat Bahagia (Very
Happy)” dan “Bahagia (Happy)?”. Dalam hal ini tentunya kita sulit
bahkan tidak bisa mengatakannya.
Skala ordinal biasanya berupa ukuran konsep non-numerik misalnya
kepuasan, kebahagiaan, ketidaknyamanan, dan lain-lain. Kunci yang
perlu kita ingat terkait data ordinal adalah berurutan, atau bisa
dikatakan bahwa dalam “skala ordinal” urutan adalah hal yang penting.
Sebagai catatan tambahan bahwa sara terbaik untuk menentukan
tendensi sentral pada sekumpulan data ordinal adalah dengan
menggunakan mode atau median; seorang purist akan memberi tahu
kita bahwa mean tidak dapat didefinisikan dari himpunan ordinal.
2) Numerik
Data ini memiliki arti sebagai ukuran, seperti tinggi badan, berat
badan, IQ, atau tekanan darah seseorang; atau itu hitungan, seperti
jumlah saham yang dimiliki seseorang, berapa banyak gigi yang
dimiliki seekor anjing, atau berapa halaman yang dapat kita baca dari
buku favorit kita sebelum kita tertidur. (Ahli statistik juga menyebut
data numerik data kuantitatif).
Data numerik dapat dibagi lagi menjadi empat jenis yaitu:
 Data Diskrit

4
 Beberapa sinonim untuk kata “diskrit” meliputi: terputus, terpisah
dan berbeda. Kita mengumpulkan data untuk menemukan hubungan,
tren, dan konsep lainnya. Misalnya, jika kita melacak jumlah push-up
yang kita lakukan setiap hari selama sebulan, tujuan utamanya adalah
untuk mengevaluasi kemajuan kita dan tingkat peningkatannya.
Dengan demikian, penghitungan harian kita adalah angka yang
terpisah. Tidak ada batasan yang jelas mengenai berapa banyak yang
dapat kita lakukan suatu hari, sehingga hubungan tetap tidak
ditentukan.
Semakin banyak informasi yang kita kumpulkan dari waktu ke
waktu, semakin banyak wawasan yang dapat kita simpulkan, seperti
jumlah rata-rata push-up yang kita lakukan minggu lalu adalah 15 per
hari, yang lebih banyak 5 per hari daripada minggu sebelumnya.
Sedangkan push-upnya sendiri adalah bilangan bulat yang tidak bisa
dipecah menjadi bagian-bagian yang lebih kecil.
Aturan praktisnya adalah, dalam banyak kasus, data diskrit dapat
diawali dengan “jumlah”. Beberapa contohnya yaitu: Jumlah
pelanggan yang membeli barang berbeda; Jumlah komputer di setiap
departemen; Jumlah barang yang kita beli di toko bahan makanan
setiap minggu.
Data diskrit juga bisa bersifat kualitatif. Sensus nasional terdiri dari
data diskrit, baik kualitatif maupun kuantitatif. Menghitung dan
mengumpulkan informasi melalui sensus tersebut dapat memperdalam
pemahaman kita tentang penduduk. Hal ini membantu dalam
memprediksi masa depan sambil mendokumentasikan sejarah. Ini
adalah contoh yang bagus tentang kekuatan data diskrit.
 Data Kontinu
Data kontinu merepresentasikan pengukuran; nilai yang mungkin
tidak dapat dihitung dan hanya dapat dijelaskan menggunakan interval
pada garis bilangan real. Atau dengan kata lain, data kontinu mengacu

5
pada jumlah kemungkinan pengukuran yang tidak tetap antara dua
titik realistis.
Data kontinu adalah tentang akurasi. Variabel dalam kumpulan
data ini sering kali memiliki titik desimal, dengan angka di sebelah
kanan direntangkan sejauh mungkin. Tingkat detail ini sangat penting
misalnya bagi ilmuwan, dokter, dan produsen.
Beberapa contoh data kontinu meliputi: Berat bayi yang baru lahir;
Kecepatan angin harian; Suhu freezer. Ketika kita melakukan
eksperimen atau studi yang melibatkan pengukuran konstan, ini
kemungkinan besar melibatkan variabel kontinu sampai tingkat
tertentu.
 Data Interval
Nilai interval mewakili unit terurut yang memiliki perbedaan yang
sama. Oleh karena itu, kita berbicara tentang data interval ketika kita
memiliki variabel yang berisi nilai numerik yang diurutkan dan di
mana kita mengetahui perbedaan yang tepat antara nilai-nilai tersebut.
Misalnya:
Suhu (dalam derajat Celcius)
1. -10
2. -5
3. 0
4. +5
5. +10
6. +15
Masalah dengan data nilai interval adalah bahwa nilai tersebut
tidak memiliki “nol sebenarnya”. Itu berarti sehubungan dengan
contoh di atas, bahwa tidak ada yang namanya tidak bersuhu (no
temperature).
Dengan data interval, kita bisa menambah dan mengurangi, tapi
kita tidak bisa mengalikan, membagi atau menghitung rasio. Karena

6
 tidak ada nol sebenarnya, banyak statistik deskriptif dan inferensial
yang tidak menerapkannya.
 Data Rasio
Skala rasio memberikan banyak kemungkinan dalam hal analisis
statistik. Variabel-variabel ini dapat ditambahkan, dikurangi,
dikalikan, dibagi (rasio). Tendensi sentral dapat diukur dengan mode,
median, atau mean. Dimana ukuran dispersi, seperti deviasi standar
dan koefisien variasi juga dapat dihitung dari skala rasio. Skala rasio
memiliki definisi nol yang jelas.
Adapun untuk contoh variabel rasio yang baik termasuk;
1. Tinggi
2. Berat
3. Durasi.

6. Variabel Acak
Variabel random atau dikenal juga dengan peubah acak merupakan
suatu fungsi yang memetakan setiap anggota ruang sampel ke bilangan riil.
Variabel random dinotasikan dengan huruf kapital, contoh X, Y, atau Z. Nilai
yang mungkin dari variabel random dinotasikan dengan huruf kecil, contoh x,
y, atau z.
Misalkan dalam eksperimen pelemparan koin sebanyak tiga kali, hasil
eksperimen adalah munculnya sisi angka (A) atau sisi gambar (G), sehingga
didapatkan ruang sampel
S={AAA, AAG, AGA, GAA, AAG, GAG, AGG, GGG}
Jika didefinisikan variabel random X yang menyatakan banyaknya sisi G
yang muncul, maka nilai x yang mungkin adalah 0, 1, 2, dan 3.
Variabel random dikelompokkan menjadi dua, yaitu:

 Variabel random diskrit, yaitu variabel random yang didefinisikan

pada ruang sampel diskrit yang hanya dapat menjalani harga-harga yang

7
 berbeda yang berhingga banyaknya (sama banyaknya dengan bilangan
bulat).

 Variabel random kontinu, yaitu variabel random yang didefinisikan

pada ruang sampel kontinu yang dapat menjalani setiap harga dalam suatu
interval (tak berhingga banyaknya).

Model matematika yang menghubungkan setiap nilai variabel random dengan

peluang terjadi dalam ruang sampelnya disebut distribusi probabilitas.

7. Statistik Deskriptif
a) Pengertian Statistik Deskriptif
Statistik deskriptif merupakan proses transformasi data penelitian dalam
bentuk tabulasi sehingga mudah dipahami dan di interpretasikan. Informasi yang
di dapatkan yang berasal dari statistik deskriptif ini antara lain ukuran pemusatan
data, ukuran penyebaran data, dan juga kecenderungan suatu gugus data.
b) Ruang Lingkup Statistik Deskriptif
Ruang lingkup statistik deskriptif antara lain yaitu penyajian data, pengukuran
tendensi sentral, pengukuran variabilitas. Angka indeks, dan deret berkala.

8
 c) Penyajian Data Statistik Deskriptif
Penyajian data terdiri dari dua yaitu dalam bentuk grafis dan dalam bentuk
numerik. Penyajian data secara grafis, antara lain Histogram, Pie Chart, Poligon,
Ogive, dan Stem and Leaf. Sedangkan penyajian data secara numerik, antara lain
Central Tredency, Dispersion atau pencaran, Fractile, Skewness, dan Pengukuran
Keruncingan.
d) Metode Dasar dalam Statistik Deskriptif
Ada dua macam metode dasar di dalam statistik deskriptif, antara lain numerik
dengan menghitung nilai statistik dari sekumpulan data dan grafis dengan
mengidentifikasi pola-pola tertentu dalam data.

Terdapat tiga karakteristik atau ciri utama dari variabel tunggal, diantaranya yaitu:
a. Distribusi data (distribusi frekuensi) diartikan sebagai daftar sebaran data
yang diikuti dengan nilai frekuensinya. Data kemudian dikelompokkan ke
dalam beberapa kelas sehingga karakteristik atau ciri penting data tersebut
bisa dengan cepat terlihat.
b. Ukuran pemusatan atau tendensi sentral (Central Tendency), Pada
pengukuran aritmatika yang diarahkan dalam menunjukan suatu nilai yang
mewakili nilai pusat ataupun nilai sentral dari suatu gugus data dikenal
dengan sebutan ukuran tendensi sentral. Adapun tiga jenis ukuran tendensi
sentral yaitu Mean, Median, dan Modus.
c. Ukuran penyebaran (Dispersion), Salah satu hal penting yang ada yaitu suatu
variabel ialah bentuk distribusinya, yang menggambarkan frekuensi dari
berbagai selang nilai variabel.

8. Statistik Inferensial
a) Pengertian

Statistik inferensial adalah metode yang digunakan untuk mengetahui

populasi berdasarakan sampel dengan menganalisis dan menginterpretasikan data

9
menjadi sebuah kesimpulan (Hatani, 2008). Statistik inferensial ini juga
merupakan suatu rangkuman dari semua metode atau cara yang berkaitan dengan
analisis sebagian data, yang mana selanjutnya akan sampai pada peramalan
ataupun penarikan kesimpulan tentang keseluruhan data induk dari populasi
tersebut. Sifat statistik inferensial yaitu (1) data yang dianalisis berasal dari
random sampling; (2) menggeneralisasikan dan meramalkan baik tentang ciri
penting suatu variabel maupun hubungan antar variabel; (3) generalisasi dan
ramalan yang dibuat diberlakukan bagi keseleruhan populasi atas dasar hasil
analisis data dari sampel; dan (4) generalisasi dan ramalan dilaksanakan dengan
uji hipotesis atau pengecekan asumsi.
b) Ruang Lingkup Statistik Inferensial
Ruang lingkup statistik infernsial yaitu probabilitas, metode sampel,
pengujian hipotesis, statistik parametrik (korelasi dan regresi), dan statistik
nonparametrik.
c) Metode Statistik Inferensial
1) Statistik Parametrik
Statistik parametrik berguna untuk menarik kesimpula atas beberapa
gejala yang dapat disimpulkan ke keseluruhan bobotnya paling tinggi
(populasi). Statistik parametrik menggunakan asumsi mengenai
populasi dan membutuhkan pengukuran kuantitatif dengan level data
interval atau rasio.
2) Statistik Nonparametrik
Statistik nonparametrik dari indicator beberapa gejala yang hanya
berlaku kesimpulan saja pada bebebrapa bagian dari suatu keseluruhan.
Statistik nonparametrik menggunakan lebih sedikit asumsi mengenai
populasi dan membutuhkan data dengan level serendah-rendahnya
ordinal.
Perbedaan Statistik Deskriptif dengan Statistik Inferensial

Statistik deskriptif hanya terbatas dalam penyajian data pada bentuk tabel,
diagram, ataupun grafik serta besaran lainnya. Statistik deskriptif bertujuan untuk

10
mendeskripsikan karakteristik data. Sementara statistik inferensial tidak hanya
mencakup statistik deskriptif saja, tetapi juga dapat dipakai dalam melakukan
estimasi serta penarikan kesimpulan kepada populasi dari sampelnya. Statistik
inferensial bertujuan untuk mengambil kesimpulan untuk populasi dengan
menganalisis sampel.

9. Sampel dan Populasi

1. Sampel
Pemilihan sampel (sampling) adalah proses pengambilan sejumlah
individu sedemikian rupa sehingga mereka mewakili kelompok besar dari
mana mereka diambil. Mereka yang terpilih disebut sampel dan kelompok
besar dari mana mereka diambil disebut populasi. Tujuan pengambilan
sampel ialah untuk mencari informasi tentang populasi dengan hanya
mempelajari sekelompok kecil dari mereka. Bekerja dengan sampel
tujuannya untuk menghemat waktu, biaya dan tenaga. Bila sampel dipilih
dengan baik, hasil penelitian yang hanya didasarkan pada sampel akan
digeneralisasikan pada populasi. Misalnya: Seorang peneliti dari kantor
wilayah Depdikbud ingin mengetahui sikap 6000 guru SD, SMP, dan
SMA di Sumatera Barat terhadap organisasi guru PGRI. Bila interview
dianggap cara yang paling tepat untuk menqumpulkan informasi,
walaupun untuk masing-masing responden diperlukanhanya 15 menit,
maka diperlukan waktu sekurang-kurangnya 1500 jam, atau 187,s hari (8
jam kerja/hari) atau 7 1/2 bulan (25 hari kerjalbulan). "Kesimpulan
penelitian" dari hasil interview terhadap 500 guru kemungkinan
sama/mendekati sama, bila seluruh populasi diinterview. Disamping itu,
peneliti masih sedikit kecewa dalam pelaksanaannya, karena ternyata
jumlah guru wanita dan pria, begitu juga jumlah guru SD, SMP, dan SMA
pada sampel tidak proporsional.
Sampel, bagaimanapun card memilihnya, tidak pernah secara
sempurna mewakili populasi. Akan tetapi ada beberapa cara sederhana

11
 untuk memilih "nice" sampel untuk mengurangi frustasi seperti disebut
dalam contoh diatas.
Teknik pemilihan sampel yang akan dipergunakan, tiqa lanqkah pokok
yang harus ada ialah:
 menetapan (identifikasi) populasi
 menentukan besarnya sampel yang diperlukan
 pemilihan sampel

2. Populasi
Populasi adalah suatu kelompok subyek, kepadanya si peneliti
ingin meng-generalisasikan hasil studinya. Sebuah populasi sekurang-
kurangnya mempunyai satu karakteristik yang membedakannya dari
kelompok lain yang bukan populasi. Makin sedikit karakteristik yang anda
pergunakan untuk menetapkan populasi, makin besar jumlah populasi
yang anda dapatkan. Situasi begini akan lebih ideal, karena anda dapat
meng-generalisasikan hasil studi anda pada kelompok yang sangat besar.
Akan tetapi sebaran populasi yang sangat luas meminta biaya, waktu dan
usaha yang besar pula. Biasanya seorang peneliti punya tenaga, biaya dan
waktu yang terbatas. Sebaliknya, dengan menetapkan populasi yang lebih
sempi t peneliti kehilangan besaran generalisasi (qeneralizability). Hasil
studinya hanya berlaku untuk subjek yang sangat terbatas. Misalnya, bila
peneliti ingin mengetahui sikap mahasiswa IKIP Padang terhadap profesi
guru, maka ia tidak bisa mengatakan bahwa .sikap mahasiswa IKIP pada
umumnya cukup "favorable". Bila anda cukup punya dasar untuk
mengatakan bahwa mahasiswa IKIP Padang mempunyaikarakteristik yang
serupa (similar) pada tingkat tertentu dengan mahasiswa IKIP lain maka
anda boleh menduga bahwa kesimpulan studi anda akan berlaku di IKIP
lain tapi ini hanya terbatas pada "spekulasi" yang memerlukan pembuktian
(studi replikasi). Bila ini terpaksa anda lakukan, berhatihatilah.

12
B. Variabel dan Tipe Data
1. Variabel Kualitatif
a. Pengertian Data Kualitatif
Data kualitatif adalah jenis data yang menggambarkan informasi melalui
tipe data statistik deskriptif sehingga menjadikannya data yang
diekspresikan dengan kelompok dan kategori daripada angka. Tipe data ini
relevan untuk sebagian besar penelitian dengan penggunaan terbatas dalam
statistik karena ketidak cocokannya dengan kebanyakan metode statistik.
b. Jenis Data Kualitatif
Data dalam penelitian kualitatif dibedakan menjadi dua jenis, yaitu;
1) Data nominal
Dalam statistik, data nominal juga dikenal sebagai skala nominal yaitu
klasifikasi variabel kategori, yang tidak memberikan nilai kuantitatif
apa pun. Kadang-kadang disebut sebagai data berlabel atau bernama.
Istilah nominal berasal dari nomenklatur Latin “Nomen” yang artinya
nama, sehingga dipergunakan untuk memberi label atau menamai
variabel tanpa memberikan nilai kuantitatif apa pun. Ini tidak benar
dalam beberapa kasus di mana data nominal mengambil nilai
kuantitatif. Namun, nilai kuantitatif ini tidak memiliki karakteristik
numerik.
2) Data Ordinal
Data ordinal adalah jenis kualitatif dalam data di mana variabel
memiliki kategori alami, teratur dan jarak antar kategori tidak
diketahui. Dengan demikian, data ordinal merupakan kumpulan dari
variabel ordinal. Misalnya, data yang dikumpulkan dari mengajukan
pertanyaan dengan skala likert adalah ordinal. Dalam beberapa kasus,
data ordinal diklasifikasikan sebagai tipe data kuantitatif atau
dikatakan berada di antara kualitatif dan kuantitatif. Ini karena data
ordinal menunjukkan karakteristik kuantitatif dan kualitatif.
c. Contoh Data Kualitatif dalam Statistik
Contoh data kualitatif dalam statistik, diantaranya yaitu:

13
1) Pemungutan suara
Selama proses pemungutan suara, kita mengambil data nominal calon
yang dipilih oleh para emilih. Frekuensi suara yang dikeluarkan oleh
setiap kandidat diukur, dan kandidat dengan jumlah suara terbanyak
ditetapkan sebagai pemenang. Dalam istilah statistik, kita
menyebutnya modus.
2) Populasi ekspatriat
Setiap kedutaan di setiap negara memiliki database imigran yang
masuk ke negara tersebut. Misalnya, kedutaan Nigeria di AS memiliki
database semua migran sah Afrika ke Amerika. Dengan cara ini,
Pemerintah AS akan memperkirakan populasi orang Afrika di AS.
Tidak hanya itu, tetapi juga detail pribadi seperti jenis kelamin,
negara, dan lain-lain, yang dapat membantu dalam statistik yang tepat.
3) Peserta acara
Selama suatu acara, penyelenggara mengambil data nominal peserta,
yang meliputi nama, jenis kelamin, nomor telepon, dan lain-lain.
Contoh pertanyaan seperti “Dari mana Anda mendengar tentang acara
ini?”, bisa membantu penyelenggara dalam menentukan platform
pemasaran yang paling efektif.
4) Keragaman dan inklusi
Saat mencoba membangun database orang-orang dengan latar
belakang yang berbeda seperti jenis kelamin, ras, kelas, dan lain-lain,
kita menggunakan data kualitatif. Misalnya, ketika mempekerjakan
orang, organisasi yang peduli tentang keterwakilan perempuan yang
setara menggunakan statistik jumlah pekerja laki-laki dan perempuan
untuk menyeimbangkan gender.
5) Median
Data ordinal adalah jenis data yang memiliki skala atau urutannya.
Urutan ini digunakan untuk menghitung titik tengah dari sekumpulan
data kualitatif. Misalnya, data kualitatif tentang susunan penataan
barang di supermarket akan membantu kita menentukan barang di

14
 pusat supermarket. Ini bahkan mungkin menjadi faktor dalam
menentukan apakah posisi barang mempengaruhi jumlah penjualan.

2. Variabel Kuantitatif
a. Pengertian Data Kuantitatif
Data kuantitatif adalah jenis data yang nilainya secara nyata bisa diukur
dalam bentuk angka atau hitungan, dengan nilai numerik unik yang
terkait dengan setiap teknik pengumpulan data. Sehingga data dalam riser
ini juga dikenal sebagai data numerik, tipe data ini mendeskripsikan
variabel penelitian yang bersifat numerik.
b. Jenis Data Kuantitatif
Data dalam penelitian kuantitatif dibedakan menjadi dua jenis, yaitu;
1) Data Diskrit
Data diskrit adalah jenis penelitian kuantitatif dalam data yang hanya
terdiri dari angka-angka penghitungan, dan karenanya tidak dapat diukur.
Contoh dalam data ini adalah pengukuran seperti berat, panjang, tinggi
tidak diklasifikasikan dalam data diskrit.
2) Data Kontinu
Data kontinu adalah tipe data yang menggunakan nilai numerik yang
dapat dipecah menjadi beberapa unit yang lebih kecil. Berbeda dengan
data diskrit yang tidak dapat diukur, data kontinu dapat ditempatkan pada
skala pengukuran. Misalnya saja seperti berat, panjang, waktu, dan lain-
lain.
c. Contoh Data Kuantitatif dalam Statistik
Adapun untuk contoh data kuantitatif dalam statistik, diantaranya yaitu:
1) Tinggi rata-rata di kelas
Rata-rata tinggi badan siswa di kelas akan dihitung dengan mencatat
tinggi setiap siswa, menjumlahkannya dan membaginya dengan
jumlah siswa di kelas. Sekolah mungkin perlu menghitung rata-rata
tinggi siswa untuk menentukan seberapa tinggi atau rendah kursi dan
meja mereka.

