Tipe Data Statistik

Statistik dalam prakteknya tidak bisa dilepaskan dari data yang berupa angka, baik itu dalam statistik deskriptif yang menggambarkan data, maupun statistik inferensi yang melakukan analisis terhadap data. Namun, sebenarnya data dalam statistik juga bisa mengandung data non angka atau data kualitatif.
Data dalam statistik berdasarkan tingkat pengukurannya (level of measurement) dapat dibedakan dalam empat jenis:

Data Kualitatif (Qualitative Data)
Data kualitatif secara sederhana bisa disebut data yang bukan berupa angka.
Data kualitatif mempunyai ciri tidak bisa dilakukan operasi matematika, seperti penambahan, pengurangan, perkalian, dan pembagian.

Data kualitatif bisa dibagi menjadi dua:
1. Nominal
Data bertipe nominal adalah data yang paling “rendah” dalam level pengukuran data. Jika suatu pengukuran data hanya menghasilkan satu dan hanya satu-satunya kategori, maka data tersebut adalah data nominal (data kategori). Misal proses pendataan tempat tinggal 40 responden dalam suatu penelitian. Dalam kasus ini setiap orang akan bertempat tinggal di suatu tempat tertentu (berdasar KTP), tidak bisa di tempat lain. Misal Amir berdomisili di Solo, maka dia (dianggap) tidak mungkin tinggal di Jakarta, atau punya dua KTP. Jadi, data tempat tinggal adalah data nominal karena Amir hanya punya satu dan satu-satunya, tidak bisa lebih dari satu, tempat tinggal yang ditunjukkan dengan KTP. Atau, data Jenis Kelamin seseorang. Ini juga suatu data nominal karena seorang laki-laki tidak mungkin berkelamin ganda. Demikian juga Tanggal Lahir seseorang, Pekerjaan (diasumsi hanya satu jenis pekerjaan dalam satu saat), dan seterusnya. Data Nominal dalam praktek statistik biasanya akan dijadikan “angka”, yaitu proses yang disebut kategorisasi. Misal dalam pengisian data, jenis kelamin lelaki dikategorikan sebagai “1” dan perempuan sebagai “2”. Kategori ini hanya sebagai tanda saja. Jadi, tidak bisa dilakukan operasi matematika, seperti 1 + 2 atau 1 – 2, dan lainnya.

2. Ordinal
Data ordinal, seperti pada data nominal, adalah juga data kualitatif namun dengan level yang lebih “tinggi” daripada data nominal. Jika pada data nominal, semua data kategori dianggap sama, maka pada data ordinal, ada tingkatan data. Misal pada data Jenis Kelamin di atas, Lelaki dianggap setara dengan Wanita, atau dalam data Tempat Kelahiran, data Jakarta dianggap sama dengan data Yogyakarta, Surabaya, Boyolali, dan seterusnya. Pada data ordinal, ada data dengan urutan lebih tinggi dan urutan lebih rendah. Misal data tentang sikap seseorang terhadap produk tertentu. Dalam pengukuran sikap konsumen, ada sikap yang “suka”, “tidak suka”, “sangat suka”, dan lainnya. Di sini data tidak bisa disamakan derajatnya, dalam arti “suka” dianggap lebih tinggi dari “tidak suka”, namun lebih rendah dari “sangat suka”. dan lainnya. Jadi, di sini ada preferensi atau tingkatan data, di mana data yang satu berstatus lebih tinggi atau lebih rendah dari yang lain. Namun, pada data ordinal juga tidak bisa dilakukan operasi matematika, seperti jika “tidak suka” dikategorikan sebagai “1”, “suka” sebagai “2” dan “sangat suka” sebagai “3”, maka tidak bisa dianggap “1 + 2 = 3”, atau “tidak suka” ditambah “suka” menjadi “sangat suka”!

Data Kuantitatif (Quantitative Data)
Data kuantitatif bisa disebut sebagai data berupa angka dalam arti sebenarnya. Jadi. berbagai operasi matematika bisa dilakukan pada data kuantitatif.

Seperti pada data kualitatif, data kuantitatif juga bisa dibagi menjadi dua bagian.

1. Data Interval
Data Interval menempati level pengukuran data yang lebih “tinggi” dari data ordinal karena selain bisa bertingkat urutannya, juga urutan tersebut bias dikuantitatifkan. Seperti pengukuran temperatur sebuah ruangan pembakaran roti dari PT ENAK JOSS. Interval Temperatur ruang tersebut:
o Cukup Panas jika temperatur antara 500C – 800C
o Panas jika temperatur antara 800C – 1100C
o Sangat Panas jika temperatur antara 1100C – 1400C
Dalam kasus di atas, data temperatur bisa dikatakan data interval karena data mempunyai interval (jarak) tertentu, yaitu 300C. Namun, di sini data interval tidak mempunyai titik nol yang absolut. Misal pada pengukuran temperatur, seperti pernyataan bahwa ‘air membeku pada 00C‘. Pernyataan di atas bersifat relatif, karena 00C hanya sebagai tanda saja. Dalam pengukuran 0F, air membeku bukan pada 00F, namun pada 320F. Dengan demikian, juga tidak bisa dikatakan bahwa suhu 1000F adalah dua kali lebih panas dari suhu 500F. 

2. Data Rasio
Data Rasio adalah data dengan tingkat pengukuran paling “tinggi” di antara jenis data lainnya. Data Rasio adalah data bersifat angka dalam arti sesungguhnya (bukan kategori seperti pada data nominal dan ordinal) dan bias dioperasikan secara matematika (+, -, x, /). Perbedaan dengan data interval adalah bahwa data rasio mempunyai titik nol dalam arti sesungguhnya. Misal jumlah produk roti dari gudang PT ENAK JOSS pada contoh di atas. Jika jumlah roti nol, berarti memang tidak ada sepotong roti pun dalam gudang tersebut. Jika ada 24 roti, kemudian bertambah produk baru sebanyak 3 roti, maka total roti sekarang adalah 24 + 3 = 27 roti (operasi penjumlahan), dan seterusnya. Atau, berat badan dan tinggi badan seseorang, pengukuranpengukurannya mempunyai angka nol/0 dalam arti sesungguhnya. Misal berat badan 0 berarti memang tanpa berat. Dengan demikian, bisa dikatakan bahwa sekantong beras seberat 10 kilogram adalah benar-benar dua kali lebih berat dari sekantong beras yang mempunyai berat 5 kilogram.
Jenis-jenis data di atas dikupas dengan cukup mendalam karena penerapan dalam statistik akan berbeda untuk jenis data yang berbeda. Data kualitatif karena bukan data angka dalam arti sesungguhnya, tidak bisa disamakan perlakuannya dengan data kuantitatif. Data nominal dan ordinal biasanya menggunakan metode statistik nonparametrik, sedangkan data kuantitatif memakai metode parametrik.

Related Post