Datum (Jamak=Data) 1.2.1 Jenis Data Berdasarkan Skala Ukurannya
ANALISIS DATA
Oleh.
Nisfatul Izzah, SE., M.A.
Dalam statistika terdapat banyak metoda analisis data. Masing-masing metoda
analisis data memiliki kegunaan yang spesifik disamping asumsi (syarat penggunaan,
seperti sifat data, jumlah variabel, tujuan penelitian) yang harus dipenuhi sehingga
kesimpulan yang diambil tidak salah. Oleh karena itu pengguna statistika harus dapat
melakukan pemilihan metoda analisis yang tepat. Untuk dapat memilih metoda analisis
data yang tepat diperlukan pengetahuan dan pemahaman yang mendalam tentang Data
dan Variabel.
1. DATA DAN VARIABEL
1.2 Data
Data merupakan bentuk jamak dari datum, yang mempunyai arti
pemberian atau penyajian. Secara definitif dapat diartikan sebagai berikut :
kurnia,
Kumpulan angka. Fakta, fenomena, atau keadaan yang merupakan hasil
pengamatan, pengukuran, atau pencacahan terhadap karakteristik atau sifat dari
obyek yang dapat berfungsi untuk membedakan obyek yang satu dengan
lainnya pada sifat yang sama (Solimun :2001:2)
Untuk lebih jelasnya dapat dilihat pada ilustrasi tabel 1 berikut ini :
Tabel : Beberapa obyek penelitian, sifat-sifat yang dimiliki dan datanya
Obyek
Mahasiswa
BUKU
PERUSAHAAN
Karakteristik
Nim
Semester
Jurusan
Ipk
Judul
Nama Pengarang
Jenis Kelamin
Modal
Bentuk
Aset
Pemilik
Hasil Amatan
00110035
VI
Manajemen
3,9
Kiat-kiat sukses menjadi Pengusaha
Puji Rahayu, SE., MM
Laki-laki
Satu Trilyun
Perseroan Terbatas
Seratus Milyard
Luqman, SE., Ak
Dalam Statistika disebut :
Obyek kajian
Variabel atau
peubah
Datum (Jamak=Data)
1.2.1 Jenis Data Berdasarkan Skala Ukurannya
Berdasarkan skala pengukurannya, data dapat dibedakan menjadi data nominal,
ordinal, interval dan ratio .
a. Data Nominal, adalah data yang hanya mengandung unsur penamaan. Skala ini
mempunyai dua ciri :
Analisis Data
Halaman 1 dari 10
(1) kategori data bersifat mutually exclusive (satu objek masuk hanya pada satu
kelompok saja),
(2) kategori data tidak disusun secara logis.
Misalnya :
Jurusan Mahasiswa
Pendidikan Agama Islam
Ilmu pengetahuan sosial
Psikologi
Skor yang mungkin
1
3
2
2
2
1
3
1
3
Statistika adalah pendekatan kuantitatif, sehingga data nominal yang bersifat kualitatif
harus dirubah menjadi data kuantitatif dengan cara pemberian skor (skoring). Yang
perlu diperhatikan bahwa dalam pemberian skor data nominal bersifat sembarang,
yaitu hanya sekedar untuk dapat membedakan (penamaan saja) sehingga dapat di
bolak-balik.
b. Data Ordinal, Adalah data yang selain mengandung unsur penamaan juga memiliki
unsur urutan (order=urut). Ciri dari data ini kategori data disusun berdasarkan urutan
logis dan sesuai dengan besarnya karakteristik yang dimiliki. Misalnya :
Preferensi
Peralatan dan Teknologi canggih (seperti komputer)
yang dimiliki BRI
Penataan desain dan baik interior maupun eksterior
BRI
Penampilan dan kerapihan karyawan BRI
Kebersihan dan kenyamanan fasilitas BRI
Peralatan dan Teknologi canggih (seperti komputer)
yang dimiliki BRI
Skor yang mungkin
1
5
2
4
3
4
5
3
2
1
Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal,
dimana untuk data nominal skor tersebut dapat dibuat sembarang yaitu hanya
sekedar dapat membedakan. Akan tetapi untuk data ordinal, urutan angka dalam
skor menunjukkan arah tingkatan. Pada data ordinal ini, interval (selangnya) tidak
mempunyai arti (tidak bermakna). Misalnya selisih antara skor 4 dengan 2 adalah 2
dans elisih antara 3 dengan 1 adalah 2 dengan 2 arti dan makna yang tidak sama.
c. Data interval, adalah data yang selain mengandung unsur penamaan dan urutan juga
memiliki sifat interval (selangnya bermakna). Disamping itu data ini memliki ciri angka
nolnya tidak mutlak. Skala interval mempunyai ciri matematis additivity, artinya kita
dapat menambah atau mengurangi. Misalnya :
Pernyataan
Peralatan dan Teknologi canggih (seperti komputer)
yang dimiliki BRI
Penataan desain dan baik interior maupun eksterior
BRI
Penampilan dan kerapihan karyawan BRI
Kebersihan dan kenyamanan fasilitas BRI
Peralatan dan Teknologi canggih (seperti komputer)
yang dimiliki BRI
Analisis Data
SS
S
C
TS
STS
Halaman 2 dari 10
Ket : SS = Sangat Setuju, S = Setuju, C = Cukup, TS = Tidak Setuju, STS = Sangat
Tidak Setuju
d. Data ratio, adalah data yang memiliki unsur penamaan, urutan, intervalnya bermakna
dan angka nolnya mutlak (fixed zero point), sehingga rationya mempunyai makna.
