Jenis-jenis Data: Seri Tutorial SPSS 01
Tak bisa dibantah jika kita mengolah data statistik dengan komputer maka yang pertama kali terbayang adalah SPSS. SPSS memang salah satu program statistik yang paling populer di antara program lainnya. SPSS banyak digunakan dalam penelitian-penelitian sosial dan riset, yang sesuai dengan kepanjangan SPSS yaitu: Statistical Package for the Social Science. Walaupun sekarang singkatannya menjadi Statistical Product and Service Solution (karena fungsinya yang lebih berkembang) namun tetap saja SPSS lebih sering digunakan dalam penelitian sosial. Saat ini SPSS telah sampai pada versi 13. Tutorial SPSS ini hanya membahas kegunaannya dalam penelitian-penelitian sosial dan kalau masih sempat akan disinggung sedikit masalah survey.
Sebelum masuk pada tahap demi tahap tutorial SPSS, pengetahuan tentang jenis-jenis data dalam statistik adalah syarat utama yang harus dikuasai -ini menurut para ahli statistik. Pengetahuan tentang jenis-jenis data sangat menentukan metode yang akan digunakan dalam pengambilan data dan tentu saja alat analisis apa yang dibutuhkan oleh data tersebut agar lebih bermakna.
Jenis-jenis data ini bertingkat menurut tingkatan pengukuran. Saya biasa menyingkatnya dengan “NOIR†atau â€RIONâ€. Jenis data tersebut adalah:
1. Data Rasio
Data rasio adalah tingkatan data yang paling tinggi. Data rasio memiliki jarak antar nilai yang pasti dan memiliki nilai nol mutlak yang tidak dimiliki oleh jenis-jenis data lainnya. Contoh dari data rasio diantaranya: berat badan, panjang benda, jumlah satuan benda. Jika kita memiliki 10 bola maka ada perwujudan 10 bola itu, dan ketika ada seseorang memiliki 0 bola maka seseorang tersebut tidak memiliki bola satupun. Data rasio dapat digunakan dalam komputasi matematik, misalnya A memiliki 10 bola dan B memiliki 8 bola, maka A memiliki 2 bola (10-8) lebih banyak dari B.
2. Data Interval
Data interval mempunyai tingkatan lebih rendah dari data rasio. Data rasio memiliki jarak data yang pasti namun tidak memiliki nilai nol mutlak. Contoh dari data interval ialah hasil dari nilai ujian matematika. Jika A mendapat nilai 10 dan B mendapat nilai 8, maka dipastikan A mempunyai 2 nilai lebih banyak dari B. Namun tidak ada nilai nol mutlak, maksudnya bila C mendapat nilai 0, tidak berarti bahwa kemampuan C dalam pelajaran matematika adalah nol atau kosong.
3. Data Ordinal
Data ordinal pada dasarnya adalah hasil dari kuantifikasi data kualitatif. Contoh dari data ordinal yaitu penskalaan sikap individu. Penskalaan sikap individu terhadap sesuatu bisa diwujudkan dalam bermacam bentuk, diantaranya yaitu: dari sikap Sangat Setuju (5), Setuju (4), Netral (3), Tidak Setuju (2), dan Sangat Tidak Setuju (1). Pada tingkatan ordinal ini data yang ada tidak mempunyai jarak data yang pasti, misalnya: Sangat Setuju (5) dan Setuju (4) tidak diketahui pasti jarak antar nilainya karena jarak antara Sangat Setuju (5) dan Setuju (4) bukan 1 satuan (5-4).
4. Data Nominal
Data nominal adalah tingkatan data paling rendah menurut tingkat pengukurannya. Data nominal ini pada satu individu tidak mempunyai variasi sama sekali, jadi 1 individu hanya punya 1 bentuk data. Contoh data nominal diantaranya yaitu: jenis kelamin, tempat tinggal, tahun lahir dll. Setiap individu hanya akan mempunyai 1 data jenis kelamin, laki-laki atau perempuan. Data jenis kelamin ini nantinya akan diberi label dalam pengolahannya, misalnya perempuan =1, laki-laki =2.
Ada lagi jenis data yang sering disebutkan dalam statistik yaitu data Parametric dan Non-Parametric. Jika “NOIR†adalah pembagian data menurut tingkatan pengukuran, pembagian parametric dan non-parametric dipengaruhi oleh karakteristik empirik dari data tersebut. Pengetahuan tentang batasan data parametric dan non-parametric ini sangat penting karena pada proses analisis memang dibedakan untuk masing-masing jenis data tersebut.
