Tipe data kuantitatif

Gambar dari komikfisika.blogspot.com

Kita harus mengetahui berbagai macam data yang digunakan untuk analisis data kuantitatif, karena teknik analisis data kuantitatif tidak cocok untuk setiap macam data, ada 4 tipe data yakni: nominal, ordinal, interval, dan rasio:

Data Nominal

Tipe data nominal adalah mendeskripsikan kategori dan tidak memiliki nilai numerik yang aktual. 

Sebagai contoh, sebuah kuisioner mungkin bertanya tentang jenis kelamin dari responden (pilih 1 untuk laki-laki, pilih 2 untuk perempuan). 

Respon dikategorikan dengan menggunakan angka, namun tidak berarti bisa digunakan untuk melakukan operasi aritmatik (misal: berapakah rata-rata jenis kielamin?). 

Tidak ada nilai numerik atau urutan dari angka yang digunakan ( pilih 1 untuk laki-laki, pilih 2 untuk perempuan akan bernilai sama dengan pilih 10 untuk laki-laki dan pilih 11 untuk perempuan). 

Analisis yang paling memungkinkan untuk data tipe ini adalah frekwensi, berapa banyak responden yang berjenis kelamin laki-laki dan berapa banyak responden yang berjenis kelamin perempuan. Tipe data ini sering kali disebut dengan data kategori.

Data Ordinal

Dengan data ordnial, angka dialokasikan untuk skala kuantitatif. Sebagai contoh, mahasiswa bisa dibei ranking berdasarkan hasil ujiannya, contohnya: 1,2,3, .. 10. 

Tidak seperti data nominal, ada urutan dari angka yang digunakan yang memungkinkan operasi aritmatik. Kita bisa menyatakan bahwa ada mahasiswa yang lebih baik dari mahasiswa yang lainnya. Bagaimanapun, operasi aritmatik yang bisa dilakukan terbatas. 

Kita tidak bisa mengetahui berapa lebih baiknya mahasiswa yang rangking 1 dengan yang rangking 2, atau rangking 10 dan seterusnya. 

Penggunaan dari data ordinal biasanya untuk menjawab pertanyaan yang menggunakan skala Likert, dimana nomer digunakan untuk membuat jarak dari respon. Sebagai contoh, respon "Sangat tidak setuju", "Tidak setuju", "ragu-ragu", "Setuju", "Sangat setuju" bisa diwakili dengan angka 1,2,3,4, dan 5.

Berdasarkan contoh diatas dapat dilihat urutan dari angka untuk setiap respon, 5 berarti tingkatannya sangat setuju lebih tinggi dari 4 setuju. Namun kita tidak bisa mengetahui berapa banyak tingkat kesetujuan dari responden. 

Untuk data ordinal, kategori dirangking, namun kita tidak tahu perbedaan atau interval, antara masing-masing rangking, data ini seringkali disebut dengan data rangking.

Data Interval

Data interval seperti data ordinal, namun pengukuran dibuat berdasarkan skala kuantitatif, dimana perbedaan atau interval antara satu respon dengan respon lainnya diskalakan secara konsisten dengan ukuran yang sama secara proporsional. 

Peneliti bisa menyatakan perbedaan antara dua data secara tepat.. Sebagai contoh perbedaan atau interval antara tahun 2004 dengan 2011 adalah sama antara interval 1994 dengan 2001. 

Untuk data ini penambahan dan pengurangan bisa digunakan (tapi tidak bisa memanfaatkan perkalian atau pembagian)

Data Rasio

Data rasio seperti data interval, namun ada nilai yang benar-benar nol untuk skala pengukuran yang digunakan. 

Sebagai contoh: Umur orang, jumlah turn over dalam perusahaan, jumlah pegawai perempuan. 

Umur seseorang bisa 0, begitu juga jumlah pegawai yang turn over, dan seterusnya. 

Pada data interval, contohnya tahun dalam kalendar tidak ada tahun 0, dimana tidak ada sejarah. Dengan data rasio karena ada angka 0, maka kita tidak hanya bisa mengetahui bahwa 4 dan 2 memiliki interval yang sama dengan 6 dan 4, namun juga mengetahui bahwa 4 adalah 2x2, dan 6 adalah 2x3. 

