“Datanya ordinal, jadi tidak bisa pakai Pearson.” Kalimat seperti ini sering membuat mahasiswa bingung saat bimbingan. Masalahnya jarang ada pada rumus statistik, melainkan pada langkah yang lebih awal: memahami jenis data penelitian yang dikumpulkan.
Artikel ini membahas jenis data penelitian dari tiga sudut: sifatnya (kualitatif dan kuantitatif), sumbernya (primer dan sekunder), dan skala pengukurannya (nominal, ordinal, interval, rasio). Di bagian akhir, ada tabel yang menghubungkan skala data dengan teknik analisis yang cocok.
Apa Itu Data dalam Penelitian?
Data penelitian adalah fakta atau keterangan yang dikumpulkan secara sistematis untuk menjawab pertanyaan penelitian. Bentuknya bisa angka, teks, rekaman wawancara, gambar, atau dokumen.
Data berbeda dengan informasi. Data adalah bahan mentah, misalnya jawaban 100 responden atas kuesioner. Informasi adalah hasil olahannya, misalnya “72% responden puas dengan layanan perpustakaan”.
Setiap data menempel pada sebuah variabel, yaitu karakteristik yang nilainya bervariasi antarsubjek. Usia, jenis kelamin, tingkat kepuasan, dan nilai ujian adalah contoh variabel. Jenis data ditentukan oleh cara variabel itu diukur, sehingga satu variabel bisa menghasilkan jenis data yang berbeda tergantung instrumennya.
Contoh: usia bisa dicatat dalam tahun (data rasio), atau dalam kelompok “di bawah 20, 20–30, di atas 30” (data ordinal). Keputusan ini dibuat saat menyusun instrumen, dan akan membatasi analisis yang bisa dilakukan setelahnya.
Data Kualitatif dan Data Kuantitatif
Pembagian paling dasar dari jenis data penelitian adalah berdasarkan sifatnya: apakah berupa kata dan makna, atau berupa angka yang bisa dihitung.
Data kualitatif
Data kualitatif dapat berupa kata, kalimat, gambar, atau rekaman yang menggambarkan kualitas, pengalaman, dan makna. Data ini menjawab pertanyaan “bagaimana” dan “mengapa”.
Contoh: transkrip wawancara dengan guru tentang kendala pembelajaran daring, catatan observasi kelas, atau dokumen kebijakan sekolah.
Data jenis ini biasanya dianalisis dengan mengode, mengelompokkan tema, lalu menafsirkannya, misalnya melalui analisis tematik.
Data kuantitatif
Data kuantitatif biasanya berbentuk angka yang bisa dihitung atau diukur. Data jenis ini menjawab pertanyaan “berapa”, “seberapa besar”, dan “apakah ada hubungan”.
Data jenis ini dapat dibagi menjadi dua:
- Diskrit: hasil menghitung, berupa bilangan bulat. Contoh: jumlah mahasiswa, jumlah artikel terbit.
- Kontinu: hasil mengukur, bisa berupa pecahan. Contoh: tinggi badan, IPK, waktu pengerjaan soal.
Perbandingan singkat
| Aspek | Kualitatif | Kuantitatif |
|---|---|---|
| Bentuk data | Kata, teks, gambar, rekaman | Angka |
| Pertanyaan khas | Bagaimana? Mengapa? | Berapa? Apakah berhubungan? |
| Contoh instrumen | Pedoman wawancara, observasi | Kuesioner tertutup, tes, alat ukur |
| Teknik analisis | Pengodean, analisis tematik | Statistik deskriptif dan inferensial |
| Jumlah partisipan | Umumnya sedikit, mendalam | Umumnya banyak, untuk generalisasi |
Keduanya tidak saling meniadakan. Penelitian metode campuran (mixed methods) menggabungkan keduanya, misalnya survei untuk melihat pola, lalu wawancara untuk memahami alasannya.
Data Primer dan Data Sekunder
Selain sifatnya, jenis data penelitian juga dibedakan dari sumbernya.
- Data primer dikumpulkan langsung oleh peneliti untuk penelitiannya sendiri. Contoh: hasil kuesioner yang Anda sebarkan, wawancara yang Anda lakukan.
- Data sekunder sudah tersedia karena dikumpulkan pihak lain untuk keperluan berbeda. Contoh: data Badan Pusat Statistik, rekap nilai dari bagian akademik, laporan tahunan perusahaan.