15
 2) Pengukuran fisik benda
Pengukuran ini dapat dipergunakan untuk mencatat panjang atau
lebar suatu benda. Misalnya, saat akan memebrikan ruang kantor
untuk karyawan baru, HR mungkin perlu mengukur panjang dan
lebarnya, lalu mengalokasikannya sesuai dengan posisi atau tingkat
pengalaman mereka.
3) Penghasil bilangan
Program komputer dapat dibuat untuk menghasilkan sekumpulan
angka tertentu dengan distribusi seragam (0,1). Keakuratan penghasil
bilangan dapat ditentukan dengan uji Chi-Squared Goodness of fit.
Ini akan membandingkan hitungan yang dihasilkan dengan hitungan
yang diharapkan dan menentukan apakah mereka akurat atau tidak.
4) Probabilitas
Probabilitas suatu peristiwa terjadi dihitung menggunakan data
kuantitatif dari rasio antara cara mencapai kesuksesan dan jumlah
hasil. Probabilitas peristiwa tertentu adalah 1, peristiwa yang tidak
mungkin adalah 0 dan kegagalan adalah 1 dikurangi keberhasilan.

3. Variabel Diskrit
a. Pengertian varibel diskrit
Variabel diskrit memiliki dua pengertian, yaitu menurut bahasa dan
menurut istilah dalam bidang statistika. Secara etimologis, kata
"diskrit" berasal dari bahasa Latin "discretus" yang berarti terputus
atau terpisah. Dalam arti bahasa, variabel diskrit merujuk pada
variabel yang memiliki nilai-nilai terpisah atau terputus-putus,
tidak terus menerus atau kontinu. Dalam penggunaan sehari-hari,
contoh variabel diskrit dapat mencakup hal-hal seperti jumlah
orang dalam keluarga, jumlah telur dalam sebuah keranjang, atau
jumlah mata pada seekor serangga. Karakteristik utama variabel
diskrit adalah bahwa nilainya hanya bisa berupa bilangan bulat

16
 atau angka-angka tertentu, dan tidak dapat mengambil nilai di
antara angka-angka tersebut.

Namun, dalam istilah statistika, pengertian variabel diskrit lebih

spesifik. Variabel diskrit dalam statistika merujuk pada variabel
yang memiliki jumlah nilai yang terbatas dan terdefinisi dengan
jelas. Variabel diskrit dapat mewakili hasil pengamatan yang hanya
memiliki sejumlah opsi nilai tertentu yang dapat diambil. Beberapa
contoh variabel diskrit dalam statistika meliputi jumlah kejadian
yang terjadi dalam suatu interval waktu, jumlah benih yang tumbuh
dalam suatu lahan pertanian, atau jumlah pemesanan produk dalam
suatu periode waktu. Variabel diskrit ini memiliki nilai-nilai
terbatas dan hanya terdiri dari bilangan bulat atau angka-angka
tertentu.

Dalam statistika, variabel diskrit dapat dianalisis menggunakan

metode dan teknik yang khusus untuk data diskrit. Distribusi
probabilitas diskrit sering digunakan untuk memodelkan data
diskrit, seperti distribusi Poisson untuk menganalisis kejadian
langka atau distribusi binomial untuk menganalisis percobaan
dengan hasil sukses atau gagal. Selain itu, statistik deskriptif dan
statistik inferensial juga dapat digunakan untuk menganalisis dan
menggambarkan pola data variabel diskrit. Penting untuk
memahami perbedaan antara variabel diskrit dan variabel kontinu
dalam konteks statistika, karena ini akan mempengaruhi pemilihan
metode statistika yang tepat untuk menganalisis data.
b. Jenis-jenis variable diskrit
Dalam matematika, terdapat beberapa jenis variabel diskrit yang
sering digunakan dan dianalisis. Berikut ini adalah beberapa jenis
variabel diskrit penting dalam matematika:

17
1) Variabel Bernoulli: Variabel ini hanya memiliki dua nilai
mungkin, yaitu 0 dan 1. Misalnya, variabel ini dapat digunakan
untuk mencatat hasil sukses atau gagal dari sebuah percobaan.
2) Variabel Binomial: Variabel ini menggambarkan jumlah
keberhasilan dalam sejumlah percobaan independen yang
dilakukan. Variabel ini memiliki dua parameter, yaitu n
(jumlah percobaan) dan p (probabilitas keberhasilan dalam
setiap percobaan).
3) Variabel Poisson: Variabel ini digunakan untuk
menggambarkan jumlah peristiwa langka yang terjadi dalam
interval waktu tertentu. Variabel ini memiliki satu parameter,
yaitu lambda (rata-rata jumlah peristiwa dalam interval waktu
tersebut).
4) Variabel Geometri: Variabel ini mencatat jumlah percobaan
independen yang perlu dilakukan sebelum memperoleh
keberhasilan yang pertama kali. Variabel ini memiliki satu
parameter, yaitu p (probabilitas keberhasilan dalam setiap
percobaan).
5) Variabel Hypergeometri: Variabel ini digunakan untuk
menggambarkan jumlah kesuksesan dalam sampel yang
diambil tanpa pengembalian dari populasi dengan dua kategori
yang berbeda, yaitu sukses dan gagal.
6) Variabel Multinomial: Variabel ini menggambarkan jumlah
kejadian dalam kategori-kategori yang berbeda, di mana setiap
kategori memiliki kemungkinan tertentu.
7) Variabel Poisson-Binomial: Variabel ini menggambarkan
jumlah kesuksesan dalam sejumlah percobaan independen
yang masing-masing memiliki probabilitas sukses yang
berbeda.
8) Variabel Categorical: Variabel ini mencatat jumlah kejadian
dalam kategori-kategori yang berbeda tanpa memiliki urutan

18
 tertentu. Misalnya, variabel ini dapat digunakan untuk
mencatat suku bunga kredit yang diberikan kepada pemohon
dalam beberapa kategori yang berbeda.
Jenis-jenis variabel diskrit ini memiliki distribusi probabilitas
masing-masing yang dapat digunakan untuk menganalisis data dan
membuat prediksi. Pemilihan jenis distribusi probabilitas yang
tepat tergantung pada karakteristik dan situasi data yang sedang
dianalisis.
c. Contoh variable diskrit
Berikut adalah beberapa contoh dari variabel diskrit dalam
matematika:
1) Jumlah anak dalam sebuah keluarga: Variabel ini
menggambarkan jumlah anak dalam keluarga tertentu. Nilai-
nilai mungkin yang diperoleh dari variabel ini adalah 0, 1, 2, 3,
dsb. Variabel ini diskrit karena hanya mungkin ada beberapa
nilai yang bisa diambil.
2) Jumlah angka yang muncul pada dadu yang dilempar: Variabel
ini menggambarkan jumlah angka yang muncul pada dadu
setelah dilakukan pelemparan. Nilai-nilai mungkin dari
variabel ini adalah 1, 2, 3, 4, 5, atau 6. Variabel ini juga diskrit
karena hanya mungkin ada beberapa nilai yang bisa diambil.
3) Jumlah pelanggan yang membeli suatu produk dalam sehari:
Variabel ini menggambarkan jumlah pelanggan yang membeli
suatu produk dalam sehari. Nilai-nilai mungkin dari variabel
ini adalah bilangan bulat non-negatif. Variabel ini diskrit
karena hanya mungkin ada beberapa nilai yang bisa diambil.
4) Jumlah kejadian hujan dalam sebulan: Variabel ini
menggambarkan jumlah kejadian hujan dalam sebulan. Nilai-
nilai mungkin dari variabel ini adalah bilangan bulat non-
negatif. Variabel ini diskrit karena hanya mungkin ada
beberapa nilai yang bisa diambil.

19
 5) Jumlah korban luka dalam kecelakaan lalu lintas dalam satu
tahun: Variabel ini menggambarkan jumlah korban luka dalam
kecelakaan lalu lintas dalam satu tahun di suatu wilayah. Nilai-
nilai mungkin dari variabel ini adalah bilangan bulat non-
negatif. Variabel ini diskrit karena hanya mungkin ada
beberapa nilai yang bisa diambil.
Variabel-variabel di atas adalah contoh dari variabel diskrit karena
nilai-nilainya terbatas dan hanya bisa berupa bilangan bulat atau
bilangan diskrit lainnya.

4. Variabel Kontinu
a. Pengertian varibel kontinu
Variabel kontinu adalah jenis variabel dalam statistik yang
memiliki nilai yang dapat diukur atau dinyatakan dalam bilangan
nyata. Variabel ini dapat mencakup rentang yang tak terhingga dan
nilai-nilainya dapat berubah secara terus-menerus. Dalam bahasa
sehari-hari, variabel kontinu dapat dianggap sebagai sesuatu yang
dapat memiliki nilai dalam berbagai angka desimal, tidak hanya
bilangan bulat. Variabel kontinu juga dapat mencakup nilai dalam
rentang bilangan negatif maupun positif.

Secara lebih mendalam, variabel kontinu dapat didefinisikan

sebagai variabel yang menggambarkan sejumlah nilai yang tak
terbatas atau terhingga yang dapat ditempatkan dalam urutan
kronologis atau temporal. Variabel ini memiliki pengukuran yang
kontinu, artinya memiliki tak terhingga atau jarak yang tak terbatas
antara satu nilai dengan nilai lainnya. Perbedaan antara nilai-nilai
yang berdekatan memiliki arti yang nyata dan bervariasi seragam.

