Dua variabel, dua jenis yang berbeda
Sebuah platform media sosial menyimpan banyak data tentang penggunanya: jenis kelamin, umur, durasi pemakaian harian, jenis video yang ditonton, dan kota tempat tinggal. Data itu dipakai untuk menebak video apa yang sebaiknya ditampilkan berikutnya.
Pertanyaannya kira-kira begini: apakah pengguna yang lebih tua cenderung memakai media sosial lebih lama? Untuk menjawabnya, kamu perlu membandingkan dua variabel sekaligus — umur dan durasi. Di sinilah masalah pertama muncul: umur dan durasi tidak diperlakukan dengan cara yang sama seperti jenis kelamin atau kota.
Ingat kembali
Ingat kembali
Tiga hal ini sudah kamu pelajari di SMP dan akan dipakai terus di bab ini. Jawab dulu dari ingatan, baru buka.
01Apa bedanya data yang dikumpulkan sendiri oleh peneliti dengan data yang sudah tersedia di internet?
Yang pertama disebut data primer, yang kedua data sekunder. Data sekunder lebih murah didapat, tetapi peneliti tidak mengontrol cara pengumpulannya.
02Nilai ulangan lima siswa adalah . Berapa rata-ratanya?
Jumlahnya , lalu dibagi banyak data: .
03Diagram apa yang dipakai untuk menunjukkan banyak siswa pada tiap kategori?
Diagram batang. Tinggi batang menyatakan banyak data pada kategori itu, dan batangnya tidak perlu bersentuhan karena kategorinya terpisah.
Membedakan jenis data
Data dapat dibagi menjadi dua jenis besar. Yang pertama menyatakan kelompok atau label, yang kedua menyatakan hasil menghitung atau mengukur.
| Jenis | Isi | Contoh |
|---|---|---|
| Kategorikal | label atau kelompok; tidak ada urutan angka yang bermakna | jenis kelamin, kota, golongan darah, merek sepatu |
| Numerikal | hasil menghitung atau mengukur; operasi hitung bermakna | umur, tinggi badan, jumlah saudara, durasi pemakaian |
Numerikal dibagi lagi: diskrit dan kontinu
Data numerikal diskrit berasal dari menghitung, jadi nilainya bulat dan ada jarak antar nilai yang boleh dilewati. Jumlah saudara hanya bisa — tidak ada saudara.
Data numerikal kontinu berasal dari mengukur, jadi nilainya bisa berada di mana saja dalam suatu rentang. Tinggi badan bisa cm atau cm, tergantung ketelitian alat ukurnya.
Mengubah numerikal menjadi kategorikal
Data numerikal boleh diubah menjadi kategorikal dengan mengelompokkan nilainya. Umur tahun bisa dijadikan satu kategori “remaja”, dan tahun menjadi “dewasa muda”.
| Umur (numerikal) | Kelompok (kategorikal) |
|---|---|
| remaja | |
| remaja | |
| remaja | |
| dewasa muda | |
| dewasa muda |
Perubahan ini tidak gratis. Setelah dikelompokkan, perbedaan di dalam kelompok hilang: orang berumur dan tahun menjadi sama-sama “remaja”, padahal keduanya berbeda tiga tahun.
Contoh dikerjakan
Enam variabel berikut dikumpulkan dari satu kelas. Tentukan jenis tiap variabel, dan sebutkan alasan yang menentukan.
Contoh dikerjakan
Mengelompokkan enam variabel
Jangan melihat bentuk datanya lebih dulu. Tanyakan: apakah operasi hitung pada variabel ini bermakna?
01Jenis kelamin: isinya “laki-laki” dan “perempuan”.
Kenapa
Dua label tanpa urutan. Tidak ada artinya mengatakan perempuan lebih besar daripada laki-laki, jadi ini kategorikal.
02Jumlah saudara: isinya .
Kenapa
Hasil menghitung, nilainya bulat, dan bermakna. Ini numerikal diskrit.
03Waktu tempuh ke sekolah: isinya menit, menit, menit.
Kenapa
Hasil mengukur, dan nilainya boleh pecahan. Ini numerikal kontinu.
