DATA STATISTIK
Statistik dalam prakteknya tidak bisa dilepaskan dari data yang berupa angka, baik itu dalam statistik deskriptif yang menggambarkan data, maupun statistik inferensi yang melakukan analisis terhadap data. Namun, sebenarnya data dalam statistik juga bisa mengandung data non angka atau data kualitatif.
Data dalam statistik berdasarkan tingkat pengukurannya (level of measurement) dapat dibedakan dalam empat jenis:
Data dalam statistik berdasarkan tingkat pengukurannya (level of measurement) dapat dibedakan dalam empat jenis:
Ø Data Kualitatif (Qualitative Data)
Data kualitatif secara sederhana bisa disebut data yang bukan berupa angka.
Data kualitatif mempunyai ciri tidak bisa dilakukan operasi matematika, seperti penambahan, pengurangan, perkalian, dan pembagian.
Data kualitatif mempunyai ciri tidak bisa dilakukan operasi matematika, seperti penambahan, pengurangan, perkalian, dan pembagian.
Data kualitatif bisa dibagi menjadi dua:
1. Nominal
Data bertipe nominal adalah data yang paling “rendah” dalam level pengukuran data. Jika suatu pengukuran data hanya menghasilkan satu dan hanya satu-satunya kategori, maka data tersebut adalah data nominal (data kategori). Misal proses pendataan tempat tinggal 40 responden dalam suatu
penelitian. Dalam kasus ini setiap orang akan bertempat tinggal di suatu tempat tertentu (berdasar KTP), tidak bisa di tempat lain. Misal Amir berdomisili di Solo, maka dia (dianggap) tidak mungkin tinggal di Jakarta, atau punya dua KTP. Jadi, data tempat tinggal adalah data nominal karena Amir hanya punya satu dan satu-satunya, tidak bisa lebih dari satu, tempat tinggal yang ditunjukkan dengan KTP.
Atau, data Jenis Kelamin seseorang. Ini juga suatu data nominal karena seorang laki-laki tidak mungkin berkelamin ganda. Demikian juga Tanggal Lahir seseorang, Pekerjaan (diasumsi hanya satu jenis pekerjaan dalam satu saat), dan seterusnya. Data Nominal dalam praktek statistik biasanya akan dijadikan “angka”, yaitu proses yang disebut kategorisasi. Misal dalam pengisian data, jenis kelamin lelaki dikategorikan sebagai “1” dan perempuan sebagai “2”. Kategori ini hanya sebagai tanda saja. Jadi, tidak bisa dilakukan operasi matematika, seperti 1 + 2 atau 1 – 2, dan lainnya.
2. Ordinal
Data ordinal, seperti pada data nominal, adalah juga data kualitatif namun dengan level yang lebih “tinggi” daripada data nominal. Jika pada data nominal, semua data kategori dianggap sama, maka pada data ordinal, ada tingkatan data. Misal pada data Jenis Kelamin di atas, Lelaki dianggap setara dengan Wanita, atau dalam data Tempat Kelahiran, data Jakarta dianggap sama dengan data Yogyakarta, Surabaya, Boyolali, dan seterusnya. Pada data ordinal, ada data dengan urutan lebih tinggi dan urutan lebih
rendah. Misal data tentang sikap seseorang terhadap produk tertentu. Dalam pengukuran sikap konsumen, ada sikap yang “suka”, “tidak suka”, “sangat suka”, dan lainnya. Di sini data tidak bisa disamakan derajatnya, dalam arti “suka” dianggap lebih tinggi dari “tidak suka”, namun lebih rendah dari “sangat suka”. dan lainnya. Jadi, di sini ada preferensi atau tingkatan data, di mana data yang satu berstatus lebih tinggi atau lebih rendah dari yang lain. Namun, pada data ordinal juga tidak bisa dilakukan operasi matematika, seperti jika “tidak suka” dikategorikan sebagai “1”, “suka” sebagai “2” dan “sangat suka” sebagai “3”, maka tidak bisa dianggap “1 + 2 = 3”, atau “tidak suka” ditambah “suka” menjadi “sangat suka”!
