Buat Akun DQLab & Akses Kelas Data Science Python, R, dan Excel GRATIS
 SIGN UP  

Pengolahan Data Statistik : 4 Skala Pengukuran Data yang Harus Dikenali Sebelum Mengolah Data

Belajar Data Science di Rumah 15-Februari-2021
https://dqlab.id/files/dqlab/cache/ac73bf7ed64cc1176293b87aaf854f8c_x_Thumbnail800.jpg

Selain pemrograman dan domain bisnis, pengolahan data statistik juga menjadi bagian yang mengambil peranan penting dalam ilmu Data Science. Proses pengolahan data statistik terbilang susah-susah gampang karena yang terpenting sebelum mengolah data adalah mengenal karakteristik data yang akan diolah. Layaknya ketika akan membuat sebuah hidangan, maka kita mengenal bahan makanan mentah yang tersedia, barulah kita dapat mengoperasikannya menjadi sesuatu yang lezat.

Salah satu cara yang paling mudah untuk mengenal data adalah dengan melihat jenis data tersebut. Dalam statistika, data terbagi menjadi 2 berdasarkan cara mendapatkannya, yaitu data primer yang didapatkan langsung atau data sekunder yang diambil dari data yang telah ada sebelumnya. Selain itu, skala pengukuran data dalam statistika juga terbagi menjadi beberapa bagian. Antara bagian satu dengan bagian yang lainnya memang tidak begitu terlihat berbeda, namun ketika memperlakukannya dengan cara yang salah itu juga bisa berdampak yang fatal.

Dalam artikel ini kita akan membahas perbedaan dari keempat skala pengukuran tersebut. Penasaran kan? Yuk, simak artikelnya!

1. Skala Pengukuran Nominal

Skala pengukuran ini merupakan skala pengukuran yang paling paling sederhana. Pada dasarnya skala ini hanya digunakan untuk membedakan antara data yang satu dengan data lainnya tanpa membuat adanya tingkatan. Misalkan jenis kelamin, perempuan dan laki-laki, dimana kita ketahui bahwa dari jenis kelamin tersebut tidak dapat dikatakan bahwa jenis kelamin laki-laki lebih tinggi tingkatannya atau sebaliknya. Data yang termasuk data nominal juga pasti akan termasuk ke dalam data kategorik. 

Baca juga : Ini yang Akan Kamu Pelajari di Kelas Data Science DQLab!

2. Skala Pengukuran Ordinal

Skala pengukuran selanjutnya adalah skala pengukuran ordinal. Skala pengukuran ini hampir mirip dengan pengukuran nominal, hanya saja di skala pengukuran ini tingkatan dari data diperhatikan. Misalkan tingkat pendidikan SD, SMP, SMA. Tentunya tingkat pendidikan SD akan lebih rendah jika dibandingkan dengan dua tingkat lainnya, dan sebaliknya. Data yang digunakan untuk skala pengukuran ini juga menggunakan data kategorik.

3. Skala Pengukuran Interval dan Rasio

Skala pengukuran selanjutnya adalah interval dan rasio. Data yang digunakan umumnya bukan merupakan data kategorik lagi, melainkan data kuantitatif. Dalam skala interval akan terdapat interval atau jarak, dan skala pengukuran ini digunakan untuk membedakan namun juga untuk mengurutkan. Misalkan tinggi badan. Sedangkan skala pengukuran rasio hampir sama persis dengan skala pengukuran interval, hanya saja pada rasio memiliki nilai 0 mutlak. Misalkan ketika suhu mencapai nilai 0 derajat berarti akan menunjukkan suhu yang dingin. Namun ketika tinggi badan bernilai 0, itu akan terasa cukup mustahil.

Baca juga : Mengenal Profesi Data Scientist


4. Yuk, TEMUKAN SUMBER DATA UNTUK BANGUN PORTFOLIO GRATIS DI DQLAB SELAMA 1 BULAN!


Gunakan Kode Voucher "DQTRIAL", dan simak informasi dibawah ini mendapatkan 30 Hari FREE TRIAL:

  1. Buat Akun Gratis dengan Signup di DQLab.id/signup

  2. Buka academy.dqlab.id dan pilih menu redeem voucher 

  3. Redeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi. 

  4. Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.

Penulis : Gifa Delyani Nursyafitri

Editor : Annissa Widya 

Sign Up & Mulai Belajar Gratis di DQLab!