Jenis-Jenis Data

• Data adalah kumpulan informasi yang di dapat melalui

proses pengamatan / observasi Di dalam penelitian, data
yang dikumpulkan dapat berasal dari proses pengambilan
sampel (sampling process) atau melalui proses
perhitungan suatu populasi.
• Karakteristik yang dimiliki oleh populasi dinamakan
parameter.
• Sedangkan karakteristik yang dimiliki sampel dikenal
dengan statistik
KLASIFIKASI DATA BERDASARKAN JENIS DATA
Klasifikasi Data :
1. Data Kualitatif 2. Data Kuantitatif

1. Data Kualitatif merupakan

data yang disajikan bukan dalam bentuk angka (non numerik) melainkan
dalam bentuk kata-kata 5 yang bermakna Data kualitatif biasa disebut dengan
atribut.
Contoh: Persepsi konsumen terhadap suatu produk, warna mata, tempat
lahir, jenis kelamin, status pernikahan, dsb.
Data kualitatif menurut tingkat pengukuran data terbagi menjadi 2 :
yaitu (1) data nominal, merupakan data dengan level pengukuran yang paling
rendah dan setara, mis : laki-laki (1) dan Perempuan (2)
(2) data ordinal mempunyai level pengukuran yang lebih tinggi daripada
data nominal karena mempunyai klasifikasi data berdasarkan tingkatannya,
Misal SD (1); SLTP (2); SLTA (3); SARJANA (4)
Cont'
2. Data Kuantitatif merupakan
data yang disajikan dalam bentuk angka (numerik) Data kuantitatif biasa disebut dengan variabel.
•Contoh: Hasil pengukuran tekanan, perhitungan/kalkulasi skor, banyak benih yang dihasilkan,
jumlah pendapatan dsb.

Data kuantitatif menurut tingkat pengukuran data terbagi menjadi 2 yaitu:

(1) interval; merupakan data berupa angka, selain menunjukkan urutan juga dapat dilakukan
operasi matematika. Angka nol yang digunakan pada data interval bukan merupakan nilai nol
yang nyata.
misal : Kecepatan berkendaraan ; Ukuran Pelan (20-40 km/jam); Ukuran sedang
(50-60 km/jam); Ukuran Cepat (70-80 km per jam
(2) rasio ; data rasio merupakan tipe data dengan level pengukuran yang paling tinggi
dibandingkan dengan tipe data lain. . Angka yang digunakan pada data ini menunjukkan
angka yang sesungguhnya, bukan hanya sebagai symbol dan memiliki nilai nol yang
sesungguhnya. Pada data ini, dapat dilakukan berbagai operasi matematika.
Misal : Berat Bada A lebih besar 3 kali dibandingkan si B
Perbandingan Utang dengan Modal Sendiri (DER) = 0,4
cont'

Data Kuantitatif dibedakan berdasarkan sifat data menjadi dua, yaitu:

•a. Data dikrit (discrete) b.Data kontinyu (continuous)
Data Diskrit (discrete) adalah data yang memiliki nilai tertentu dan merupakan
bilangan asli.
Contoh: jumlah tempat tidur pada kamar tipe tertentu disuatu hotel, banyak
suatu produk yang terjual di sebuah toko retail (1, 2, 3, … dsb.)

Data Kontinyu (Continuous) adalah data yang nilainya berada pada suatu
interval tertentu.
Contoh: tekanan pada sebuah ban, bobot suatu produk pertanian (sebuah
melon, sebuah sayur dan biji-bijian); bobot dari siswa disebuah kelas,
dsb.
Populasi versus Sampel
Populasi didefinisikan sebagai sekelompok orang, benda/barang, atau obyek
lain yang dapat menjadi sumber didalam pengambilan
sampel.
Contoh Populasi:
• Semua kendaraan roda 2 yang diproduksi tahun 2012 keatas
• Semua ikan yang ada di sebuah kolam
• Semua mahasiswa yang saat ini belajar di Universitas Surya
Semua Perusahaan Perbankan di BEI
Semua Perusahaan Manufaktur di BEI
Sensus