Data sekunder menghemat waktu dan biaya, tetapi peneliti tidak bisa mengatur cara pengumpulannya. Karena itu, periksa selalu definisi variabel, tahun, dan cakupan data sekunder sebelum memakainya.
Empat Skala Pengukuran: Nominal, Ordinal, Interval, Rasio
Pembagian data ke dalam empat skala pengukuran diperkenalkan oleh psikolog S. S. Stevens dalam tulisannya On the Theory of Scales of Measurement di jurnal Science tahun 1946. Hingga kini, pembagian ini menjadi dasar memilih teknik statistik.
Keempat skala tersusun bertingkat. Setiap tingkat memiliki semua sifat tingkat di bawahnya, ditambah satu sifat baru.
1. Skala nominal
Angka atau label hanya berfungsi sebagai nama kategori, tanpa urutan. Kita hanya bisa mengatakan “sama” atau “berbeda”.
Contoh: jenis kelamin, program studi, golongan darah, daerah asal. Jika program studi dikodekan 1 = Informatika dan 2 = Farmasi, angka 2 tidak berarti “lebih” dari 1.
2. Skala ordinal
Kategori memiliki urutan, tetapi jarak antarkategori tidak bisa dipastikan sama.
Contoh: peringkat lomba, tingkat pendidikan (SD, SMP, SMA, S1), dan satu butir pertanyaan berskala Likert (sangat tidak setuju sampai sangat setuju). Juara 1 lebih baik dari juara 2, tetapi selisih nilainya belum tentu sama dengan selisih juara 2 dan juara 3.
3. Skala interval
Urutan ada dan jarak antarnilai sama, tetapi tidak ada nol mutlak. Nilai nol tidak berarti “tidak ada sama sekali”.
Contoh klasik: suhu dalam derajat Celsius. Selisih 10–20 °C sama dengan 20–30 °C, tetapi 0 °C tidak berarti tidak ada suhu, sehingga 20 °C tidak bisa disebut “dua kali lebih panas” dari 10 °C.
4. Skala rasio
Memiliki semua sifat interval, ditambah nol mutlak. Karena itu, perbandingan kelipatan bermakna.
Contoh: berat badan, usia dalam tahun, pendapatan, jumlah publikasi, waktu pengerjaan. Pendapatan Rp4 juta memang dua kali Rp2 juta.
Ringkasan sifat setiap skala
| Skala | Kategori | Urutan | Jarak sama | Nol mutlak | Contoh |
|---|---|---|---|---|---|
| Nominal | Ya | Tidak | Tidak | Tidak | Program studi |
| Ordinal | Ya | Ya | Tidak | Tidak | Tingkat pendidikan |
| Interval | Ya | Ya | Ya | Tidak | Suhu Celsius |
| Rasio | Ya | Ya | Ya | Ya | Berat badan |
Nominal dan ordinal sering disebut data kategorik, sedangkan interval dan rasio disebut data metrik atau numerik. Dalam praktik analisis, interval dan rasio umumnya diperlakukan sama.
Bagaimana dengan skala Likert?
Ini pertanyaan yang paling sering muncul. Satu butir Likert secara teknis adalah data ordinal. Namun, jika beberapa butir dijumlahkan atau dirata-ratakan menjadi skor total sebuah variabel, banyak peneliti memperlakukan skor itu sebagai data interval dan menganalisisnya dengan statistik parametrik.
Praktik ini masih diperdebatkan di kalangan metodolog. Langkah aman: jelaskan pilihan Anda di bab metode, dan pastikan instrumen sudah diuji validitas dan reliabilitasnya. Pembahasan lengkapnya ada di Skala Likert: cara menyusun dan mengolahnya.
Mengapa Skala Data Menentukan Teknik Analisis
Skala pengukuran membatasi operasi hitung yang bermakna. Rata-rata program studi, misalnya, tidak punya arti apa pun. Karena itu, pilihan statistik selalu dimulai dari pertanyaan: data saya berskala apa?