Dalam statistik, variabel kontinu juga dikarakteristikkan oleh

kemampuannya untuk dianalisis menggunakan teknik dan konsep

20
 matematis yang lebih kompleks. Misalnya, distribusi probabilitas
variabel kontinu dapat dijelaskan dengan menerapkan fungsi
kepadatan probabilitas, sedangkan perhitungan statistik seperti rata-
rata, simpangan baku, atau variansi juga dapat diterapkan pada
variabel kontinu. Pengertian variabel kontinu secara bahasa dan
menurut istilah mungkin memiliki kemiripan, namun untuk
pemahaman yang lebih mendalam dalam konteks statistik, penting
untuk memahami sifat-sifat dan penggunaan teknik yang sesuai
yang terkait dengan variabel kontinu.
b. Jenis-jenis variable kontinu
Jenis-jenis variabel kontinu yang lebih mendalam dan luas adalah
sebagai berikut:

1. Variabel interval: Variabel interval adalah jenis variabel kontinu

yang memiliki tak terhingga nilai dalam rentang tertentu dan
memiliki jarak interval yang sebanding antara setiap dua nilai.
Contoh variabel interval adalah suhu dalam derajat Celsius atau
Fahrenheit. Pada variabel interval, nol tidak mewakili afiliasi
absolut atau ketiadaan yang absolut, tetapi hanya titik referensi atau
asal.
a) Variabel rasio: Variabel rasio adalah jenis variabel kontinu
yang memiliki tak terhingga nilai dalam rentang tertentu dan
memiliki nol yang mewakili ketiadaan yang absolut. Contoh
variabel rasio adalah berat badan dalam kilogram atau panjang
benda dalam meter. Variabel rasio memungkinkan
pembandingan proporsional dan operasi matematika seperti
penambahan, pengurangan, perkalian, dan pembagian.
b) Variabel analitik: Variabel analitik adalah jenis variabel
kontinu yang dapat diukur secara tepat dan presisi. Contoh
variabel analitik adalah tinggi badan manusia, berat badan, dan

21
 suhu. Variabel analitik mendukung analisis statistik yang lebih
mendalam dan menghasilkan data numerik yang lebih akurat.
c) Variabel alamiah: Variabel alamiah adalah jenis variabel
kontinu yang ada secara alami dalam dunia nyata. Contoh
variabel alamiah adalah umur manusia, tanggal kelahiran, dan
waktu. Variabel alamiah kadang-kadang sulit untuk diubah
menjadi variabel diskrit atau kategorikal karena karakteristik
bawaan dan sifatnya yang kontinu.
d) Variabel nominal terpengukuran: Variabel nominal
terpengukuran adalah jenis variabel kontinu yang memiliki
atribut atau kategori dengan nilai yang bersifat tak terhingga
dan memungkinkan peringkat atau skala. Contoh variabel
nominal terpengukuran adalah tingkat kepuasan pelanggan
yang diukur dalam skala 1-10 atau pendapatan keluarga yang
dikelompokkan dalam kategori tertentu.

Penting untuk memahami jenis-jenis variabel kontinu yang lebih

mendalam dan luas ini saat melakukan analisis statistik karena
masing-masing memerlukan pendekatan analisis yang berbeda.
Selain itu, pemahaman yang baik tentang jenis variabel tersebut
akan membantu dalam pengambilan keputusan yang lebih efektif
dan solusi yang akurat.
c. Contoh variable kontinu
Berikut adalah beberapa contoh lebih mendalam tentang variabel
kontinu:
1) Tinggi badan: Tinggi badan seseorang dapat dianggap sebagai
variabel kontinu, karena dapat diukur menggunakan bilangan
real dan memiliki tak terhingga nilai dalam rentang tertentu.
Misalnya, seseorang dapat memiliki tinggi 167,5 cm, 168,3
cm, atau 169,1 cm.

22
 2) Berat badan: Berat badan adalah contoh lain dari variabel
kontinu. Berat badan seseorang dapat diukur dalam kilogram
atau pon dan memiliki tak terhingga nilai dalam rentang
tertentu. Misalnya, berat badan seseorang dapat 70,2 kg, 71,8
kg, atau 74,5 kg.
3) Durasi waktu: Durasi waktu juga dapat dianggap sebagai
variabel kontinu. Misalnya, waktu yang diperlukan untuk
menyelesaikan tugas tertentu dapat diukur dalam menit atau
detik dengan nilai yang beragam seperti 2,35 menit, 3,48
menit, atau 4,12 menit.
4) Pendapatan: Pendapatan seseorang juga merupakan contoh
variabel kontinu. Pendapatan dapat diukur dalam nilai rupiah
dan memiliki tak terhingga nilai dalam rentang tertentu.
Misalnya, seseorang dapat memiliki pendapatan bulanan
sebesar Rp 2.500.000, Rp 3.200.000, atau Rp 4.500.000.
5) Suhu: Suhu juga dapat dianggap sebagai variabel kontinu.
Suhu dapat diukur dalam derajat Celsius atau Fahrenheit dan
memiliki tak terhingga nilai dalam rentang tertentu. Misalnya,
suhu ruangan dapat 25,6 derajat Celsius, 26,3 derajat Celsius,
atau 27,1 derajat Celsius.
Perhatikan bahwa semua contoh di atas memiliki tingkat presisi
yang tinggi dan dapat dinyatakan dalam bilangan desimal, sehingga
dapat dikategorikan sebagai variabel kontinu. Penting untuk
memahami karakteristik variabel tersebut saat melakukan analisis
statistik, karena akan mempengaruhi pemilihan teknik analisis yang
tepat.

C. Skala
1. Skala Nominal
Skala nominal merupakan skala yang paling lemah/ rendah di antara
skala pengukuran yang ada. Skala nominal hanya bisa membedakan benda

23
atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat).
Skala pengukuran nominal digunakan untuk mengklasifikasi Objek,
Individual atau kelompok dalam bentuk kategori. Pemberian angka atau
simbol pada skala nomial tidak memiliki maksud kuantitatif hanya
menunjukkan ada atau tidak adanya atribut atau karakteristik pada objek yang
diukur. misalnya, jenis kelamin diberi kode 1 untuk laki-laki dan kode 2
untuk perempuan. angka ini hanya berfungsi sebagai label kategori, tanpa
memiliki nilai intrinsik dan tidak memiliki arti apapun. kita tidak bisa
mengatakan perempuan dua kali dari laki-laki. kita bisa saja mengkode laki-
laki menjadi 2 dan perempuan dengan kode 1, atau bilangan apapun. Asal
kodenya berbeda antara laki-laki dan perempuan. Karena tidak memiliki nilai
instrinsik, maka angka-angka (kode-kode) Yang kita berikan tersebut tidak
memiliki sifat sebagaimana bilangan pada umumnya. oleh karenanya, pada
variabel dengan skala nominal tidak dapat diterapkan operasi matematika
standar (aritmatik) pengurangan, penjumlahan, perkalian, dan sebagainya.
peralatan statistik yang sesuai dengan skala nominal adalah peralatan statistik
yang berbasiskan( berdasarkan) jumlah dan proporsi seperti modus, distribusi
frekuensi,chi Square dan beberapa peralatan statistik non- parametrik lainnya.
Ciri-ciri dari data berskala nominal adalah hanya memiliki syarat
pertama yaitu adanya kategori. Sedangkan syarat kedua, ketiga, dan keempat
tidak dimiliki, jadi tidak ada jenjang antar kategori, tentu saja tidak ada jarak
tetap antar jenjang, dan memiliki nilai “0” mutlak. Yang termasuk dalam
skala nominal adalah semua data dikotomi (hanya 2 kategori) dan data bukan
dikotomi yang tidak berjenjang.

Data dikotomi atau hanya memiliki 2 pilihan selalu dianggap sebagai

data berskala nominal. Contoh skala nominal dikotomi adalah:

a. Gender (pria dan wanita)

b. Keberhasilan belajar mahasiswa bidan (lulus dan tidak lulus)
c. Tingkat pengetahuan kader posyandu (baik dan buruk)
d. Sikap terhadap metode KB pria (menerima dan menolak)

24
 e. Kejadian infeksi HIV (positif dan negatif)
f. Kejadian anemia ibu hamil (anemia dan tidak anemia).

Contoh skala nominal bukan dikotomi adalah:

a. jenis pekerjaan kader posyandu (petani, pedagang, PNS, dan wiraswasta)

b. Agama ibu hamil (Katolik, Protestan, Islam, Hindu, dan Budha),
c. Jenis penyakit yang diderita ibu hamil (infeksi, neoplasma, dan
degeneratif)
d. Gaya belajar kader desa siaga (auditorial, visual, dan kinestetikal)

Agar lebih mudah memahami skala nominal, yang penting bahwa data
berskala nominal hanya memiliki kategori tanpa jenjang. Maksudnya, antara
kategori yang satu dan yang lainnya tidak ada urutan tingkatan. Jadi tidak
boleh dikatakan bahwa pria lebih tinggi daripada wanita, sikap menerima
lebih baik daripada menolak, pedagang lebih tinggi daripada petani.

2. Skala Ordinal

Skala ordinal adalah salah satu jenis skala pengukuran yang

digunakan dalam matematika. Skala ini digunakan untuk mengurutkan dan
membandingkan objek atau data berdasarkan tingkatannya. Dalam skala
ordinal, objek atau data diberi peringkat atau urutan tertentu, tetapi tidak ada
pengukuran jarak yang pasti antara nilai-nilai tersebut. Dalam pembelajaran
matematika, skala ordinal dapat diterapkan dalam beberapa konteks, seperti
urutan bilangan atau ranking dalam kompetisi. Berikut adalah beberapa
contoh penerapan skala ordinal dalam pembelajaran matematika:

a. Mengurutkan bilangan: Siswa dapat mempelajari bagaimana

mengurutkan bilangan dari terkecil ke terbesar atau sebaliknya. Mereka
bisa membandingkan nilai bilangan dan menentukan hubungan ordinal
antara bilangan-bilangan tersebut.

25
 b. Data Ranking: Siswa dapat mengumpulkan data tentang ukuran, tinggi,
atau hasil tes mereka sendiri dan mengurutkannya sesuai dengan
peringkat tertentu. Contohnya adalah mencari nilai tertinggi atau
terendah dalam sebuah kelas.
c. Perbandingan Kinerja: Siswa bisa dibandingkan berdasarkan
kemampuan matematika mereka. Misalnya, seorang siswa dapat diberi
peringkat berdasarkan keberhasilannya dalam mengerjakan soal
matematika atau kemampuan dalam memecahkan masalah matematika.
d. Penilaian Skala Ordinal: Dalam pengujian atau evaluasi, skala ordinal
dapat digunakan untuk memberikan peringkat kepada siswa
berdasarkan tingkat keberhasilan mereka.