Misalnya :
Luas bangunan
(m2)
5
10
20
22
25
Produksi
(satuan)
500
600
650
750
900
Disebut nolnya mutlak sebab memang tidak akan ada perusahaan yang produksinya
0. kalau produksinya nol berarti tidak ada perusahaan. Atau jika ada bangunan
dengan luas 0 m2 itu berarti tidak ada bangunannya.
1.2.2 Jenis Data berdasarkan sifat kekontinyuannya.
Berdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan
menjadi data diskrit dan data kontinyu.
a. Data diskrit, adalah data yang hanya dapat menempati titik-titik tertentu pada
sebuah garis. Misalnya :
Jumlah mahasiswa di STAIN Malang dari tahun 1995 – 2001
3000 3500 4000 4500 5000 5500 6000
+
+
+
+
+
+
+
Pada data diatas jumlah mahasiswa hanya dapat menempati pada titik +
b. Data Kontinyu, adalah data yang dapat menempati seluruh titik pada sebuah
garis. Misal : Data Pendapatan Orang tua mahasiswa = 300 ribu s/d 2 juta rupiah
300 ribu
2 juta
++++++++++++++++++++++++++++++++
Pada gambar diatas data pendapatan orang tua mahasiswa dapat menempati
semua titik.
Jika kedua klasifikasi data tersebut di kombinasikan, maka akan diperoleh seperti
pada tabel 2 sebagai berikut :
DISKRIT
NOMINAL
V
ORDINAL
V
INTERVAL
V
RATIO
V
Keterangan : V bersesuaian
KONTINYU
V
V
Berbagai jenis data tersebut menghendaki metoda analisis data yang berbeda.
Konsekuensinya adalah diperlukan pemilihan metodayang tepat agar dapat diperoleh
informasi yang valid (absah), sehingga kesimpulan penelitian atau keputusan yang
didasarkan pada informasi hasil analisis tersebut juga bersifat shahih.
Analisis Data
Halaman 3 dari 10
1.3. Variabel
Variabel adalah karakteristik atau sifat dari obyek kajian, yang mana data diamati
atau diukur atau dicacah dari padanya. Ditinjau dari sifatnya variabel dapat dibedakan
menjadi variabel kualitatif dan kuantitatif.
(1). Variabel Kualitatif adalah menunjukkan sifat kualitas dari obyek yang
menghasilkan
data kualitatif melalui pengamatan. Dalam menganalisis data
kualitatif (yang berasal dari data kualitatif ini), bila mana akan menggunakan
metoda statistika maka data kualitatif tersebut harus dikuantitatifkan melalui cara
pemberian skor
(skoring). Hal ini diperlukan mengingat
metoda statistika
merupakan metoda komputasi dengan pendekatan kuantitatif. Data demikian ini
termasuk data diskrit dengan skala ukur nominal atau ordinal.
(2). Variabel Kuantitatif, adalah variabel yang menujukkan sifat kuantitas, akan
menghasilkan data kuantitatif melalui cara pencacahan, atau pengukuran, atau
pemeriksaan laboratorium dll, yang bisa berupa data diskrit atau kontinyu dengan
skala ukur interval dan rasio.
Ditinjau dari keberadaan, keterkaitan, dan struktur pengaruhnya variabel dapat
dibedakan menjadi :
(1). Variabel tergantung (Dependent Varibel) adalah suatu variabel yang menjadi
pusat perhatian peneliti (tercakup dalam hipotesis penelitian), yang keragamannya
(variabeilitasnya) ditentukan atau tergantung atau dipengaruhi oleh variabel lain.
(2). Variebel bebas (independent variabel), adalah suatu variabel yang menjadi pusat
perhatian peneliti (termuat dalam permasalahan penelitian) yang keragamannya
sebagai akibat dari manipulasi atau intervensi peneliti atau merupakan suatu
keadaan atau kondisi atau fenomena yang ingin diselidiki, diteliti dan dikaji.
Variabel ini mempengaruhi variabel tergantung.
(3). Variabel Pembaur (confounding variabel), adalah suatu variabel dalam penelitian
yang tidak menjadi pusat perhatian peneliti dan berpengaruh terhadap variabel
tergantung dan pengaruh tersebut mencampuri atau berbaur dengan variabel
bebas. Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas
terhadap tergantung yang tentunya pengaruh tersebut harus terbebas dari
berbaurnya pengaruh variabel-variabel yang lain
(4). Variabel penyerta (Concomitant) adalah suatu variabel dalam penelitian yang
tidak merupakan pusat perhatian peneliti, akan tetapi muncul dan berpengaruh
terhadap keragaman variabel tergantung dan pengaruh tersebut membaur
(cofounding) dengan variabel bebas. Variabel ini tidak dapat dikendalikan , sehingga
tetap menyertai (terikut) dalam proses penelitian, dengan konsekuensi data harus
diamati dan pengaruh baurnya harus dieliminir. Pengaruh baur tersebut dapat
dihilangkan (dieliminasi) pada tahap analisi data, misalnya dengan Ancova atau
Mancova.
(5). Variabel Kendali (control Variabel) adalah variabel yang bukan merupakan pusat
perhatian peneliti, akan tetapi berpengaruh terhadap keragaman variabel
tergantung dan pengaruh tersebut dapat dikendalikan. Pengendalian ini biasanya
dilakukan dengan cara blocking, yaitu mengelompokkan obyek penelitian menjadi
kelompok-kelompok
yang relatip homogen
atau dengan cara ekxklusi
(mengeluarkan obyek yang tidak memenuhi kriteria) dan inklusi (memilih dan
menjadikan obyek yang memenuhi kriteria untuk diikutkan dalam penelitian /
kajian). Bilamana dilakukan dengan cara pengelompokan (blocking), maka pada
tahap analisis data pengaruh blocking ini harus dihilangkan, misalnya dengan
ANOVA Two Way.
