Cara Memperoleh Data, Sifat Data, Waktu Pengumpulan, Tingkatan Data, Sumber, dan Sifat Data
Berdasarkan Cara Memperoleh
Ø Data Observasional
Data observasi adalah data yang ditangkap in situ. Data ini sekali jadi atau tidak bisa diulang, diciptakan atau diganti.
Ø Data Wawancara
Data wawancara adalah data yang diperoleh melalui tanya-jawab antara peneliti dan informan. Data ini bisa divalidasi menggunakan triangulasi.
Ø Data Eksperimental
Data eksperimental adalah data yang dikumpulkan dalam kondisi terkendali, in situ atau berbasis laboratorium dan harus bisa direproduksi.
Ø Data Simulasi
Data simulasi adalah data hasil dari penggunaan model dan metadata di mana input lebih penting daripada output. Contoh: model iklim, model ekonomi, model kosmologi dan lain-lain.
Ø Data Referensi atau Kanonik
Data Referensi atau kanonik adalah data statis atau koleksi organik (peer-reviewed) Contoh: menggunakan data urutan gen yang sudah tersedia, struktur kimia, data sensus dan lain-lain.
Ø Data Derivasi atau Kompilasi
Data derivasi atau kompilasi adalah data reproduksi. Contoh: kompilasi database yang sudah ada untuk membangun struktur 3D.
Berdasarkan Sifat Data
1. Data Diskrit
Data diskrit adalah data yang nilainya adalah bilangan asli. Contohnya adalah berat badan ibu-ibu pkk sumber ayu, nilai rupiah dari waktu ke waktu, dan lain-sebagainya.
2. Data Kontinyu
Data kontinyu adalah data yang nilainya ada pada suatu interval tertentu atau berada pada nilai yang satu ke nilai yang lainnya. Contohnya penggunaan kata sekitar, kurang lebih, kira-kira, dan sebagainya. Dinas pertanian daerah mengimpor bahan baku pabrik pupuk kurang lebih 850 ton.
Menurut Waktu Pengumpulannya
1. Data Cross Section
Data cross-section adalah data yang menunjukkan titik waktu tertentu. Contohnya laporan keuangan per 31 desember 2006, data pelanggan PT. angin ribut bulan mei 2004, dan lain sebagainya.
2. Data Time Series / Berkala
Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke waktu atau periode secara historis. Contoh data time series adalah data perkembangan nilai tukar dollar amerika terhadap euro eropa dari tahun 2004 sampai 2006, jumlah pengikut jamaah nurdin m. top dan doktor azahari dari bulan ke bulan, dll.
Tingkatan Data
Rasio.
Merupakan tingkatan tipe data tertinggi. Disebut paling tinggi karena fleksibilitasnya dipandang dari sisi matematis. Ciri-ciri tipe data rasio adalah memiliki satuan, misal: cm, kg, km, dB, inchi, Rupiah, dll. Dengan demikian, 10 satuan bila dibandingkan dengan 1 satuan berarti 10 kali. Jadi, 10 km berarti 10 x 1 km. Bila asumsi kenormalan data terpenuhi, tipe data rasio sangat layak dianalisis menggunakan metode statistika parametrik. Ringkasannya adalah sebagai berikut:
memiliki satuan
dapat dibandingkan, misal: 10 km berarti 10 kalinya 1 km
memiliki nilai nol mutlak, yaitu: nilai nol berarti tidak ada. Misal: 0 kg berarti tidak ada bobot
memiliki sifat tingkatan, yaitu: angka 10 berarti lebih tinggi/lebih banyak dari angka 1
dapat dikenai operasi aritmatika, misal: tambah, kali, bagi, kurang, pangkat, dll.
cocok untuk metode statistika parametrik dan nonparametrik
Contoh: data tinggi badan, data kecepatan akses memori komputer, data perubahan nilai tukar rupiah terhadap US Dollar, dll.
Interval.
