 |
| Gambar dari komikfisika.blogspot.com |
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
Tidak ada komentar:
Posting Komentar