Jenis Data

Sebelum menghitung rata-rata atau memilih jenis grafik, kita perlu mengenali jenis data yang sedang dipegang. Jenis kelamin responden, tingkat kepuasan pelanggan, jumlah anak dalam keluarga, dan berat badan siswa sama-sama bisa disimpan sebagai kolom pada satu tabel, tetapi sifat keempatnya berbeda. Ringkasan, visualisasi, dan uji statistik yang tepat untuk masing-masing mengikuti jenis datanya. Chapter ini memetakan jenis data yang paling sering muncul dalam praktik dan menunjukkan konsekuensi praktis dari pembedaan tersebut.

Data Kualitatif (Kategorik) #

Data kualitatif menyatakan kategori atau kualitas, bukan besaran, dan terbagi dua subjenis. Subjenis pertama adalah data nominal, yaitu kategori tanpa urutan. Contohnya jenis kelamin (laki-laki, perempuan), agama (Islam, Kristen, Katolik, Hindu, Buddha, Konghucu), dan moda transportasi ke sekolah (jalan kaki, sepeda, motor, angkutan umum). Tidak ada peringkat antar kategori, dan mengubah urutan baris pada tabel tidak mengubah makna datanya.

Subjenis kedua adalah data ordinal, yaitu kategori dengan urutan, tetapi jarak antar tingkat tidak diketahui dan tidak bisa diasumsikan sama. Contohnya tingkat kepuasan (tidak puas, cukup puas, puas, sangat puas), jenjang pendidikan (SD, SMP, SMA), dan peringkat lomba. Kita tahu “sangat puas” lebih tinggi daripada “puas”, tetapi kita tidak bisa menyatakan selisih keduanya sama besar dengan selisih “cukup puas” dan “puas”. Sifat “ada urutan tanpa jarak yang pasti” ini akan berulang sebagai tema penting pada chapter Skala Pengukuran.

Data Kuantitatif (Numerik) #

Data kuantitatif menyatakan besaran sehingga layak dihitung secara aritmetika. Subjenis pertama adalah data diskret, yaitu hasil penghitungan sehingga nilainya bilangan bulat. Jumlah anak dalam keluarga, jumlah penghuni rumah, dan jumlah unit barang terjual adalah contohnya; tidak ada keluarga dengan 2,5 anak. Sebagai ilustrasi, lima keluarga di satu RT mencatat jumlah anak 0, 1, 2, 3, dan 4:

mean = (0 + 1 + 2 + 3 + 4) / 5 = 10 / 5 = 2.0 anak

Rata-rata 2.0 anak per keluarga sah dihitung karena penjumlahan dan pembagian bermakna untuk data diskret. Hasil pembagian tersebut tidak harus berupa bilangan bulat; nilai 2.0 tetap bermakna sebagai rata-rata besaran.

Subjenis kedua adalah data kontinu, yaitu hasil pengukuran sehingga nilainya dapat berupa pecahan dalam rentang tertentu. Berat badan, tinggi badan, suhu udara, dan durasi perjalanan termasuk data kontinu karena di antara dua nilai mana pun masih terdapat nilai lain yang mungkin. Berat badan delapan siswa tercatat sebagai berikut:

48.2, 52.5, 55.0, 49.8, 60.3, 51.7, 47.5, 54.1 (kg)
Σ berat = 419.1 kg
mean = 419.1 / 8 = 52.3875 ≈ 52.39 kg (dibulatkan ke dua desimal)

Rata-rata 52.39 kg berada di antara data terkecil (47.5) dan terbesar (60.3), dan hasil pembagian 52.3875 dibulatkan ke dua desimal menjadi 52.39. Frasa “rata-rata jenis kelamin” sebaliknya tidak bermakna, karena kategori tidak memiliki besaran untuk dijumlahkan; perhitungan seperti baris di atas hanya masuk akal untuk data numerik.