1. Nominal
Data bertipe nominal adalah data yang paling “rendah” dalam level pengukuran data. Jika suatu pengukuran data hanya menghasilkan satu dan hanya satu-satunya kategori, maka data tersebut adalah data nominal (data kategori). Misal proses pendataan tempat tinggal 40 responden dalam suatu
penelitian. Dalam kasus ini setiap orang akan bertempat tinggal di suatu tempat tertentu (berdasar KTP), tidak bisa di tempat lain. Misal Amir berdomisili di Solo, maka dia (dianggap) tidak mungkin tinggal di Jakarta, atau punya dua KTP. Jadi, data tempat tinggal adalah data nominal karena Amir hanya punya satu dan satu-satunya, tidak bisa lebih dari satu, tempat tinggal yang ditunjukkan dengan KTP.
Atau, data Jenis Kelamin seseorang. Ini juga suatu data nominal karena seorang laki-laki tidak mungkin berkelamin ganda. Demikian juga Tanggal Lahir seseorang, Pekerjaan (diasumsi hanya satu jenis pekerjaan dalam satu saat), dan seterusnya. Data Nominal dalam praktek statistik biasanya akan dijadikan “angka”, yaitu proses yang disebut kategorisasi. Misal dalam pengisian data, jenis kelamin lelaki dikategorikan sebagai “1” dan perempuan sebagai “2”. Kategori ini hanya sebagai tanda saja. Jadi, tidak bisa dilakukan operasi matematika, seperti 1 + 2 atau 1 – 2, dan lainnya.
2. Ordinal
Data ordinal, seperti pada data nominal, adalah juga data kualitatif namun dengan level yang lebih “tinggi” daripada data nominal. Jika pada data nominal, semua data kategori dianggap sama, maka pada data ordinal, ada tingkatan data. Misal pada data Jenis Kelamin di atas, Lelaki dianggap setara dengan Wanita, atau dalam data Tempat Kelahiran, data Jakarta dianggap sama dengan data Yogyakarta, Surabaya, Boyolali, dan seterusnya. Pada data ordinal, ada data dengan urutan lebih tinggi dan urutan lebih
rendah. Misal data tentang sikap seseorang terhadap produk tertentu. Dalam pengukuran sikap konsumen, ada sikap yang “suka”, “tidak suka”, “sangat suka”, dan lainnya. Di sini data tidak bisa disamakan derajatnya, dalam arti “suka” dianggap lebih tinggi dari “tidak suka”, namun lebih rendah dari “sangat suka”. dan lainnya. Jadi, di sini ada preferensi atau tingkatan data, di mana data yang satu berstatus lebih tinggi atau lebih rendah dari yang lain. Namun, pada data ordinal juga tidak bisa dilakukan operasi matematika, seperti jika “tidak suka” dikategorikan sebagai “1”, “suka” sebagai “2” dan “sangat suka” sebagai “3”, maka tidak bisa dianggap “1 + 2 = 3”, atau “tidak suka” ditambah “suka” menjadi “sangat suka”!
Ø Data Kuantitatif (Quantitative Data)
Data kuantitatif bisa disebut sebagai data berupa angka dalam arti sebenarnya. Jadi. berbagai operasi matematika bisa dilakukan pada data kuantitatif.
Seperti pada data kualitatif, data kuantitatif juga bisa dibagi menjadi dua bagian.
1. Data Interval
Data Interval menempati level pengukuran data yang lebih “tinggi” dari data ordinal karena selain bisa bertingkat urutannya, juga urutan tersebut bias dikuantitatifkan. Seperti pengukuran temperatur sebuah ruangan pembakaran roti dari PT ENAK JOSS. Interval Temperatur ruang tersebut:
o Cukup Panas jika temperatur antara 500C – 800C
o Panas jika temperatur antara 800C – 1100C
o Sangat Panas jika temperatur antara 1100C – 1400C
Dalam kasus di atas, data temperatur bisa dikatakan data interval karena data mempunyai interval (jarak) tertentu, yaitu 300C.
Namun, di sini data interval tidak mempunyai titik nol yang absolut. Misal pada pengukuran temperatur, seperti pernyataan bahwa ‘air membeku pada 00C‘. Pernyataan di atas bersifat relatif, karena 00C hanya sebagai tanda saja.
Dalam pengukuran 0F, air membeku bukan pada 00F, namun pada 320F. Dengan demikian, juga tidak bisa dikatakan bahwa suhu 1000F adalah dua kali lebih panas dari suhu 500F.