• Sensus (cacah jiwa) adalah sebuah proses mendapatkan

informasi tentang anggota suatu populasi
contoh : kepentingan seperti demokrasi (pemilu),
pengumpulan pajak, juga digunakan dalam ilmu ekonomi.
Di Indonesia terdapat beberapa macam sensus yang
dilaksanakan oleh Badan Pusat Statistik. diantaranya yang
terbesar: Sensus Penduduk, Sensus Pertanian dan Sensus
Ekonomi. Sensus Penduduk pada umumnya dilaksanakan
pada tahun yang berakhiran "0" atau dalam jangka waktu
sepuluh tahun.
Sampel
Sampel adalah bagian dari populasi yang akan diteliti.
Sampel merupakan sesuatu yang digunakan untuk menunjukkan sifat
suatu kelompok yang lebih besar.
Sampel dapat pula didefinisikan sebagai suatu bagian kecil yang
mewakili suatu kelompok atau mewakili keseluruhan bagian yang lebih
besar

Didalam penelitian, sampel dapat dilihat sebagai suatu pendugaan

terhadap suatu populasi. Hal ini disebabkan karena sampel dianggap
sebagai perwakilan dari populasi yang hasilnya akan mewakili
keseluruhan dari gejala yang diamati.
Teknik Pengambilan Sampel
Pengambilan sampel dapat dilakukan dalam dua cara:
1. Secara acak (random sampling) 2.Tidak acak (non-random sampling)
1. Pengambilan Sampel Secara Acak adalah setiap anggota dari suatu
populasi memiliki kesempatan dan peluang yang sama untuk dipilih
sebagai sampel. Tanpa ada intervensi khusus dari peneliti.

Jenis-Jenis Pengambilan Sampel Secara Acak :

A. Pengambilan Acak Sederhana (Simple Random Sampling)
B. Pengambilan Acak Secara Sistematis (Systematic Random Sampling)
C. Pengambilan Acak Berdasarkan Lapisan (Stratified Random Sampling)
D. Pengambilan Acak Berdasarkan Area (Cluster Sampling)
cont'
2. Pengambilan Sampel Tidak Acak (Non-Random Sampling)
Merupakan cara pengambilan sampel secara tidak acak dimana masing-
masing anggota tidak memiliki peluang yang sama untuk terpilih anggota
sampel. Ada intervensi tertentu dari peneliti dan biasa peneliti menyesuaikan
dengan kebutuhan dan tujuan penelitiannya.

Jenis-Jenis Pengambilan Sampel Tidak Acak :

A. Pengambilan Sesaat (Accidental/haphazard sampling)
B. Pengambilan Menurut Jumlah (Quota sampling)
C. Pengambilan Menurut Tujuan (Purposive sampling)
D. Pengambilan Beruntun (Snow-ball sampling)
Tehnik Pengumpulan Data
• Jenis Data Menurut Cara Memperolehnya Untuk menunjang proses
penelitian serta membuat laporan pada tulisan ilmiah, seorang peneliti
dapat mengumpulkan data menggunakan dua cara, yaitu:
• 1. Data Primer,Data yang diperoleh langsung dari sumbernya melalui
wawancara / interview, pengukuran langsung, pengamatan, percobaan,
kuesioner, dsb.
• 2. Data Sekunder, Data yang diperoleh dari pihak lain seperti koran /
majalah, jurnal, penelitian / publikasi pihak lain, percobaan pihak lain,
buku, dsb.
cont'
• Data Menurut Sumber Data
• Seorang peneliti dapat mengumpulkan dan menggunakan data dari
berbagai macam sumber data, yaitu:
• 1.Data Internal, Data yang menggambarkan situasi dan kondisi pada
suatu organisasi / institusi secara internal.
• Contoh: data keuangan, data pegawai, data produksi, data hasil
percobaan internal, data riset dan pengembangan, dst.