Analisis Data
Halaman 4 dari 10
2. METODA ANALISIS DATA
Kualitas data yang digunakan sangat menentukan hasil atau kesimpulan yang
diperoleh. Bila datanya berkualitas baik maka informasi yang akan diperoleh juga baik
dan sebaliknya. Kualitas data ditentukan oleh akurasinya. Data yang tidak akurat
ditunjukkan oleh adanya data pencilan (outliers). Data ini harus dibuang agar tidak
merusak hasil. Selain itu juga diperlukan pemeriksaan normalitas data.
(1). Analisis Deskriptif
Analisis deskriptif berhubungan dengan pengumpulan dan peringkasan data,
serta penyajian hasil peringkasan tersebut. Analisis data diskriptif sangat bermanfaat
untuk menganalisis data populasi atau untuk menganalisis kajian atau penelitian yang
obyeknya berupa populasi. Kajian atau penelitian demikian bisa jadi dalam bentuk studi
kasus. Kaidah pemilihan metoda analisis diskriptif dikaitkan dengan jenis data
berdasarkan skala ukurnya disajikan pada tabel berikut :
JENIS DATA
Nominal
Ordinal
Interval
Ratio
dan
PENATAAN
Tabel
(distribusi
frekuensi)
Tabel
(distribusi
frekuensi)
Tabel
(distribusi
frekuensi)
PERINGKASAN
PEMUSATAN
PENYEBARAN
Modus
Banyaknya
jenis data
PENGGAMBARAN
Modus
Median
Rentang
Histogram
Diagram pastel
Modus
Median
Mean
Rentang
Varians
Histogram
Diagram pastel
Kurva
Histogram
Diagram pastel
(2). Analisis Parametrik Dan Nonparametrik
Pada dasarnya data statistik terbagi menjadi dua macam, Yaitu :
(i)
Statisitik parametrik
Statistik parametrik dapat dilakukan jika sampel yang akan dipakai berasal dari
populasi yang berdistribusi normal. Jumlah data yang digunakan dalam analisis
ini minimal 30 sampel dan menggunakan yang berupa data interval dan ratio
(ii)
Statisitik Non parametrik
Statistik non parametrik digunakan untuk menganalisis data jumlahnya dibawah
30 (sangat sedikit) serta datanya berupa data ordinal dan nominal. Disamping itu
metoda non parametrik tidak mengharuskan data berdistribusi normal, karena itu
metoda ini sering dinamakan uji distribusi bebas (distribution free test). Dengan
demikian metoda ini dapat dipakai untuk segala distribusi data dan lebih luas
penggunaanya.
Gambar : pengukuran dan statistik untuk data parametrik dan non parametrik
Nominal
Tidak
Normal
Non
Parametrik
Log, Ln, delta
(first difference),
Ordinal
Interval
Analisis Data
Jumlah Data
diatas 30
Tidak
Tansformasi
Periksa
Normalitas
Ya
Mendekati
Normal
Parametrik
Halaman 5 dari 10
Ratio
(3). Analisis Hubungan
Analisis hubungan secara garis besar dibedakan menjadi analisis keeratan
hubungan (korelasi), bentuk hubungan (regresi atau model aritmatika) dan analisis
sebab akibat (analisis jalur atau path analisis, LISREL). Pada tulisan ini akan
diuraikan kesesuaian
setiap metoda
dengan jenis data berdasarkan skala
pengukurannya. Disamping itu juga akan kelihatan kesetaraan berbagai metoda
analisis, misalnya parametrik dengan non parametrik. Selengkapnya lihat tabel
berikut ini :
ANALISIS UNIVARIATE
KORELASI
DATA
X
Y
Nominal
Nominal
Nominal
Ordinal
Nominal
Ordinal
Interval
dan
Ratio
Nominal
Ordinal
Ordinal
Ordinal
Interval
dan
Ratio
Kontigensi C
Odd Ratio
Realtive Risk
Kontigensi C
Odd Ratio
Realtive Risk
Biserial
Kontigensi C
Odd Ratio
Realtive Risk
Rank Spearman
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
Rank Spearman
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
Biserial
Interval
dan
Ratio
Interval
dan
Ratio
Nominal
Ordinal
Rank
Rank
Rank
Rank
Interval
dan
Ratio
Interval
dan
Ratio
Product Moment Pearson
Kanonik
Spearman
Kendall
Partial Kendall
Konkordansi Kendall
REGRESI
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik dummy variabel
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik, Dummy variabel
Regresi Theil
Regresi garis resisten
Regresi, dummy variabel
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik, dummy variabel
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik, Dummy variabel
Regresi Theil
Regresi garis resisten
Regresi, dummy variabel
Logit/logistik, Probit, LPM
Diskriminan
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik, Dummy variabel
Regresi Theil
Regresi garis resisten
Regresi
ANALISIS KETERGANTUNGAN MULTIVARIATE
Nominal dan Ordinal
Interval dan ratio
Analisis Korespondensi
Path Analisis
Principle Component Analysis
Faktor Analisis
Byplot analisis
LISREL
Nominal, Ordinal,
Cluster Analysis
ANALISIS MULTIVARIATE
Analisis Data
Halaman 6 dari 10
Interval dan ratio
Conjoint Analysis
Multidimentional Scalling (MDS)
(4). Analisi Perbandingan (Komparatif)
Analisis perbandingan dapat dibedakan menjadi pembandingan satu populasi
(terhadap nilai tertentu / standart yang dihipotesiskan), pembandingan dua populasi
dan pembandingan lebih dari dua populasi. Disamping itu juga dibedakan menjadi
parametrik dengan non parametrik, dan univariate dengan multivariate. Kaidah
pemilihan perbandingan komparasi selengkapnya dapat dilihat pada tabel berikut :
JENIS DATA
SATU POPULASI
Nominal
Uji Binomium
Uji
Ordinal
Interval
rasio
ANALISIS NONPARAMETRIK
DUA POPULASI
PAIRED
UNPIRED
Uji McNemar
Uji Eksak Fisher
Uji Q Chocran
Uji Tanda
Uji Tanda Wilcoxon
Uji Median
Uji MannWhitney
Uji Kolmogorof
Uji Wald W.
