Jenis Data: Nominal, Ordinal, Interval Atau Rasio?

Jika ditinjau dari sumber perolehan, maka data dapat dibagi menjadi data primer dan sekunder. Namun jika ditinjau dari skala data, maka ada 4 type/jenis data, yaitu data nominal, ordinal, interval dan rasio.  

Untuk menjelaskan masing-masing jenis data, saya masih merujuk pada Singgih Santoso (2000&2005).

1. DATA NOMINAL

Data Nominal biasa disebut data skala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.

Contoh: Jenis pekerjaan, diklasifikasi sebagai: 

Pegawai negeri, diberi tanda 1,

Pegawai swasta, diberi tanda 2, 

Wiraswasta, diberi angka 3

Ciri Data Nominal: 
Posisi data setara. Dalam contoh tersebut, pegawai negeri tidak lebih tinggi/lebih rendah dari pegawai swasta. 

Tidak bisa dilakukan operasi matematika (X, +, - atau : ). Contoh, tidak mungkin 3-2=1 (Wiraswasta dikurangi pegawai swasta=pegawai negeri

Contoh2 : Jenis kelamin yang terdiri dari dua kategori yaitu:

(1)  Laki-laki

(2)  Perempuan

Angka (1) untuk laki-laki dan angka (2) untuk perempuan hanya merupakan simbol yang digunakan untuk membedakan dua kategori jenis kelamin. Angka-angka tersebut tidak memiliki makna kuantitatif, artinya angka (2) pada data di atas tidak berarti lebih besar dari angka (1), karena laki-laki tidak memiliki makna lebih besar dari perempuan. Terhadap kedua data (angka) tersebut tidak dapat dilakukan operasi matematika (+, -, x, : ). Misalnya (1) = laki-laki, (2) = perempuan, maka (1) + (2) ≠ (3), karena tidak ada kategori (3) yang merupakan hasil penjumlahan (1) dan (2).

Status pernikahan yang terdiri dari tiga kategori yaitu: (1) Belum menikah, (2) Menikah, (3) Janda/ Duda. Data tersebut memiliki sifat-sifat yang sama dengan data tentang jenis kelamin.

Contoh 3 :

Data	Kode (a)	Kode (b)
Yuni	1	4
Desi	2	2
Ika	3	3
Astuti	4	1

Keterangan: Kode 1 sampai dengan 4 (a) semata-mata hanyalah untuk memberi tanda saja, dan tidak dapat dipergunakan sebagai perbandingan antara satu data dengan data yang lain. Kode tersebut dapat saling ditukarkan sesuai dengan keinginan peneliti (menjadi alternatif b) tanpa mempengaruhi apa pun.

2. DATA ORDINAL

Data berskala ordinal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi diantara data tersebut terdapat hubungan.

Contoh:Kepuasan pelanggan, diklasifikasikan sebagai:

Sangat puas, diberi tanda 1, 

Puas, diberi tanda 2, 

Cukup puas, diberi tanda 3, 

Tidak puas diberi tanda 4, 

 Sangat tidak puas diberi tanda 5

Ciri Data Ordinal:

posisi data tidak setara. Dalam kasus di atas, sikap pelanggan yang sangat puas, lebih tinggi dari yang puas. Sikap pelanggan yang puas, lebih tinggi dari yang cukup puas, dst. Angka/tanda bisa dibalik dari 5 hingga 1, tergantung kesepakatan. 

Tidak bisa dilakukan operasi matematika. Tidak mungkin 1+2=3 (yang berarti sangat puas ditambah puas = cukup puas)

Contoh 2 : Tingkat pendidikan yang disusun dalam urutan sebagai berikut:

(1)  Taman Kanak-kanak (TK)

(2)  Sekolah Dasar (SD)

(3)  Sekolah Menengah Pertama (SMP)

(4)  Sekolah Menengah Atas (SMA)

(5)  Diploma

(6)  Sarjana

Analisis terhadap urutan data di atas menunjukkan bahwa SD memiliki tingkatan lebih tinggi dibandingkan dengan TK dan lebih rendah dibandingkan dengan SMP. Namun demikian, data tersebut tidak dapat dijumlahkan, misalnya SD (2) + SMP (3) ≠ (5) Diploma. Dalam hal ini, operasi  matematika ( + , – , x, : ) tidak berlaku untuk data ordinal.

Peringkat (ranking) siswa dalam satu kelas yang menunjukkan urutan prestasi belajar tertinggi sampai terendah. Siswa pada peringkat (1) memiliki prestasi belajar lebih tinggi dari pada siswa peringkat (2).

