✨ PROMO SPESIAL 10.10
Belajar Data 6 BULAN bersertifikat  hanya 100K!
0 Hari 3 Jam 38 Menit 49 Detik

Teknik Pengolahan Data : Kenali 4 Jenis Datanya Yuk!

Belajar Data Science di Rumah 28-Januari-2022
https://dqlab.id/files/dqlab/cache/006b1d8162707d77d0cf1b6a0e5aafc1_x_Thumbnail800.jpg

Mendengar istilah teknik analisis data, pastinya menjadi hal yang sering didengar oleh seorang praktisi data. Teknik analisis data adalah metode yang digunakan untuk mengolah data menjadi informasi yang mudah dipahami dan bermanfaat sebagai solusi permasalahan. Ketika mempersiapkan sebuah data yang akan diolah, pastinya akan ada tahapan dimana praktisi perlu menentukan jenis teknik apa yang akan digunakan untuk menganalisa data. Tidak hanya tekniknya, metode analisis data juga pada dasarnya akan ditentukan pada saat perencanaan awal analisa data agar pelaksanaannya menjadi lebih terstruktur. 

Seperti yang kita tahu bahwa statistik merupakan salah satu cara yang banyak manfaatnya bagi peneliti untuk menganalisis data. Satu modal penting yang harus dikuasai terlebih dahulu oleh peneliti yang akan menggunakan teknik analisis data adalah memahami tentang jenis-jenis data yang akan dianalisis, Data statistik adalah data yang berupa numerik atau non-numerik yang diolah dengan menggunakan teknik analisis data statistik tertentu. Pengelolaan ini dihasilkan dari data mentah yang kemudian menjadi bagian informasi aktual yang dikumpulkan oleh peneliti selama penelitian berlangsung.

Dalam dunia statistik, setidaknya terdapat empat jenis data. Data dapat berasal dari mana saja sehingga perlu dikelompokkan. Sebagai praktisi data, penting untuk mengetahui jenis-jenis data agar tidak keliru ketika menerapkan metode dalam pengolahannya. Yuk, kita bahas satu per satu jenis data statistik tersebut!


1. Menurut Sumber dan Pengguna

Data Internal

Data internal merupakan jenis data statistik yang didapatkan dari dalam atau pihak internal suatu organisasi, perusahaan atau tempat dilakukannya penelitian. Data internal menggambarkan keadaan atau kegiatan suatu organisasi atau perusahaan itu sendiri.

Contoh:

  • Data pengeluaran keuangan untuk membayar biaya produksi perusahaan tekstil.

  • Data jumlah karyawan perusahaan.

  • Data keuangan suatu organisasi.

Input data for construction of the financial statements in company of... |  Download Table

Data Eksternal

Data eksternal adalah jenis data statistik yang didapatkan dari luar organisasi atau pihak eksternal. Data eksternal menggambarkan keadaan atau kegiatan dari luar yang bisa mempengaruhi keadaan di dalam suatu organisasi atau perusahaan dan data tersebut tidak terdapat dalam aktivitas intern organisasi/perusahaan tersebut.

Contoh:

  • Bagi perusahaan œLG, data daya beli masyarakat terhadap barang produksinya (seperti TV œTurbo Swing) adalah data eksternal perusahaan tersebut.

  • Data tingkat kepuasan masyarakat terhadap barang produksi menjadi tolok ukur dalam mengembangkan daerah pemasaran.

  • Data persebaran penduduk.


Baca juga : Cara Implementasi Teknik Analisis Data dalam Pengambilan Keputusan



2. Menurut Cara Memperolehnya

Data Primer

Data primer adalah jenis data statistik yang secara langsung diambil dari objek/objek penelitian oleh orang yang melakukan pengamatan maupun organisasi tersebut.  

Contoh:

  • Data hasil wawancara.

  • Data hasil kuesioner.

  • Data hasil survei

  • Data dari pengamatan di lapangan.


Data Sekunder

Data sekunder adalah jenis data statistik yang dikumpulkan dan diperoleh tidak secara langsung dari objek penelitian. Peneliti mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain atau sumber yang sudah ada sebelumnya dengan berbagai cara atau metode baik secara komersial maupun non komersial. 

Contoh:

  • Peneliti yang menggunakan data statistik hasil riset dari surat kabar atau majalah.

  • Data dari penelitian terdahulu.

