Pengukuran metode penelitian pengukuran produktivitas
A. Pengertian Pengukuran
Pengukuran (measurement) dapat didefinisikan sebagai suatu proses
sistematik dalam menilai (memberikan angka) dan membedakan karakteristik
sesuatu obyek yang diukur. Pengukuran tersebut diatur menurut aturan/ kaidah
tertentu. Aturan/ kaidah yang berbeda menghendaki skala dan pengkuran yang
berbeda pula.
Dalam mengolah dan menganalisis data, sangat penting
memperhatikan sifat dasar skala pengukuran yang digunakan. Operasi-operasi
matematik serta pilihan rumus statistik yang digunakan dalam pengolahan data,
memiliki persyaratan tertentu dalam hal skala pengukuran datanya. Ketidaksesuaian
antara skala pengukuran dengan operasi matematik/ rumus statistik yang digunakan
akan menghasilkan kesimpulan yang bias, tidak tepat dan tidak relevan. Oleh karena
itu, sebelum membahas teknik-teknik analisis statistika perlu diketahui dan dipahami
jenis tingkat pengukuran data.
Ada empat jenis tingkat pengukuran data, yaitu: nominal, ordinal, interval dan rasio.
1. Nominal
Tingkatan pengukuran data nominal merupakan tingkatan data yang paling
rendah. Obyek, kejadian-kejadian, sifat atau orang dikelompokkan dalam suatu
kategori tertentu dan tidak menggambarkan kedudukannya terhadap kategori yang
lain tetapi hanya sebagai label/ kode/ lambang/ simbol saja. Pemberian angka atau
simbol tidak memiliki maksud kuantitatif hanya menunjukkan ada atau tidaknya
atribut atau karakteristik pada obyek, kejadian, sifat atau orang yang diukur. Ciri-ciri
data nominal adalah hanya sebagai label/ kode/ lambang/ simbol, hanya
membedakan, dan hasil menghitung.
Data nominal adalah data kualitatif dan tidak memiliki nilai instrinsik, karena
itu angka-angka (kode-kode) tidak memiliki sifat seperti bilangan pada umumnya.
Oleh karena itu, pada variabel dengan pengukuran nominal tidak dapat diterapkan
operasi standar matematika (aritmatika) seperti pengurangan, penjumlahan,
perkalian, dan sebagainya. Analisis statistik yang sesuai untuk data nominal adalah
statistik nonparametrik: Binomial Test, χ2 One Sample Test, Mc. Nemar for the
Significant of change, χ2 Test for Two Independent Sample, Fisher Exact Probability
Test, Chohran Q-Test (χ2 Test for k Independent Samples dan Contingency
Coefficient.
Contoh data nominal:
Nomor mahasiswa
: 12020411005, 12020411245, 12020411673.
Nomor handphone
: 081366980231, 085266896754, 085788876765.
Nilai pada mata uang
: 500, 1000, 5000, 10.000, 50.000, 100.000.
Jenis kelamin
: 1 = perempuan dan 2 = laki-laki
Partai politik pemilu 2014 : 1 = Nasdem, 2 = PKB, 3 = PKS, 4 = PDIP, dst.
2. Ordinal
Tingkat pengukuran ordinal adalah data yang berasal dari kategori yang
didasarkan pada ranking disusun secara berjenjang dari tingkat terendah sampai
tertinggi atau sebaliknya dengan jarak/ rentang yang tidak harus sama. Angka atau
huruf yang diberikan mengandung tingkatan, sehingga dari kelompokk yang
terbentuk dapat dibuat peringkat yang menyatakan hubungan lebih dari atau kurang
dari menurut aturan penataan tertentu. Selain itu, angka atau huruf yang diberikan
kepada obyek hanya menyatakan tempat dalam suatu susunan, tidak menyatakan
apa-apa mengenai jarak dari satu datum ke datum lainnya. Dengan kata lain, tidak
memberikan nilai absolut/ mutlak pada obyek tetapi hanya urutan (ranking) relatif
saja dan peringkat tersebut tidak mempunyai satuan ukuran. Data ordinal
merupakan data kualitatif. Proses kuantifikasi dilakukan dengan cara menghitung
frekuensinya kemudian dibuat rankingnya.