Tabel berikut memberi gambaran umum untuk penelitian dengan satu variabel terikat.
| Skala | Ukuran pemusatan | Uji beda 2 kelompok | Uji beda lebih dari 2 kelompok | Uji hubungan |
|---|---|---|---|---|
| Nominal | Modus, persentase | Chi-square | Chi-square | Chi-square, Cramer’s V |
| Ordinal | Median, modus | Mann-Whitney (bebas), Wilcoxon (berpasangan) | Kruskal-Wallis | Korelasi Spearman |
| Interval/rasio | Rata-rata, simpangan baku | Uji t independen atau berpasangan | ANOVA | Korelasi Pearson, regresi linear |
Dua catatan penting:
- Statistik parametrik punya syarat. Uji t, ANOVA, Pearson, dan regresi linear mengasumsikan antara lain distribusi data yang mendekati normal. Jika syarat ini tidak terpenuhi, data interval atau rasio pun sebaiknya dianalisis dengan uji nonparametrik pada baris ordinal.
- Tabel ini adalah peta, bukan resep. Desain penelitian, jumlah variabel, dan ukuran sampel tetap menentukan uji yang paling tepat.
Dari Data ke Analisis: Alur Penelitian Kuantitatif
Supaya tidak salah pilih analisis di akhir, putuskan jenis data sejak awal penelitian. Urutan praktisnya:
- Rumuskan pertanyaan penelitian, lalu turunkan menjadi variabel yang akan diukur.
- Tentukan skala setiap variabel saat menyusun definisi operasional. Jika memungkinkan, ukur pada skala tertinggi, misalnya usia dalam tahun, bukan kelompok usia.
- Susun instrumen sesuai skala tersebut, misalnya kuesioner atau tes.
- Uji instrumen melalui uji validitas dan reliabilitas sebelum pengambilan data utama.
- Kumpulkan dan rapikan data: periksa isian kosong, salah ketik, dan konsistensi kode.
- Analisis deskriptif untuk menggambarkan data: frekuensi, rata-rata, sebaran.
- Periksa asumsi, lalu pilih uji statistik inferensial sesuai skala dan desain.
- Tafsirkan dan laporkan hasil sesuai pertanyaan penelitian.
Untuk langkah merapikan data, Excel sudah lebih dari cukup. Lihat Mengolah data kuesioner di Excel sebelum dianalisis dan panduan Belajar Excel untuk Pemula.
Pertanyaan yang Sering Muncul
Jenis data penelitian bisa dibedakan dari tiga sudut. Dari sifatnya: kualitatif dan kuantitatif. Dari sumbernya: primer dan sekunder. Dari skala pengukurannya: nominal, ordinal, interval, dan rasio.
Secara ketat, regresi linear membutuhkan variabel terikat berskala interval atau rasio. Skor total dari beberapa butir Likert sering diperlakukan sebagai interval, asalkan alasannya dijelaskan di bab metode. Jika variabel terikatnya benar-benar ordinal, misalnya peringkat, pertimbangkan regresi logistik ordinal.
Keduanya memiliki jarak antarnilai yang sama. Bedanya, skala rasio memiliki nol mutlak sehingga perbandingan kelipatan bermakna, sedangkan interval tidak. Dalam analisis statistik sehari-hari, keduanya umumnya diperlakukan sama.
Boleh. Penelitian kualitatif kadang menyajikan frekuensi kemunculan tema sebagai pelengkap. Yang membedakan adalah tujuannya: memahami makna secara mendalam, bukan menguji hipotesis secara statistik.
Penutup
Memahami jenis data penelitian sejak awal akan menghemat banyak waktu di tahap analisis. Tentukan skala setiap variabel saat menyusun definisi operasional, ukur pada skala tertinggi yang memungkinkan, dan pilih teknik analisis yang sesuai dengan skala tersebut.
Bacaan lanjutan
- Cara membaca output regresi linear berganda
- Uji validitas dan reliabilitas kuesioner
- Skala Likert: cara menyusun dan mengolahnya
- Uji asumsi klasik regresi dan cara membacanya
- Menentukan jumlah sampel penelitian
- Statistik deskriptif untuk bab hasil
- Mengolah data kuesioner di Excel sebelum dianalisis
- Struktur artikel ilmiah IMRaD dan isi setiap bagian
- Memilih jurnal tujuan dan mengenali jurnal predator
- Menulis abstrak yang baik dalam 5 kalimat
Sedang menyusun skripsi, tesis, atau artikel dan ingin berdiskusi soal analisis data? Lihat halaman Layanan untuk Pendampingan Riset & Penulisan.