Contoh 3 :

Data	Skala Kecantikan (a)	Skala Kecantikan (b)
Yuni	4	10
Desi	3	6
Ika	2	5
Astuti	1	1

Skala kecantikan (a) di atas menunjukkan bahwa Yuni paling cantik (dengan skor tertinggi 4), dan Astuti yang paling tidak cantik dengan skor terendah (1). Akan tetapi, tidak dapat dikatakan bahwa Yuni adalah 4 kali lebih cantik dari pada Astuti. Skor yang lebih tinggi hanya menunjukkan skala pengukuran yang lebih tinggi, tetapi tidak dapat menunjukkan kelipatan. Selain itu, selisih kecantikan antara Yuni dan Desi tidak sama dengan selisih kecantikan antara Desi dan Ika meskipun keduanya mempunyai selisih yang sama (1). Skala kecantikan pada (a) dapat diganti dengan skala kecantikan (b) tanpa mempengaruhi hasil penelitian.

Skala nominal dan skala ordinal biasanya mempergunakan analisis statistik non parametrik, contoh: Korelasi Kendall, Korelasi Rank Spearman, Chi Square dan lain-lain

3. DATA INTERVAL

Data interval adalah data yang diperoleh dengan cara pengukuran, dimana jarak antar dua titik pada skala, sudah diketahui. Berbeda dengan skala ordinal, dimana jarak dua titik tidak diperhatikan (seperti berapa jarak antara puas dan tidak puas, yang sebenarnya menyangkut perasaan orang saja)

Contoh:Temperatur ruangan. Bisa diukur dalam Celsius, atau Fahrenheit, dengan masing-masing punya skala sendiri. Untuk air membeku dan mendidih:

Celcius pada 0° C sampai 100° C. Sakala ini jelas jaraknya, bahwa 100-0=100 

 Fahreinheit pada 32° F sampai 212°F. Skala ini jelas jaraknya, 212-32=180

Ciri Data Interval:

Tidak ada kategorisasi atau pemberian kode seperti terjadi pada data nominal dan ordinal. Bisa dilakukan operasi matematika. (panas 40 derajad adalah dua kali panas disbanding 20 derajad)

1)  Hasil pengukuran suhu (temperatur) menggunakan termometer yang dinyatakan dalam ukuran derajat. Rentang temperatur antara 0⁰ Celcius sampai  1⁰ Celcius memiliki jarak yang sama dengan 1⁰ Celcius sampai  2⁰Celcius. Oleh karena itu berlaku operasi matematik ( +, – ), misalnya 15⁰Celcius + 15⁰ Celcius = 30⁰ Celcius. Namun demikian tidak dapat dinyatakan bahwa benda yang bersuhu 15⁰ Celcius memiliki ukuran panas separuhnya dari benda yang bersuhu 30⁰ Celcius. Demikian juga, tidak dapat dikatakan bahwa benda dengan suhu 0⁰ Celcius tidak memiliki suhu sama sekali. Angka 0⁰ Celcius memiliki sifat relatif (tidak mutlak). Artinya, jika diukur dengan menggunakan Termometer Fahrenheit diperoleh 0⁰Celcius = 32⁰ Fahrenheit.

2)  Kecerdasaran intelektual yang dinyatakan dalam IQ. Rentang IQ 100 sampai  110 memiliki jarak yang sama dengan 110 sampai  120. Namun demikian tidak dapat dinyatakan orang yang memiliki IQ 150 tingkat kecerdasannya 1,5 kali dari urang yang memiliki IQ 100.

3)  Didasari oleh asumsi yang kuat, skor tes prestasi belajar (misalnya IPK mahasiswa dan hasil ujian siswa) dapat dikatakan sebagai data interval.

4)  Dalam banyak kegiatan penelitian, data skor yang diperoleh melalui kuesioner (misalnya skala sikap atau intensitas perilaku) sering dinyatakan sebagai data interval setelah alternatif jawabannya diberi skor yang ekuivalen (setara) dengan skala interval, misalnya:

Skor (5) untuk jawaban “Sangat Setuju”

Skor (4) untuk jawaban “Setuju”

Skor (3) untuk jawaban “Tidak Punya Pendapat”

Skor (2) untuk jawaban “Tidak Setuju”

Skor (1) untuk jawaban “Sangat Tidak Setuju”

Dalam pengolahannya, skor jawaban kuesioner diasumsikan memiliki sifat-sifat yang sama dengan data interval.