Uji Moses
Uji Friedman
2
Uji Kolmogorof S.
Uji deret
dan
Uji
2
Uji Kruskall Wallis
Uji Walsh
Uji Randomisasi
ANALISIS PARAMETRIK
DUA POPULASI
PAIRED
UNPIRED
JENIS DATA
SATU POPULASI
Interval
rasio
Uji Z,
diketahui
Z,
Uji
diketahui
tdk
Uji Z,
diketahui
dan
LEBIH DARI DUA POPULASI
PAIRED
UNPAIRED
2
2
Z,
2
diketahui
2
tdk
Z,
diketahui
2
Uji Z,
diketahui
2
tdk
LEBIH DARI DUA POPULASI
PAIRED
UNPAIRED
Uji F: melalui
Anova (Dengan
pemblokan RAK,
RBSL)
UUji F : melalui
Anova
(tanpa
pemblokan RAL)
JENIS DATA
ANALISIS PEUBAH GANDA (MULTIVARIATE)
SATU POPULASI
DUA POPULASI
LEBIH DARI DUA POPULASI
PAIRED
UNPIRED
PAIRED
UNPAIRED
Interval
rasio
Uji
dan
2
diketahui
Uji T2 Hotelling ,
tdk diketahui
Uji T2 Hotelling ,
tdk diketahui
Uji T2
Hotelling
Uji Wilk Lamda
melalui
MANOVA
(dengan
pemblokan RAK,
RBSL)
Uji Wilk Lamda
melalui MANOVA
(tanpa pemblokan
RAL)
(5). Analisis Peubah Tunggal (Univariate) dan peubah Ganda (multivariate)
Untuk mengukur keeratan hubungan dan pengaruh diantara hasil-hasil
pengamatan dari populasi yang mempunyai dua atau lebih varian maka dilakukan
dengan analisis peubah tunggal (univariate) akan tetapi apabila dalam suatu
penelitian melibatkan banyak variabel
dan antar variabel tersebut
saling
berkorelasi, maka analisis yang tepat adalah analisis peubah ganda (multivariate).
Berikut ini skema kaidah penggunaan analisis Univariate dan multivariate :
Analisis Data
Halaman 7 dari 10
Analisis Data
Halaman 8 dari 10
Analisis Peubah Tunggal
Adakah dependen
variabel dalam penelitian
Ya
Ya
Apakah lebih dari satu
Tidak
Tidak
Apakah variabelnya berupa angka
Apakah variabelnya berupa angka/bukan angka
Apakah variabelnya berupa angka/bukan angka
Bukan
Angka
Bukan
Angka
Angka
Apakah variabelnya
Independennya
berupa angka/bukan
angka
Apakah variabelnya
independenya
berupa angka/bukan
angka
Bukan
Angka
Bukan
Angka
Angka
Angka
Analisi Kojoin
Bukan
Angka
Apakah variabelnya
independenya
berupa angka/bukan
angka
Angka
Angka
MANOVA
Analisis Diskriminan berganda
Analisis logit dan probit
Regresi berganda- Analisis klasifikasi
berganda- pendeteksian interaksi berganda
Analisis MCA dengan variabel Dummy
Analisis Kanonik dengan dummy
Regresi berganda dengan variabel dummy
Klasifikasi Analisis Peubah Tunggal (Hair et all, 1993; Malhotra, 1993)
Analisis Data
Bukan
Angka
Halaman 9 dari 10
Analisi Kanonik
Lisrel
Analisis faktor
bukan angka
Analisi struktur
variabel
tersembunyi
MDS bukan angka
Analisis cluster
bukan angka
Angka
Analisis Cluster
Analisi faktor
Multidimensional
Scaling
ANALISIS PEUBAH GANDA
Apa Tipe Hubungan
yang akan diteliti
Dependensi
InterDependensi
Berapa Variabel yang
terlibat
Multi hubungan pd bbrp variabel
dependen dan independen
Analisis
Model
Analisis Path
Struktur Hubungan
APA
bbrp variabel dependen
pada satu hubungan
Satu variabel dependen
pada satu hubungan
Apa Skala Ukur Var
Dependen
Angka
Apa Skala Ukur Var
Dependen
Bukan
Angka
Angka
Bukan Angka
Structural equation
modelling
Apa Skala Ukur
Var Dependen
Bukan
Angka
Angka
Analisis Korelasi
kanonik
Analisis Data
Korelasi Kanonik
dgn Var Dummy
Analisis Regresi
peubah ganda
Analisis
Regresi
berganda
Analisis
Diskriminan
Logistik
Logit
Probit
LPM
Gompit
Tobit
Variabel
Prin. Component
Analysis
Faktor Analisis
Cases
similarity
Variabel
Cluster
analisis
Apa Skala Ukur data dan
similaritasnya
Angka dan bukan
angka
Object Similarity
Variabel
Category
Similarity
Multidimensional
Scalling
Coresponden
Analisis
MANOVA atau
MANCOVA
Halaman 10 dari 10
Klasifikasi Analisis Peubah Ganda (Hair et all, 1993; Malhotra, 1993)
Oleh.
Nisfatul Izzah, SE., M.A.