Selain memiliki sifat pada data nominal, pada data ordinal penggantian
angka/ huruf (proses pemberian ranking) harus dilakukan secara berurut dari besar
ke kecil atau sebaliknya. Pemberian ranking dimulai dari satu dan bukan dari nol,
karena pada data ordinal tidak mengenal angka nol. Ciri-ciri data ordinal adalah:
sebagai label/ kode/ lambang/ simbol, membedakan, dan menunjukkan peringkat.
Seperti halnya data nominal, pada variabel dengan pengukuran ordinal tidak dapat
diterapkan
operasi
standar
matematika
(aritmatika)
seperti
pengurangan,
penjumlahan, perkalian, dan sebagainya. Analisis statistik yang sesuai untuk data
ordinal adalah statistik nonparametrik: Kolmogorov-Smirnov One Sample Test, One
Sample Run Test, Sign Test, Wilcoxon Matched Pairs Sign Rank Test, Median Test,
Mann-Whitney-U Test, Wald-Wolfowizt Run Test, Kolmogorov-Smirnov Two Sample
Test, Moses Test of Extreme Reactions, Friedman Two Analysis of Variance,
Extension Median Test, Kruskal-Wallis One Way Analysis of Variance, Spearman
Rank Corellation Coefficient, Kendall Rank Corellation Coefficient, Kendall
Coefficient of Concordance.
Contoh data ordinal:
Tingkat pendidikan
:
1 = Taman Kanak-Kanan
2 = Sekolah Dasar
3 = Sekolah Menengah Pertama
4 = Sekolah Menengah Atas
5 = Perguruan Tinggi
Tingkat kepuasan
:
5 = sangat puas
4 = puas
3 = biasa
2 = tidak puas
1 = sangat tidak puas
Juara lari 100 meter :
I = 26 detik
I = 26,15 detik
III = 27,03 detik
3. Interval
Tingkat pengukuran data interval memiliki karakteristik data nominal dan
ordinal dengan ditambah karakteristik lain yaitu berupa adanya interval yang tetap.
Data interval diperoleh dengan cara mengukur. Dengan demikian data inteval
memiliki nilai instrinsik, sudah memiliki jarak, tetapi jarak tersebut belum merupakan
kelipatan. Pengertian “jarak belum merupakan kelipatan” ini kadang-kadang diartikan
bahwa skala interval tidak memiliki nilai nol mutlak.
Ciri-ciri data interval adalah: membedakan, menunjukkan peringkat dan
berjarak sama. Skala interval ini sudah benar-benar angka, sehinga sudah dapat
diterapkan semua operasi standar matematika (aritmatika) seperti pengurangan,
penjumlahan, perkalian, dan pembagian. Analisis statistik yang sesuai untuk data
interval adalah statistik parametrik: One Sample T-Test, Independent Sample T-Test,
Paired Sample T-Test, One Way Anova, Two Way Anova, Pearson Product-Moment
Correlation, Partial Correlation, Multple Corellation, Regresion Test, Multiple
Regresion.
Contoh data interval:
Klasifikasi IQ
:
70 – 79
Keterbelakangan mental
80 – 90
Dull normal
91 – 110
Normal
111 – 120
Bright Normal
121 – 130
Superior
> 130
Jenius
Nilai mahasiswa
: A = 4, B = 3, C = 2, D = 1, dan E = 0
Pengukuran suhu
: 0o pada suhu Celsius tidak sama pada suhu Fahrenheit, 0o C
= 32oF dan 100o C = 212oF
4. Rasio
Tingkatan pengukuran rasio merupakan data dengan kualitas paling tinggi.
Pada data rasio, terdapat semua karakteristik yang dimiliki data nominal, ordinal dan
interval ditambah dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak
artinya adalah nilai dasar yang tidak bisa diubah meskipun menggunakan skala yang
lain. Oleh karenanya, pada data rasio pengukuran sudah mempunyai nilai
perbandingan/ rasio. Ciri-ciri data rasio adalah membedakan, menunjukkan
peringkat, berjarak sama dan memiliki nol mutlak. Analisis statistik yang sesuai
termasuk dalam statistik parametrik seperti pada data interval.
Contoh data rasio:
Besarnya upah
: Pekerja A
= Rp. 10.000,-
Pekerja B
= Rp. 30.000,-
Pekerja C
= Rp. 40.000,-
Pekerja D
= Rp. 50.000,-
Pekerja E
= Rp. 0,-
Banyak orang
: 0 orang, 1 orang, 2 orang, 150 orang, dan sebagainya.
Berat badan
: 0 kg, 5 kg, 10 kg, 25 kg, 30 kg, dan sebagainya.