Mengapa Pembedaan Ini Penting #

Pertama, jenis data menentukan ringkasan yang tepat. Data kategorik dirangkum dengan modus atau proporsi, sedangkan data numerik dirangkum dengan mean, median, dan ukuran penyebaran. Sebagai contoh, dari 26 siswa satu kelas tercatat 14 laki-laki dan 12 perempuan. Proporsi laki-laki adalah 14/26 = 0.538, atau 53.8% bila dibulatkan ke satu desimal. Pada data jenis kelamin, proporsi jauh lebih informatif daripada mencari rata-rata.

Kedua, jenis data menentukan visualisasi yang tepat. Data kategorik cocok ditampilkan sebagai diagram batang atau diagram lingkaran, sedangkan data numerik cocok dengan histogram, line chart, atau scatter plot. Pemilihan yang keliru, misalnya line chart untuk data nominal, menghasilkan grafik yang menyesatkan karena garis penghubung menyiratkan urutan yang sebenarnya tidak ada. Pemetaan lengkap jenis data ke jenis grafik akan kita praktikkan pada Section Visualisasi Data.

Ketiga, jenis data menentukan uji statistik yang sah. Uji untuk membandingkan proporsi kategori berbeda dari uji untuk membandingkan mean dua kelompok, dan keduanya berbeda lagi dari uji untuk data berperingkat. Pilihan yang keliru membuat kesimpulan tidak berdiri meskipun perhitungannya rapi. Karena itu setiap analisis pada course ini selalu dimulai dengan pertanyaan sederhana: data ini termasuk jenis apa?

Tabel Jenis Data dan Ringkasan yang Cocok #

Tabel berikut merangkum pemetaan yang telah dibahas. Gunakan tabel ini sebagai patokan cepat ketika menentukan ringkasan yang sesuai untuk suatu kolom data.

Data Primer dan Data Sekunder #

Klasifikasi berikutnya memandang data dari sumbernya. Data primer adalah data yang kita kumpulkan sendiri untuk kebutuhan analisis yang sedang berjalan: survei kepuasan kantin yang kita sebarkan, catatan penjualan warung yang kita simpan, atau hasil eksperimen di kelas. Data sekunder adalah data yang dikumpulkan pihak lain untuk tujuan yang mungkin berbeda: publikasi resmi Badan Pusat Statistik (BPS) atau dataset terbuka pemerintah.

Kedua sumber tersebut punya konsekuensi berbeda. Data primer sesuai dengan definisi dan kebutuhan kita, tetapi pengumpulannya memerlukan waktu, biaya, dan perencanaan yang tidak kecil. Data sekunder cepat dan murah diperoleh, tetapi definisi variabel, periode, dan metode pengumpulannya sudah tetap. Misalnya, definisi “bekerja” pada survei ketenagakerjaan resmi mengikuti standar lembaga penerbit, bukan definisi kita. Karena itu dokumentasi sumber sekunder wajib dibaca sebelum datanya dipakai.

Data Cross-Sectional dan Longitudinal #

Klasifikasi terakhir memandang waktu pengumpulan. Data cross-sectional dikumpulkan pada satu titik waktu dari banyak objek, misalnya survei kepuasan pelanggan bulan Desember kepada 200 responden. Data longitudinal dikumpulkan berulang kali pada objek yang sama selama beberapa periode, misalnya berat badan 20 anggota klub kebugaran yang dicatat setiap bulan, atau harga beras di satu pasar yang dicatat setiap minggu.

Perbedaan ini menentukan pertanyaan yang bisa dijawab. Data cross-sectional menjawab keadaan pada satu waktu, sedangkan data longitudinal menjawab perubahan antar waktu. Analisis data longitudinal memiliki perangkat khusus yang akan kita pelajari pada Section Deret Waktu.

Dengan peta jenis data yang lengkap, langkah berikutnya adalah memperhalus klasifikasi kategori dan angka menjadi empat tingkat skala pengukuran. Skala pengukuran menentukan operasi matematika mana yang sah untuk setiap kolom data, sehingga menjadi fondasi bagi seluruh perhitungan pada section selanjutnya. Sebagai latihan tambahan, situs BPS menyediakan contoh data sekunder nyata dengan dokumentasi definisinya, dan buku OpenIntro Statistics membahas klasifikasi data pada bab pengantar statistikanya.