Suatu data disebut sebagai data parametric bila memenuhi kriteria sbb (Field, 2000):
- Normally distributed data. Data yang mempunyai distribusi normal adalah data yang dapat mewakili populasi yang diteliti. Secara kasat mata kita bisa melihat histogram dari data yang dimaksud, apakah membentuk kurva normal atau tidak. Tentu saja cara ini sangat subyektif. Cara lainnya yaitu dengan melakukan uji normalitas pada data yang dimaksud –caranya akan dijelaskan lebih lanjut.
- Homogenity of variance. Varians dari data yang dimaksud harus stabil tidak berubah secara sistematis pada keseluruhan data. Kita bisa mengetahui homogenity of variance dengan melakukan tes tertentu. Untuk jenis-jenis analisis tertentu SPSS secara otomatis menyertakan hasil tes ini.
- Interval data. Data yang dimaksud minimal merupakan data interval.
- Independence. Data yang diperoleh merupakan data dari tiap individu yang independen, maksudnya respon dari 1 individu tidak mempengaruhi atau dipengaruhi respon individu lainnya.
Karena keterbatasan, saya tidak bisa menjelaskan lebih mendalam, kalau dirasa kurang jelas silakan cari buku statistik yang membahas hal ini lebih lanjut .
Sumber utama: Field, A. 2000. Discovering Statistics Using SPSS. US: Sage Publication.
Artikel ditulis tahun 2004
Comments
Pingback from WitH s0 MaNy tHin9 I aM :: Analisis pada Value Label :: July :: 2007
Time: August 24, 2007, 8:17 am
[...] gak bisa diitung) yang dikuantitatifkan dalam bentuk angka. Kalo data kualitatif tersebut merupakan data ordinal, seperti misalnya dalam kusioner (setuju, ragu-ragu dan tidak setuju) masih dapat dilakukan [...]
Comment from lilis
Time: September 27, 2007, 8:53 am
saya pingin tanya mengubah data ordinal menjadi data interval dengan menggunakan metode succesive interval itu gimana ya caranya?
Comment from ana
Time: December 6, 2007, 12:49 pm
bisa bantu saya…gimana caranya melakukan transformasi data interval untuk menormalkan data yg tdk terdistribusi normal?
Terimakasih
Comment from RIA SONDANG
Time: January 19, 2008, 5:03 am
Tolong bantu saya, saya punya sekelompok data yang tidak berdistribusi normal,data kuantitatif. Saya sdh coba mengelompokkan data dan mencari rata-ratanya, setelah kenormalan untuk rata-rata ini pun tidak berdistribusi normal. Padahal, saya harus secepatnya menganalisa data ini…Please tolong infonya yah… Thanks a lot.
Comment from bhina
Time: January 19, 2008, 9:35 am
setahu saya jika data kita tidak terdistribusi normal berarti data kita bukan data parametric (data non-parametric). untuk data non-parametric kita bisa melakukan analisis2 yang termasuk dalam non-parametric test. prinsip dari non-parametric test adalah analisisnya dilakukan pada data rangking dari data asli kita. jadi nilai terendah dari data kita diberi rangking 1 dan nilai yang selanjutnya kita beri rangking 2, begitu seterusnya. contoh non-parametric test: mann-whitney dan wilcoxon. semoga bs membantu 
Comment from ika yuspisari
Time: March 10, 2008, 9:47 am
saya telah melihat beberapa skripsi. tapi sampai sekarang saya masih belum mengerti, mengapa data ordinal diubah menjadi data interval? mohon bantuan jawaban yang sejelas-jelasnya. sebalumnya saya ucapkan terima kasih.
Comment from bhina
Time: March 10, 2008, 4:12 pm
wah sy jg kurang tahu pasti mbak. tp menurut sy dalam penskalaan psikologi itu biasa dilakukan (sy asumsikan mbak membaca skripsi psikologi). tp bukan data ordinal yg “diubah” menjadi interval, tapi data ordinal yang “diperlakukan” sebagai data interval. masalahnya kalau itu data ordinal kita tidak bisa melakukan operasi aritmetik atau perhitungan matematik -yang hanya bisa dilakukan pada data interval dan rasio. Nah berdasar pertimbangan ini jarak antar atribut di data ordinal di berlakukan sebagaimana spt data interval, atau dengan kata lain data ordinal tersebut diperlakukan sebagai data interval. gitu mbak… tambah jelas ato tambah bingung?