Contoh :

Data	Nilai Mata Kuliah (a)	Skor Nilai Mata Kuliah (b)
Yuni	A	4
Desi	B	3
Ika	C	2
Astuti	D	1

Tabel di atas menunjukkan bahwa nilai A setara dengan 4, B setara dengan 3, C setara dengan 2 dan D setara dengan 1. Selisih antara nilai A dan B adalah sama dengan selisih antara B dan C dan juga sama persis dengan selisih antara nilai C dan D. Akan tetapi, tidak boleh dikatakan bahwa Yuni adalah empat kali lebih pintar dibandingkan Astuti, atau Ika dua kali lebih pintas dari pada Astuti. Meskipun selisihnya sama, tetapi tidak mempunyai nilai nol mutlak.

4. DATA RASIO:

Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui, dan mempunyai titik nol yang absolut. Ini berbeda dengan skala interval, dimana taka da titik nol mutlak/absolut. Seperti titik 0°C tentu beda dengan titik 0°F. atau pergantian tahun pada system kalender Masehi (setiap 1 Januari) berbeda dengan pergantian tahun Jawa, China dan lainnya. Sehingga tak ada tahun baru dalam artian diakui oleh semua kalender sebagai tahun baru.

Contoh:Jumlah buku di kelas: Jika 5, berarti ada 5 buku. Jika 0, berarti taka da buku (absolut 0)

Ciri Data Rasio:

Tak ada kategorisasi atau pemberian kode. 

 Bisa dilakukan operasi matematika. Missal: 100 cm + 35 cm = 135 cm; 5 mangga + 2 mangga = 7 mangga.

Catatan: pengolahan data kuantitatif sebagian besar menggunakan data rasio.

1)      Panjang suatu benda yang dinyatakan dalam ukuran meter adalah data rasio. Benda yang panjangnya 1 meter berbeda secara nyata dengan benda yang panjangnya 2 meter sehingga dapat dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data nominal). Ukuran panjang benda dapat diurutkan mulai dari yang terpanjang sampai yang terpendek (sifat data ordinal). Perbedaan antara benda yang panjangnya 1 meter dengan 2 meter memiliki jarak yang sama dengan perbedaan antara benda yang panjangnya 2 meter dengan 3 (sifat data interval). Kelebihan sifat yang dimiliki data rasio ditunjukkan oleh dua hal yaitu: (1) Angka 0 meter menunjukkan nilai mutlak yang artinya tidak ada benda yang diukur; serta (2) Benda yang panjangnya 2 meter, 2 kali lebih panjang dibandingkan dengan benda yang panjangnya 1 meter yang menunjukkan berlakunya semua operasi matematik. Kedua hal tersebut tidak berlaku untuk jenis data nominal, data ordinal, ataupun data interval.

2)      Data hasil pengukuran berat suatu benda yang dinyatakan dalam gram memiliki semua sifat-sifat sebagai data interval. Benda yang beratnya 1 kg. berbeda secara nyata dengan benda yang beratnya 2 kg. Ukuran berat benda dapat diurutkan mulai dari yang terberat sampai yang terringan. Perbedaan antara benda yang beratnya 1 kg. dengan 2 kg memiliki rentang berat yang sama dengan perbedaan antara benda yang beratnya 2 kg. dengan 3 kg. Angka 0 kg. menunjukkan tidak ada benda (berat) yang diukur. Benda yang beratnya 2 kg., 2 kali lebih berat dibandingkan dengan benda yang beratnya 1 kg..

Pemahaman peneliti terhadap jenis-jenis data penelitian tersebut di atas bermanfaat untuk menentukan teknik analisis data yang akan digunakan. Terdapat sejumlah teknik analisis data yang harus dipilih oleh peneliti berdasarkan jenis datanya. Teknik analisis data kualitatif akan berbeda dengan teknik analisis data kuantitatif. Karena memiliki sifat yang berbeda, maka teknik analisis data nominal akan berbeda dengan teknik analisis data ordinal, data interval, dan data rasio.

Contoh :

Data	Tinggi Badan	Berat badan
Yuni	170	60
Desi	160	50
Ika	150	40
Astuti	140	30

Tabel di atas adalah menggunakan skala rasio, artinya setiap satuan pengukuran mempunyai satuan yang sama dan mampu mencerminkan kelipatan antara satu pengukuran dengan pengukuran yang lain. Sebagai contoh; Yuni mempunyai berat badan dua kali lipat berat Astuti, atau, Desi mempunyai tinggi 14,29% lebih tinggi dari pada Astuti.

Skala pengukuran interval dan rasio biasanya dikenai alat statistik parametrik