Setingkat di bawah rasio, tipe data interval tidak bisa dibandingkan sesederhana pada data rasio. Misal, pada data suhu suatu zat menggunakan satuan Celcius. Suhu 10C tidak berarti 10 kalinya suhu 1C. Hal ini disebabkan karena data interval tidak memiliki nilai nol mutlak. Artinya, 0C bukan berarti tidak ada suhu. Nol derajat hanyalah lambang angka untuk suatu tingkatan suhu tertentu. Ringkasannya adalah sebagai berikut:
memiliki satuan
angka-angkanya tidak dapat dibandingkan, yaitu misal angka 10 tidak berarti 10 kalinya angka 1 data interval
tidak memiliki nilai nol mutlak, yaitu angka nol bukan berarti ‘tidak ada’
memiliki sifat tingkatan, yaitu misal: angka 10 berarti lebih tinggi/lebih banyak dari angka 1
memiliki jarak antar angka yang sama, yaitu misal: pada kuesioner yang menggunakan skala Likert, jika ‘Sangat Setuju’ diberi lambang angka 5, ‘Setuju’ dilambangkan angka 4, ‘Ragu-ragu’ dilambangkan 3, ‘Tidak Setuju’ dilambangkan 2, dan ‘Sangat Tidak Setuju’ dilambangkan 1. Maka jarak antar preferensi (kesetujuan atau ketidaksetujuan) adalah sama, yaitu: 1. Jarak antara ‘Sangat Setuju’ dengan ‘Setuju’ adalah 5-4=1. Jarak antara ‘Setuju’ dengan ‘Tidak Setuju’ adalah 4-2=2 karena melewati ‘Ragu-ragu’, dst.
dapat dikenai operasi aritmatika, tambah, kurang, bagi, dll.
cocok untuk metode statistika parametrik maupun nonparametrik
Contoh: data suhu, data yang diperoleh dari skala Likert, dll.
Ordinal.
Merupakan tipe data level 3, yaitu di bawah Interval. Tipe data ini digunakan untuk klasifikasi. Namun tipe data ini memiliki tingkatan. Misalnya, pada kuesioner untuk jenjang pendidikan: SD = 1, SMP=2, SMA=3 dan PT=4. Angka4 berarti lebih tinggi dari angka 1. Dengan demikian jika menggunakan data ordinal dalam kasus ini, jenjang pendidikan dapat diklasifikasikan/dibedakan dengan angka dan bersifat memiliki tingkatan. Ringkasannya adalah sebagai berikut:
tidak memiliki satuan
digunakan untuk pengklasifikasian pada suatu observasi
memiliki sifat tingkatan
jika digunakan, tidak perlu harus memiliki jarak yang sama. Misal untuk kuesioner pada jenjang pendidikan, boleh saja SD dilambangkan 1, tapi SMP dilambangkan 3, SMA dilambangkan 4 dan PT dilambangkan 5. Walaupun jarak angka antara SD ke SMP tidak sama dengan jarak antara SMP ke SMA, hal ini sah-sah saja asal tetap konsisten dalam hal tingkatan angka. Tidak boleh jika: SD = 1, SMP=4, SMA=3, PT=4 karena jenjang SMA lebih tinggi dari SMP. Seharusnya lambang untuk SMA menggunakan angka yang lebih besar untuk SMP.
tidak dapat dikenai operasi aritmatika
cocok untuk metode statistika nonparametrik
Nominal.
Nominal adalah tingkatan data paling rendah di dalam statistika. Ringkasannnya adalah sebagai berikut:
tidak memiliki satuan
tidak memiliki tingkatan, artinya angka 2 tidak berarti lebih besar dari 1.
hanya sebagai klasifikasi saja, misal untuk kuesioner jenis kelamin. Jika ‘Pria’ = 1 dan ‘Wanita’ = 2, bukan berarti jenis kelamin wanita memiliki tingkatan lebih tinggi hanya karena dilambangkan dengan angka 2 dibandingkan pria. Ini hanya masalah klasifikasi saja, hanya membedakan saja dari yang lainnya.
tidak dapat dikenai operasi aritmatika
cocok untuk metode statistika nonparametrik
Berdasarkan Sumber
Ø Data Primer
Data primer adalah data yang dikumpulkan oleh peneliti sendiri atau dirinya sendiri. Ini adalah data yang belum pernah dikumpulkan sebelumnya, baik dengan cara tertentu atau pada periode waktu tertentu.
