Prodi Pendidikan Bahasa Jerman

FPBS UPI Statistika

PEPEN PERMANA

PERTEMUAN 3
VARIABEL DAN DATA
 

• “vary” + “able”
• dapat diberi nilai yang berubah-ubah VARIABEL
• merupakan element penting dalam masalah penelitian
• didefinisikan sebagai konsep, kualitas, karakteristik,
atribut, atau sifat-sifat dari suatu objek (orang, benda,
tempat, dll) yang nilainya berbeda-beda antara satu objek
dengan objek lainnya dan sudah ditetapkan oleh peneliti
untuk dipelajari dan ditarik kesimpulannya

Karakteristik adalah ciri tertentu pada obyek yang diteliti,
yang dapat membedakan objek tersebut dari objek lainnya
Objek yang karakteristiknya sedang diamati
dinamakan satuan pengamatan 
Nilai tertentu dari suatu objek yang kita amati
dinamakan variate 
Kumpulan nilai yang diperoleh dari hasil pengukuran atau
penghitungan suatu variabel dinamakan dengan data.

Apabila karakteristik setiap satuan pengamatan semuanya sama, tidak

beragam, maka bukan lagi merupakan variabel, melainkan konstanta.
 Contoh:
Dalam sebuah penelitian yang mempelajari sekelompok siswa SMA, siswa SMA ini baru
sebuah konsep, bukan variabel.
Jika tertarik untuk mengukur IQ, usia, berat badan, nilai ujiannya dsb., berarti ini
membahas tentang variabel, karena nilainya bisa beragam dari anak ke anak.
Dalam penelitian, sebuah konsep bisa diubah menjadi satu atau beberapa variabel.
Misalnya saja tentang konsep siswa SMA tadi, dari sekian karakteristik yang bisa diukur,
kita lebih tertarik untuk mengukur nilai IQnya.

• Konsep karakteristik dari siswa SMA

:  yang sedang diamati adalah IQ Siswa SMA
• Karakteristik : IQ , karena IQ setiap siswa bisa bervariasi
• Variabel : masing-masing siswa (setiap individu)
• Satuan pengamatan :  IQ yang terukur dari setiap siswa
PEMBAGIAN VARIABEL
Berdasarkan • Variabel Bebas (Independent Variable)
Fungsi • variabel yang merupakan penyebab atau yang mempengaruhi
variabel terikat; atau
• yang menyebabkan terjadinya variasi bagi variabel terikat 
• Variabel Terikat (Dependent Variable)
• variabel yang dipengaruhi atau yang menjadi akibat
dari variabel bebas.
• merupakan focus utama dari penelitian; nilainya
diamati/diukur
VARIABEL LAINNYA
• Variabel Moderator
• variabel lain yang bisa memperkuat atau memperlemah hubungan antar variabel
• variabel ketiga yang mempengaruhi hubungan variabel bebas dan terikat, yaitu faktor-faktor
lain yang tidak dimasukkan dalam model statistik yang kita gunakan
• Variabel ini dapat diukur/dimanipulasi oleh peneliti dan pengaruhnya dapat dilihat atau
diobservasi

• Variabel Intervening/Mediator
• variabel yang secara teoritis mempengaruhi hubungan antara variabel bebas dengan terikat,
tetapi tidak dapat dilihat, diukur, dan dimanipulasi;
• Menjelaskan proses terjadinya hubungan antara variabel bebas dan terikat
• sangat umum dalam bidang sosiologi dan psikologi
 Variabel Moderator
 Variabel Mediator
 Keterkaitan antar variabel
VARIABEL ASING (EXTRANEOUS VARIABLE)
variabel yang bisa saja bersaing dengan variabel bebas dan bisa
mengacaukan/membingungkan dalam menjelaskan pola hubungan antara variabel
bebas dan terikat

dalam menentukan hubungan sebab akibat, kita seharusnya mengidentifikasi ada

tidaknya variabel extraneous (ektra/tambahan) yang terbukti dapat mempengaruhi
variabel terikat. Jika ada, variabel tersebut dinamakan variabel Confounding.

Variabel ini perlu dikontrol atau dimasukkan ke dalam model statistik. Apabila tidak,
tidak dapat dipastikan bahwa perubahan variabel terikat tersebut hanya disebabkan
oleh variabel bebas saja
 Variabel Asing/Tambahan/Extra
 Contoh:
“Pengaruh penggunaan video terhadap kemampuan berbicara bahasa Jerman”

