Bab 2. Data dan Jenis-Jenisnya

Pengetahuan terhadap jenis-jenis data merupakan syarat mutlak yang harus dimiliki oleh seorang peneliti yang ingin menggunakan instrumen analisis ilmu statistik. Setiap jenis data memiliki karakteristik yang berbeda-beda sehingga dalam penggunaannya pun juga berbeda-beda. Penggunaan data yang salah akan menghasilkan kesimpulan yang juga salah. Oleh karena itu, dalam awal pembahasan buku ini akan dibahas terlebih dahulu mengenai pengertian data serta jenis-jenisnya. Dengan pengetahuan tentang data yang tepat diharapkan proses analisis data dengan menggunakan instrumen ilmu statistik dapat berjalan dengan baik dan menghasilkan kesimpulan yang benar.

2.1.   Pengertian Data

Data sering kali diartikan sebagai kumpulan catatan dari fakta. Secara etimologis data merupakan bentuk jamak dari kata datum yang berasal dari bahasa Latin dengan arti “sesuatu yang diberikan”. Dengan kata lain data bisa diartikan sebagai kumpulan catatan yang diberikan berdasarkan fakta yang terjadi.

Dalam kehidupan sehari-hari semua orang tidak bisa lepas dari data. Bahkan kehidupan manusia sendiri merupakan kumpulan dari data mulai dari bangun tidur, mandi, makan, bekerja, sampai dengan istirahat dari berbagai kesibukan sehari-hari merupakan data yang bisa dianalisis untuk berbagai kepentingan. Sebagai contoh, perusahaan Go-Jek sebagai salah satu penyedia jasa transportasi on-line mengumpulkan

dan menganalisis kebiasaan masyarakat jajan. Berdasarkan kebiasaan tersebut Go-Jek menyediakan aplikasi Go-Send untuk membantu masyarakat membeli makanan yang diinginkan tanpa harus ke luar rumah atau tempat kerja.

Dalam suatu proses penelitian, data tidak hanya terbatas pada kumpulan angka- angka saja. Pernyataan dalam bentuk kalimat serta gambar juga merupakan data. Oleh karena itu, seluruh aspek kehidupan dan kajian bidang keilmuan, tidak bisa lepas dari data mulai dari bidang-bidang ilmu eksakta sampai ilmu-ilmu sosial.

Namun, sering kali data yang tersedia di lapangan belum memiliki nilai informasi yang dibutuhkan. Data yang tersedia biasanya baru kumpulan fakta yang belum bisa memberikan informasi yang bisa dijadikan dasar untuk pengambilan keputusan. Supaya bisa memiliki nilai yang informatif, data yang tersedia biasanya harus dikumpulkan, disusun, diolah, dianalisis, dan diintrepretasikan. Tahapan-tahapan dari mulai proses pengumpulan sampai tahap interpretasi data memerlukan keahlian khusus. Dalam proses inilah ilmu statistik memiliki peran yang sangat penting dan belum tergantikan sampai saat ini.

Statistika saat ini telah menjadi ilmu yang berkembang pesat dan bahkan telah muncul produk-produk ilmu terapannya yang dipergunakan dalam kajian empiris. Namun tentunya sebagai suatu ilmu yang bersinggungan langsung dengan data, maka data yang dikumpulkan harus data yang benar-benar valid. Dalam kajian ilmu statistik ada istilah “garbage in garbage out” yang artinya jika data yang diolah adalah data yang tidak akurat atau data palsu (fake data) maka sudah pasti hasil analisis yang dihasilkan akan jauh dari kata akurat.

Dalam ilmu statistik, terdapat berbagai macam data yang berbeda karakteristiknya antara satu jenis data dengan jenis data lainnya. Ada data yang bisa dianalisis oleh

semua instrumen analisis ilmu statistik, namun ada pula data yang hanya bisa diolah dan dianalisis dengan instrumen tertentu saja. Seorang peneliti harus sangat jeli dan bisa membedakan karakteristik masing-masing data. Ilmu statistik dalam beberapa kondisi tidak bisa membedakan mana data yang bisa diolah dan mana data yang tidak bisa diolah. Hanya peneliti yang bisa memilah dan membedakan mana data yang dapat diolah oleh instrumen tertentu dan mana yang tidak. Jika hanya melihat dari sisi angka maka hampir semua data bisa diolah namun output yang dihasilkan oleh ilmu statistik menjadi sulit atau bahkan tidak bisa diinterpretasikan.

Dalam bab ini akan dibahas macam-macam data beserta karakteristiknya sehingga peneliti yang ingin meneliti suatu fenomena atau permasalahan dapat melakukan analisis secara benar. Pengetahuan mengenai jenis-jenis data ini sangat penting karena berkaitan secara langsung dengan keakuratan hasil penelitian. Data yang diolah bisa saja menghasilkan output namun makna dibalik output tersebut menjadi bias jika data yang digunakan tidak akurat.