Misalnya, skala A, B, C, D, dan E dapat digunakan untuk memberikan

peringkat atau tingkat kemampuan siswa. Dalam menggunakan skala ordinal
dalam pembelajaran matematika, penting untuk menyadari bahwa skala ini
tidak memberikan informasi tentang perbedaan jumlah atau jarak antara nilai-
nilai yang berurutan. Skala ordinal hanya memberikan informasi tentang
urutan atau peringkat, bukan tentang seberapa besar perbedaan antara nilai-
nilai tersebut. Oleh karena itu, harus digunakan dengan hati-hati dan disertai
dengan jenis skala pengukuran yang lebih tepat jika diperlukan

Hal utama yang ada dalam skala ordinal adalah urutan nilai tanpa
mengetahui perbedaan yang pasti antara masing-masing nilai tersebut.
Artinya, skala ordinal tidak memiliki tingkat variasi numerik karena skala
hanya digunakan untuk menempatkan variabel ke dalam peringkat. Skala
ordinal biasanya mengukur variabel non-numerik, seperti kepuasan,
kebahagiaan, dan ketidaknyamanan responden. Misalnya, ada lima merek
kopi sachet berbeda. Satu kelompok yang terdiri dari 10 orang diminta
memberi peringkat merek kopi terenak sampai yang paling tidak disukai.
Setiap orang diharuskan membuat skala preferensi ordinal. Dalam skala
tersebut, tidak ada jarak objektif antara dua titik. Bagi satu orang, kopi A
mungkin jauh lebih unggul daripada kopi B. Namun, bagi satu orang lainnya,

26
antara kopi A dan kopi B mungkin saja rasanya hampir sama. Dari contoh di
atas dapat diketahui bahwa skala ordinal hanya memungkinkan untuk
menginterpretasikan urutan secara garis besar.

Manfaat Skala Ordinal

Skala ordinal sering digunakan untuk survei dan kuesioner. Hasil

dari pengumpulan data digunakan untuk mengkategorikan responden. Data
tersebut kemudian dibandingkan untuk menarik simpulan tentang seluruh
populasi yang disurvei. Karena kesederhanaan analisis dan kategorisasi,
penarikan kesimpulan juga tidak memerlukan waktu yang lama. Keuntungan
menggunakan skala ordinal lainnya adalah kemudahan dalam
mengelompokkan dan membandingkan jawaban dari responden. Jika peneliti
mengajukan pertanyaan survei tanpa memberikan pilihan jawaban, respons
audiens kemungkinan akan sangat beragam sehingga tidak dapat dikonversi
menjadi data statistik.

Karakteristik Skala Ordinal

Dirangkum dari Question Pro dan Byjus, berikut karakteristik skala

ordinal: Variabel skala ordinal diklasifikasikan ke dalam dua kategori atau
lebih. Jawaban pasti masuk ke salah satu kategori. Skala ordinal bersifat
kualitatif. Angka hanya digunakan untuk mengidentifikasi objek dan tidak
menentukan karakteristiknya. Tidak berlaku operasi matematika terhadap
angka yang digunakan. Angka di skala ordinal hanya menentukan posisi suatu
seri secara berurutan, namun angka tersebut tidak bisa ditambahkan,
dikurangi, dikali, maupun dibagi. Sifat-sifat interval tidak diketahui karena
perbedaan jarak antar setiap angka tidak persis sama. Semisal, skala “1” di
survei frekuensi pembelian di suatu e-commerce berarti “tidak pernah” ada
pembelian, skala 2 berarti “kadang-kadang” membeli, dan seterusnya sampai
skala “5” yang berarti ”sangat sering” membeli. Namun bukan berarti skala
“5” menyatakan pembelian dilakukan lima kali lipat lebih banyak daripada

27
skala “1”. Pengukuran dilakukan untuk kepentingan non-numerik, seperti
frekuensi, kepuasan, dan tingkat kebahagiaan.

3. Skala Interval

Skala interval adalah skala yang memberi jarak interval yang sama
dari suatu titik asal yang tidak tetap. Skala interval bukan hanya menyusun
urutan objek atau kejadian berdasarkan jumlah atribut yang diwakilinya,
melainkan juga menetapkan interval yang sama di antara unit-unit ukuran.
Perbedaan yang sama dalam angka menunjukkan perbedaan yang sama pula
dalam sifat (atribut) yang sedang diukur. Dalam skala interval hubungan tata
urutan dan jarak antara angka-angka itu mempunyai arti. Kita dapat
menyatakan bahwa perbedaan antara IQ 90 dan 91 sama dengan perbedaan
antara IQ 100 dan 101. Akan tetapi, kita tidak dapat menyatakan bahwa orang
yang IQ 120 dua kali orang yang ber 1Q 60. Hal ini disebabkan oleh tidak
adanya titik nol sejati pada skala interval. Titik nol ditentukan berdasarkan
kesepakatan atau konvensi belaka

Skala interval merupakan skala yang melekat pada variabel yang

kategorinya selain menunjukkan adanya perbedaan, juga menunjukkan
adanya tingkatan yang berbeda, dan juga menunjukkan adanya rentang nilai.
Dengan demikian, dalam skala interval kita bisa menunjukkan bahwa
kategori yang satu lebih baik dari kategori yang lain, atau kategori yang satu
lebih tinggi dari kategori yang lain, dan kategori yang satu berbeda dengan
kategori yang lain, namun juga kita bisa menunjukkan bahwa kategori yang
satu memiliki rentang nilai dari sekian sampai sekian, dan kategori lainnya
memiliki rentang nilai dari sekian sampai sekian. Dengan kata lain, skala
interval mencakup pula karakteristik yang ada dalam skala nominal dan skala
ordinal dengan ditambah karakteristik lain, yaitu berupa adanya interval yang
tetap dan yang membedakannya, skala interval memiliki satuan skala, atau
satuan pengukuran yang standar dan jarak antar kategori dapat diketahui.

28
Skala interval tidak memiliki titik nol (0) yang sesungguhnya, sehingga tidak
berlaku operasi perbandingan, akan tetapi berlaku operasi penjumlahan serta
pengurangan. Skala interval sudah memiliki nilai intrinsik, sudah memiliki
jarak, tetapi jarak tersebut belum merupakan kelipatan. Pengertian “jarak
belum merupakan kelipatan” ini kadang-kadang diartikan bahwa skala
interval tidak memiliki nilai nol mutlak.

Contoh variabel berskala interval adalah

a. IPK :
 0,00 – 1,99 (1)
 2,00 – 2,99 (2)
 3,00 – 4,00 (3)
b. Penghasilan :
 < 500 ribu (1)
 500 ribu – 1,5 juta (2)
 > 1,5 juta (3)

Skala interval ini sudah benar-benar angka dan dan kita sudah dapat
menerapkan semua operasi matematika serta peralatan statistik kecuali yang
berdasarkan pada rasio seperti koefisien variasi. Contoh variabel yang
berskala interval adalah jarak tempuh dengan kategori 0 sampai 25 km, 25
sampai 50 km, dan 50 sampai 75 km. Contoh variabel lain adalah lamanya
penerbangan dengan kategori 1 sampai 2 jam, kategori 2 sampai 3 jam.
Kategori yang ada dalam kedua variabel tersebut, jelas menunjukkan adanya
bobot yang berbeda sehingga kita bisa katakan bahwa kendaraan yang
memiliki jarak tempuh 0 sampai 25 km memiliki jarak tempuh yang lebih
sedikit, dibanding kendaraan dengan jarak tempuh 25 sampai 50 km. Namun
demikian, kita tidak bisa mengatakan bahwa kendaraan dengan jarak tempuh
25 sampai 50 km memiliki jarak tempuh dua kali dibanding kendaraan
dengan jarak tempuh 0 sampai 25 km.

29
4. Skala Rasio

Skala rasio adalah skala data dengan kualitas paling tinggi. pada skala
rasio, terdapat semua karakteristik skala nominal, ordinal dan skala interval
ditambah dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak
artinya nilai dasar yang tidak bisa diubah meskipun menggunakan skala yang
lain. oleh karenanya, pada skala rasio, pengukuran sudah mempunyai nilai
perbandingan/ rasio. Pengukuran pengukuran dalam skala rasio yang sering
digunakan adalah pengukuran tinggi dan berat. Misalnya berat benda A
adalah 30 kg, sedangkan benda B adalah 60 kg. maka dapat dikatakan bahwa
benda B dua kali lebih berat dibandingkan benda A.

Contoh skala pengukuran rasio adalah data ukuran tinggi badan. Tidak
mungkin ada tinggi badan yang memiliki nilai 0 bahkan negatif. Jika nilainya
0, maka data itu dianggap tidak ada. Contoh variabel lain yang berskala rasio
adalah penghasilan, dengan kategori 5 juta, 10 juta, dan 15 juta. Berat badan
juga termasuk sakala rasio, misalkan dengan kategori 32 kg, 64 kg, dan 75 kg
dimana ika kita perhatikan kategori dari variabel berskala rasio, kita bisa
perbandingkan antara kategori satu dengan yang lain. Orang yang berat
badannya 64 adalah dua kali berat badan orang yang beratnya 32. Demikian
pula, orang yang penghasilannya 10 juta adalah dua kalinya dari orang yang
penghasilannya 5 juta.

Dalam penelitian, skala rasio dapat memberikan informasi paling rinci

dibanding jenis lainnya. Meskipun skala rasio termasuk jenis skala
pengukuran yang paling akurat, namun terdapat kelebihan dan kekurangan
yang perlu diperhatikan. Berikut adalah penjelasan lebih detail tentang
kelebihan dan kekurangan dari skala rasio:

Kelebihan Skala Rasio

1. Memiliki titik nol yang jelas, sehingga memberikan nilai absolut yang
lebih akurat.

30
 2. Memungkinkan dilakukannya berbagai analisis statistik yang lebih
kompleks.
3. Memberikan hasil pengukuran yang lebih presisi dan mudah dipahami.

Kekurangan Skala Rasio

1. Tidak mampu mengukur kategori yang tidak dapat diukur oleh angka-
angka, seperti warna, ras, atau gender.
2. Kemungkinan besar, nilai-nilai ekstrim (outlier) dapat mempengaruhi
hasil analisis dan memberikan hasil yang tidak akurat.
3. Membutuhkan alat pengukuran yang lebih akurat dan mahal.

