Metode Statistika – Jenis Data

Terdapat beberapa cara dalam mengelompokkan data berdasarkan jenis data, bisa menurut sifat, sumber, cara memperoleh, sampai waktu pengumpulannya.

Menurut Sifat

Data Kualitatif

Data kualitatif adalah data yang dinyatakan dalam bentuk kata, kalimat dan gambar serta tidak dapat diukur dalam skala numerik. Data kualitatif umumnya dikuantitatifkan agar diproses lebih lanjut, yang terdiri dari dua golongan, yaitu:

• Data Nominal
  Data yang yang hanya dapat digolongkan secara terpisah dalam bentuk kategori atau diskrit, dimana posisi data masing-masing kategori mempunyai derajat yang sama. Contoh:
  • Data jenis kelamin pada sampel penelitian Departemen pendidikan
  • Mengelompokkan ekskul di suatu SMA dari bidang olahraga
  • Pengelompokan rumah-rumah pada suatu perumahan
• Data Ordinal
  Data yang dinyatakan dalam bentuk kategori namun posisi data tidak sama derajatnya karena dinyatakan skala peringkat (ranking). Contoh:
  • Suatu peringkat ranking di suatu kelas misalkan Ihsan ranking 1 dan Udin ranking 2 berarti Ihsan lebih pintar dari Udin
  • Pada tingkatan taekwondo memiliki beberapa tahapan sabuk

Data Kuantitatif

Data kuantitatif adalah data yang berbentuk angka atau data yang dapat diukur dalam suatu skala numerik (angka). Data kuantitatif terdiri dari dua golongan, yaitu:

• Data Interval
  Data yang diukur dengan jarak di antara dua titik pada skala yang sudah diketahui. Contoh:
  • Suhu udara dalam Celsius berkisar antara 0 derajat hingga 100 derajat
  • Jumlah bulan dalam satu tahun
  • Nilai TOEFL bagi mahasiswa yang mau belajar ke luar negeri
• Data Rasio
  Data yang diukur dengan suatu proporsi dan mempunyai jarak yang sama. Contoh:
  • Persentase jumlah pengangguran di provinsi X
  • Nilai inflasi di Indonesia tahun 2025
  • Data tentang berat, panjang dan volume

---

Menurut Sumber

Data Internal

Data internal adalah sebuah data asli yang menguraikan situasi dan kondisi pada suatu organisasi secara internal, data ini dihasilkan melalui penelitian sendiri, bukan data hasil dari orang lain. Contohnya adalah data penjualan, data stok gudang, data pegawai, dan sebagainya.

Data Eksternal

Data eksternal adalah data yang menguraikan situasi dan kondisi yang berada di luar organisasi, biasanya data ini didapat dari hasil penelitian orang lain. Misalnya adalah data tingkat preferensi pelanggan, data konsumen dalam penggunaan suatu produk, dan sebagainya. Data eksternal memiliki 2 (dua) jenis, yaitu:

• Data Eksternal Primer
  Data yang berupa ucapan kata atau tulisan dari orang yang memiliki data itu sendiri, atau orang yang melakukan penelitian sendiri.
• Data Eksternal Sekunder
  Data yang diperoleh bukan dari orang lain yang melakukan penelitian, melainkan melalui seseorang atau beberapa orang lainnya.

Baca Juga : Apa itu Data?

Menurut Cara Memperolehnya

Data Primer

Data primer adalah data yang diambil atau dikumpulkan secara langsung dari objek penelitian oleh seorang peneliti maupun organisasi. Contoh: Data kepuasan pelanggan terhadap pelayanan di PLN, yang mana data tersebut diperoleh dengan menyebarkan kuesioner ataupun wawancara secara langsung.

Data Sekunder

Data sekunder adalah data yang diperoleh tidak secara langsung dari objek penelitian, namun sudah dikumpulkan oleh pihak lain dengan berbagai metode baik secara komersial maupun non komersial. Contoh: data jumlah warga di desa, data APBN (data sekunder biasanya menggunakan data statistik baik dari hasil riset surat kabar ataupun media lainnya).

---

Menurut Waktu Pengumpulan

Data Time Series/Berkala

Data yang menggambarkan sesuatu dari waktu ke waktu atau periode secara historis. Contohnya data perkembangan nilai tukar dollar Amerika terhadap rupiah dari tahun 2014 hingga 2019, jumlah pendaftar calon haji Indonesia dari tahun ke tahun, dan sebagainya.