  • Data dari Perpustakaan.

  • Data dari perusahaan tertentu.


3. Menurut Sifatnya

Data Kualitatif

Data kualitatif adalah jenis data statistik yang mengacu pada jenis data yang tidak dinyatakan dalam bentuk angka, atau bisa dikatakan data non-numerik yang dalam hal ini bisa berupa data nominal atau data ordinal. Penggunaan dalam contoh analisis data kualitatif ini biasanya dilakukan dalam kasus-kasus terkait dengan masalah sosial tertentu.

Contoh:

  • Kuesioner tingkat kepuasan terhadap produk.

  • Nilai Rupiah yang sangat kuat.

  • Data kualitas pelayanan restoran.


Data Kuantitatif

Data kuantitatif dalam statistik umumnya mengacu pada data yang berbentuk angka, bilangan atau data numerik yang dilakukan penghitungan secara manual atau bisa juga dengan aplikasi SPSS (Statistical Product and Service Solutions). Data ini bersifat objektif sehingga setiap orang yang membacanya akan menghasilkan pemahaman yang sama.

Contoh:

  • Data pemasukan suatu perusahaan.

  • Data jumlah orang yang tinggal di kota A.

  • Nilai rupiah Rp 9.250,00 per US$ di akhir tahun 2006.


4. Menurut Skala Pengukuran

Data Nominal

Data nominal yang juga dikenal sebagai data diskrit, kategorik, atau dikhotomi. Disebut diskrit karena ini data ini memiliki sifat terpisah (mutually exclusive) antara satu sama lainnya, baik pemisahan itu terdiri dari dua bagian atau lebih dan di dalam pemisahan itu tidak terdapat hubungan sama sekali. Masing-masing kategori memiliki sifat tersendiri yang tidak ada hubungannya dengan kategori lainnya. 

Contoh:

  • Hasil penelitian yang dikategorikan kedalam kelompok œYA dan œTIDAK misalnya, laki-laki/wanita (laki-laki adalah ya laki-laki; dan wanita adalah œtidak laki-laki), kawin /tidak kawin; janda/duda, dan lainnya.

  • Data tentang pendapat responden terhadap kenaikan iuran (setuju/tidak setuju).


Data Ordinal

Data ordinal adalah jenis statistik data kuantitatif di mana variabel ada dalam kategori terurut yang terjadi secara alami. Berbeda dengan data nominal yang menunjukkan adanya perbedaan secara kategorik, data ordinal juga memiliki sifat adanya perbedaan di antara objek yang dijenjangkan. Namun dalam perbedaan tersebut terdapat suatu kedudukan yang dinyatakan sebagai suatu urutan bahwa yang satu lebih besar atau lebih tinggi daripada yang lainnya.Kriteria urutan dari yang paling tinggi ke yang yang paling rendah dinyatakan dalam bentuk posisi relatif atau kedudukan suatu kelompok. 

Contoh:

  • Prestasi belajar siswa diklasifikasikan menjadi kelompok œBaik, œCukup, dan œKurang.

  • Ukuran tinggi seseorang dengan œTinggi, œSedang, dan œPendek.

Dalam hubungannya dengan analisis data, data ordinal seringkali diberikan œskor" sesuai dengan tingkatannya. Istilah œskor diberi tanda petik karena skor tersebut bukan skor sebenarnya, tetapi sebagai œtanda yang menunjukkan tingkatan.

Contoh:

- œBaik diberi tanda 3.

- œCukup diberi tanda 2.

- œKurang diberi tanda 1.


Baca juga : Mengenal Teknik Analisis Data Deskriptif dalam Penelitian Kualitatif



5. Mulai Belajar Teknik Analisis Data bersama DQLab, dan Nikmati Module GRATIS

Teknik analisis data wajib dipelajari para calon talenta data yang ingin berprofesi sebagai praktisi data. Penerapan teknik analisis data yang tepat didasarkan pada pemahaman peneliti pada data yang digunakan untuk penelitian. Bingung mulai belajar dari mana? Di DQLab sahabat data bisa belajar berbagai contoh teknik analisis data yang sering digunakan di industri. Modul-modul dan mentor yang profesional akan membantu kamu belajar data dengan mudah dan menyenangkan. Yuk, daftarkan dirimu di DQLab.id sekarang juga!


Penulis: Salsabila MR

Editor: Annissa Widya Davita


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login