Bayangkan kamu mau masak rendang, tapi salah beli bahan — daging sapi diganti tempe, santan diganti susu UHT. Hasilnya? Bisa jadi tetap enak, tapi bukan rendang. Begitu pula dengan statistik: kalau kamu salah mengenali jenis data dan skala pengukuran, analisis yang kamu lakukan bisa menghasilkan kesimpulan yang keliru — bahkan meski rumusnya sudah benar. Artikel ini adalah bagian dari seri 14 Artikel Belajar Statistik: Statistik From Zero to Zorro — dan di sini kita akan kupas tuntas topik ini dengan cara yang mudah dicerna, tanpa rumus menakutkan.
Apa Itu Jenis Data? Kenapa Harus Dibedakan?
Dalam penelitian, data adalah bahan baku utama. Tapi tidak semua data diciptakan sama. Data bisa berupa angka, kategori, peringkat, atau label — dan masing-masing punya aturan main yang berbeda dalam analisis statistik (Sugiyono, 2019). Memahami perbedaan jenis data dan skala pengukuran adalah fondasi paling dasar sebelum kamu memilih uji statistik apa pun.
Secara umum, data dalam statistik dibagi menjadi dua kelompok besar: data kualitatif (kategorikal) dan data kuantitatif (numerik). Pembagian ini bukan sekadar label — ini menentukan metode statistik yang boleh dan tidak boleh kamu gunakan (Gravetter & Wallnau, 2017).
Data = hasil pengamatan atau pengukuran dari suatu variabel
Variabel = karakteristik atau atribut yang diukur dalam penelitian
Skala Pengukuran = aturan/sistem yang digunakan untuk menetapkan angka pada variabel
Sumber: Sugiyono (2019); Gravetter & Wallnau (2017)
⚖️ Kualitatif vs. Kuantitatif — Sekilas Pandang
- Berupa label / kategori
- Tidak bisa dihitung rata-ratanya
- Contoh: jenis kelamin, agama, merek HP
- Skala: Nominal & Ordinal
- Berupa angka bermakna
- Bisa dihitung: mean, deviasi standar
- Contoh: tinggi badan, nilai ujian, suhu
- Skala: Interval & Rasio
Menurut Field (2018), salah satu kesalahan paling umum mahasiswa adalah menggunakan uji parametrik (seperti uji-t) pada data yang sebenarnya berskala nominal — ini seperti mencoba menimbang rasa dengan timbangan beras. Hasilnya memang ada angkanya, tapi angka itu tidak bermakna!
Empat Skala Pengukuran: Dari yang Paling Sederhana Hingga Paling Lengkap
Konsep skala pengukuran pertama kali diperkenalkan oleh psikolog Stanley Smith Stevens pada tahun 1946, dan hingga kini menjadi acuan utama dalam statistik. Stevens membagi skala menjadi empat tingkatan: nominal, ordinal, interval, dan rasio (Triola, 2018). Analoginya seperti tingkatan kematangan buah: semakin "matang" skalanya, semakin banyak hal yang bisa kamu lakukan dengan datanya.
Ini skala paling dasar. Data hanya berfungsi sebagai label / nama, tanpa urutan atau jarak yang bermakna. Kamu tidak bisa bilang satu kategori "lebih besar" dari yang lain (Bluman, 2018).
Provinsi asal mahasiswa (Jawa Barat, Sulawesi Selatan, Kalimantan Selatan), jenis kelamin, agama, jurusan kuliah, merek smartphone yang dipakai.
❌ TIDAK boleh: mean, uji-t, korelasi Pearson
Skala ordinal punya urutan yang bermakna, tapi jarak antar kategorinya tidak bisa dipastikan sama. Seperti podium lomba: kamu tahu juara 1 lebih baik dari juara 2, tapi tidak tahu seberapa lebih baiknya (Gravetter & Wallnau, 2017).
Skala Likert kuesioner skripsi (Sangat Tidak Setuju → Sangat Setuju), peringkat kelas, tingkat pendidikan (SD, SMP, SMA, S1), golongan PNS.
❌ Perlu hati-hati: mean (masih diperdebatkan untuk Likert)
Skala interval punya urutan dan jarak antar nilai yang sama dan bermakna. Tapi titik nol (0) pada skala ini bersifat arbitrer — bukan nol mutlak. Contoh paling klasik: suhu (Triola, 2018). Suhu 0°C bukan berarti "tidak ada suhu", dan kita tidak bisa bilang 20°C "dua kali lebih panas" dari 10°C.
Suhu udara di Banjarmasin (°C), skor IQ, tahun kalender (1990, 2000, 2010), skor ujian tanpa batas bawah bermakna.
❌ TIDAK boleh: rasio ("dua kali lipat"), nol absolut
Ini skala pengukuran tertinggi. Punya semua keistimewaan interval, ditambah titik nol yang benar-benar bermakna (nol = tidak ada). Kamu bisa membuat pernyataan seperti "berat badan si A dua kali berat badan si B" (Field, 2018). Hampir semua pengukuran fisik adalah skala rasio.