1. Data Interval
Data Interval menempati level pengukuran data yang lebih “tinggi” dari data ordinal karena selain bisa bertingkat urutannya, juga urutan tersebut bias dikuantitatifkan. Seperti pengukuran temperatur sebuah ruangan pembakaran roti dari PT ENAK JOSS. Interval Temperatur ruang tersebut:
o Cukup Panas jika temperatur antara 500C – 800C
o Panas jika temperatur antara 800C – 1100C
o Sangat Panas jika temperatur antara 1100C – 1400C
Dalam kasus di atas, data temperatur bisa dikatakan data interval karena data mempunyai interval (jarak) tertentu, yaitu 300C.
Namun, di sini data interval tidak mempunyai titik nol yang absolut. Misal pada pengukuran temperatur, seperti pernyataan bahwa ‘air membeku pada 00C‘. Pernyataan di atas bersifat relatif, karena 00C hanya sebagai tanda saja.
Dalam pengukuran 0F, air membeku bukan pada 00F, namun pada 320F. Dengan demikian, juga tidak bisa dikatakan bahwa suhu 1000F adalah dua kali lebih panas dari suhu 500F.
2. Data Rasio
Data Rasio adalah data dengan tingkat pengukuran paling “tinggi” di antara jenis data lainnya. Data Rasio adalah data bersifat angka dalam arti sesungguhnya (bukan kategori seperti pada data nominal dan ordinal) dan bias dioperasikan secara matematika (+, -, x, /). Perbedaan dengan data interval adalah bahwa data rasio mempunyai titik nol dalam arti sesungguhnya. Misal jumlah produk roti dari gudang PT ENAK JOSS pada contoh di atas. Jika jumlah roti nol, berarti memang tidak ada sepotong roti pun dalam gudang tersebut. Jika ada 24 roti, kemudian bertambah produk baru sebanyak 3 roti, maka total roti sekarang adalah 24 + 3 = 27 roti (operasi penjumlahan), dan seterusnya. Atau, berat badan dan tinggi badan seseorang, pengukuranpengukurannya mempunyai angka nol/0 dalam arti sesungguhnya. Misal
berat badan 0 berarti memang tanpa berat. Dengan demikian, bisa dikatakan bahwa sekantong beras seberat 10 kilogram adalah benar-benar dua kali lebih berat dari sekantong beras yang mempunyai berat 5 kilogram.
Jenis-jenis data di atas dikupas dengan cukup mendalam karena penerapan dalam statistik akan berbeda untuk jenis data yang berbeda. Data kualitatif karena bukan data angka dalam arti sesungguhnya, tidak bisa disamakan perlakuannya dengan data kuantitatif. Data nominal dan ordinal biasanya menggunakan metode statistik nonparametrik, sedangkan data kuantitatif memakai metode parametrik.
Data Rasio adalah data dengan tingkat pengukuran paling “tinggi” di antara jenis data lainnya. Data Rasio adalah data bersifat angka dalam arti sesungguhnya (bukan kategori seperti pada data nominal dan ordinal) dan bias dioperasikan secara matematika (+, -, x, /). Perbedaan dengan data interval adalah bahwa data rasio mempunyai titik nol dalam arti sesungguhnya. Misal jumlah produk roti dari gudang PT ENAK JOSS pada contoh di atas. Jika jumlah roti nol, berarti memang tidak ada sepotong roti pun dalam gudang tersebut. Jika ada 24 roti, kemudian bertambah produk baru sebanyak 3 roti, maka total roti sekarang adalah 24 + 3 = 27 roti (operasi penjumlahan), dan seterusnya. Atau, berat badan dan tinggi badan seseorang, pengukuranpengukurannya mempunyai angka nol/0 dalam arti sesungguhnya. Misal
berat badan 0 berarti memang tanpa berat. Dengan demikian, bisa dikatakan bahwa sekantong beras seberat 10 kilogram adalah benar-benar dua kali lebih berat dari sekantong beras yang mempunyai berat 5 kilogram.
Jenis-jenis data di atas dikupas dengan cukup mendalam karena penerapan dalam statistik akan berbeda untuk jenis data yang berbeda. Data kualitatif karena bukan data angka dalam arti sesungguhnya, tidak bisa disamakan perlakuannya dengan data kuantitatif. Data nominal dan ordinal biasanya menggunakan metode statistik nonparametrik, sedangkan data kuantitatif memakai metode parametrik.