D. Teknik Pengumpulan Data

Metode Pengumpulan data adalah teknik atau cara-cara yang dapat
digunakan oleh peneliti untuk mengumpulkan data. Metode pengumpulan data
sebagai suatu metode yang independen terhadap metode analisis data atau bahkan
menjadi alat utama metode dan teknik analisis data (Gudiño León. et al., 2021).

Data yang dikumpulkan dalam penelitian akan digunakan untuk menguji

hipotesis atau menjawab pertanyaan pada rumusan masalah dan kemudian akan
digunakan sebagai dasar dalam pengambilan kesimpulan atau keputusan.

Instrumen penelitian pada penelitian yang menggunakan pendekatan

kualitatif adalah peneliti itu sendiri karena keberhasilan dalam pengumpulan data
banyak ditentukan oleh kemampuan peneliti menghayati situasi sosial yang
dijadikan fokus penelitian. Peneliti tidak akan mengakhiri fase pengumpulan data,
sebelum peneliti yakin bahwa data yang terkumpul dari berbagai sumber yang
berbeda dan terfokus pada situasi sosial yang diteliti telah dapat memenuhi tujuan
penelitian.

Beberapa metode pengumpulan data dalam penelitian yaitu metode survei,

wawancara, observasi, dan dokumentasi. Berikut akan dijelaskan masing-masing
metode:

31
1. Survey
Cara ini adalah alternatif lain yang bisa dilakukan, yaitu pengamat
mencatat hasil amatannya di sela-sela objek pengamatan tidak dapat direkam
kegiatannya. Hal ini berarti kegiatan pengamatan terhenti, dan ini adalah saat
yang tepat untuk mencatat hasil pengamatan sementara.
Penelitian survei digunakan untuk memecahkan masalah-masalah isu skala
besar yang aktual dengan populasi sangat besar, sehingga diperlukan sampel
ukuran besar (Widodo, 2008:43). Sejalan dengan pendapat diatas, dalam
penelitian survei informasi dikumpulkan dari responden dengan menggunakan
kuesioner. Umumnya, pengertian survei dibatasi pada pengertian survei sampel
di mana informasi dikumpulkan dari sebagian populasi (sampel) untuk
mewakili seluruh populasi (Masri Singarimbun). Ada 3 karakteristik pokok
pada metode Survei: 1) Data informasi dikumpulkan dari kelompok besar
orang dengan tujuan mendiskripsikan berbagai aspek dan karakter seperti:
pengetahuan, sikap, kepercayaan, kemampuan dari populasi, 2) Data informasi
diperoleh dari pengajuan pertanyaan (tertulis dan bisa juga lisan) dari populasi,
3) Data informasi diperoleh dari sampel bukan dari populasi (Nana Syaodih
Sukmadinata). Asmadi Alsa (2004:20) mengemukakan rancangan survey
merupakan prosedur dimana peneliti melaksanakan survei atau memberikan
angket atau skala pada satu sampel untuk mendeskripsikan sikap, opini,
perilaku, atau karakteritik responden. Dari hasil survei ini, peneliti membuat
claim tentang kecenderungan yang ada dalam populasi (Andhini, 2017).
Survei adalah teknik pengumpulan data atau informasi pada populasi yang
besar dengan menggunakan sampel yang relatif lebih kecil. Metode ini juga
dilakukan dengan mengadakan pengamatan secara langsung terhadap suatu
proses yang tengah berjalan atau berlangsung Penggunaan metode survei ini
bertujuan untuk mengukur nilai output dan guna mengetahui bagaimana proses
implementasi manajemen ilmu K3 pada prakerin siswa SMK N 1 Nanggulan.
Menurut Widodo, (2008:43) metode penelitian survei dibedakan menjadi
dua tipe, yaitu:

32
 1. Cross Sectional Survey, digunakan untuk mengetahui isu yang bersifat
temporer dengan pengumpulan data cukup satu kali.
2. Longitudinal Survey, digunakan untuk memahami isu yang
berkepanjangan, tetapi populasi lebih kecil dengan pengumpulan data secara
periodik. Survey ini juga sering dibedakan lagi menjadi trend study, cohort
study, dan panel study.
Menurut Moehadjir (2002:63) ada dua macam jenis penelitian survei,
yaitu:
1. Survei untuk memperoleh data dasar guna memperoleh gambaran
umum yang bermanfaat untuk membuat perencanaan dan kebijakan public
(misalnya sensus).
2. Survei yang digunakan untuk mengungkapkan pendapat, sikap, dan
harapan publik (misalnya: prediksi suara pemilihan presiden). Yang pertama
mengungkap fakta, yang kedua mengungkap efek suka tak suka.

2. Wawancara
Wawancara merupakan salah satu teknik yang dapat digunakan untuk
mengumpulkan data penelitian. Wawancara adalah pengadministrasian angket
secara lisan dan langsung terhadap masing-masing anggota sampel. Secara
sederhana dapat dikatakan bahwa wawancara adalah suatu kejadian atau suatu
proses interaksi antara pewawancara dan sumber informasi melalui komunikasi
langsung atau dapat pula dikatakan bahwa wawancara merupakan percakapan
tatap muka antara pewawancara dengan sumber informasi.
Wawancara digunakan sebagai teknik pengumpulan data apabila peneliti
ingin melakukan studi pendahuluan untuk menemukan permasalahan yang
harus diteliti dan juga apabila peneliti ingin mengetahui hal-hal dari responden
yang lebih mendalam dan jumlah respondennya sedikit/kecil.
Wawancara selayaknya dilakukan dengan baik agar dapat menghasilkan
data yang mendalam yang tidak mungkin didapat dengan angket karena
pewawancara dapat menanyakan lagi untuk jawaban-jawaban yang kurang
lengkap.Wawancara dilakukan oleh peneliti untuk menilai keadaan seseorang,

33
misalnya untuk mencari data tentang variabel latar belakang murid, orang tua,
pendidikan, perhatian, sikap terhadap sesuatu.
Pewawancara adalah orang yang menggunakan metode wawancara
sekaligus dia bertindak sebagai “pemimpin” dalam proses wawancara tersebut.
Seorang pewawancara berhak menentukan isi apa saja yang akan diwawancarai
dan menentukan waktu serta kapan berakhirnya wawancara tersebut. Namun,
seorang pemberi informasi (informan) juga dapat menentukan proses
wawancara apabila ada kesepakatan dengan pewawancara.
Menurut Hamid dalam melakukan wawancara dapat dilakukan sesuai
dengan langkah-langkah sebagai berikut:
a. Penyusunan Petunjuk Wawancara
Pewawancara harus mempunyai petunjuk tertulis yang menunjukkan
pertanyaan apakah yang harus ditanyakan, bagaimana urutannya serta
pertanyaan spontan apakah yang diperbolehkan untuk memperoleh
jawaban yang kurang lengkap. Agar mendapatkan data yang standar
dan yang senada dari setiap subjek, semua wawancara perlu
dilaksanakan dengan cara yang sama.
b. Komunikasi Selama Wawancar
Sebelum mengajukan pertanyaan formal, beberapa saat harus
digunakan untuk menciptakan suasana yang netral dan wajar. Orang
yang mewawancarai harus tanggap terhadap reaksi subjek dan
meneruskan pada saat yang tepat.
c. Merekam Tanggapan
Tanggapan-tanggapan yang diperoleh selama wawancara dapat
direkam secara manual oleh pewawancara atau dengan cara memakai
alat perekam secara mekanik. Apabila responden tersebut direkam oleh
pewawancara sendiri, dapat dilakukan sesudah wawancara selesai atau
selama wawancara berlangsung.
d. Pengujian Awal Prosedur Wawancara
Petunjuk wawancara, prosedur wawancara dan analisis prosedur harus
diuji coba sebelum penelitian dimulai. Uji coba dilakukan dengan

34
 menggunakan sampel yang kecil dari populasi yang sama atau sangat
mirip dengan yang akan digunakan dalam penelitian.

Sugiyono membagi jenis wawancara menjadi dua, yaitu: wawancara

terstruktur dan wawancara tidak terstruktur yang masing-masing dapat dilakukan
dengan melalui tatap muka.

a. Wawancara Terstruktur
Wawancara terstruktur digunakan sebagai teknik pengumpulan
data, bila peneliti atau pengumpul data mengetahui dengan pasti tentang
informasi apa yang akan diperoleh. Oleh karena itu dalam melakukan
wawancara, pengumpulan data telah menyiapkan instrumen penelitian
berupa pertanyaan-pertanyaan tertulis yang alternatif jawabannya pun
telah disiapkan.
Wawancara terencana terstruktur adalah suatu bentuk wawancara
di mana pewawancara dalam hal ini peneliti menyusun secara terperinci
dan sistematis rencana atau pedoman pertanyaan menurut pola tertentu
dengan menggunakan format yang baku.
Wawancara terstruktur berarti setiap responden diberi pertanyaan
yang sama dan pewawancara mencatatnya. Pewawancara membawa
instrumen sebagai pedoman untuk wawancara, maka pengumpul data juga
dapat menggunakan alat bantu seperti tape recorder, gambar, brosur, dan
alat-alat lain yang dapat membantu proses wawancara.
b. Wawancara Tidak Terstruktur
Wawancara tidak terstruktur digunakan apabila
peneliti/pewawancara menyusun rencana wawancara yang mantap, tetapi
tidak menggunakan format atau urutan yang baku. Sejalan dengan hal
tersebut dikatakan bahwa wawancara tidak terstruktur adalah wawancara
yang bebas di mana peneliti tidak menggunakan pedoman wawancara
yang telah tersusun secara sistematis dan lengkap untuk pengumpulan
datanya.

35
 Wawancara tidak terstruktur dapat pula dikatakan wawancara
terbuka seiring digunakan dalam penelitian pendahuluan atau malahan
untuk penelitian yang lebih mendalam tentang responden. Maksudnya
adalah peneliti berusaha mendapatkan informasi awal tentang
permasalahan yang ada pada objek penelitian sehingga peneliti dapat
menentukan variabel yang akan diteliti.
Burhan membagi wawancara menjadi dua jenis yaitu wawancara
mendalam dan wawancara bertahap. Wawancara mendalam secara umum
adalah proses memperoleh keterangan untuk tujuan penelitian dengan cara
tanya jawab sambil bertatap muka antara pewawancara dan informan atau
orang yang diwawancarai, dengan atau tanpa menggunakan pedoman
wawancara, di mana pewawancara dan informan terlibat dalam kehidupan
sosial yang relatif lama.
Wawancara bertahap sedikit lebih formal dan sistematik bila
dibandingkan dilaksanakan secara bebas dan juga mendalam, tetapi
kebebasan ini tetap tidak terlepas dari pokok permasalahan yang akan
ditanyakan kepada responden dan telah dipersiapkan sebelumnya oleh
wawancara.
Karakter utama dari wawancara bertahap adalah dilakukan secara
bertahap dan pewawancara tidak harus terlibat dalam kehidupan sosial
informan. Wawancara hanya sebagai peneliti yang mempelajari objek
penelitian dan dapat dilakukan secara sembunyi maupun terbuka.

