GIMANA MEMULAI KARIER JADI DATA ANALYST?
Simak caranya di webinar GRATIS dan raih DOORPRIZE menarik!
DAFTAR SEKARANG!
Pendaftaran ditutup dalam 1 Hari 17 Jam 35 Menit 3 Detik 

Yuk Pelajari 4 Jenis Data Statistik dan Contohnya dalam Keseharian

Belajar Data Science di Rumah 02-Desember-2021
https://dqlab.id/files/dqlab/cache/c415bde71ffd3feed31ba0e322a04ae5_x_Thumbnail800.png

Memahami jenis data dalam statistik merupakan aspek penting untuk menerapkan metode yang tepat. Dengan memahami jenis data yang kita miliki, maka kita akan bisa memutuskan metode atau teknik yang dapat diaplikasikan pada data tersebut sehingga hasil analisis akan jauh lebih akurat. Sebelum melakukan analisis lebih lanjut, kita harus melakukan analisis data eksplorasi untuk menggali informasi umum dan menangani missing value pada data. Menurut pengukurannya, data dibagi menjadi dua, yaitu data kualitatif dan data kuantitatif. Data kualitatif adalah sekumpulan informasi yang tidak dapat diukur dalam bentuk angka. Data ini juga dikenal sebagai data kategorikal. Data kualitatif terdiri dari kata-kata, narasi, karakter, dan lain sebagainya.


Berbeda dengan data kualitatif, data kuantitatif adalah data yang memuat informasi yang dapat dihitung menggunakan operasi matematika. Data ini juga disebut dengan data numerik. Seperti namanya, data ini berisi angka-angka. Data kualitatif dan data kuantitatif dapat dibagi lagi menjadi 4 jenis data. Apa saja data-data tersebut? Yuk kita simak artikel ini sampai akhir!


1. Data Nominal

Data nominal merupakan data yang digunakan untuk melabeli variabel yang tidak memiliki nilai kuantitatif dan tidak memiliki urutan. Jadi jika kita bisa mengubah urutan pada data, tidak akan mengubah arti atau mempengaruhi hasil. Dengan demikian, data nominal dapat diamati tetapi tidak dapat diukur, tidak berukuran dan tidak sama jaraknya, serta tidak memiliki zero value. Hal yang bisa dilakukan dengan data nominal adalah menghitung frekuensi, proporsi, presentasi, dan central tendency. Salah satu contoh data nominal adalah bahasa yang dikuasai oleh beberapa orang. Misal, A menguasai bahasa indonesia, B menguasai bahasa inggris, C menguasai bahasa Mandarin, dan seterusnya.


Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik


2. Data Ordinal

Data ordinal hampir sama dengan data nominal, hanya saja jenis data ini memiliki urutan sehingga kita tidak bisa asal mengubah urutan datanya karena akan berpengaruh pada hasil analisis. Data ini diberi label angka dari besar ke kecil atau sebaliknya untuk menggambarkan urutannya. Data ordinal dapat diamati tetapi tidak bisa diukur, bisa diurutkan tetapi jaraknya tidak sama, dan tidak memiliki zero value. Karena data ini memiliki urutan, kita dapat memanfaatkannya untuk membuat perbandingan dasar antar kategori, misalnya lebih besar atau lebih kecil, lebih tinggi atau lebih pendek, dan lain sebagainya. Dengan data ordinal kita dapat menghitung frekuensi, proporsi, presentase, central tendency, summary, dan statistik bayesian. Contoh data ordinal adalah skala kepuasan pelanggan, mulai dari tidak puas, biasa saja, puas, dan sangat puas.


3. Data Interval

Data interval merupakan data yang dapat diukur dan dapat diurutkan dengan item terdekat tetapi tidak memiliki zero value. Data interval tidak hanya berisi urutan tetapi juga nilai di antara setiap item. Jenis data ini dapat memiliki nilai negatif. Data interval sama dengan data rasio, hanya saja pada data rasio ada zero value yang perlu diperhatikan. Kita bisa menghitung statistik deskriptif, central tendency seperti mean, median, dan modus, range, sebaran, dan lain-lain menggunakan data ini. Contoh data interval adalah suhu ruangan dalam satuan celcius dan fahrenheit.


4. Data Rasio

Data rasio merupakan data yang dapat diurutkan dan diukur serta memiliki zero value dan tidak pernah bernilai negatif. Dengan data ini kita bisa menghitung estimasi dan dugaan dari data. Selain itu, semua pengukuran yang dapat dilakukan pada data nominal, ordinal, dan interval juga bisa digunakan untuk mengukur data ini. Contoh data rasio adalah tinggi badan, berat badan, usia, dan lain sebagainya.


Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika


5. Tools untuk Mengolah Data

Saat ini ada berbagai tools yang bisa digunakan untuk mengolah semua jenis data di atas. Salah satu tools yang paling sering digunakan adalah microsoft excel. Tools ini termasuk tools terfavorit karena memiliki berbagai fitur mulai dari operasi matematika dasar, analisis statistik, hingga fitur pembuat grafik. Yuk belajar menggunakan excel untuk berbagai jenis data bersama DQLab! Klik button di bawah ini untuk bergabung bersama DQLab dan nikmati berbagai modul dan fitur belajar menarik dengan data yang mencerminkan data real di dunia industri.


Penulis: Galuh Nurvinda K

Editor: Annissa Widya Davita

Sign Up & Mulai Belajar Gratis di DQLab!