Data numerik yang akan kita gunakan dalam kursus ini jatuh ke 1 dari 2 kategori: diskrit dan kontinu.
Satu set data dikatakan terpisah jika nilai-nilai / pengamatan milik itu adalah berbeda dan terpisah, yaitu mereka dapat dihitung (1,2,3 Contoh mungkin termasuk jumlah anak kucing dalam tandu; jumlah pasien di dokter bedah; jumlah kekurangan dalam satu meter kain; jender (laki-laki, perempuan); golongan darah (O, A, B, AB). A type of data is discrete if there are only a finite number of values possible or if there is a space on the number line between each 2 possible values.Jenis data diskrit jika hanya ada jumlah terbatas nilai-nilai yang mungkin atau jika ada ruang pada garis bilangan di antara setiap 2 kemungkinan nilai.
Ex. Ex. A 5 question quiz is given in a Math class. A 5 pertanyaan kuis diberikan dalam kelas Matematika. The number of correct answers on a student's quiz is an example of discrete data. Jumlah jawaban yang benar pada siswa kuis adalah contoh data diskrit. The number of correct answers would have to be one of the following : 0, 1, 2, 3, 4, or 5. Jumlah jawaban yang benar harus salah satu dari berikut: 0, 1, 2, 3, 4, atau 5. There are not an infinite number of values, therefore this data is discrete. Tidak ada jumlah yang tak terhingga nilai-nilai, maka data ini diskrit. Also, if we were to draw a number line and place each possible value on it, we would see a space between each pair of values. Juga, jika kita ingin menggambar sebuah garis bilangan dan menempatkan nilai masing-masing yang mungkin di atasnya, kita akan melihat ruang di antara setiap pasangan nilai.
Ex. Ex. In order to obtain a taxi license in Las Vegas, a person must pass a written exam regarding different locations in the city. How many times it would take a person to pass this test is also an example of discrete data. Dalam rangka untuk mendapatkan lisensi taksi di Las Vegas , seseorang harus lulus ujian tertulis mengenai lokasi yang berbeda di kota Ada
Discrete data usually occurs in a case where there are only a certain number of values, or when we are counting something (using whole numbers). Data diskrit biasanya terjadi dalam kasus di mana hanya ada sejumlah nilai, atau ketika kita sedang menghitung sesuatu (menggunakan bilangan bulat).
Data kontinu
Continuous data makes up the rest of numerical data. Data kontinu membentuk sisa data numerik. This is a type of data that is usually associated with some sort of physical measurement. Ini adalah jenis data yang biasanya dikaitkan dengan semacam pengukuran fisik. Satu set data dikatakan kontinu jika nilai-nilai / pengamatan milik mungkin mengambil nilai apapun dalam selang waktu terbatas atau tak terbatas. Misalnya tinggi, berat, suhu, jumlah gula dalam jeruk, waktu yang dibutuhkan untuk menjalankan satu mil
Ex. Ex. The height of trees at a nursery is an example of continuous data. Ketinggian pohon-pohon di sebuah penitipan anak adalah contoh dari data kontinu. Is it possible for a tree to be 76.2" tall? Sure. How about 76.29"? Apakah mungkin untuk sebuah pohon untuk menjadi 76,2 "tinggi? Tentu. Bagaimana 76,29"? Yes. Ya. How about 76.2914563782"? You betcha! The possibilities depends upon the accuracy of our measuring device. Bagaimana 76,2914563782 "? Anda betcha! Kemungkinan tergantung pada akurasi alat pengukur kita.
One general way to tell if data is continuous is to ask yourself if it is possible for the data to take on values that are fractions or decimals. Salah satu cara umum untuk mengetahui apakah data kontinu adalah bertanya pada diri sendiri apakah mungkin bagi data untuk mengambil nilai-nilai yang pecahan atau desimal. If your answer is yes, this is usually continuous data. Jika jawaban Anda adalah ya, ini biasanya data kontinu.
Ex. Ex. The length of time it takes for a light bulb to burn out is an example of continuous data. Lamanya waktu yang diperlukan untuk bola lampu membakar adalah contoh dari data kontinu. Could it take 800 hours? Mungkinkah itu membawa 800 jam? How about 800.7? Bagaimana 800,7? 800.7354? 800.7354? The answer to all 3 is yes. Jawaban untuk semua 3 adalah ya.
0 Comments:
Post a Comment