2.2.   Jenis-Jenis Data

Sebagaimana telah dijelaskan dalam pembahasan awal buku ini bahwa statistika adalah suatu proses yang semuanya berhubungan dengan data. Oleh karena itu, untuk menghasilkan kesimpulan yang tepat maka diperlukan data yang juga tepat. Jika data yang dikumpulkan salah maka sudah dipastikan kesimpulan yang dihasilkan juga akan salah ibarat pepatah “garbage in, garbage out”.

Oleh karena itu, peneliti atau orang yang ingin melakukan analisis statistika harus

memahami jenis-jenis dan karakter data yang akan dikumpulkannya. Jenis-jenis data dapat dibedakan dan dikelompokkan seperti dalam Gambar 2.2 (Sugiyono, 2007).

Kualitatif

Data

Diskrit/Nominal

Kuantitatif

Kontinum

Ordinal

Interval

Ratio

GAMBAR 1.2. Jenis-Jenis Data

Data kualitatif adalah data yang dinyatakan dalam bentuk kata, kalimat, dan gambar seperti sangat bagus, bagus, sangat suka, rasanya enak, dan sangat indah. Sedangkan data kuantitatif adalah data yang berbentuk angka (numeric), atau data kualitatif yang diangkakan. Data kuantitatif seperti jumlah mobil (1, 2, 3, dan seterusnya), jarak kota Jakarta dengan Kota Bogor adalah 50 Km, dan lain sebagainya. Data kuantitatif ini dibedakan lagi menjadi dua yaitu data nominal (diskrit) dan data kontinum. Data konstinu terbagi lagi menjadi tiga yaitu data ordinal, interval, dan rasio.

Data nominal (diskrit) data yang hanya dapat digolong-golongkan secara terpisah, diskrit, atau kategori. Data ini tidak menunjukkan perbedaan tingkatan seperti nomor

1 lebih tinggi atau lebih baik dari data nomor 2. Data jenis ini digunakan hanya untuk membedakan antara kelompok yang satu dengan kelompok lainnya.

Contoh:

Jenis Kelamin:

1  = Laki-laki

2  = Perempuan

Suku Bangsa:

1.  Suku Betawi

2.  Suku Jawa

3.  Suku Sunda

4.  Suku Padang

5.  Suku Bugis

Warna Objek:

1.  Merah

2.  Putih

Data kontinum adalah data yang bervariasi menurut tingkatan dan diperoleh dari hasil pengukuran. Data ini dibagi lagi menjadi data ordinal, interval, dan rasio.

Data Ordinal adalah data yang berbentuk ranking atau peringkat (berlaku perbandingan dengan menggunakan fungsi pembeda yaitu “>” (lebih besar dari) dan “<” (lebih kecil dari). Data ini belum dapat dilakukan operasi matematika (+, – , × ,÷)).

Contoh jenis data ordinal ini adalah medali juara dalam suatu pertandingan oleh

raga.

1.  Juara 1      = Medali Emas

2.  Juara 2      = Medali Perak

3.  Juara 3      = Medali Perunggu

Dari medali di atas apakah bisa disimpulkan 2 medali perak sama dengan 1 medali emas? Atau 1 medali emas setara dengan 3 medali perak? Dalam data medali di atas tidak bisa disimpulkan bahwa 2 atau 3 medali perak sama dengan 1 medali emas. Hal ini karena data medali di atas adalah data ordinal yang jarak antara satu peringkat dengan peringkat lainnya tidak sama atau tidak diketahui.

Contoh lainnya adalah data peringkat murid di kelas.

I               II

III

IV                                                                  V

100           95

85            83                                                                 75

Peringkat pertama memiliki nilai 100 dan peringkat kedua memiliki nilai 95. Namun peringkat ketiga memiliki jarak yang lebih besar dengan perolehan nilai 85. Peringkat keempat memiliki nilai yang tidak terlalu jauh dengan peringkat ketiga yaitu

83. Sedangkan peringkat kelima memiliki nilai yang jauh dari peringkat keempat yaitu

75. Data peringkat murid di kelas ini merupakan contoh data ordinal di mana jarak untuk masing-masing data berbeda.

Sebagian besar peneliti berpendapat bahwa jenis data ordinal ini merupakan jenis data yang bisa dioperasikan untuk menghitung tingkat keeratan suatu hubungan dan tingkat pengaruh suatu variabel independen terhadap variabel dependennya.

Data interval adalah data yang jarak antara satu dengan data yang lain sama tetapi tidak mempunyai nilai nol (0), absolut/mutlak. Data jenis ini dapat dilakukan operasi matematika penjumlahan dan pengurangan (+, –). Contoh dari data ini adalah temperatur yang ada dalam skala thermometer. Skala thermometer biasanya diukur dengan satuan Celcius atau Fahrenheit. Walaupun ada nilai 0o C namun nilai nol tersebut masih ada nilainya. Jika dikonversi ke dalam skala Fahrenheit, 0o C sama dengan 32o F.