Dalam statistika terdapat banyak metoda analisis data. Masing-masing metoda
analisis data memiliki kegunaan yang spesifik disamping asumsi (syarat penggunaan,
seperti sifat data, jumlah variabel, tujuan penelitian) yang harus dipenuhi sehingga
kesimpulan yang diambil tidak salah. Oleh karena itu pengguna statistika harus dapat
melakukan pemilihan metoda analisis yang tepat. Untuk dapat memilih metoda analisis
data yang tepat diperlukan pengetahuan dan pemahaman yang mendalam tentang Data
dan Variabel.
1. DATA DAN VARIABEL
1.2 Data
Data merupakan bentuk jamak dari datum, yang mempunyai arti
pemberian atau penyajian. Secara definitif dapat diartikan sebagai berikut :
kurnia,
Kumpulan angka. Fakta, fenomena, atau keadaan yang merupakan hasil
pengamatan, pengukuran, atau pencacahan terhadap karakteristik atau sifat dari
obyek yang dapat berfungsi untuk membedakan obyek yang satu dengan
lainnya pada sifat yang sama (Solimun :2001:2)
Untuk lebih jelasnya dapat dilihat pada ilustrasi tabel 1 berikut ini :
Tabel : Beberapa obyek penelitian, sifat-sifat yang dimiliki dan datanya
Obyek
Mahasiswa
BUKU
PERUSAHAAN
Karakteristik
Nim
Semester
Jurusan
Ipk
Judul
Nama Pengarang
Jenis Kelamin
Modal
Bentuk
Aset
Pemilik
Hasil Amatan
00110035
VI
Manajemen
3,9
Kiat-kiat sukses menjadi Pengusaha
Puji Rahayu, SE., MM
Laki-laki
Satu Trilyun
Perseroan Terbatas
Seratus Milyard
Luqman, SE., Ak
Dalam Statistika disebut :
Obyek kajian
Variabel atau
peubah
Datum (Jamak=Data)
1.2.1 Jenis Data Berdasarkan Skala Ukurannya
Berdasarkan skala pengukurannya, data dapat dibedakan menjadi data nominal,
ordinal, interval dan ratio .
a. Data Nominal, adalah data yang hanya mengandung unsur penamaan. Skala ini
mempunyai dua ciri :
Analisis Data
Halaman 1 dari 10
(1) kategori data bersifat mutually exclusive (satu objek masuk hanya pada satu
kelompok saja),
(2) kategori data tidak disusun secara logis.
Misalnya :
Jurusan Mahasiswa
Pendidikan Agama Islam
Ilmu pengetahuan sosial
Psikologi
Skor yang mungkin
1
3
2
2
2
1
3
1
3
Statistika adalah pendekatan kuantitatif, sehingga data nominal yang bersifat kualitatif
harus dirubah menjadi data kuantitatif dengan cara pemberian skor (skoring). Yang
perlu diperhatikan bahwa dalam pemberian skor data nominal bersifat sembarang,
yaitu hanya sekedar untuk dapat membedakan (penamaan saja) sehingga dapat di
bolak-balik.
b. Data Ordinal, Adalah data yang selain mengandung unsur penamaan juga memiliki
unsur urutan (order=urut). Ciri dari data ini kategori data disusun berdasarkan urutan
logis dan sesuai dengan besarnya karakteristik yang dimiliki. Misalnya :
Preferensi
Peralatan dan Teknologi canggih (seperti komputer)
yang dimiliki BRI
Penataan desain dan baik interior maupun eksterior
BRI
Penampilan dan kerapihan karyawan BRI
Kebersihan dan kenyamanan fasilitas BRI
Peralatan dan Teknologi canggih (seperti komputer)
yang dimiliki BRI
Skor yang mungkin
1
5
2
4
3
4
5
3
2
1
Perhatikan dengan seksama pembuatan skor antara data nominal dan ordinal,
dimana untuk data nominal skor tersebut dapat dibuat sembarang yaitu hanya
sekedar dapat membedakan. Akan tetapi untuk data ordinal, urutan angka dalam
skor menunjukkan arah tingkatan. Pada data ordinal ini, interval (selangnya) tidak
mempunyai arti (tidak bermakna). Misalnya selisih antara skor 4 dengan 2 adalah 2
dans elisih antara 3 dengan 1 adalah 2 dengan 2 arti dan makna yang tidak sama.
c. Data interval, adalah data yang selain mengandung unsur penamaan dan urutan juga
memiliki sifat interval (selangnya bermakna). Disamping itu data ini memliki ciri angka
nolnya tidak mutlak. Skala interval mempunyai ciri matematis additivity, artinya kita
dapat menambah atau mengurangi. Misalnya :
Pernyataan
Peralatan dan Teknologi canggih (seperti komputer)
yang dimiliki BRI
Penataan desain dan baik interior maupun eksterior
BRI
Penampilan dan kerapihan karyawan BRI
Kebersihan dan kenyamanan fasilitas BRI
Peralatan dan Teknologi canggih (seperti komputer)
yang dimiliki BRI
Analisis Data
SS
S
C
TS
STS
Halaman 2 dari 10
Ket : SS = Sangat Setuju, S = Setuju, C = Cukup, TS = Tidak Setuju, STS = Sangat
Tidak Setuju
d. Data ratio, adalah data yang memiliki unsur penamaan, urutan, intervalnya bermakna
dan angka nolnya mutlak (fixed zero point), sehingga rationya mempunyai makna.
Misalnya :
Luas bangunan
(m2)
5
10
20
22
25
Produksi
(satuan)
500
600
650
750
900
Disebut nolnya mutlak sebab memang tidak akan ada perusahaan yang produksinya
0. kalau produksinya nol berarti tidak ada perusahaan. Atau jika ada bangunan
dengan luas 0 m2 itu berarti tidak ada bangunannya.