Pengukuran (measurement) dapat didefinisikan sebagai suatu proses
sistematik dalam menilai (memberikan angka) dan membedakan karakteristik
sesuatu obyek yang diukur. Pengukuran tersebut diatur menurut aturan/ kaidah
tertentu. Aturan/ kaidah yang berbeda menghendaki skala dan pengkuran yang
berbeda pula.
Dalam mengolah dan menganalisis data, sangat penting
memperhatikan sifat dasar skala pengukuran yang digunakan. Operasi-operasi
matematik serta pilihan rumus statistik yang digunakan dalam pengolahan data,
memiliki persyaratan tertentu dalam hal skala pengukuran datanya. Ketidaksesuaian
antara skala pengukuran dengan operasi matematik/ rumus statistik yang digunakan
akan menghasilkan kesimpulan yang bias, tidak tepat dan tidak relevan. Oleh karena
itu, sebelum membahas teknik-teknik analisis statistika perlu diketahui dan dipahami
jenis tingkat pengukuran data.
Ada empat jenis tingkat pengukuran data, yaitu: nominal, ordinal, interval dan rasio.
1. Nominal
Tingkatan pengukuran data nominal merupakan tingkatan data yang paling
rendah. Obyek, kejadian-kejadian, sifat atau orang dikelompokkan dalam suatu
kategori tertentu dan tidak menggambarkan kedudukannya terhadap kategori yang
lain tetapi hanya sebagai label/ kode/ lambang/ simbol saja. Pemberian angka atau
simbol tidak memiliki maksud kuantitatif hanya menunjukkan ada atau tidaknya
atribut atau karakteristik pada obyek, kejadian, sifat atau orang yang diukur. Ciri-ciri
data nominal adalah hanya sebagai label/ kode/ lambang/ simbol, hanya
membedakan, dan hasil menghitung.
Data nominal adalah data kualitatif dan tidak memiliki nilai instrinsik, karena
itu angka-angka (kode-kode) tidak memiliki sifat seperti bilangan pada umumnya.
Oleh karena itu, pada variabel dengan pengukuran nominal tidak dapat diterapkan
operasi standar matematika (aritmatika) seperti pengurangan, penjumlahan,
perkalian, dan sebagainya. Analisis statistik yang sesuai untuk data nominal adalah
statistik nonparametrik: Binomial Test, χ2 One Sample Test, Mc. Nemar for the
Significant of change, χ2 Test for Two Independent Sample, Fisher Exact Probability
Test, Chohran Q-Test (χ2 Test for k Independent Samples dan Contingency
Coefficient.
Contoh data nominal:
Nomor mahasiswa
: 12020411005, 12020411245, 12020411673.
Nomor handphone
: 081366980231, 085266896754, 085788876765.
Nilai pada mata uang
: 500, 1000, 5000, 10.000, 50.000, 100.000.
Jenis kelamin
: 1 = perempuan dan 2 = laki-laki
Partai politik pemilu 2014 : 1 = Nasdem, 2 = PKB, 3 = PKS, 4 = PDIP, dst.
2. Ordinal
Tingkat pengukuran ordinal adalah data yang berasal dari kategori yang
didasarkan pada ranking disusun secara berjenjang dari tingkat terendah sampai
tertinggi atau sebaliknya dengan jarak/ rentang yang tidak harus sama. Angka atau
huruf yang diberikan mengandung tingkatan, sehingga dari kelompokk yang
terbentuk dapat dibuat peringkat yang menyatakan hubungan lebih dari atau kurang
dari menurut aturan penataan tertentu. Selain itu, angka atau huruf yang diberikan
kepada obyek hanya menyatakan tempat dalam suatu susunan, tidak menyatakan
apa-apa mengenai jarak dari satu datum ke datum lainnya. Dengan kata lain, tidak
memberikan nilai absolut/ mutlak pada obyek tetapi hanya urutan (ranking) relatif
saja dan peringkat tersebut tidak mempunyai satuan ukuran. Data ordinal
merupakan data kualitatif. Proses kuantifikasi dilakukan dengan cara menghitung
frekuensinya kemudian dibuat rankingnya.
Selain memiliki sifat pada data nominal, pada data ordinal penggantian
angka/ huruf (proses pemberian ranking) harus dilakukan secara berurut dari besar
ke kecil atau sebaliknya. Pemberian ranking dimulai dari satu dan bukan dari nol,
karena pada data ordinal tidak mengenal angka nol. Ciri-ciri data ordinal adalah:
sebagai label/ kode/ lambang/ simbol, membedakan, dan menunjukkan peringkat.