Contoh lainnya dari data interval ini adalah data hasil penelitian yang diukur dengan skala Likert. Dalam penelitian manajemen, data ini seringkali di dapat dari hasil pengukuran data kualitatif yang hasilnya “diangkakan” (kuantifikasi). Sebagai contoh adalah tingkat kepuasan konsumen yang dibagi ke dalam lima jenis tingkat kepuasan. Masing-masing kelompok memiliki tingkatan yang berbeda-beda. Namun jarak antara kelompok tersebut tidaklah sama. Oleh karena itu, jenis data ini tidak bisa dilakukan operasi matematika.

Contoh data tingkat kepuasan konsumen:

1.  Sangat Tidak Puas

2.  Tidak Puas

3.  Cukup Puas

4.  Puas

5.  Sangat Puas

Data di atas menunjukkan perbedaan tingkatan namun jarak antara tingkatan tidak diketahui. Jenis data interval ini dapat dibuat menjadi data ordinal (peringkat).

Gambar Thermometer yang tidak memiliki nilai nol mutlak

Sumber Gambar: https://www.acurite.com/

Data rasio adalah data yang jaraknya sama, dan mempunyai nilai nol (0) mutlak. Dapat dilakukan seluruh operasi matematika. Contoh dari jenis data ini adalah berat badan dan tinggi badan. Berat badan 0 Kg berarti tidak memiliki bobot atau panjang 0 m berarti tidak ada panjangnya. Data jenis ini dapat diubah menjadi data ordinal dan interval. Semua operasi matematika aljabar dapat dilakukan untuk data jenis ini. Contoh

3 meter ditambah dengan 7 meter maka hasilnya adalah 10 meter. Bandingkan dengan penjumlahan dalam data interval, misal satu gelas air dengan suhu 30o C + dengan segelas air dengan suhu 15o C maka suhunya tidak menjadi 45o C, namun kira-kira menjadi 22,5o C.

Dalam pengolahan data ilmu statistik, jenis data rasio ini boleh menggunakan semua instrumen olah data ilmu statistik seperti mengukur derajat keeratan antara dua variabel ataupun pengaruh satu variabel terhadap variabel lainnya.

Dengan demikian maka pengetahuan terhadap klasifikasi data ini menjadi sangat wajib bagi para peneliti yang ingin menggunakan teknik analisis dengan instrumen ilmu statistik. Jika peneliti tidak mampu untuk membedakan jenis-jenis data yang akan digunakan maka sudah pasti kesimpulan dari hasil penelitiannya akan sangat jauh dari kata benar. Selalu ingat motto “garbage in garbage out”.

Sumber gambar: https://www.linkedin.com/pulse/20140922000317-25059308-garbage-in-garbage-out

2.3.   Hati-Hati dengan Kebohongan Statistika

Sebagaimana telah dijelaskan sebelumnya bahwa statistika sangat membantu para peneliti, manajer, dan pengambil keputusan dalam mengambil keputusan strategis perusahaan. Namun tidak jarang statistika dipergunakan sebagai alat untuk mendukung suatu kebohongan. Fenomena ini dikenal dengan sebutan “Kebohongan” Statistika. Contoh kasus kebohongan statistika:

Beberapa waktu yang lalu kita pernah menonton salah satu iklan di televisi tentang produk pembalut wanita. Dalam iklan tersebut dikatakan bahwa tujuh dari 10 wanita Indonesia menggunakan pembalut merek “X”. Iklan produk pembalut ini mengandung Kebohongan Statistika untuk menciptakan persepsi positif dari konsumen terhadap produk pembalut tersebut. Beberapa hal yang menjadi dasar kenapa iklan tersebut dikatakan mengandung kebohongan statistika adalah:

1.  Data yang disampaikan oleh iklan tersebut merupakan data sampel namun dalam iklan tersebut tidak disebutkan berapa jumlah sampelnya dan berapa populasinya sehingga sampel tersebut bisa benar-benar mewakili populasi wanita Indonesia?

2.  Jika data tersebut merupakan data sampel maka harus disampaikan juga berapa

margin of error-nya dan berapa tingkat kepercayaannya.

3.  Dalam iklan tersebut tidak dijelaskan juga karakteristik data populasinya. Jika disebutkan seluruh wanita Indonesia, apakah jumlah tersebut termasuk bayi, anak- anak, dan lansia?

4.  Informasi dalam iklan tersebut juga memiliki kerancuan. Jika memang benar tujuh dari 10 wanita Indonesia menggunakan pembalut tersebut maka dia sudah menjadi pemain monopoli karena dengan kata lain produk pembalut tersebut sudah

menguasai 70 persen pangsa pasar pembalut wanita. Sebagai monopolis maka seharusnya program promosi melalui iklan sudah tidak perlu dilakukan.

Masih banyak kasus kebohongan statistika yang saat ini beredar luas di masyarakat termasuk dalam bidang politik seperti kampanye politik. Oleh karena itu, kita semua harus sangat berhati-hati dalam memahami dan menyebarkan informasi statistika yang tingkat keakuratannya masih belum jelas.