30 Januari 2008

Konsep-Konsep Dasar Penelitian (Bagian 4)

A. DATA

1. Primer dan Sekunder

Primary Data, adalah data mentah yang dikumpulkan langsung dari sumbernya oleh peneliti baru kemudian diolahnya.

Secondary Data, adalah data olahan yang diambil peneliti dari pihak kedua (pihak yang mengumpulkan langsung dari sumber dan mengolahnya).

Catatan: Jika menggunakan data dari pihak ketiga, maka datanya disebut data tersier, dan seterusnya.

2. Utama dan Pendukung

Prominent/Eminent Data, adalah data pokok dalam suatu penelitian. Jika data ini tidak ada, maka jawaban terhadap pertanyaan penelitian tidak akan didapat.

Supporting Data, adalah data yang meskipun tidak ada pada suatu penelitian namun jawaban atas pertanyaan penelitian masih dapat dibuat, meskipun mungkin dapat dianggap kurang memadai.

3. Kualitatif dan Kuantitatif

Qualitative Data, adalah data yang bukan berupa angka seperti atribut/kategorik.

Catatan: Data kategorik (dengan skala nominal maupun ordinal) dapat dianalisis dengan menggunakan rumus-rumus matematika/statistika setelah diberi kode (coding) berupa angka.

Quantitative Data, adalah data yang berupa angka/numerik (dengan skala ordinal, interval, ataupun rasio)

4. Nominal, Ordinal, Interval, Rasio

Jika dilihat dari skala pengukurannya (Measurement Scale), maka data dapat diklasifikasikan sebagai berikut:

a. Categorical Data

Data kategorik adalah data kualitatif sehingga untuk dapat dianalisis dengan menggunakan rumus matematika/statistika perlu diberi kode (coding) berupa angka. Analisis matematika/statistika yang digunakan adalah berdasarkan hasil membilang (counting) pada setiap kategori/pasangan kategori.

Data kategorik disebut juga data nonmetric atau data yang bukan merupakan hasil pengukuran.

Klasifikasinya adalah:

1) Kategorik Nominal, yaitu data kategorik yang tak dapat dinyatakan bahwa kategori yang satu lebih baik dari kategori lainnya atau dengan kata lain kategori yang tidak memiliki urutan tertentu.

Contoh: Pria – wanita, ungu – biru, dan lain-lain.

Karena tidak memiliki urutan tertentu, maka dapat saja kategori ”pria” diberi kode ”0” dan ”wanita diberi kode ”1” maupun sebaliknya.

2) Kategorik Ordinal, yaitu data kategorik yang mempunyai urutan tertentu namun ”jarak” antar kategori sulit untuk dinyatakan sama.

Contoh: Alat dalam kondisi ”baik”, ”sedang”, ”rusak”.

Karena memiliki urutan, maka jika ”rusak” diberi kode ”1”, maka urutan berikutnya adalah ”sedang’ yang diberi kode ”2”, dan kategori ”baik” diberi kode ”3” atau sebaliknya. Urutan pengkodean di atas tidak dapat ditukar-tukar secara acak, karena akan menjadi tidak sesuai dengan urutan kategorinya.

Data kategorik nominal maupun ordinal dapat diubah menjadi data numerik:

1) rasio, dengan cara membagi jumlah frekuensi suatu kategori dengan kategori yang lain, atau dengan total frekuensi seluruh kategori.

2) ordinal, dengan cara melakukan ranking sesuai dengan jumlah frekuensi dari kategori-kategori yang ada.

b. Numerical Data

Data numerik adalah data metric atau data yang merupakan hasil pengukuran. Jika data hasil pengukuran eksakta menghasilkan data metrik murni (pure metric data), maka pada pengukuran sosial – humaniora, data yang dihasilkan bukan data metrik murni.

Pada pengukuran sosial-humaniora, suatu variabel dikonstruk sedemikian rupa dalam beberapa indikator yang kemudian menjadi dasar pembuatan item pengukuran. Pada setiap item disediakan beberapa pilihan jawaban yang pada dasarnya berbentuk kategorik ordinal. Untuk jawaban yang dipilih pada setiap indikator diubah ke bentuk angka yang disebut scoring. Meskipun kelihatannya sama, namun istilah coding dan scoring berbeda, yaitu:

Coding

Scoring

Diterapkan pada variabel manifest, dimana setiap variabel hanya mengandung 1 item

Diterapkan pada variabel laten yang dikonstruk dari beberapa variabel manifest (indikator), dimana setiap variabel mengandung beberapa item

Hasil coding per item dapat dianalisis langsung, karena setiap item mewakili 1 variabel

Hasil scoring per item tak boleh dianalisis langsung, tapi harus dijumlahkan dengan score item-item lain yang mewakili variabel yang sama.

Data yang dihasilkan merupakan data kategorik baik nominal maupun ordinal

Data yang dihasilkan adalah data interval atau data ordinal yang diperlakukan sebagai data interval

Catatan: Data yang didapat sebagai penjumlahan skor-skor seluruh item pada suatu konstruk variabel laten dimasukkan dalam klasifikasi data interval. Namun ada yang merasa ragu dengan konsep scoring dan coding di atas, ”Apakah data ordinal yang dijumlahkan dapat menghasilkan data interval?”.