• 2.Data Eksternal, Data yang menggambarkan situasi serta kondisi yang

ada diluar organisasi / institusi.
• Contoh: data penggunaan produk ditingkat konsumen, tingkat preferensi
pelanggan, sebaran penduduk
cont'
• Jenis Data Menurut Waktu Pengumpulannya.
• Untuk menunjang proses penelitian serta membuat laporan pada tulisan
ilmiah, seorang peneliti dapat mengumpulkan data dengan dua cara, yaitu:
• 1.Data Cross Section Data yang menginformasikan titik waktu tertentu.
Contoh: laporan keuangan per 31 Des. 2013, data pelanggan PT.X bulan
Feb.2012, dsb.

• 2.Data Time Series / Berkala Data yang menggambarkan sesuatu dari

waktu ke waktu atau periodik secara historis.
• Contoh: perkembangan nilai tukar Euro terhadap US Dollar tahun 2010 -
2013, volume penjualan tahun 2005 - 2013, dsb.
KORELASI
• Korelasi = menunjukkan kekuatan hubungan antara 2 variabel
• Koefisien korelasi= angka yang menunjukkan kekuatan hubungan antara
2 variabel

Manfaat Korelasi :
• Metode korelasi dapat mengukur kuatnya hubungan antara dua peubah yang
sifat hubungannya simetris atau timbal balik.
• Pengukuran hubungan antara dua variabe luntuk masing-masing kasus
akan menghasilkan keputusan, diantaranya: hubungan kedua variabel
tidak ada, hubungan kedua variabel lemah, hubungan kedua variabel
cukup kuat, hubungan kedua variabel kuat, dan hubungan kedua variabel
sangat kuat
Jenis Analisis Korelasi

Statistik parametrik:
•◦ Korelasi Product Moment (Pearson)
•◦ Korelasi Parsial
•◦ Korelasi Semi Parsial
•◦ Korelasi Ganda, dsb

Statistik Nonparametrik:
•◦ Korelasi Rank Spearman
•◦ KorelasiTau Kendall
•◦ Koefisien Kontingensi, dsb
VARIABEL
Variabel Bebas (Independent Variable)
•Notasi/Dilambangkan : X
•Variabel yang keberadaannya tidak dipengaruhi oleh variabel lain

Variabel Terikat (Dependent Variabel)

•Notasi/Dilambangkan :Y
•Variabel yang keberadaannya dipengaruhi oleh variabel lain

Contoh:
• Hubungan antara pendapatan dengan konsumsi
• Hubungan antara minat belajar dengan nilai mata kuliah
CONT
KORELASI SEDERHANA
•Mengetahui hubungan antara satu variabel dengan satu variabel lain
•X Y
•Koefisien Korelasi (r) : derajat hubungan antarvariabel
• -1 <= r <= 1

•Positif ; jika r > 0

•Jika X naik makaY naik
•Contoh, hubungan antara jumlah barang yang ditawarkan dengan tingkat harga
(hukum penawaran)
•Negatif, jika r < 0
•Tidak ada korelasi, r = 0
Cont'

• Koefisien Determinasi (r2)

• Mengukur besarnya kontribusi variabel bebas terhadap
variabel terikat
• 0 ≤ r2 ≤ 1
• Korelasi Product Moment (Korelasi Pearson)
Korelasi
Korelasi
Person
1 68
Height
4.1
Self Esteem
• Dari data yang ada anda diminta
2 71
3 62
4.6
3.8
mengetahui hubungan antara tinggi
4 75 4.4 badan (height dalam inci) dengan
5 58
6 60
3.2
3.1
rasa percaya diri (self esteem),
7 67 3.8 dikeathui data berdistribusi normal
8 68 4.1
9 71 4.3
10 69 3.7
11 68 3.5
12 67 3.2
13 63
14 62
3.7
3.3
• Hipotesis:
15 60
16 63
3.4
4.0
• Tinggi Badan mempengaruhi rasa
17 65 4.1 Percaya Diri
18 67 3.8
19 63 3.4
20 61 3.6
Korelasi
Person Height (x) Self Esteem (y) x*y x*x y*y
1 68 4.1 278.8 4624 16.81
2 71 4.6 326.6 5041 21.16
3 62 3.8 235.6 3844 14.44
4 75 4.4 330 5625 19.36
5 58 3.2 185.6 3364 10.24
6 60 3.1 186 3600 9.61
7 67 3.8 254.6 4489 14.44
8 68 4.1 278.8 4624 16.81
9 71 4.3 305.3 5041 18.49
10 69 3.7 255.3 4761 13.69
11 68 3.5 238 4624 12.25
12 67 3.2 214.4 4489 10.24
13 63 3.7 233.1 3969 13.69
14 62 3.3 204.6 3844 10.89
15 60 3.4 204 3600 11.56
16 63 4 252 3969 16
17 65 4.1 266.5 4225 16.81
18 67 3.8 254.6 4489 14.44
19 63 3.4 214.2 3969 11.56
20 61 3.6 219.6 3721 12.96
Korelasi
Korelasi