• Variabel bebas : Penggunaan video

• Variabel terikat : Kemampuan berbicara Bahasa Jerman

• Variabel asing/extra :  Kondisi kelas, mood, metode mengajar, dsb

• Variabel moderator : Jenis kelamin, usia, IQ, dsb
• Variabel mediator : Minat, Motivasi, dsb
Contoh: jenis kelamin sebagai variabel moderator
PEMBAGIAN VARIABEL
Berdasarkan
Cara Pengukuran • Variabel Kualitatif
• Data Ordinal
• Data Nominal
• Variabel Kuantitatif
• Data Rasio
• Data Interval
SKALA PENGUKURAN
VARIABEL
Melakukan penelitian
adalah mempelajari sebuah
fenomena
Langkah awal dalam mendeskripsikan fenomena tersebut adalah
dengan membuat definisi operasional

1.menentukan variabel yang diamati

2.menentukan bagaimana cara mengukur variabel tersebut
Fokus dari desain penelitian dan analisis
statistik adalah studi tentang variabel
untuk memahami suatu fenomena, kita
harus memahami dulu istilah variabel dan
skala pengukuran
Pengukuran adalah dasar
dari penyelidikan ilmiah

Pengukuran Variabel adalah
pemberian angka atau kode atau
atribut pada suatu obyek
 Ratio
Interval
Ordinal
Nominal

4 Jenis Skala/Data Pengukuran

Nominal, Ordinal, Interval, Rasio

Skala yang paling rendah adalah Nominal dan

yang tertinggi adalah Skala Rasio.

Skala pengukuran yang lebih

tinggi akan memiliki karakteristik
skala pengukuran di bawahnya.
Contoh perbedaan karakteristik skala pengukuran

Nama L/P Kota Asal Mutu IPK Nilai UAS

(A-F) (0-100)

Asep L Bandung D 2,25 65

Ben L Bekasi C 3,24 78
Cindy P Karawang A 3,76 100
Dasim L Padang A 3,80 92
Elis P Wonderland B 3,40 88
Fitri P Surabaya C 2,89 78
Giant L Tokyo C 2,60 70 • Dapat dibedakan
• Dapat dirangking
Hendi L Bandung A 3,66 96
• Memiliki jarak sama
Imas P Bandung C 2,75 69 • Memiliki nilai 0
Joseph L Jakarta B 3,42 80 mutlak

NOMINAL ORDINAL INTERVAL RASIO

• Dapat dibedakan • Dapat dibedakan • Dapat dibedakan, dapat dirangking
• Tidak dapat diranking • Dapat diranking • Memiliki jarak yang sama
NOMINAL
• paling sederhana/ paling rendah tingkatannya
• Melabeli variabel yang tak punya nilai kuantitatif
• Hanya bisa digunakan untuk klasifikasi kualitatif atau kategorisasi
• Tak bisa dilakukan operasi matematika
• Hanya bisa dicari modusnya saja
• Contoh: jenis kelamin, kota asal, nomor telefon, NIK, NIM dsb.

Contoh pertanyaan:
“Apa golongan darah anda?
Opsi jawaban: A – B – O – dst
ORDINAL
• Melabeli variabel yang dapat diurutkan, tapi tak memiliki nilai perbedaan kuantitatif
• mengurutkan peringkat dari objek yang diukur
• Hanya bisa dicari mean dan modus
• Tak bisa dilakukan operasi matematika
• Contoh: tingkat kepuasan, rating pengguna, tingkat pendidikan dsb

Contoh pertanyaan:
“Bagaimana penilaian Anda mengenai pelayanan belanja di Tokopaedi?”
Opsi jawaban:
⭐⭐⭐⭐ ⭐ – ⭐⭐⭐⭐ – ⭐⭐⭐ – ⭐⭐ – ⭐
INTERVAL
• Dapat diklasifikasikan dan diurutkan peringkatnya
• Bisa diukur dan dibandingkan ukuran perbedaan antara
masing-masing nilai
• Dapat dilakukan operasi matematik (+ & -)
• Dapat dicari mean, median, modus, dan standar deviasinya
• Memiliki jarak/perbedaan yang jelas antara nilai yang satu
dengan yang lainnya
• Contoh: suhu/temperatur (°C, °F), nilai IQ, dsb.
RASIO
• memiliki semua sifat-sifat variabel interval
• Dapat dilakukan operasi matematik (+ , - , x , :)
• memiliki nilai nol mutlak
• Contoh: tinggi badan, berat badan, jarak, nilai ujian dsb.
 Skala interval tidak memiliki karakteristik rasio.
Kebanyakan prosedur analisis data statistik tidak
membedakan antara data yang diukur dalam skala
interval dan rasio.