3. Observasi
Observasi atau pengamatan adalah kegiatan keseharian manusia dengan
menggunakan panca indera mata sebagai alat bantu utamanya selain panca
indera lainnya seperti telinga, penciuman, mulut dan kulit. Oleh karena itu
observasi merupakan kemampuan manusia menggunakan seluruh panca
inderanya dan memperoleh hasil dari fungsi panca indera utama yaitu mata
untuk memperoleh data atau informasi.

36
 Observasi sebagai teknik pengumpulan data yang mempunyai ciri
spesifikbila dibandingkan dengan teknik yang lain yaitu wawancara dan
kuesioner. Wawancara dan kuesioner selalu berhubungan dengan manusia
maka observasi berhubungan dengan manusia dan objek alam yang lainnya.
Teknik observasi digunakan untuk mengetahui dan menyelidiki tingkah
laku nonverbal. Teknik lain dapat mengungkapkan tingkah laku verbal dan
lebih mengarah dengan wawancara mendalam tetapi masih jauh tidak formal
dan tidak sistematik bila dibandingkan dengan wawancara sistematik.
Wawancara terarah mengarah pada penelitian survei tetapi kurang mampu
mengungkapkan tingkah laku nonverbal dan penelitian non survey.
Teknik pengumpulan data dengan observasi dilakukan bila penelitian
berkenaan dengan perilaku manusia, proses kerja, gejala-gejala alam dan bila
responden yang diamati tidak terlalu besar.
Kunci keberhasilan observasi sebagai teknik pengumpulan data sangat
banyak ditentukan pengamat sendiri, sebab pengamat melihat, mendengar,
mencium, atau merasakan suatu objek penelitian dan kemudian menyimpulkan
dari apa yang diamati itu. Ketepatan hasil penelitian ditentukan sendiri oleh
pengamat karena dia sendiri yang memberikan makna tentang segala sesuatu
yang telah diamatinya dalam realitas kehidupan yang dialaminya langsung.
Mengacu pada fungsi pengamat dalam kelompok kegiatan, maka observasi
dapat dibedakan lagi dalam dua bentuk:
a. Participant Observer
Participant observer atau observasi partisipan adalah suatu bentuk
observasi di mana pengamat (observer) secara teratur berpartisipasi
dan terlibat dalam kegiatan yang diamati.45Peneliti yang berperan
sebagai pengamat tetapi tidak diketahui dan dirasakan oleh anggota
lainnya dan sekaligus menjadi anggota kelompok. Peneliti akan
melakukan tugas-tugas seperti yang dipercayakan kepadanya.
Pada observasi partisipan peneliti terlibat dengan kegiatan sehari-
hari orang yang sedang diamati atau yang digunakan sebagai sumber
data penelitian.46 peneliti yang melakukan pengamatan juga

37
 melakukan apa yang dikerjakan oleh sumber data. Ikut dalam
kehidupannya dan merasakan suka dukanya.
Pada observasi partisipan, pengamat sungguh-sungguh menjadi
bagian dan ambil bagian pada situasi yang diamati, baik secara terang-
terangan maupun secara terbuka. Misalnya, seorang peneliti ingin
meneliti tentang kebudayaan suatu daerah, maka peneliti yang sebagai
pengamat ikut hidup di daerah tersebut dan tinggal bersama
masyarakatnya. Pengamat akan ikut melakukan kebiasaan masyarakat
di sana dan merasakan budaya yang ada dalam daerah tersebut.
Apabila dilihat dari akurasi data, maka observasi ini memiliki data
yang dapat diandalkan, namun observasi ini memerlukan waktu yang
dibilang yang sangat lama. Apalagi jika objek yang diteliti muncul
dalam interval waktu yang lama dan atau berlangsung dalam waktu
yang lama.
Oleh karena itu, observasi partisipan digunakan untuk penelitian
yang datanya sulit untuk dianalisis sehingga dirancang untuk menguji
hipotesis, atau memperoleh hipotesis.
Tugas-tugas yang harus diperhatikan apabila peneliti menggunakan
observasi partisipan antara lain:
1) Apa saja yang harus diobservasi?
2) Bilamana dan bagaimana melakukan pencatatan?
3) Bagaimana mengusahakan hubungan baik dengan objek
pengamatan?
4) Berapa lama dan luasnya partisipasi tersebut?

Hal-hal tersebut hendaknya harus dipersiapkan sebelum pengamat

melakukan pengamatan karena hal-hal tersebut sangat menentukan
berhasil tidaknya pengamat melaksanakan tugasnya.

b. Nonparticipant Observer
Bila dalam observasi partisipan peneliti terlibat langsung dalam
aktivitas orang-orang yang sedang diamati, maka dalam observasi non

38
 partisipan peneliti tidak terlibat dan hanya menjadi pengamat
independen.50 Sejalan dengan pernyataan tersebut, Muri
mendefinisikan observasi non partisipan adalah suatu bentuk observasi
di mana pengamat (atau peneliti) tidak terlibat langsung dalam
kegiatan kelompok, atau dapat juga dikatakan pengamat tidak ikut
serta dalam kegiatan yang diamatinya.51 Hamid juga menyatakan
bahwa pada observasi non partisipan, pengamat tidak langsung terlibat
pada situasi yang sedang diamati.52 Dengan kata lain, pengamat tidak
berinteraksi atau mempengaruhi objek yang diamati.

Mencatat hasil observasi harus memperhatikan beberapa hal:

1) Waktu pencatatan
Hal terbaik mencatat adalah pada saat objek pengamatan yang
diamati tersebut sedang terjadi, atau disebut dengan pencatatan
langsung. Walaupun harus menghadapi kesulitan di atas, tetapi
pencatatan tetap masih dianggap sebagai alternatif yang terbaik karena
dapat menghindari bias dan penjumlahan akibat kelupaan.
2) Cara Pencatatan
Apabila pencatatan langsung tidak mungkin dilakukan, maka
pencatatan dapat dilakukan dengan menggunakan kata-kata kunci. Ini
artinya pengamat tetap mencatat pada saat peristiwa berlangsung.
3) Mencatat di sela pengamatan
Cara ini adalah alternatif lain yang bisa dilakukan, yaitu pengamat
mencatat hasil amatannya di sela-sela objek pengamatan tidak dapat
direkam kegiatannya. Hal ini berarti kegiatan pengamatan terhenti, dan
ini adalah saat yang tepat untuk mencatat hasil pengamatan sementara.

4. Dokumentasi

Menurut Suharsini Arikunto, metode dokumentasi ialah metode mencari

data mengenai hal-hal yang berupa catatan, buku, transkip, surat kabar,prasasti,
majalah, notulen rapat, agenda serta foto-foto kegiatan.7 Metode dokumentasi

39
dalam penelitian ini, dipergunakan untuk melengkapi data dari hasil
wawancara dan hasil pengamatan (observasi).

Metode dokumentasi, merupakan teknik pengumpulan data dengan

mempelajari data-data yang telah didokumentasikan. Dari asal katanya,
dokumentasi, yakni dokumen, berarti barang-barang tertulis. Di dalam
melaksanakan metode dokumentasi, peneliti menyelidiki benda-benda tertulis,
seperti buku-buku, majalah, peraturan-peraturan, dokumen, notula rapat,
catatan harian, dan sebagainya (Dasar et al., 2012)

Dokumentasi adalah teknik pengumpulan data dengan menghimpun dan

menganalisis dokumen-dokumen, baik dokumen tertulis, gambar maupun
elektronik, Sukmadinata (2007:221). Studi dokumentasi yang dilakukan
peneliti adalah melakukan kajian-kajian terhadap dokumen KTSP baik
dokumen satu maupun dokumen dua pada MTs Negeri 1 dan 2 Kota Bandung.
Selain itu, sarana dan prasarana pendukung lainnya baik yang berhubungan
dengan administrasi guru, siswa dan lain sebagainya.

Dalam (Iii et al., 1985) ada beberapa alasan menggunakan studi

dokumentasi seperti yang dikemukakan oleh Lincoln dan Guba (1989 : 276) :

a. Dokumen dan catatan ini selalu dapat digunakan terutama karena

mudah diperoleh dan relatif mudah.
b. Merupakan sumber informasi yang mantap, baik dalam pengertian
merefleksikan situasi secara akurat maupun dapat dianalisis ulang
tanpa melalui perubahan didalamnya.
c. Dokumen dan catatan merupakan informasi yang kaya.
d. Tidak seperti pada manusia baik dokumen, catatan non-reactive, tidak
memberikan reaksi/respon atas perlakuan peneliti. Meskipun istilah
dokumen dan catatan seringkali digunakan untuk menunjukan satu
arti, tetapi pada dasarnya kedua istilah tersebut mempunyai arti yang
berbeda bila ditinjau dari tujuan dan analisis yang digunakan.

40
E. Sampel
Dalam statistika, "sampel" merujuk pada sekelompok observasi atau
data yang diambil dari populasi yang lebih besar. Populasi adalah kumpulan
semua elemen yang memiliki karakteristik tertentu, sedangkan sampel adalah
subset dari populasi yang diambil untuk mewakili keseluruhan populasi.
Penggunaan sampel dalam statistika memungkinkan untuk membuat
perkiraan atau kesimpulan tentang populasi secara lebih efisien dan praktis,
daripada mengumpulkan dan menganalisis data dari seluruh populasi.
Terdapat beberapa alasan mengapa sampel digunakan dalam statistika:

a. Efisiensi: Mengumpulkan data dari seluruh populasi seringkali mahal,

memakan waktu, dan sulit dilakukan. Dengan mengambil sampel yang
cukup representatif, Anda dapat mencapai hasil yang cukup akurat
tanpa harus menghabiskan banyak sumber daya.
b. Waktu dan Biaya: Mengumpulkan data dari populasi yang besar
seringkali tidak praktis atau ekonomis. Dengan mengambil sampel,
Anda dapat menghemat waktu, biaya, dan upaya.
c. Dampak Kerusakan: Dalam beberapa situasi, seperti pengujian bahan
atau eksperimen medis, mengambil sampel dari populasi keseluruhan
bisa jauh lebih aman dan etis daripada menguji pada seluruh populasi.
d. Analisis yang Lebih Mudah: Ketika Anda memiliki data dari populasi
yang besar, analisis dan interpretasi datanya bisa menjadi rumit dan
memakan waktu. Sampel yang lebih kecil lebih mudah dikelola dan
dianalisis.