nilai korelasi sebesar 73%, korelasi kuat, artinya hubungan positif yang
kuat antara tinggi badan dengan rasa percaya diri
Korelasi Correlati
ons
Self
Height
Esteem
Height Pearson Correlation 1 .731**
Sig. (2-tailed) .000
N 20 20
Self
Pearson Correlation .731** 1
Esteem
Sig. (2-tailed) .000
N 20 20

** Correlation is significant at the 0.01 level (2-tailed).

 Korelasi
• Bagaimana jika nilai korelasi sebesar : 0,05
• caranya :
• Membandingkan Pearson Correlation dengan r tabel, jika
• pearson correlation > r tabel ; berhubungan
• pearson correlation < r tabel ; tidak berhubungan

• Tetapkan terlebih dahulu:

– Tingkat signifikansi (α), misalnya 0,05 (5%, artinya peluang bahwa korelasi
terjadi karena kebetulan adalah tidak lebih dari 5 dari 100.
– Derajat bebas = N-2 (dalam contoh kita: 20-2=18)
– Jenis uji: satu ekor atau dua ekor (satu arah atau dua arah), misal: dua
arah
Korelasi

• Di tabel ditemukan bahwa nilai kritis untuk ketiga

parameter tersebut adalah: 0,4438
• Artinya jika koefisien korelasi kita >0,4438 atau
<-0,4438 maka korelasi tersebut dapat
dikatakan “secara statistik signifikan” atau
“bermakna secara statistik”
• Jadi ada hubungan positif antara Tinggi Badan
dan rasa Percaya Diri : semakin tinggi semakin
Percaya Diri
Korelasi Rank Spearman

•Uji Rank Spearman digunakan untuk menguji hipotesis korelasi dengan

skala pengukuran variabel minimal ordinal.

•Asumsi :
- kegiatan Statistik non parametrik yang tidak memerlukan asumsi
normalitas dan linearitas
- data beskala ordinal
- tidak ada variabel bebas dan variabel terikat
- data penelitian berbentuk peringkat sehingga disebut rank spearman
- bertujuan untuk mengetahui hubungan variabel
Cont'
• Metode Korelasi Spearman Rank(rho) bisa juga disebut
Korelasi Berjenjang dengan notasi (rs).
• Metode ini dikemukakan oleh Carl Spearman tahun 1904.
• Kegunaannya untuk mengukur tingkat atau eratnya hubungan
antara dua variabel yaitu variabel bebas dan variabel terikat
yang berskala ordinal.
• Metode ini tidak terikat oleh asumsi bahwa populasi yang
diselidiki harus berdistribusi normal, populasi sampel yang
diambil sebagai sampel maksimal 5<n<30 pasang
cont'

• Rumus Korelasi Spearman Rank adalah:

• rs= 1 − 6Σdi2
n(n2−1)
• Dimana:
• rs=Nilai Korelasi Spearman Rank
• 6 =Merupakan angka konstan
• di2=Selisih Ranking
• n=Jumlah data(Jumlah pasangan rank untuk speraman (5<n<30)
Korelasi
Contoh
•Sebuah penelitian dilakukan untuk mengetahui korelasi antara motivasi belajar dengan prestasi
belajar Pengantar Bisnis . Hasil pengumpulan data dapat dilihat pada tabel di bawah. Bagaimana
kesimpulan yang dapat diambil dari data tersebut? α=0.05. Hasil uji normalitas, data tidak
terdistribusi normal. Siswa Motivasi Prestasi
(X) (Y)
1 70 50
2 60 50
3 55 40
4 50 90
5 89 80
6 85 80
7 75 70
8 95 65
9 90 65
10 92 50
Langkah-langkah Uji Rank Spearman
1. Berikan peringkat pada nilai-nilai variabel.x dari I sampai n. Jika terdapat
angka-angka sama, peringkat yang diberikan adalah peringkat rata-rata dari
angka-angka yang sama.