Ø Data Sekunder
Data sekunder adalah data yang dikumpulkan oleh orang lain, bukan peneliti itu sendiri. Data ini biasanya berasal dari penelitian lain yang dilakukan oleh lembaga-lembaga atau organisasi seperti BPS dan lain-lain.
Sifat Data
Berulang kali telah dikemukakan bahwa data statistik adalah data yang berwujud angka. Sebagai data angka, data statistik memiliki beberapa sifat tertentu, antara lain adalah:
1. Memiliki Nilai Relatif (relative Value) atau nilai semu. Nilai relatif dari suatu angka atau bilangan adalah nilai yang ditunjukkan oleh angka atau bilangan itu sendiri.
Contoh :
Nilai relatif dari bilangan 5 adalah nilai bilangan 5 itu sendiri
2. Memiliki Nilai Nyata (True Value) atau nilai sebenarnya. Nilai nyata dari suatu angka adalah daerah tertentu dalam suatu deretan angka yang diawali oleh nilai relatif.
Contoh :
Nilai nyata dari 5 adalah daerah antara (5 – 0,5) sampai dengan (5 + 0,5). Jadi nilai nyata dari angka 5 adalah daerah antara 4,5 – 5,5.
3. Memiliki Batas Bawah Relatif, Batas Atas Relatif, Batas Bawah Nyata, dan Batas Atas Nyata.
Contoh :
Bilangan 50 – 54
Maka batas bawah relatif adalah 50 ; batas atas relatif 54 ; batas bawah nyata 50 – 0,5 = 49,5 (Lower Limit = l); batas atas nyata 54 + 0,5 = 54,5 (Upper Limit = u)
Bilangan 50 – 54 disebut Nilai Relatif ; 49,5 dan 54,5 disebut Nilai Nyata
4. Data statistik yang berbentuk data kelompok memiliki nilai tengah atau titik tengah (Midpoint), yaitu nilai dari deretan bilangan atau angka yang terletak di tengah-tengah deretan angka atau bilangan tersebut.
Contoh :
a. Deretan angka yaitu 11, 12, 13, 14, 15 nilai tengahnya = 13, karena nilai 13 berada di tengah-tengah deretan angka tersebut.
b. Data kelompok antara 40 – 44 nilai tengahnya = (40 + 44)/2 = 42, karena nilai 42 terletak pada deretan angka tersebut di tengah-tengah.
5. Data statistik sebagai data angka, dalam penggunaan perhitungan tidak menggunakan sistem pecahan melainkan menggunakan sistem desimal (pembulatan).
Contoh :
Pecahan ½ harus diubah menjadi 0,5
6. Data statistik sebagai data angka dalam penggunaan perhitungan menggunakan sistem pembulatan angka, yaitu pada angka desimal biasanya dilakukan setelah di belakang tanda koma dan diambil tiga angka saja dengan ketentuan :
a. Jika angka setelah tanda koma 50 atau kurang dari 50 maka bilangan setelahnya dianggap 0 (nol) dan tiga angka setelah bilangan desimal (tanda koma) tetap.
Contoh :
0,1234 dibulatkan menjadi 0,123
b. Jika angka setelah tanda koma 51 atau lebih dari 51 maka bilangan setelahnya dianggap 1 (satu) dan bilangan 1 (satu) tersebut ditambahkan pada bilangan sebelumnya pada angka ketiga setelah tanda desimal (tanda koma).
Contoh :
0,123517 dibulatkan menjadi 0,124