Skala pengukuran variabel penting untuk penentuan uji statistik yang sesuai.
Skala nominal dan ordinal hanya bisa menggunakan uji statistik non parametrik,
sedangkan skala interval dan rasio bisa menggunakan statistik parametrik.
RINGKASAN
SKALA DEFINISI LEVEL OPERASI CONTOH
ARITMETIKA

Data kategori Mutually Exclusive =, ≠ Gender, warna

Nominal kulit, NIK
Data yang hanya bisa diurutkan dari • Mutually Exclusive =, ≠ <, > Status ekonomi,
Ordinal terkecil ke terbesar, dan sebalikna • Urutannya jelas rangking kelas,
pangkat
Mencakup karakateristik Nomina • Mutually Exclusive =, ≠, <, >, +, - Suhu, IQ, IPK
Interval dan Ordinal, juga sudah bisa • Urutannya jelas
dilakukan operasi penjumlahan • Jarak antar nilai sama
karena jarak antara datanya sudah
jelas. Tidak mempunyai nilai nol
mutlak

Mencakup karakteristik Interval dan • Mutually Exclusive =, ≠, <, >, +, Durasi, panjang,
Rasio mempunyai nilai nol mutlak • Urutannya jelas -, x, ÷ berat, nilai ujian
• Jarak antar nilai sama
• Memiliki nilai 0 mutlak

FLOWCHART SKALA
PENGUKURAN
Kenapa ini penting
nominal, ordinal, interval, rasio
?

• secara langsung memengaruhi Teknik uji statistik mana akan

digunakan dalam analisis.
• setiap uji statistik hanya dilakukan dengan jenis data tertentu.
• ada yang membutuhkan data kategorikal (nominal atau ordinal),
• ada yang membutuhkan data numerik (interval atau rasio);
• dan ada beberapa membutuhkan gabungan keduanya.
• software statistik dapat saja memberikan hasil uji statistik,
walaupun dengan menggunakan jenis data yang keliru,
namun hasil tersebut malah tidak akan bermakna.
PENYAJIAN DATA
Tabel Biasa
Cara penyajian data dalam bentuk tabel banyak digunakan, karena
komunikatif, efisien dan mudah dipahami.

Contoh:
Tabel 3.1 No &Judul
Tabel
Jumlah Mahasiswa Bhs. Jerman Per Angkatan
Judul
No Angkatan Jumlah kolom
1 2016 30
Judul
baris 2 2017 50
3 2018 55 Badan tabel
4 2019 60 yang berisi
data dlm
5 2020 60 bentuk angka
Sumber: Data Fiktif
Catatan/
Sumber data
diperoleh
Distribusi Frekuensi Kategori
= Distribusi frekuensi yang pengelompokkan datanya disusun berbentuk kata-kata.
= Distribusi frekuensi yang penyatuan kelas-kelasnya didasarkan pada data kualitatif (kategori)

Contoh: Tabel 3.2

Distribusi Frekuensi Kota Asal Mahasiswa Bahas Jerman
Kota Asal Frekuensi
Bandung 110
Sukabumi 49
Jakarta 43
Garut 36
Cianjur 30
Cirebon 27
Tasikmalaya 22

Sumber: Data Fiktif

Distribusi Frekuensi Numerik
Distribusi frekuensi yang penyatuan kelas-kelasnya disusun secara interval
didasarkan pada angka-angka (kuantitatif)
Contoh:
Tabel 3.2
Distribusi Frekuensi Nilai Mata Kuliah Statistika 40 Mahasiswa
No. Kelas Interval Frekuensi
Kelas
1 25 – 36 4
2 37 – 48 8
3 49 – 60 8
4 61 – 72 11
5 73 – 84 8
6 85 – 96 3

Sumber: Data Fiktif

Grafik Garis (Line Chart)
Gambar 3.2
Perkembangan IP 3 Mahasiswa selama 4 semester

4
3.75
3.5 3.5 3.5

3 3 3 3

2.5 2.5 2.5 2.5

Abdul
2 2 Bahrul
1.5 Cindy

0.5

0
Smt 1 Smt 2 Smt 3 Smt 4
Grafik Batang (Histogram)
Gambar 3.3
Perbandingan Jumlah Mahasiswa
Berdasarkan Jenis Kelamin dalam 5 Tahun
100
90 88
80
80 75
70 63
60
60 55
50 50 Pria
50
40 Wanita
40
30
30
20
10
0
2017 2018 2019 2020 2021
Diagram Lingkaran (Pie Chart)
Digunakan untuk
membandingkan data dari
berbagai kelompok
Piktogram (Infografik)
Selain lebih komunikatif, penggunaan
piktogram juga agar data yang disajikan bisa
lebih menarik.
 Referensi
• Triola M. F: Elementary Statistics, 11th Ed. 2010, Addison
Wesley. ISBN 0-321-69450-3
 • https://www.smartstat.info/materi/statistika/dasar-dasar-sta
tistika/variabel-dan-data.html
• https://www.smartstat.info/materi/statistika/dasar-dasar-sta
tistika/skala-pengukuran-variabel.html

• https://www.statology.org/levels-of-measurement-nominal-o
rdinal-interval-and-ratio/

• https://www.formpl.us/blog/nominal-ordinal-interval-ratio-v
ariable-example