Namun, penting untuk diingat bahwa pengambilan sampel harus

dilakukan dengan hati-hati untuk memastikan representasi yang memadai dari
populasi. Kesalahan dalam pengambilan sampel atau pemilihan yang tidak
acak dapat menghasilkan hasil yang bias atau tidak akurat. Untuk memastikan
bahwa sampel adalah representatif, teknik pengambilan sampel yang tepat
seperti pengambilan sampel acak sederhana, pengambilan sampel stratifikasi,
atau pengambilan sampel berdasarkan kluster dapat digunakan.

41
 Setelah sampel diambil, analisis statistika dapat digunakan untuk
menggeneralisasi hasil dari sampel tersebut ke populasi yang lebih besar. Ini
melibatkan penerapan berbagai metode statistika seperti perhitungan rata-rata,
standar deviasi, interval kepercayaan, dan uji hipotesis. Dengan demikian,
sampel merupakan komponen penting dalam metodologi statistika yang
memungkinkan kita untuk membuat kesimpulan yang informatif tentang
populasi tanpa harus mengumpulkan seluruh data.

Terdapat beberapa macam sampel yang digunakan dalam statistika,

masing-masing dengan tujuan dan kegunaan yang berbeda. Secara umum,
teknik pengambilan sampel ada 2 jenis yaitu, (1) sampel acak (random
samplig atau probability sampling) dan (2) sampel tidak acak (nonrandom
atau non probability sampling). Berikut adalah beberapa jenis sampel beserta
penjelasannya:

1. Sampel acak (probability sampling)

Sampel acak adalah cara atau teknik pengambilan sampel dimana
teknik tersebut menggunakan kaidah peluang dalam penentuan elemen
sampelnya. Teknik ini memberikan kesempatan yang sama untuk setiap
elemen populasi untuk menjadi sampel (contoh). Misalkan jika suatu populasi
memiliki elemen populasi sebanyak 50 sedangkan yang akan dijadikan
sampel adalah 25, maka setiap elemen tersebut mempunyai kemungkinan
25/50 untuk bisa dipilih menjadi sampel.

2. Sampel sistematis (systematic random sampling)

Sampel sistematis adalah suatu metode pengambilan sampel, dimana
hanya unsur pertama saja dari sampel dipilih secara acak, sedangkan unsur-
unsur selanjutnya dipilih secara sistematis menurut pola tertentu. Sampel
sistematis seringkali menghasilkan kesalahan sampling (sampling error) yang
lebih kecil, disebabkan anggota sampel menyebar secara merata di seluruh
propinsi. Ada pendapat bahwa pengambilan sampel dengan metode
systematic random sampling tidak acak, karena yang diambil secara acak

42
unsur pertama saja, sedangkan unsur selanjutnya diurutkan berdasarkan
interval yang sudah tertentu dan tetap. Karena itu, untuk dapat
mempergunakan metode ini, harus dipenuhi beberapa syarat yakni (1)
populasi harus besar, (2) harus teredia daftar kerangka sampel, (3). populasi
harus bersifat homogen. Langkah-langkah pengambilan sampel systematic
random sampling antara lain:
a. Tentukan populasi dan susun sampling frame
b. Tetapkan jumlah sampel yang akan diteliti menggunakan pertimbangan
metodologis
c. Tentukan K (kelas interval)
d. Tentukan angka atau nomor awal diantara kelas interval tersebut secara
acak
e. Mulailah mengambil sampel dimulai dari angka atau nomor awal yang
terpilih, dan nomor interval berikutnya hingga memenuhi jumlah
sampel.

3. Sampel Bertingkat (Multistage Sampling)

Disebut juga sebagai teknik sampling acak bertingkat. Secara singkat,
multistage sampling adalah penggunaan beberapa metode random sampling
secara bersamaan dalam suatu penelitian secara efektif dan efisien. Dalam hal
ini, salah satu kunci yang perlu diketahui adalah adanya beberapa metode
sampling berbeda yang digunakan.
Ada beberapa syarat yang harus diketahui dan dipenuhi sebelum
menggunakan multistage sampling sebagai teknik pengambilan sampel.
Dengan terpenuhinya beberapa syarat tersebut, maka hasil dari pengambilan
sampel akan cenderung lebih maksimal.
 Populasi sample cukup homogen
 Jumlah populasi yang sangat besar
 Populasi menempati daerah atau domain yang sangat luas
 Tidak tersedia kerangka sampel yang bisa memuat unit-unit yang
terkecil atau ultimate sampling unit.

43
 Untuk menerapkan multistage sampling dalam proses pengambilan
sampel, ada beberapa langkah yang harus dilakukan. Beberapa langkah
pengambilan sampel multistage sampling adalah:

 Menetapkan populasi
 Menetapkan tingkatan
 Menghitung besar sampel
 Mengambil secara acak sejumlah unsur yang ada pada setiap tingkatan
 Mengambil sampel secara acak sesuai besar sampel di tingkat terakhir

4. Sampel Cluster (Cluster Sample)

Pengambilan sampel acak berdasarkan area atau cluster random
sampling adalah salah satu metode pengambilan sampel yang digunakan
dimana populasi tidak terdiri dari individu-individu, melainkan terdiri dari
kelompok individu atau cluster. Sehingga unit yang terpilih menjadi sampel
bukan individu, namun kelompok individu yang telah tertata. Cluster sampel
ini harus dipilih secara random dari populasi cluster juga.
Teknik sampling ini digunakan untuk penelitian mengenai suatu hal
terhadap bagian-bagian yang berbeda di dalam sebuah instansi bila objek
yang akan diteliti sangat luas. Berikut adalah langkah-langkah pengambilan
sampel cluster random sampling:
 Tentukan populasi cluster yang akan diteliti
 Tentukan berapa cluster atau kelompok individu yang akan diambil
sebagai sampel
 Pilih cluster sampel secara acak
 Teliti setiap individu dalam cluster sampel tersebut.

44
 BAB III

PENUTUP
A. Kesimpulan
Makalah ini telah menguraikan konsep dasar-dasar statistika yang penting
dalam menganalisis dan menginterpretasi data. Dari pengertian dasar statistika
hingga pengantar probabilitas dan distribusi, kita telah mengeksplorasi alat-alat
yang memungkinkan kita untuk memahami dunia melalui lensa data. Dalam dunia
yang semakin dibanjiri oleh data, pemahaman tentang dasar-dasar statistika adalah
keterampilan yang berharga. Beberapa poin penting yang dapat diambil dari
makalah ini adalah:

1. Pentingnya Pemusatan dan Penyebaran Data: Ukuran pemusatan seperti

mean, median, dan modus memberikan informasi tentang nilai tengah

45
 data, sementara ukuran penyebaran seperti rentang, varians, dan deviasi
standar menggambarkan sejauh mana data tersebar dari nilai tengah.
Kombinasi kedua jenis ukuran ini memberikan gambaran lengkap tentang
variasi dalam data.
2. Analisis Distribusi dan Probabilitas: Konsep probabilitas dan distribusi
merupakan fondasi dari banyak analisis statistika. Dengan memahami
distribusi probabilitas, kita dapat mengantisipasi dan memodelkan perilaku
acak dalam data. Distribusi normal, sebagai contoh, memiliki peran kunci
dalam berbagai bidang untuk memahami variabilitas dalam populasi.
3. Pentingnya Desain Eksperimen yang Baik: Dalam konteks eksperimen,
perencanaan yang baik dan pengendalian variabel-variabel penting untuk
mendapatkan hasil yang valid dan dapat diandalkan. Konsep randomisasi
dan kontrol eksperimental membantu meminimalkan bias dan efek-efek
yang tidak diinginkan dalam penelitian.
4. Keberhasilan dalam Analisis dan Prediksi: Statistika memberikan alat
untuk membuat analisis yang terukur dan prediksi yang lebih baik. Dengan
menggunakan metode statistika yang tepat, kita dapat mengidentifikasi
hubungan antara variabel, mengukur dampak variabel-variabel tersebut,
dan membuat perkiraan yang lebih akurat.
5. Aplikasi Luas dalam Berbagai Bidang: Statistika bukan hanya bidang
akademis, tetapi juga merupakan alat yang luas digunakan di berbagai
disiplin ilmu. Dalam ilmu sosial, ekonomi, ilmu alam, kedokteran, dan
lainnya, statistika membantu kita mengambil keputusan yang lebih
terinformasi.

Dengan memahami konsep-konsep seperti pemusatan data, distribusi, dan

desain eksperimen, kita dapat menjalankan analisis yang bermakna dan
memberikan kontribusi positif dalam berbagai aspek kehidupan. Dengan terus
mengembangkan pemahaman kita tentang statistika, kita dapat melangkah maju
dalam era informasi dengan keyakinan dan kecerdasan

46
B. Saran
Belajar statistika memberikan sejumlah manfaat yang luas dan relevan
dalam berbagai aspek kehidupan. Statistika bukan hanya sekadar bidang
akademis, tetapi juga merupakan alat yang sangat berguna dalam pemahaman
dunia nyata, pengambilan keputusan yang terinformasi, serta pengembangan
keterampilan analitis yang penting. Dengan memahami konsep statistika,
seseorang dapat mengenali pola dalam data, menguji hipotesis, dan membuat
prediksi yang lebih akurat sehingga seharusnya mahasiswa mampu menguasai
statistika di era ini.

DAFTAR PUSTAKA

Andhini, N. F. (2017). Metode penelitian survey. Journal of Chemical

Information and Modeling, 53(9), 1689–1699.
Dasar, P., Perhitungan, O., & Matematika, F. (2012). METODOLOGI
PENELITIAN. 3, 35–58.
Gudiño León., A. R., Acuña López., R. J., & Terán Torres., V. G. (2021).
METODE PENGUMPULAN DATA DAN INSTRUMEN {PENELITIAN. 6.
Iii, B. A. B., Dan, M., & Penelitian, T. (1985). BAB III METODE DAN TEKNIK
PENELITIAN 79 Bab. 79–92.

47