Data Cross Section

Merupakan data yang menunjukkan titik waktu tertentu. Misalnya, laporan penjualan per 17 November 2019, data pelanggan PT Maju Sukses bulan Agustus 2018, dan sebagainya.

---

Menurut Bentuk Angkanya

Data Tunggal (Ungrouped Data)

Data tunggal adalah data statistik yang masing-masing angkanya merupakan satu unit (satu kesatuan), dengan kata lain datanya tidak dikelompok-kelompokkan. Contohnya adalah data nilai ujian dari 10 mahasiswa, antara lain: 69, 76, 80, 92, 75, 87, 56, 89, 90, 55.

Data Berkelompok (Grouped Data)

Data berkelompok adalah data statistik yang tiap-tiap unitnya terdiri dari sekelompok angka. Contohnya adalah data nilai ujian mahasiswa sebagai berikut.

.tg-wrap {padding-bottom: 20px;} .tg {border-collapse:collapse;border-spacing:0;margin:0px auto;} .tg td{border-bottom-width:1px;border-color:black;border-style:solid;border-top-width:1px;border-width:0px; font-family:Arial, sans-serif;font-size:14px;overflow:hidden;padding:10px 5px;word-break:normal;} .tg th{border-bottom-width:1px;border-color:black;border-style:solid;border-top-width:1px;border-width:0px; font-family:Arial, sans-serif;font-size:14px;font-weight:normal;overflow:hidden;padding:10px 5px;word-break:normal;} .tg .tg-6k50{text-align:center;vertical-align:middle} .tg .tg-sx1p{width:50%;font-weight:bold;position:-webkit-sticky;position:sticky;text-align:center;top:-1px;vertical-align:middle; will-change:transform} .tg .tg-nrix{text-align:center;vertical-align:middle} @media screen and (max-width: 767px) {.tg {width: auto !important;}.tg col {width: auto !important;}.tg-wrap {overflow-x: auto;-webkit-overflow-scrolling: touch;margin: auto 0px;}}

Baca Juga : Variabel Diskrit dan Kontinu

Big Data

Big Data Operasional

Untuk menangani pekerjaan-pekerjaan Big Data Operasional, telah dibangun sistem Big Data dengan database NoSQL, seperti halnya database berbasis dokumen (document based database) yang dapat ditujukan untuk berbagai tipe aplikasi, database key-value stores, column family stores, dan database graph yang dioptimalkan untuk aplikasi yang lebih spesifik.

Teknologi NoSQL, yang telah dikembangkan untuk mengatasi kekurangan dari database relasional (relational database) pada lingkungan komputasi modern, dikenal lebih cepat serta lebih mudah dan murah dalam hal peningkatan skala (more scalable) dibanding relational databases.

Big Data Analitik

Pekerjaan-pekerjaan Big Data Analitik cenderung diproses dengan mengimplementasikan sistem database MPP dan MapReduce. Munculnya teknologi ini juga merupakan reaksi terhadap keterbatasan dan kurangnya kemampuan relational database tradisional untuk mengelola database dalam skala lebih dari satu server (terdistribusi). Di samping itu, MapReduce juga menawarkan metode baru dalam menganalisis data yang dapat berfungsi sebagai pelengkap terhadap kapabilitas SQL.

Contoh

Big Data dapat berupa data yang berukuran hingga petabytes (1,024 terabytes) atau exabytes (1,024 petabytes), seperti milyaran hingga triliunan catatan personal seseorang yang semuanya berasal dari sumber berbeda seperti web, sales, customer service, social media, data mobile, dan sebagainya.

Big Data terdiri dari data-data yang biasanya tidak terstruktur, sering tidak lengkap, dan tidak dapat diakses. Pada saat berhadapan dengan kelompok data yang lebih besar, perusahaan menghadapi kesulitan membuat, memanipulasi, dan mengelola Big Data. Big Data sesungguhnya masalah dalaman analisis bisnis karena tools dan prosedur standar tidak didesain untuk mencari dan menganalisis kumpulan data yang massive.

---

Materi Lengkap

Berikut adalah beberapa materi lengkap yang membahas tuntas mengenai Data.

---

Tonton juga playlist pilihan dari kami berikut ini