Comment from fey
Time: April 16, 2008, 5:16 am
bisa tolong bantu jelasin cara baca wilcoxon ga?trus beda pearson dan spearman apa?saya punya data ordinal tapi saya pakai uji validitas korelasi pearson salah ga c?krn harusnya pake spearman ya?thanx
Comment from pal
Time: April 16, 2008, 1:37 pm
mas, kalo menggunakan analisis diskriminan apa uji asumsi klasik hrs dipenuhi semua agar penelitian yg dilakukan menghasilkan output yg valid?
bgmn kalo yg diuji normalitasnya saja?
Comment from ferry kusmanto
Time: May 3, 2008, 8:41 am
mas, kalo udah pakai analisis faktor dan regresi berganda, apakah juga perlu dianalisis pakai uji asumsi klasik? itu kan tujuannya sama
Comment from srina
Time: May 13, 2008, 9:02 am
halo, saya mau tanya:
bagaimana cara menormalkan data yg tdk normal dengan sistem spss?
saya sdh mencoba uji Kolmogorov-Smirnov, tp hasil Sig-nya .000 yg berarti data tidak normal. atas bantuannya saya ucapkan terimakasih.
Comment from rini
Time: May 21, 2008, 8:10 am
boleh tanya ga?klo datanya ga normal perlu diuji homogenitasnya ga?pke apa?thanks ya
Comment from rini
Time: May 21, 2008, 8:27 am
oiya, klo jawab pertanyaanqu yang tadi tolong ke emailqu ya.ryynee@yahoo.com cos aq suka lupa alamat ini.thakns
Comment from siska
Time: June 16, 2008, 8:22 am
hie hei,,saya mw minta tolong,saya mina tolong beri saya contah data rasio yang dapat diturunkan menjadi data interval,nominal.trims
/
Comment from Bhina Patria
Time: June 16, 2008, 1:11 pm
misalnya data tentang gaji dalam rupiah (data rasio), dibuat saja kategorisasi seperti gaji tinggi, gaji sedang, gaji rendah. atau range gaji 500.00-1 juta; 1-1.500rb; dll… klo dikategorisasi level datanya jadi turun.
Comment from fawzi
Time: June 18, 2008, 3:12 pm
tolong kasih saya contoh data kuantitatif dong..
Comment from Eksa
Time: July 23, 2008, 1:25 am
Sy mau tanya donk, jd tlng di jwb ya. Gini skripsi sy kan menggunakan variabel pemoderasi, apa bener ga perlu dilakukan uji multikolinearitas, krn klo dipaksasin tetep nguji kemungkinan besar akan jd multikol? Tlng dijelasin y sejelas-jelasnya, kirim aja jwbnnya ke e-mail sy di eksayu_san@yahoo.co.id. Makasih sebelumnya
Comment from Shalihah
Time: September 7, 2008, 9:11 am
Berapakah jumlah variabel bebas yang paling banyak boleh digunakan utnuk mencari hubungannya dengan satu variabel terikat? Analisisnya menggunakan SPSS regresi multivariate ya? Nanti bentuk grafiknya pada sumbu x menunjukkan variabel bebas yang mana (kan jumlahnya banyak/ lebih dari satu)? Terus untuk menentukan hipotesis diterima/ ditolak, lebih utama dilihat pada apanya? Mohon dijelaskan ya. Trimakasih. WasslmWrWb
Comment from sari
Time: November 20, 2008, 2:21 pm
saya punya data interval tapi tidak terdistribusi normal tapi sy hrs mengolahnya dalam bentuk statistik parametrik spy dapat menghasilkan persamaan matematis…jadi bagaimana cara menormalkan data tersebut??? tolong dijawab..thx b4
Comment from Kampanye Damai Pemilu Indonesia 2009
Time: February 13, 2009, 10:05 pm
haduh, kok saiia belum mudeng yah 
Comment from dian
Time: March 22, 2009, 2:12 pm
thanks for the information,, it’s very help me to finish my project!
thanks alot of………
Comment from rainer
Time: March 30, 2009, 11:53 am
salam kenal ,
bisa tolong jelaskan tentang uji rank spearman .
kalau bisa referensinya yang dari internet ( and kalau tidak keberatan kirim juga balasannya ke email saya )
terimakasih atas balasannya .
Comment from yosef
Time: April 8, 2009, 4:53 am
thanks tas infonya…bs ngisi jawaban soal nich??