1.2.2 Jenis Data berdasarkan sifat kekontinyuannya.
Berdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan
menjadi data diskrit dan data kontinyu.
a. Data diskrit, adalah data yang hanya dapat menempati titik-titik tertentu pada
sebuah garis. Misalnya :
Jumlah mahasiswa di STAIN Malang dari tahun 1995 – 2001
3000 3500 4000 4500 5000 5500 6000
+
+
+
+
+
+
+
Pada data diatas jumlah mahasiswa hanya dapat menempati pada titik +
b. Data Kontinyu, adalah data yang dapat menempati seluruh titik pada sebuah
garis. Misal : Data Pendapatan Orang tua mahasiswa = 300 ribu s/d 2 juta rupiah
300 ribu
2 juta
++++++++++++++++++++++++++++++++
Pada gambar diatas data pendapatan orang tua mahasiswa dapat menempati
semua titik.
Jika kedua klasifikasi data tersebut di kombinasikan, maka akan diperoleh seperti
pada tabel 2 sebagai berikut :
DISKRIT
NOMINAL
V
ORDINAL
V
INTERVAL
V
RATIO
V
Keterangan : V bersesuaian
KONTINYU
V
V
Berbagai jenis data tersebut menghendaki metoda analisis data yang berbeda.
Konsekuensinya adalah diperlukan pemilihan metodayang tepat agar dapat diperoleh
informasi yang valid (absah), sehingga kesimpulan penelitian atau keputusan yang
didasarkan pada informasi hasil analisis tersebut juga bersifat shahih.
Analisis Data
Halaman 3 dari 10
1.3. Variabel
Variabel adalah karakteristik atau sifat dari obyek kajian, yang mana data diamati
atau diukur atau dicacah dari padanya. Ditinjau dari sifatnya variabel dapat dibedakan
menjadi variabel kualitatif dan kuantitatif.
(1). Variabel Kualitatif adalah menunjukkan sifat kualitas dari obyek yang
menghasilkan
data kualitatif melalui pengamatan. Dalam menganalisis data
kualitatif (yang berasal dari data kualitatif ini), bila mana akan menggunakan
metoda statistika maka data kualitatif tersebut harus dikuantitatifkan melalui cara
pemberian skor
(skoring). Hal ini diperlukan mengingat
metoda statistika
merupakan metoda komputasi dengan pendekatan kuantitatif. Data demikian ini
termasuk data diskrit dengan skala ukur nominal atau ordinal.
(2). Variabel Kuantitatif, adalah variabel yang menujukkan sifat kuantitas, akan
menghasilkan data kuantitatif melalui cara pencacahan, atau pengukuran, atau
pemeriksaan laboratorium dll, yang bisa berupa data diskrit atau kontinyu dengan
skala ukur interval dan rasio.
Ditinjau dari keberadaan, keterkaitan, dan struktur pengaruhnya variabel dapat
dibedakan menjadi :
(1). Variabel tergantung (Dependent Varibel) adalah suatu variabel yang menjadi
pusat perhatian peneliti (tercakup dalam hipotesis penelitian), yang keragamannya
(variabeilitasnya) ditentukan atau tergantung atau dipengaruhi oleh variabel lain.
(2). Variebel bebas (independent variabel), adalah suatu variabel yang menjadi pusat
perhatian peneliti (termuat dalam permasalahan penelitian) yang keragamannya
sebagai akibat dari manipulasi atau intervensi peneliti atau merupakan suatu
keadaan atau kondisi atau fenomena yang ingin diselidiki, diteliti dan dikaji.
Variabel ini mempengaruhi variabel tergantung.
(3). Variabel Pembaur (confounding variabel), adalah suatu variabel dalam penelitian
yang tidak menjadi pusat perhatian peneliti dan berpengaruh terhadap variabel
tergantung dan pengaruh tersebut mencampuri atau berbaur dengan variabel
bebas. Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas
terhadap tergantung yang tentunya pengaruh tersebut harus terbebas dari
berbaurnya pengaruh variabel-variabel yang lain
(4). Variabel penyerta (Concomitant) adalah suatu variabel dalam penelitian yang
tidak merupakan pusat perhatian peneliti, akan tetapi muncul dan berpengaruh
terhadap keragaman variabel tergantung dan pengaruh tersebut membaur
(cofounding) dengan variabel bebas. Variabel ini tidak dapat dikendalikan , sehingga
tetap menyertai (terikut) dalam proses penelitian, dengan konsekuensi data harus
diamati dan pengaruh baurnya harus dieliminir. Pengaruh baur tersebut dapat
dihilangkan (dieliminasi) pada tahap analisi data, misalnya dengan Ancova atau
Mancova.
(5). Variabel Kendali (control Variabel) adalah variabel yang bukan merupakan pusat
perhatian peneliti, akan tetapi berpengaruh terhadap keragaman variabel
tergantung dan pengaruh tersebut dapat dikendalikan. Pengendalian ini biasanya
dilakukan dengan cara blocking, yaitu mengelompokkan obyek penelitian menjadi
kelompok-kelompok
yang relatip homogen
atau dengan cara ekxklusi
(mengeluarkan obyek yang tidak memenuhi kriteria) dan inklusi (memilih dan
menjadikan obyek yang memenuhi kriteria untuk diikutkan dalam penelitian /
kajian). Bilamana dilakukan dengan cara pengelompokan (blocking), maka pada
tahap analisis data pengaruh blocking ini harus dihilangkan, misalnya dengan
ANOVA Two Way.
