Data Diskrit untuk Data Kuantitas

 
A. Data Nominal Data Nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada ‎objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciri-ciri data ‎nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal merupakan data ‎kontinum dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-set, dan kepada ‎semua anggota set diberikan angka, set-set tersebut tidak boleh tumpang tindih dan bersisa. ‎ Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing ‎anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Jelas ‎kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih ‎tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan ‎arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja.‎ Tabel Luas Panen- Produktivitas- Produksi Tanaman Padi Seluruh Provinsi Provinsi Jenis ‎Tanaman Tahun Luas ‎Panen(Ha)‎ Produktivitas ‎‎(Ku/Ha)‎ Produksi(Ton)‎ DKI Jakarta Padi ‎2009‎ ‎1 974 ‎ ‎55,79 ‎ ‎11 013 ‎ Jawa Barat Padi ‎2009‎ ‎1 950 203 ‎ ‎58,06 ‎ ‎11 322 681 ‎ Jawa Tengah Padi ‎2009‎ ‎1 725 034 ‎ ‎55,65 ‎ ‎9 600 415 ‎ DI Yogyakarta Padi ‎2009‎ ‎145 424 ‎ ‎57,62 ‎ ‎837 930 ‎ Jawa Timur Padi ‎2009‎ ‎1 904 830 ‎ ‎59,11 ‎ ‎11 259 085 ‎ Banten Padi ‎2009‎ ‎366 138 ‎ ‎50,50 ‎ ‎1 849 007 ‎ Bali Padi ‎2009‎ ‎150 283 ‎ ‎58,47 ‎ ‎878 764 ‎ Keterangan :‎ Data Tahun 2010 adalah Angka Sementara.‎ ‎ ‎ B. Data Ordinal ‎ Selain memiliki nama (atribut), data ordinal juga memiliki peringkat atau urutan. Angka ‎yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling ‎rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut ‎terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang ‎dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam ‎skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai ‎dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. ‎Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju ‎sampai sangat tidak setuju.‎ Skala Likert Tingkat Preferensi Konsumen terhadap Rasa Kecap Kedelai  Rasa Kecap Kedelai ‎ 27 54 81 108 110 135‎ Asin Agak Asin Hambar Manis Sangat Manis ‎ 20% 40%‎ ‎ 60%‎ ‎ 80% 81%‎ ‎ 100%‎ Sangat Lemah Lemah Cukup Kuat Sangat Kuat Keterangan: ‎ ‎0% – 20% ‎ ‎= Sangat Lemah‎ ‎21% – 40%‎ ‎= Lemah‎ ‎41% – 60%‎ ‎= Cukup‎ ‎61% – 80%‎ ‎= Kuat‎ ‎81% – 100% = Sangat Kuat‎ ‎ ‎ C. Data Interval Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ‎ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ‎ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran ‎interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil ‎pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang nilai ujian 6 ‎orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi ‎dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C ‎dan A adalah 3 – 1 = 2. Beda prestasi antara mahasiswa C dan F adalah 6 – 3 = 3. Akan tetapi ‎tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun ‎prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Dari hasil pengukuran ‎dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji hipotesis ‎asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson ‎Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan ‎Multiple Regression.‎ D. Data Rasio Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni ‎ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ‎ukuran ratio (data rasio). Data ratio, yang diperoleh melalui mengukuran dengan skala rasio ‎memiliki titik nol. Karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu ‎kelompok dibandingkan dengan titik nol di atas. ‎ Oleh karena ada titik nol, maka data ratio dapat dibuat perkalian ataupun pembagian. ‎Angka pada data ratio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 ‎orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, ‎Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka pendapatan ‎pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali ‎pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. ‎Dengan kata lain, rasio antara pengemudi C dan A adalah 4 : 1, rasio antara pengemudi D dan A ‎adalah 5 : 1, sedangkan rasio antara pengemudi C dan B adalah 4 : 3. Interval pendapatan ‎pengemudi A dan C adalah 30.000, dan pendapatan pengemudi C adalah 4 kali pendapatan ‎pengemudi A. Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. ‎Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika ‎diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. ‎Bayi B memiliki rasio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio ‎berat badan sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan menggunakan ‎skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan ‎adalah statistik parametrik dan yang lazim digunakan untuk data ratio ini adalah Pearson Korelasi ‎Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple ‎Regression.‎

Categories: Ilmu Pengetahuan | 4 Komentar

Navigasi pos

4 thoughts on “Data Diskrit untuk Data Kuantitas

  1. kamu jugak gombal ya hehe..?

  2. Hello Webmaster, I noticed that https://799m.wordpress.com/2011/10/04/data-diskrit-untuk-data-kuantitas/ is ranking pretty low for some keywords, this may be due to the new Google Panda update, or it could be due to a variety of other factors. I’m sure you already know about On-page SEO, where Google cares highly about proper formatting of various H1/H2/H3 tags, having your main keyword appear in the beginning of your post and having your post end with the keyword, along with having keyword related alt tags and very relevant LSI. However, you do not seem to have the proper Keywords or relevant Keywords in your posts and in the website. Right now you need a tool or plugin that will allow you to check on Keyword insights, search trends and check for backlink analysis and to find out your Keyword competition. To find a Keyword Plugin that combines both Keyword Research and has the ability as a Rank Checker is what WordPress Seo Keyword, please check out our 5 minute video.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

Buat situs web atau blog gratis di WordPress.com.

Informasi Herbal

Kumpulan Tanaman Obat di Indonesia

Ilmu Statistik & Analisis Data

Media Berbagi Pengetahuan & Pengalaman Statistik

GO ORGANIC

Just another WordPress.com weblog

Taufik Akbar Bakri

Don't Worry Be Happy | "Dan Allah bersamamu di manapun kamu berada"

Sendy Ralistiya

Mimpi dalam Dunia Maya

%d blogger menyukai ini: