Penjelasan mengenai data - data yang
terdapat dalam materi statistika adalah, harus memahami tentang data - data
sebagai berikut, sebagai acuhan untuk mengenal lebih dalam tentang materi
statistika dalam dunia pendidikan. :
1. Data
diskrit adalah data yang sifatnya terputus-putus, nilainya bukan merupakan
pecahan (angka utuh). Contoh data diskrit adalah data tentang jumlah penduduk,
kendaraan dan sebagainya,
2. Data
kontinyu adalah data yang sifatnya sinambung atau kontinyu, nilainya bisa
berupa pecahan. Contoh data kontinyu adalah data tentang hasil panen padi,
panjang jalan, berat sapi dan sebagainya.
3. Data
nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada
objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan
apapun. Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau
diskrit. Data nominal merupakan data diskrit dan tidak memiliki urutan. Bila
objek dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan
angka, set-set tersebut tidak boleh tumpang tindih dan bersisa. Misalnya
tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing
anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan
renang (3). Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa
tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih
tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika
ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu
juga tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya
Partai Bulan, Partai Bintang dan Partai Matahari. Masing-masing kategori tidak
dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang yang pergi ke
Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga seperempat
kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu juga
tentang ukuran jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan
selalu berbentuk bilangan bulat, demikian seterusnya. Tidak akan pernah ada
bilangan pecahan. Data nominal ini diperoleh dari hasil pengukuran dengan skala
nominal.
4. Data
Ordinal bagian lain dari data kontinum adalah data ordinal. Data ini, selain
memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang
diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang
paling rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini tidak
memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat
saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai n, misalnya
peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak
antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai
dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang
paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat
setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau
jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum
pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode
5, kadang-kadang saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode
3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama
sekali, dengan kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal
ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif)
statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman
Rank Correlation dan Kendall Tau.
5. Data
interval Pemberian angka kepada set dari objek yang mempunyai sifat-sifat
ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada
pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang sama
dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan
jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil
pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang
nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran
interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat
dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 – 1 = 2. Beda
prestasi antara mahasiswa C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa
dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun
prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Dari
hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data
interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang
lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment,
Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple
Regression.
6. Data
ratio Ukuran yang meliputi semua ukuran di atas ditambah
dengan satu sifat yang lain, yakni ukuran yang memberikan keterangan tentang
nilai absolut dari objek yang diukur dinamakan ukuran rasio (data rasio). Data
rasio, yang diperoleh melalui pengukuran dengan skala rasio memiliki titik nol.
Karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu
kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol, maka
data rasio dapat dibuat perkalian ataupun pembagian. Angka pada data rasio
dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang
pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000,
Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka
pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan
pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi C adalah
4/3 kali pendapatan pengemudi B. Dengan kata lain, rasio antara pengemudi C dan
A adalah 4 : 1, rasio antara pengemudi D dan A adalah 5 : 1, sedangkan rasio
antara pengemudi C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C
adalah 30.000, dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A.
Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala
rasio. Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C
memiliki berat 1 Kg. Jika diukur dengan skala rasio, maka bayi A memiliki rasio
berat badan 3 kali dari berat badan bayi C. Bayi B memiliki rasio berat badan
dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat badan
sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan
menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji
hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim
digunakan untuk data rasio ini adalah Pearson Korelasi Product Moment, Partial
Correlation, Multiple Correlation, Partial Regression, dan Multiple
Regression.Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian
lazimnya bisa di bagi menjadi 4 jenis variabel, yakni variabel (data) nominal,
variabel (data) ordinal, variabel (data) interval, dan variabel (data) rasio.
Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling
terpisah satu sama lain, misalnya status perkawinan, jenis kelamin, suku
bangsa, profesi pekerjaan seseorang dan sebagainya. Variabel ordinal adalah
variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk
bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu
pekerjaan dan lain-lain. Variabel interval adalah variabel yang diukur dengan
ukuran interval seperti indek prestasi mahasiswa, skala termometer dan
sebagainya, sedangkan variabel rasio adalah variabel yang disusun dengan ukuran
rasio seperti tingkat penganggguran, penghasilan, berat badan, dan sebagainya.