Karena ada angka 0 maka dalam tipe data ini bisa digunakan operasi penambahan, pengurangan, perkalian dan pembagian.

Kategori data lainnya

Ada 2 kategori data yang mungkin nanti digunakan yakni data diskrit dan kontinius

• Data diskrit: setiap pengukuran mengarah pada bilangan bulat, bukan bilangan pecahan sebagai contoh "jumlah anak" akan menuju pada respon bilangan bulat 1,2 atau 3 dan seterusnya, tidak ada yang akan menjawab jumlah anak=0,75 
• Data kontinius: pengukuran digunakan agar lebih akurat, misal umur bisa diukur berdasarkan tahun, bulan, hari, jam, menit, detik, milisekon dan bahkan unit yang lebih kecil. Jika data kontinius, peneliti perlu memutuskan tingkat akurasi yang dibutuhkan. "Umur dalam tahun".

Disarikan dari buku   Researching information system and computing oleh Briony J. Oates

Penelitian informatika: Analisis data kuantitatif, sebuah definisi

Gambar penelitian dari www-hagen.informatik.uni-kl.de

Kuantitatif berati data, atau bukti yang berbasiskan pada angka. Ini merupakan tipe data yang dihasilkan oleh eksperimen dan survei, namun juga bisa dihasilkan oleh strategi penelitian yang lain juga. Ini digunakan dan dianalisa oleh peneliti positivistik, namun juga kadang kala dihasilkan oleh peneliti interpretif dan kritis juga. 

Contoh dari data numerik adalah:

• Jumlah orang yang menyatakan kepuasan terhadap layanan TI di perusahaan
• Jumlah perpindahan (turnover) pegawai setiap tahunnya selama lima tahun
• Jumlah waktu dalam detik untuk memproses sebuah arsip
• Jumlah karakter dalam animasi komputer
• Jumlah orang yang mengakses internet lebih dari 20 jam perminggunya
• Jumlah hotlink dalam sebuah website

Ide dari analisisi data adalah melihat pola dari data dan membuat sebuah kesimpulan. Ada banyak teknik utuk menganalisa data kuantitatif. Analisis sederhana bisa saja menggunakan tabel, grafik yang memungkinkan peneliti atau pembaca untuk melihat pola tertentu. 

Pada  tingkat yang lebih kompleks, teknik statitstik deskriptif memungkinkan untuk menemukan pola lainnya seperti nilai rata-rata dari kegiatan tertentu. Teknik statistik yang lebih kompleks memungkinkan untuk menghasilkan pola yang dilihat dalam data benar-benar ada dan tidak muncul secara kebetulan saja.

Untuk proyek dalam skala kecil, peneliti mungkin hanya membutuhkan teknik analisis kuantitatif yang sederhana. Untuk proyek yang lebih besar, seperti survei dengan banyak responden yang melibatkan kuisioner, dimana peneliti ingin melihat respon terhadap satu pertanyaan yang berhubungan dengan sebuah respon terhadap pertanyaan lainnya dibutuhkan teknik analisis yang lebih komplek.

Banyak peneliti takut dengan analisis numerik karena mereka tidak menyukai statistik dan matematik. Berita baiknya, saat ini banyak software koimputer yang tersedia untuk membantu analisis. Tabel dan grafik bisa didapatkan dari program spreadsheet seperti excel, sedangkan untuk teknik analisis statistik yang lebih rumit, program khusus seperti SPSS bisa digunakan.

Perangkat lunak ini menghindarkan kebutuhan terhadap kebutuhan manual hitung-menghitung statistik. Berita buruknya para reviewer dan penilai dari penelitian seringkali penasaran dalam penilitian yang menggunakan teknik analisis statistik yang kompleks. Beberapa ahli menyatakan bahwa peningkatan penggunaan dari teknik statisk yang kompleks disebabkan karena ketersediaan perangkat lunak, bukan karena peningkatan pengetahuan statistik dari peneliti.

Reviewer dan penilai seringkali mempertanyakan apakah peneliti menggunakan teknik statistik tanpa memahaminya, dan seringkali menggunakannya secara tidak tepat. Peneliti harus paham setiap teknik yang digunakan, walaupun menyerahkan pemrosesannya terhadap perangkat lunak tertentu.

Disarikan dari buku Researching Information System and Computing oleh Briony J. Oates tahun 2006