2. Berikan peringkat pada nilai-nilai variabel y dari I sampai n. Jika terdapat

angka-angka sama, peringkat yang diberikan adalah peringkat rata-rata dari
angka-angka yang sama.

3. Hitung di untuk tiap-tiap sampel

4. Kuadratkan masing-masing di dan jumlahkan semua di 2

5. Hitung Koefisien Korelasi Rank Spearman (ρ)

 Cont'
Siswa Motivasi Ranking Prestasi Ranking di di 2
(X) X (Y) Y
1 70 7 50 8 -1 1
2 60 8 50 8 0 0
3 55 9 40 10 -1 1
4 50 10 90 1 9 81
5 89 4 80 2.5 1.5 2.25
6 85 5 80 2.5 2.5 6.25
7 75 6 70 4 2 4
8 95 1 65 5.5 -4.5 20.25
9 90 3 65 5.5 -2.5 6.25
10 92 2 50 8 -6 36
158

Note : Ranking X diurutkan dengan Nilai tertinggi (95, 92.90 dstnya) tidak ada nilai yang sama.

Ranking Y diurutkan dengan Nilai Tertinggi (90 =1), karena ada Nilai yang sama (80=2, 80=3, rata-rata
cont'
• rs (ρs)= 1 − 6Σdi2
n(n2−1)
rs = -0,9565 (0,0434)
Prosedur Uji Hipotesis
1. Tetapkan hipotesis
H0: ρ = 0
Ha: ρ ≠ 0
2. Tentukan nilai ρ tabel pada n=10 α=0,05 adalah : 0,648
3. ρ hitung = 0,0434
4. Kesimpulan
Karena nilai ρ hitung 0,0434 < ρ tabel 0,648, maka Ho diterima Ha ditolak berarti
tidak ada korelasi antara motivasi belajar dengan prestasi belajar statistika
cont

• Pengambilan Keputusan : Correlatio

ns

• Jika nilai signifikansi < motiv prest

asi asi
0,05 ; maka berkorelasi Spearman' motiv Correlation 1.000 .025
s rho asi Coefficient
• jika nilai signifikansi > Sig. (2-tailed) . .946
0,05; maka tidak N 10 10

berkorelasi prest
asi
Correlation
Coefficient
.025 1.00
0
Sig. (2-tailed) .946 .
N 10 10
cont'

• Kesimpulan: Berdasarkan kenyataan ini, yakni Ho

diterima dan Ha ditolak, maka kami dapat
menyimpulkan bahwa tidak ada korelasi/hubungan
antara motivasi belajar dengan prestasi belajar
mahasiswa pada mata kuliah Pengantar Bisnis di
Kampus X
KUIZ
Benarkah bahwa semakin banyak uang saku semakin rendah nilai ujian akhirnya ?
Ujilah dengan menggunakan taraf signifikansi 5% dan data berdistribusi normal

No Jumlah Uang Saku Nilai Statistika

(Ribuan rupiah)
1 5 70
2 10 70
3 14 86
4 22 50
5 12 70
6 8 90
7 10 76
8 18 66
9 30 46
10 15 50
KUIZ
• Sebuah penelitian dilakukan untuk mengetahui korelasi antara motivasi belajar dengan prestasi belajar
statistika. Hasil pengumpulan data dapat dilihat pada tabel di bawah. Bagaimana kesimpulan yang
dapat diambil dari data tersebut? α=0.05. Hasil uji normalitas, data tidak terdistribusi normal
Motivasi Prestasi Belajar
64 42
56 46
50 40
68 55
76 65
84 88
90 86
66 56
85 62
90 92
75 55
92 81