Comment from dya
Time: April 27, 2009, 8:03 am
Saya mau tanya apakah data yang homogen bisa tidak berdistribusi normal
Comment from sandyagustin
Time: May 2, 2009, 6:31 am
kalau data interval untuk indepeden biasa diolah pake regresi linear ga kalo dependennya pake rasio?
trims
Comment from Hardi
Time: May 24, 2009, 5:58 pm
Gimana cara kuantifikasi hasil angket yang opsinya tidak kontinum qgar bisa divalidasi dengan product moment?
Contoh soal angket:
Apa yang ada sukai:
a. jambu
b. nanas
c. apel
d. anggur.
Responden tentu pilih salah satu opsi. Padahal tiap opsi tidak ada nilai angkanya. Gimana cara ngolahnya, Pak. Cepat ya? Makasih.
Comment from icha
Time: August 5, 2009, 1:22 pm
ehm mo tny,,klu data terbukti tidak normal dan pn9en menormalkanny yaitu dn9an box cox yang mn didalam box cox memakai lambda.gimana cara menentukan lambda agar tepat dan data bisa normal?
Comment from feson
Time: August 6, 2009, 10:25 am
mas kalau datanya data base bentuk datanya namanya pa? tanks ya….:
Comment from shintia
Time: October 26, 2009, 6:22 am
mksh ya,,,,,,,
nulis yg lbh bgus lg…
biar gmpng xri tgs n bljar nya…
hehhehhh…
mksh!!!!
Comment from ajenk
Time: January 10, 2010, 11:06 am
mau nanya klo data seperti jumlah unit usaha, jumlah produksi, dll yang dinyatakan dalam satuan buah itu masuk data apa?
misalnya jumlah produksi A= 10000 buah jumlah B 15000 dst..
maksudnya distribusi normal itu gimana? ada contoh sederhananya ga?
data yg saya contohkan tadi masuk distribusi normal atau tidak?
maksih sebelumnya.. o iya blsnya ke email aja yaaaa…
Comment from alief
Time: January 25, 2010, 1:39 pm
wah tanks mas,,baru paham pas buka website anda,,,kalau dikampus malah blengg…gak bisa mikir…salam kenal ya mas,,,,,
Comment from cly
Time: January 28, 2010, 11:47 am
Mas…. numpang tanya dong. mengenai data ordinal. skripsi saya menggunakan data ordinal tetapi perlu terlebih dahulu diubah menjadi interval. Caranya bagai mana ya? saya menggunakan Software SPSS17. Mohon bantuannya… Terima Kasih..
Comment from rina rossandi
Time: February 17, 2010, 6:47 pm
Malam mas.saya sedang mngerjakan skripsi berjudul (HUBUNGAN ISI MAJALAH FASHION WANITA DENGAN GAYA BERPAKAIAN REMAJA)Saya menggunakan skala likert dan rumus korelasi product moment..
Saya akan menggunakan kuesioner dgn skala likert kepada 60 orang siswa dlam 27 pertanyaan skala likert dgn skal interval 1-5,ss,s,n,ts,sts
Pertanyaan saya adalah :
1)..bgmn rumus utk mnguji reliabilitas dn validitas?
2) Apakah langkah2 metodologi yg hrs saya ambil dlm spss 17(apakah uji t, uji F dan regresi Ganda atau ada uji lain ,mas?uji apakah n apakah jenisnya?
3)bgmana cara tabulasi silang n format tabulasi saya sblum data diolah SPSS?saya mngelompokan berdasarakan usia dan jurusan
3) korelasi product moment termasuk statistik parametrik atau no parametrik mas?
4)saya kurang paham menggunakan korelasi.. bagaimana langkah2 pengerjaannya mas?
5)dalam pengolahan oleh SPSS nanti ,tabel dan rumus apa sja kah yang saya dapat dan hasilkan?apakah regeresi,uji t,chi square atao apakah mas?boleh mas bntu sebutkan?saya takut salah memasukan semua jenis yg tidak ada hubungannya..terimakasih mass..jawbaan mas sangat membantu sya..