Analisis Data
Halaman 4 dari 10
2. METODA ANALISIS DATA
Kualitas data yang digunakan sangat menentukan hasil atau kesimpulan yang
diperoleh. Bila datanya berkualitas baik maka informasi yang akan diperoleh juga baik
dan sebaliknya. Kualitas data ditentukan oleh akurasinya. Data yang tidak akurat
ditunjukkan oleh adanya data pencilan (outliers). Data ini harus dibuang agar tidak
merusak hasil. Selain itu juga diperlukan pemeriksaan normalitas data.
(1). Analisis Deskriptif
Analisis deskriptif berhubungan dengan pengumpulan dan peringkasan data,
serta penyajian hasil peringkasan tersebut. Analisis data diskriptif sangat bermanfaat
untuk menganalisis data populasi atau untuk menganalisis kajian atau penelitian yang
obyeknya berupa populasi. Kajian atau penelitian demikian bisa jadi dalam bentuk studi
kasus. Kaidah pemilihan metoda analisis diskriptif dikaitkan dengan jenis data
berdasarkan skala ukurnya disajikan pada tabel berikut :
JENIS DATA
Nominal
Ordinal
Interval
Ratio
dan
PENATAAN
Tabel
(distribusi
frekuensi)
Tabel
(distribusi
frekuensi)
Tabel
(distribusi
frekuensi)
PERINGKASAN
PEMUSATAN
PENYEBARAN
Modus
Banyaknya
jenis data
PENGGAMBARAN
Modus
Median
Rentang
Histogram
Diagram pastel
Modus
Median
Mean
Rentang
Varians
Histogram
Diagram pastel
Kurva
Histogram
Diagram pastel
(2). Analisis Parametrik Dan Nonparametrik
Pada dasarnya data statistik terbagi menjadi dua macam, Yaitu :
(i)
Statisitik parametrik
Statistik parametrik dapat dilakukan jika sampel yang akan dipakai berasal dari
populasi yang berdistribusi normal. Jumlah data yang digunakan dalam analisis
ini minimal 30 sampel dan menggunakan yang berupa data interval dan ratio
(ii)
Statisitik Non parametrik
Statistik non parametrik digunakan untuk menganalisis data jumlahnya dibawah
30 (sangat sedikit) serta datanya berupa data ordinal dan nominal. Disamping itu
metoda non parametrik tidak mengharuskan data berdistribusi normal, karena itu
metoda ini sering dinamakan uji distribusi bebas (distribution free test). Dengan
demikian metoda ini dapat dipakai untuk segala distribusi data dan lebih luas
penggunaanya.
Gambar : pengukuran dan statistik untuk data parametrik dan non parametrik
Nominal
Tidak
Normal
Non
Parametrik
Log, Ln, delta
(first difference),
Ordinal
Interval
Analisis Data
Jumlah Data
diatas 30
Tidak
Tansformasi
Periksa
Normalitas
Ya
Mendekati
Normal
Parametrik
Halaman 5 dari 10
Ratio
(3). Analisis Hubungan
Analisis hubungan secara garis besar dibedakan menjadi analisis keeratan
hubungan (korelasi), bentuk hubungan (regresi atau model aritmatika) dan analisis
sebab akibat (analisis jalur atau path analisis, LISREL). Pada tulisan ini akan
diuraikan kesesuaian
setiap metoda
dengan jenis data berdasarkan skala
pengukurannya. Disamping itu juga akan kelihatan kesetaraan berbagai metoda
analisis, misalnya parametrik dengan non parametrik. Selengkapnya lihat tabel
berikut ini :
ANALISIS UNIVARIATE
KORELASI
DATA
X
Y
Nominal
Nominal
Nominal
Ordinal
Nominal
Ordinal
Interval
dan
Ratio
Nominal
Ordinal
Ordinal
Ordinal
Interval
dan
Ratio
Kontigensi C
Odd Ratio
Realtive Risk
Kontigensi C
Odd Ratio
Realtive Risk
Biserial
Kontigensi C
Odd Ratio
Realtive Risk
Rank Spearman
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
Rank Spearman
Rank Kendall
Rank Partial Kendall
Rank Konkordansi Kendall
Biserial
Interval
dan
Ratio
Interval
dan
Ratio
Nominal
Ordinal
Rank
Rank
Rank
Rank
Interval
dan
Ratio
Interval
dan
Ratio
Product Moment Pearson
Kanonik
Spearman
Kendall
Partial Kendall
Konkordansi Kendall
REGRESI
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik dummy variabel
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik, Dummy variabel
Regresi Theil
Regresi garis resisten
Regresi, dummy variabel
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik, dummy variabel
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik, Dummy variabel
Regresi Theil
Regresi garis resisten
Regresi, dummy variabel
Logit/logistik, Probit, LPM
Diskriminan
Logit, Probit, LPM
Diskriminan, Dummy variabel,
Logistik, Dummy variabel
Regresi Theil
Regresi garis resisten
Regresi
ANALISIS KETERGANTUNGAN MULTIVARIATE
Nominal dan Ordinal
Interval dan ratio
Analisis Korespondensi
Path Analisis
Principle Component Analysis
Faktor Analisis
Byplot analisis
LISREL
Nominal, Ordinal,
Cluster Analysis
ANALISIS MULTIVARIATE
Analisis Data
Halaman 6 dari 10
Interval dan ratio
Conjoint Analysis
Multidimentional Scalling (MDS)
(4). Analisi Perbandingan (Komparatif)
Analisis perbandingan dapat dibedakan menjadi pembandingan satu populasi
(terhadap nilai tertentu / standart yang dihipotesiskan), pembandingan dua populasi
dan pembandingan lebih dari dua populasi. Disamping itu juga dibedakan menjadi
parametrik dengan non parametrik, dan univariate dengan multivariate. Kaidah
pemilihan perbandingan komparasi selengkapnya dapat dilihat pada tabel berikut :
JENIS DATA
SATU POPULASI
Nominal
Uji Binomium
Uji
Ordinal
Interval
rasio
ANALISIS NONPARAMETRIK
DUA POPULASI
PAIRED
UNPIRED
Uji McNemar
Uji Eksak Fisher
Uji Q Chocran
Uji Tanda
Uji Tanda Wilcoxon
Uji Median
Uji MannWhitney
Uji Kolmogorof
Uji Wald W.
Uji Moses
Uji Friedman
2
Uji Kolmogorof S.
Uji deret
dan
Uji
2
Uji Kruskall Wallis
Uji Walsh
Uji Randomisasi
ANALISIS PARAMETRIK
DUA POPULASI
PAIRED
UNPIRED
JENIS DATA
SATU POPULASI
Interval
rasio
Uji Z,
diketahui
Z,
Uji
diketahui
tdk
Uji Z,
diketahui
dan
LEBIH DARI DUA POPULASI
PAIRED
UNPAIRED
2
2
Z,
2
diketahui
2
tdk
Z,
diketahui
2
Uji Z,
diketahui
2
tdk
LEBIH DARI DUA POPULASI
PAIRED
UNPAIRED
Uji F: melalui
Anova (Dengan
pemblokan RAK,
RBSL)
UUji F : melalui
Anova
(tanpa
pemblokan RAL)
JENIS DATA
ANALISIS PEUBAH GANDA (MULTIVARIATE)
SATU POPULASI
DUA POPULASI
LEBIH DARI DUA POPULASI
PAIRED
UNPIRED
PAIRED
UNPAIRED
Interval
rasio
Uji
dan
2
diketahui
Uji T2 Hotelling ,
tdk diketahui
Uji T2 Hotelling ,
tdk diketahui
Uji T2
Hotelling
Uji Wilk Lamda
melalui
MANOVA
(dengan
pemblokan RAK,
RBSL)
Uji Wilk Lamda
melalui MANOVA
(tanpa pemblokan
RAL)
(5). Analisis Peubah Tunggal (Univariate) dan peubah Ganda (multivariate)
Untuk mengukur keeratan hubungan dan pengaruh diantara hasil-hasil
pengamatan dari populasi yang mempunyai dua atau lebih varian maka dilakukan
dengan analisis peubah tunggal (univariate) akan tetapi apabila dalam suatu
penelitian melibatkan banyak variabel
dan antar variabel tersebut
saling
berkorelasi, maka analisis yang tepat adalah analisis peubah ganda (multivariate).
Berikut ini skema kaidah penggunaan analisis Univariate dan multivariate :
Analisis Data
Halaman 7 dari 10
Analisis Data
Halaman 8 dari 10
Analisis Peubah Tunggal
Adakah dependen
variabel dalam penelitian
Ya
Ya
Apakah lebih dari satu
Tidak
Tidak
Apakah variabelnya berupa angka
Apakah variabelnya berupa angka/bukan angka
Apakah variabelnya berupa angka/bukan angka
Bukan
Angka
Bukan
Angka
Angka
Apakah variabelnya
Independennya
berupa angka/bukan
angka
Apakah variabelnya
independenya
berupa angka/bukan
angka
Bukan
Angka
Bukan
Angka
Angka
Angka
Analisi Kojoin
Bukan
Angka
Apakah variabelnya
independenya
berupa angka/bukan
angka
Angka
Angka
MANOVA
Analisis Diskriminan berganda
Analisis logit dan probit
Regresi berganda- Analisis klasifikasi
berganda- pendeteksian interaksi berganda
Analisis MCA dengan variabel Dummy
Analisis Kanonik dengan dummy
Regresi berganda dengan variabel dummy
Klasifikasi Analisis Peubah Tunggal (Hair et all, 1993; Malhotra, 1993)
Analisis Data
Bukan
Angka
Halaman 9 dari 10
Analisi Kanonik
Lisrel
Analisis faktor
bukan angka
Analisi struktur
variabel
tersembunyi
MDS bukan angka
Analisis cluster
bukan angka
Angka
Analisis Cluster
Analisi faktor
Multidimensional
Scaling
ANALISIS PEUBAH GANDA
Apa Tipe Hubungan
yang akan diteliti
Dependensi
InterDependensi
Berapa Variabel yang
terlibat
Multi hubungan pd bbrp variabel
dependen dan independen
Analisis
Model
Analisis Path
Struktur Hubungan
APA
bbrp variabel dependen
pada satu hubungan
Satu variabel dependen
pada satu hubungan
Apa Skala Ukur Var
Dependen
Angka
Apa Skala Ukur Var
Dependen
Bukan
Angka
Angka
Bukan Angka
Structural equation
modelling
Apa Skala Ukur
Var Dependen
Bukan
Angka
Angka
Analisis Korelasi
kanonik
Analisis Data
Korelasi Kanonik
dgn Var Dummy
Analisis Regresi
peubah ganda
Analisis
Regresi
berganda
Analisis
Diskriminan
Logistik
Logit
Probit
LPM
Gompit
Tobit
Variabel
Prin. Component
Analysis
Faktor Analisis
Cases
similarity
Variabel
Cluster
analisis
Apa Skala Ukur data dan
similaritasnya
Angka dan bukan
angka
Object Similarity
Variabel
Category
Similarity
Multidimensional
Scalling
Coresponden
Analisis
MANOVA atau
MANCOVA
Halaman 10 dari 10
Klasifikasi Analisis Peubah Ganda (Hair et all, 1993; Malhotra, 1993)