Tinggi badan (cm), berat badan (kg), pendapatan (Rp), jarak rumah ke kampus (km), jumlah tanggungan keluarga, lama studi (semester).
⭐ Bebas digunakan untuk semua uji parametrik dan non-parametrik
Gunakan singkatan NOIR: Nominal → Ordinal → Interval → Rasio. Setiap level berikutnya mewarisi semua kemampuan level sebelumnya, plus satu kemampuan baru. Jadi kalau datamu rasio, kamu bisa pakai semua teknik statistik untuk nominal, ordinal, dan interval juga!
| Skala | Urutan? | Jarak Sama? | Nol Mutlak? | Uji Statistik Umum |
|---|---|---|---|---|
| Nominal | ❌ | ❌ | ❌ | Chi-Square, Modus |
| Ordinal | ✅ | ❌ | ❌ | Spearman, Mann-Whitney, Median |
| Interval | ✅ | ✅ | ❌ | Pearson, Uji-t, ANOVA, Mean |
| Rasio | ✅ | ✅ | ✅ | Semua uji statistik (parametrik & non-parametrik) |
Tabel 1. Perbandingan empat skala pengukuran dalam statistik (diadaptasi dari Field, 2018; Triola, 2018)
Panduan Praktis: Cara Identifikasi Jenis Data dan Skala Pengukuran di Skripsimu
Teori sudah, sekarang saatnya praktek. Saat kamu menyusun skripsi atau tugas penelitian, kamu perlu mengidentifikasi jenis data dan skala pengukuran dari setiap variabel sebelum menentukan uji statistik. Berikut panduan langkah-per-langkah yang bisa langsung kamu terapkan (Sugiyono, 2019; Riduwan, 2015):
Misalnya: variabel independen = metode belajar, variabel dependen = nilai ujian, variabel kontrol = jenis kelamin.
Jika kategori → kemungkinan nominal atau ordinal. Jika angka bermakna → kemungkinan interval atau rasio.
Tidak ada urutan → Nominal. Ada urutan (tapi jarak tidak pasti) → Ordinal. Contoh: "suka/tidak suka" = nominal; "sangat tidak setuju s.d. sangat setuju" = ordinal.
Nol tidak bermakna (seperti suhu 0°C atau tahun 0) → Interval. Nol benar-benar berarti tidak ada (seperti 0 kg berat badan atau Rp 0 pendapatan) → Rasio.
Tulis setiap variabel beserta skala pengukurannya di bab metodologi skripsimu. Ini akan memudahkan dosen pembimbing memvalidasi pilihan uji statistikmu.
Name Type Measure ────────────────────────────────────────── jenis_kelamin String Nominal ← kategori, tidak ada urutan kepuasan Numeric Ordinal ← skala Likert 1-5 skor_iq Numeric Scale ← interval (nol tidak mutlak) pendapatan Numeric Scale ← rasio (nol mutlak) tinggi_badan Numeric Scale ← rasio (nol mutlak) // Di SPSS, "Scale" mencakup interval DAN rasio // Pengguna yang menentukan mana yang interval vs rasio
Pertanyaan ini masih diperdebatkan di kalangan statistikawan. Hair et al. (2019) menyatakan bahwa skala Likert 5-7 poin secara teknis bersifat ordinal, namun dalam praktik penelitian sosial, banyak peneliti memperlakukannya sebagai interval untuk memungkinkan penggunaan uji parametrik. Kunci: konsultasikan dengan dosen pembimbingmu dan pastikan asumsi normalitas terpenuhi.
Memberikan kode angka pada data nominal (misal: Laki-laki = 1, Perempuan = 2) TIDAK mengubah skala pengukurannya menjadi interval atau rasio! Angka tersebut tetap hanya label. Menghitung mean dari "jenis kelamin" (hasil: 1,47) tidak memiliki makna statistik apa pun (Moore et al., 2021).
Daftar Referensi
Format APA 7th Edition · Referensi terverifikasi
- Bluman, A. G. (2018). Elementary statistics: A step by step approach (10th ed.). McGraw-Hill.
- Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
- Gravetter, F. J., & Wallnau, L. B. (2017). Statistics for the behavioral sciences (10th ed.). Cengage Learning.
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
- Moore, D. S., McCabe, G. P., & Craig, B. A. (2021). Introduction to the practice of statistics (10th ed.). W. H. Freeman.
- Riduwan. (2015). Belajar mudah penelitian untuk guru, karyawan, dan peneliti pemula. Alfabeta.
- Sugiyono. (2019). Metode penelitian kuantitatif, kualitatif, dan R&D (2nd ed.). Alfabeta.
- Triola, M. F. (2018). Elementary statistics (13th ed.). Pearson.
Statistik from Zero to Zorro — Daftar Isi
Lihat roadmap lengkap 14 artikel seri belajar statistik dari nol hingga mahir.
Lihat Daftar Isi Lengkap →
No comments:
Post a Comment