Comment from Bhina Patria
Time: February 17, 2010, 7:32 pm
1. klo gak salah tulisan ttg uji reliabilitas ada di artikel sekilas spss syntax, yg bisa di download di halaman download
2. klo judulnya ‘hubungan’ biasanya pake korelasi
3. data nominal seperti jurusan bisa lsg di entry dalam satu variable. lalu diberi label misal 1 = jur. ekonomi, 2 = hukum, 3 =…. Setelah itu analisis bisa di lakukan berdasarkan penelompokan tersebut (jurusan sebagai break variable)
3. product moment untuk data parametric
4. baca buku: discovering statistics using spss, Andy Field
5. klo melakukan uji korelasi tentu saja hasil utamanya nanti tabel korelasi.
semoga sukses
Comment from ahir
Time: February 22, 2010, 7:16 am
mas mo nyan nih
pliss bantuin yah aq dah uji residual data aku dan hasilnya gak normal
aku udh transform pke LN dan SQRT juga dan hasilnya gak normal
data aq time series tahunan SBI, Inflasi, Kurs dependenya beta saham 28perusahaan
klo aq nambah sampel bs jd normal g ya??
trus cara lain biar data aq jd normal g mana y selain transform??
hasil R2 aq juga rendah banget bisa ga ditinggiin?
Comment from dhea
Time: March 5, 2010, 8:54 am
contoh2na DuNK,,,,,,,,,,,,,,
Comment from muchamad januar
Time: March 23, 2010, 2:42 pm
ok bgt2 pengertian’a
Comment from erpeu
Time: May 24, 2010, 1:42 pm
pak, kalau kita punya data kuisioner (berupa data ordinal), lalu akan kita analisis dengan menggunakan regresi, bagaimana caranya? tolong donk dikiri ke e-mail saya…makasih…
Comment from Richard
Time: June 17, 2010, 10:55 pm
Saya sedang kebingungan dengan data skripsi saya yg tidak lolos uji normalitas kolmogorov.
Data saya tidak normal. Saya sudah berusaha menormalkan data saya dgn transformasi & jg outlier, tapi data saya tetap masih tidak normal.
Bisa dibantu untuk menormalkan data saya ??
Data saya harus normal karena hipotesis saya adalah mengenai hubungan dgn menggunakan analisis regresi ganda & untuk
Menjalankan anareganda, data saya harus lolos uji normalitas dulu.
Saya benar2 kebingungan apa lg yg harus saya lakukan trhadap data skripsi saya..
Mohon bantuan ny yaa..
Comment from Richard
Time: June 17, 2010, 10:59 pm
Mohon bantuan ny yaa..
Tolong dibalas k email aj yaa pak..
Saya bnr2 sedang dikejar deadline..
Saya bnr2 sudah kebingungan bagaimana cara menormalkan data saya..
Terima kasih pak..
Comment from caisa cantiq
Time: June 18, 2010, 6:12 pm
kalo saya liat kok pada kebingungan ya….
Sebagus2nya uji non parametrik yang paling bagus, itu masih lebih bagus uji paramtrik yang paling jelek. jadi utamakan pake parametrik.
kecuali bila skala data memang tidak memenuhi untuk dianalisis dengan analisis parametrik.
good luck
Comment from lia
Time: July 1, 2010, 7:47 am
mas, sya mau tanya…
saya mempunyai sampel 43 responden, setelah saya melakukan uji normalitas data, data tersebut tidak normal, sudah saya log tetap saja tidak norml, menurut mas langkah apa atau uji apa yang harus saya lakukan untuk menormalkan data tersebut?? dan buku siapa yang harus sya baca?
terimakasih sebelumnya
Comment from Bhina Patria
Time: July 1, 2010, 9:48 am
Untuk data yg tidak normal pakai saja analisis data non parametrik yg sesuai untuk kebutuhan yg diinginkan. misal untuk korelasi ada Spearmann..
Comment from mexes
Time: July 5, 2010, 1:54 pm
bisa memberi contoh yg detail gk mengenai kualitatif yang di kuantitatifkan?
plissss bgt nech……
thanx a lot b4 it…
btw… blsannya kirm k email q aja y….
Comment from yadi
Time: July 25, 2010, 6:41 pm
Saya punya data ordinal. saya transformasikan ke interval dengan MSI.
Pertanyaan saya: Ada batasan kewajaran tidak antara data awal dengan akhir. Misalnya data ordinal nilai tertinggi 5, setelah ditransformasi nilai tertinggi 8,5.
Wajar tidakkah? sementara data variabel yang lain tidak masalah.
mks
E-mail subscription
Pingback from WitH s0 MaNy tHin9 I aM :: Analisis pada Value Label2 :: August :: 2007
Time: August 24, 2007, 8:13 am
[...] sudah dibahas mengenai penggunaan data nominal dalam analisis uji beda. Selanjutnya data nominal juga dapat diikutsertakan pada analisis regresi. [...]