04Kelas: isinya X, XI, XII.
Kenapa
Kategorikal, tetapi berurutan: XI memang setelah X. Urutannya bermakna, jaraknya tidak.
05Nomor induk siswa: isinya angka panjang seperti .
Kenapa
Berbentuk angka, tetapi tidak ada operasi hitung yang bermakna. Ini kategorikal — angka hanyalah label unik.
06Ukuran sepatu: isinya .
Kenapa
Meski ditulis bulat, ukuran sepatu berasal dari pengukuran panjang kaki lalu dibulatkan ke skala. Dianggap numerikal diskrit karena hanya nilai skala itu yang dipakai.
Lihat jawaban
Kategorikal: jenis kelamin, kelas, nomor induk siswa. Numerikal diskrit: jumlah saudara, ukuran sepatu. Numerikal kontinu: waktu tempuh.
Sekarang kamu coba
Lima variabel berikut berasal dari data penjualan sebuah toko daring. Kerjakan sendiri, lalu bandingkan dengan penyelesaiannya.
Contoh — lanjutkan sendiri
Mengelompokkan lima variabel penjualan
Variabel: metode pembayaran, jumlah barang dalam pesanan, ongkos kirim, kota tujuan, dan peringkat kepuasan (–).
01Metode pembayaran: transfer, kartu, atau dompet digital.
Kenapa
Tiga label tanpa urutan. Kategorikal.
02Jumlah barang dalam pesanan: buah.
Kenapa
Hasil menghitung, bulat. Numerikal diskrit.
03Ongkos kirim: rupiah sampai puluhan ribu rupiah.
Kenapa
Hasil menghitung dalam satuan uang, bisa bernilai berapa saja dalam rentang. Diperlakukan sebagai numerikal kontinu.
04Kota tujuan: Bandung, Surabaya, Makassar.
Kenapa
Label tempat tanpa urutan. Kategorikal.
05Peringkat kepuasan sampai : tentukan jenisnya dan jelaskan alasanmu.coba sendiri
Kerjakan langkah ini di kertas dulu. Setelah itu buka penyelesaiannya untuk memeriksa.
Kenapa
Peringkat punya urutan, tetapi jarak antara dan belum tentu sama dengan jarak antara dan . Karena itu ia sering diperlakukan sebagai kategorikal berurutan, bukan numerikal.
Lihat jawaban
Metode pembayaran dan kota tujuan kategorikal. Jumlah barang numerikal diskrit. Ongkos kirim numerikal kontinu. Peringkat kepuasan paling aman diperlakukan sebagai kategorikal berurutan, karena jarak antartingkat tidak dijamin sama.
Miskonsepsi yang sering muncul
Miskonsepsi
Kalau bentuknya angka, berarti numerikal
- Jawaban khas
- Nomor induk siswa, kode pos, dan nomor rumah dianggap numerikal karena ditulis dengan angka
- Kenapa keliru
- Bentuk tulisan tidak menentukan jenis data. Yang menentukan adalah apakah operasi hitung padanya menghasilkan sesuatu yang bermakna. Rata-rata dua kode pos tidak menunjukkan lokasi mana pun.
- Contoh tandingan
- Uji sederhana: kalau dua nilai dijumlahkan lalu dibagi dua, apakah hasilnya masih bermakna? Untuk tinggi badan, ya. Untuk NISN, tidak.
Miskonsepsi
Urutan kategori sama dengan selisih yang sama
- Jawaban khas
- Kategori kecil, sedang, besar dianggap berjarak sama sehingga “besar dikurangi kecil” sama dengan “sedang dikurangi kecil”
- Kenapa keliru
- Urutan hanya menyatakan mana yang lebih dulu, bukan berapa bedanya. Pada peringkat kepuasan, jarak antara dan belum tentu sama dengan jarak antara dan .
- Contoh tandingan
- Tingkat pendidikan SD, SMP, SMA berurutan, tetapi selisih lama sekolahnya tidak seragam untuk setiap orang. Urutan tetap berguna; selisih tidak boleh dikarang.
