Jenis-Jenis Data Statistik dalam Data Science!

Tipe data adalah konsep penting dalam statistik, mereka memungkinkan kita untuk menerapkan pengukuran statistik dengan benar pada data dan membantu dalam menyimpulkan dengan benar asumsi tertentu tentangnya. Memiliki pemahaman yang memadai tentang berbagai tipe data sangat penting untuk melakukan Analisis Data Eksplorasi karena sahabat data dapat menggunakan pengukuran faktual tertentu hanya untuk tipe data tertentu. Demikian pula, sahabat data perlu mengetahui analisis data mana dan jenisnya yang sahabat data kerjakan untuk memilih teknik persepsi yang benar. sahabat data dapat mempertimbangkan tipe data sebagai pendekatan untuk mengatur berbagai jenis variabel. Jika dirinci maka hanya ada dua kelas data dalam statistik, yaitu data Kualitatif dan Kuantitatif. Tapi, setelah itu, ada subdivisi dan dipecah menjadi 4 jenis data. Tipe data seperti panduan untuk melakukan seluruh studi statistik dengan benar! 

Dalam statistika, ada empat skala pengukuran data: nominal, ordinal, interval dan rasio. Ini hanyalah cara untuk mengelompokkan berbagai jenis data (berikut ini ikhtisar tentang jenis data statistik) . Topik ini biasanya dibahas dalam konteks pengajaran akademis dan lebih jarang di œdunia nyata. Jika sahabat memoles konsep ini untuk tes statistik, terima kasih kepada seorang peneliti psikolog bernama Stanley Stevens karena telah mengemukakan istilah-istilah ini.Keempat skala pengukuran data ini adalah nominal, ordinal, interval, dan rasio. Yuk pahami keempat data ini bersama DQLab!

1. Data nominal 

Data nominal banyak digunakan untuk melabeli variabel yang tidak memiliki nilai kuantitatif dan tidak memiliki urutan. Jadi, jika sahabat data mengubah urutan nilainya maka artinya akan tetap sama. Dengan demikian, data nominal diamati tetapi tidak diukur, tidak berurutan tetapi tidak sama jaraknya, dan tidak memiliki nol yang berarti. Satu-satunya aktivitas numerik yang dapat sahabat data lakukan pada data nominal adalah menyatakan bahwa persepsi (atau tidak) setara dengan yang lain (ekuitas atau ketidaksetaraan), dan sahabat data dapat menggunakan data ini untuk mengumpulkannya. sahabat data tidak dapat mengatur data nominal, sehingga sahabat data tidak dapat mengurutkannya. sahabat data juga tidak akan dapat melakukan tugas numerik apapun karena disimpan untuk data numerik. Dengan data nominal, sahabat data dapat menghitung frekuensi, proporsi, persentase, dan titik pusat.

Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik

2. Data Ordinal

Data ordinal hampir sama dengan data nominal tetapi tidak dalam hal urutan karena kategorinya dapat diurutkan seperti 1, 2, dll. Namun, tidak ada kontinuitas dalam jarak relatif antara kategori yang berdekatan. Data Ordinal diamati tetapi tidak diukur, diurutkan tetapi tidak sama jaraknya, dan tidak memiliki nol yang berarti. Timbangan ordinal selalu digunakan untuk mengukur kebahagiaan, kepuasan, dll. Dengan data ordinal, demikian juga dengan data nominal, sahabat data dapat mengumpulkan informasi dengan mengevaluasi apakah mereka setara atau luar biasa. Karena data ordinal diurutkan, mereka dapat diatur dengan membuat perbandingan dasar antara kategori, misalnya, lebih besar atau lebih kecil dari, lebih tinggi atau lebih rendah, dan seterusnya. sahabat data tidak dapat melakukan aktivitas numerik apapun dengan data ordinal, karena ini adalah data numerik. Dengan data ordinal, sahabat data dapat menghitung hal yang sama dengan data nominal seperti frekuensi, proporsi, persentase, titik pusat tetapi ada satu poin lagi yang ditambahkan dalam data ordinal yaitu statistik ringkasan dan juga statistik bayesian.

3. Data Rasio

Rasio Data diukur dan diurutkan dengan item yang berjarak sama dan nol yang berarti dan tidak pernah negatif seperti data interval. Contoh data rasio yang luar biasa adalah pengukuran ketinggian. Itu bisa diukur dalam sentimeter, inci, meter, atau kaki dan tidak praktis untuk memiliki tinggi negatif. Data rasio mencerahkan kita mengenai urutan variabel, kontras di antara mereka, dan mereka benar-benar nol. Ini memungkinkan berbagai estimasi dan dugaan untuk dilakukan dan ditarik. Data rasio pada dasarnya sama dengan data interval, selain nol berarti tidak ada. Statistik deskriptif yang dapat sahabat data hitung untuk data rasio sama dengan data interval yaitu titik pusat (mean, median, modus), range (minimum, maksimum), dan spread (persentil, jangkauan interkuartil, dan simpangan baku).

4. Data Interval

Interval Data diukur dan diurutkan dengan item terdekat tetapi tidak memiliki nol yang berarti. Inti dari skala Interval adalah bahwa kata 'Interval' berarti 'ruang di antara', yang merupakan hal penting untuk diingat, skala interval tidak hanya mendidik kita tentang urutan tetapi juga tentang nilai di antara setiap item. Data interval bisa negatif, meskipun data rasio tidak bisa. Meskipun data interval dapat muncul pada dasarnya sama dengan data rasio, hal yang penting adalah titik nol yang dicirikan. Jika titik nol dari skala telah diambil secara subjektif, maka data tersebut tidak dapat menjadi data rasio dan harus menjadi data interval. Oleh karena itu, dengan data interval sahabat data dapat dengan mudah mengkorelasikan derajat data dan sahabat data juga dapat menambah atau mengurangi nilainya. Ada beberapa statistik deskriptif yang dapat sahabat data hitung untuk data interval yaitu titik pusat (mean, median, modus), range (minimum, maksimum), dan spread (persentil, jangkauan interkuartil, dan simpangan baku). Selain itu, teknik analisis data statistik serupa lainnya dapat digunakan untuk analisis lebih lanjut.

Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika

5. Belajar Statistik Asik bareng DQLab Academy!