Seperti halnya data nominal, pada variabel dengan pengukuran ordinal tidak dapat
diterapkan
operasi
standar
matematika
(aritmatika)
seperti
pengurangan,
penjumlahan, perkalian, dan sebagainya. Analisis statistik yang sesuai untuk data
ordinal adalah statistik nonparametrik: Kolmogorov-Smirnov One Sample Test, One
Sample Run Test, Sign Test, Wilcoxon Matched Pairs Sign Rank Test, Median Test,
Mann-Whitney-U Test, Wald-Wolfowizt Run Test, Kolmogorov-Smirnov Two Sample
Test, Moses Test of Extreme Reactions, Friedman Two Analysis of Variance,
Extension Median Test, Kruskal-Wallis One Way Analysis of Variance, Spearman
Rank Corellation Coefficient, Kendall Rank Corellation Coefficient, Kendall
Coefficient of Concordance.
Contoh data ordinal:
Tingkat pendidikan
:
1 = Taman Kanak-Kanan
2 = Sekolah Dasar
3 = Sekolah Menengah Pertama
4 = Sekolah Menengah Atas
5 = Perguruan Tinggi
Tingkat kepuasan
:
5 = sangat puas
4 = puas
3 = biasa
2 = tidak puas
1 = sangat tidak puas
Juara lari 100 meter :
I = 26 detik
I = 26,15 detik
III = 27,03 detik
3. Interval
Tingkat pengukuran data interval memiliki karakteristik data nominal dan
ordinal dengan ditambah karakteristik lain yaitu berupa adanya interval yang tetap.
Data interval diperoleh dengan cara mengukur. Dengan demikian data inteval
memiliki nilai instrinsik, sudah memiliki jarak, tetapi jarak tersebut belum merupakan
kelipatan. Pengertian “jarak belum merupakan kelipatan” ini kadang-kadang diartikan
bahwa skala interval tidak memiliki nilai nol mutlak.
Ciri-ciri data interval adalah: membedakan, menunjukkan peringkat dan
berjarak sama. Skala interval ini sudah benar-benar angka, sehinga sudah dapat
diterapkan semua operasi standar matematika (aritmatika) seperti pengurangan,
penjumlahan, perkalian, dan pembagian. Analisis statistik yang sesuai untuk data
interval adalah statistik parametrik: One Sample T-Test, Independent Sample T-Test,
Paired Sample T-Test, One Way Anova, Two Way Anova, Pearson Product-Moment
Correlation, Partial Correlation, Multple Corellation, Regresion Test, Multiple
Regresion.
Contoh data interval:
Klasifikasi IQ
:
70 – 79
Keterbelakangan mental
80 – 90
Dull normal
91 – 110
Normal
111 – 120
Bright Normal
121 – 130
Superior
> 130
Jenius
Nilai mahasiswa
: A = 4, B = 3, C = 2, D = 1, dan E = 0
Pengukuran suhu
: 0o pada suhu Celsius tidak sama pada suhu Fahrenheit, 0o C
= 32oF dan 100o C = 212oF
4. Rasio
Tingkatan pengukuran rasio merupakan data dengan kualitas paling tinggi.
Pada data rasio, terdapat semua karakteristik yang dimiliki data nominal, ordinal dan
interval ditambah dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak
artinya adalah nilai dasar yang tidak bisa diubah meskipun menggunakan skala yang
lain. Oleh karenanya, pada data rasio pengukuran sudah mempunyai nilai
perbandingan/ rasio. Ciri-ciri data rasio adalah membedakan, menunjukkan
peringkat, berjarak sama dan memiliki nol mutlak. Analisis statistik yang sesuai
termasuk dalam statistik parametrik seperti pada data interval.
Contoh data rasio:
Besarnya upah
: Pekerja A
= Rp. 10.000,-
Pekerja B
= Rp. 30.000,-
Pekerja C
= Rp. 40.000,-
Pekerja D
= Rp. 50.000,-
Pekerja E
= Rp. 0,-
Banyak orang
: 0 orang, 1 orang, 2 orang, 150 orang, dan sebagainya.
Berat badan
: 0 kg, 5 kg, 10 kg, 25 kg, 30 kg, dan sebagainya.