Karena itu dalam konteks seperti ini, jumlah skor-skor dari suatu konstruk dinyatakan diperlakukan sebagai data interval (threat as interval), meski sebenarnya dianggap bukan data interval.

1) Numerik Ordinal

Data numerik ordinal adalah data yang berupa angka yang menunjukkan urutan.

Contoh:

a) urutan antrian

b) urutan tempat duduk

c) urutan nomor rumah

d) urutan kemunculan

bentuk khusus data numerik ordinal ini adalah data ranking (rank order), yaitu data yang dihasilkan dari pengurutan data interval atau rasio baik secara meningkat (ascending) maupun menurun (descending).

Seperti data kategorik ordinal, operasi matematika tak dapat dilakukan pada data ini.

Contoh: Tidak dapat dikatakan bahwa; ranking 3 – ranking 2 = ranking 1

Juga tidak dapat dikatakan bahwa; 2 x kali ranking 1 = ranking 2.

2) Numerik Interval

Data numerik interval selain mengandung unsur urutan juga memiliki unsur kesamaan jarak antar urutan. Karena itulah operasi bilangan dapat dilakukan.

Contoh: 40° C – 30° C = 10°C

40° C adalah 2x lebih panas dari 20° C.

Namun data numerik interval tidak memiliki 0 yang absolut.

Contoh: 0° C = 32° F

Siswa yang mendapat nilai 0 pada tes Statistika tidak dapat diartikan bahwa yang bersangkutan tidak memiliki pengetahuan sama sekali tentang Statistika.

Kesamaan jarak ukuran ini yang sulit dijamin pada suatu pengukuran sosial – humaniora. Karena itulah hasil pengukuran sosial – humaniora dianggap bukan data interval, tetapi data ordinal yang diperlakukan sebagai data interval.

Data numerik interval ini dapat diubah menjadi data:

a) numerik ordinal, dengan cara me-ranking-nya

b) kategorik ordinal, dengan cara mengkategorikannya.

3) Numerik Rasio

Data numerik rasio adalah data yang selain mengandung unsur urutan, memiliki jarak ukuran yang sama, serta memiliki nilai 0 absolut.

Contoh: Jika tidak ada sesuatu yang diletakkan di atas timbangan emas, maka angka digital yang tertera tetap angka 0,00.

Seperti data numerik interval, data numerik rasio ini dapat diubah menjadi data:

a) numerik ordinal, dengan cara me-ranking-nya

b) kategorik ordinal, dengan cara mengkategorikannya.

Catatan: Pada program Statistical Package and Service Solutions (SPSS) digunakan hal-hal sebagai berikut:

- Seluruh data yang di-entry untuk dianalisis diperlakukan sebagai data numerik

- Konsep pendataan disamakan dengan pengukuran yang diklasifikasikan atas skala (scale), ordinal, dan nominal.

Perbandingan dengan konsep sebelumnya dapat dilihat pada tabel berikut:

Konsep Sebelumnya

Konsep di SPSS

Pendataan

Kategorik

Nomial

Pengukuran

Nominal

Ordinal

Ordinal

Numerik

Ordinal

Interval

Skala

Rasio

7 komentar:

The nihaya mengatakan...

terima kasih atas tulisan" bapak ttg statistika...
mungkin jika ada kesulitan dalam belajar statistik saya bisa nanya'2 sama bapak....

Inda NurAfifah_Indrawati mengatakan...

makasih ya pak atas tulisannya,, ini sangat bermnfaat bagi sya

Leoks mengatakan...

Selamat Sore, saya kesulitan menjawab soal tentang "ANALISIS DATA METODE PENELITIAN KUALITATIF", mohon bisa dibantu.

SOAL:

DES. KOMP. REL.
NOMINAL ... ... ...
Ordinal ... ... ...
Interval ... ... ...
Rasio ... ... ...

Catatan:
DES. = Deskriptif;
KOMP.= Komparatif;
REL. = Relasional
... = Jawaban
(Sebutkan nama-nama rumusnya)

Terima kasih atas bantuannya, mudah2an menjadi amal bagi yg berkenan membantu.
Jawaban mohon dikirim ke email saya: zun_3112@yahoo.co.id.

Unknown mengatakan...

mohon bantuannya , saya binggung untuk mengerti tentang rancangan berjudul "Pengaruh" harus kategorik VS Numerik . data numerik itu jika menggunakan time series desain bagaimana melihatnya ??


terimakasih atas bantuannya , mudah-mudahan di berkati Tuhan atas bantuannya . jawaban mohon dikirm ke email saya : marianaariyanty@gmail.com

Unknown mengatakan...

Bapak saya mau tanya skala numerik yg bagaimana.. dan sumber referensi skla numerik apa ya pak.. mksih

Unknown mengatakan...

Pak saya mau tanya kalau data saya ada yang jenisnya interval dan ordinal kan tidak bisa diuji dengan uji chi square maka yang harus saya rubah ujinya atau skala datanya pak?

Dani Kusumastuti mengatakan...

Mencerahkan sekali, baru mudeng setelah baca tulisan bapak. maturnuwun