Miskonsepsi
Mengelompokkan data numerikal tidak mengubah apa pun
- Jawaban khas
- Mengubah umur menjadi kelompok remaja dan dewasa dianggap hanya merapikan tampilan, tanpa akibat pada kesimpulan
- Kenapa keliru
- Pengelompokan membuang variasi di dalam kelompok. Dua orang yang berbeda tiga tahun bisa jatuh ke kelompok yang sama, sehingga hubungan yang halus menjadi tidak terlihat.
- Contoh tandingan
- Hubungan antara umur dan durasi pemakaian media sosial bisa terlihat naik terus jika umur dipakai apa adanya, tetapi berubah menjadi “tidak berbeda” setelah umur dipotong menjadi dua kelompok saja.
Latihan
Latihan
Lima soal, jenisnya tidak berurutan
Soal berikut sengaja tidak dikelompokkan menurut tipe. Menentukan sendiri cara mengerjakannya adalah bagian dari latihan.
01Golongan darah termasuk data jenis apa?
- ANumerikal diskrit
- BNumerikal kontinu
- CKategorikal
- DKategorikal berurutan
Pembahasan
Golongan darah (A, B, AB, O) adalah label tanpa urutan. Tidak ada artinya mengatakan AB lebih besar daripada A, jadi kategorikal biasa. Menjawab “kategorikal berurutan” keliru karena urutan A–B–AB–O tidak bermakna.
02Manakah yang paling tepat digolongkan sebagai data numerikal kontinu?
- ABanyak anggota keluarga
- BBerat badan siswa
- CNomor absen siswa
- DJumlah kendaraan di sekolah
Pembahasan
Berat badan berasal dari pengukuran dan boleh bernilai pecahan seperti kg. Banyak anggota keluarga dan jumlah kendaraan berasal dari menghitung sehingga diskrit. Nomor absen berbentuk angka tetapi hanya label, jadi kategorikal.
03Data tinggi badan siswa dikelompokkan menjadi “pendek” dan “tinggi” dengan batas cm. Apa yang hilang akibat pengelompokan ini?
- ATidak ada yang hilang, hanya tampilannya yang berubah
- BBanyak siswa dalam tiap kelompok
- CPerbedaan tinggi di dalam satu kelompok, misalnya cm dan cm
- DSatuan tinggi badan
Pembahasan
Siswa setinggi cm dan cm sama-sama masuk kelompok “pendek”, padahal keduanya berbeda cm. Variasi di dalam kelompok inilah yang hilang. Jumlah anggota kelompok justru masih bisa dihitung setelah pengelompokan.
04Sebuah toko ingin meneliti hubungan antara kota tujuan dan ongkos kirim. Variabel kota tujuan berjenis kategorikal. Apa yang harus dilakukan lebih dulu?
- AMenghitung rata-rata kota tujuan
- BMembandingkan ongkos kirim antarkota tanpa mengubah apa pun
- CMengubah ongkos kirim menjadi kategori supaya jenisnya sama
- DMenjumlahkan seluruh ongkos kirim
Pembahasan
Kota tujuan tetap kategorikal; yang dilakukan adalah membandingkan ongkos kirim di antara kota-kota itu, bukan mengubah salah satu variabel. Menghitung rata-rata kota tujuan tidak bermakna karena kotanya label, bukan angka.
05Kamu punya data usia dan pendapatan bulanan. Agar hubungan keduanya bisa dilihat sebagai diagram pencar, apa syarat yang harus dipenuhi?
- AKeduanya harus kategorikal
- BKeduanya harus numerikal
- CSalah satunya harus dikelompokkan dulu
- DTidak ada syarat, semua jenis data bisa dipakai
Pembahasan
Diagram pencar memasang satu variabel numerikal pada tiap sumbu, jadi keduanya harus numerikal. Kalau usia sudah dikelompokkan menjadi kategori, sifat numeriknya hilang dan diagram pencar tidak lagi bisa menggambarkan pola halusnya.
Rujukan kurikulum
Fase F — analisis data dan peluang: membedakan data kategorikal dan numerikal, serta menyajikan data bivariat untuk menyelidiki hubungan antarvariabel.