CONTOH INSTRUMEN MENGGUNAKAN SKALA PENGUKURAN

1.     DATA NOMINAL Ø  Jenis kelamin manusia, 1 untuk pria, 2 untuk wanita. Ø  Misalnya tentang jenis olahraga yakni tenis, basket, dan renang. Masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Tetapi angka yang diberikan tidak menunjukkan bahwa tingkat olahraga basket lebih tinggi dari tenis ataupun sebaliknya. Ø  Misalnya bentuk bank syariah di Indonesia: Bank Umum Syariah diberi kategori 2; BPR Syariah diberi kategori l. Ø  Data mengenai barang-barang yang dihasilkan oleh sebuah mesin dapat digolongkan dalam kategori cacat atau tidak cacat. Barang yang cacat bisa diberi angka 0 dan yang tidak cacat diberi angka 1. Ø  Status pernikahan yang terdiri dari tiga kategori yaitu: (1) Belum menikah, (2) Menikah, (3) Janda/ Duda. Data tersebut memiliki sifat-sifat yang sama dengan data tentang jenis kelamin. 2.     DATA ORDINAL Ø  Contoh: Mengubah nilai ujian ke nilai prestasi, yaitu: 1)   nilai A adalah dari 80-100 2)   nilai B adalah dari 65-79 3)   nilai C adalah dari 55-64 4)   nilai D adalah dari 45-54 5)   nilai E adalah dari 0-44 Ø  Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Ø  Jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri dengan kode 5, kadang-kadang saja menghadiri dengan kode 4, kurang menghadiri dengan kode 3, tidak pernah menghadiri dengan kode 2, sampai tidak ingin menghadiri sama sekali dengan kode 1. Ø  Contoh Skala Ordinal: ü  Urutkan merk sepeda motor berikut dari yang paling anda sukai. ü  Merk                                        Ranking ü  Yamaha                                ……….                       ü  Honda                                    ………. ü  Suzuki                                     ………. ü  Kawasaki                              ………. Ø  Sistem kepangkatan dalam dunia militer adalah satu contoh dari data berskala ordinal Pangkat dapat diurutkan atau dirangking dari Prajurit sampai Sersan berdasarkan jasa, dan lamanya pengabdian. Jika peneliti merangking data lamanya pengabdian maka peneliti dapat memberikan nilai 1, 2, 3, … , 4 dst masing-masing terhadap seseorang anggota ABRI yang berpangkat Prajurit, Kopral, Sersan, dst. 3.     DATA INTERVAL Ø  Data ini memiliki ciri sama dengan ciri pada data ordinal ditambah satu ciri lagi, yaitu urutan kategori data mempunyai jarak yang sama. A    B    C    D    E 1      2    3     4    5 interval A sampai C adalah 3-1=2. Interval C sampai D adalah 4-3=1. Kedua interval ini dapat dijumlahkan menjadi 2+1=3. atau interval antara A dan D adalah 4-1=3. Pada data ini yang dijumlahkan bukanlah kuantitas atau besaran, melainkan interval dan tidak terdapat titik nol absoult. Ø  Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1,2,3,4,5 dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3-1=2. Beda prestasi antara mahasiswa C dan F adalah 6-3=3. Tetapi tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Ø  Data tentang suhu empat buah benda A, B, C , dan D yaitu masing-masing 20. 30, 60, dan 70 derajat Celcius, maka data tersebut adalah data dengan skala pengukuran interval karena selain dapat dirangking, peneliti juga akan tahu secara pasti perbedaan antara satu data dengan data lainnya. Perbedaan data suhu benda pertama dengan benda kedua misalnya, dapat dihitung sebesar 10 derajat, dst. Namun dalam skala interval, tidak mungkin kita melakukan perbandingan antara satu data dengan data yang lainnya. Kita tidak dapat mengatakan bahwa suhu 60 derajat Celcius dari benda C dan 30 derajat Celcius untuk suhu benda B berarti bahwa benda C 2x lebih panas dari benda B. Ø  Kecerdasan intelektual yang dinyatakan dalam IQ. Rentang IQ 100 sampai 110 memiliki jarak yang sama dengan 110 sampai 120. Namun demikian tidak dapat dinyatakan orang yang memiliki IQ 150 tingkat kecerdasannya 1,5 kali dari orang yang memiliki IQ 100. Ø  Dalam banyak kegiatan penelitian, data skor yang diperoleh melalui kuesioner (misalnya skala sikap atau intensitas perilaku) sering dinyatakan sebagai data interval setelah alternatif jawabannya diberi skor yang ekuivalen (setara) dengan skala interval, misalnya: Skor (5) untuk jawaban “Sangat Setuju” Skor (4) untuk jawaban “Setuju” Skor (3) untuk jawaban “Tidak Punya Pendapat” Skor (2) untuk jawaban “Tidak Setuju” Skor (1) untuk jawaban “Sangat Tidak Setuju” Dalam pengolahannya, skor jawaban kuesioner diasumsikan memiliki sifat-sifat yang sama dengan data interval.  4.     DATA RASIO Ø  Contoh : A dan B adalah dua mahasiswa Universitas “X” yang nilai mata kuliah statistik 1 masing-masing 60 dan 90. Ukuran rasionya dapat dinyatakan bahwa nilai B adalah nilai 1,5 kali nilai A. Ø  Jika ada 4 pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp10.000 , Rp30.000 , Rp40.000 dan Rp50.000. bila dilihat dengan ukran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Dengan kata lain, rasio antara pengemudi C dan A adalah 4:1, rasio antara pengemudi D dan A adalah 5:1. Ø  Berat badan bayi yang diukur dengan skala rasio, bayi A memiliki berat badan 3 kg. Bayi B memiliki berat 2 kg dan bayi C memiliki berat 1 kg. Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C, dst. Ø  Data mengenai berat adalah data yang berskala rasio. Dengan skala ini kita dapat mengatakan bahwa data berat badan 80 kg adalah 10 kg lebih berat dari yang 70 kg, tetapi juga dapat mengatakan bahwa data 80 kg adalah 2x lebih berat dari data 40 kg. Ø  Data hasil pengukuran berat suatu benda yang dinyatakan dalam gram memiliki semua sifat-sifat sebagai data interval. Benda yang beratnya 1 kg berbeda secara nyata dengn benda yang beratnya 2kg. Ukuran berat benda dapat diurutkan mulai dari yang terberat sampai yang teringan. Perbedaan antara benda yang beratnya 1 kg dengan 2 kg memiliki rentang berat yang sama dengan perbedaan antara benda beratnya 2 kg dengan 3 kg. Angka 0 kg menunjukkan tidak ada benda (berat) yang diukur. Benda yang beratnya 2 kg 2 kali lebih berat dibandingkan dengan benda yang beratnya 1 kg.

SKALA PENGUKURAN PENELITIAN

1.    Data nominal Sebelum kita membicarakan bagaimana alat analisis data digunakan, berikut ini akan diberikan ulasan tentang bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik bagi mahasiswa. Menuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal merupakan data diskrit dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu juga tentang ukuran jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan bulat, demikian seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal. Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi karena pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square (χ2), perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan. 2.    Data ordinal Bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau. 3.    Data interval Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 – 1 = 2. Beda prestasi antara mahasiswa C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression. 4.    Data rasio Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran rasio (data rasio). Data rasio, yang diperoleh melalui pengukuran dengan skala rasio memiliki titik nol. Karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol, maka data rasio dapat dibuat perkalian ataupun pembagian. Angka pada data rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. Dengan kata lain, rasio antara pengemudi C dan A adalah 4 : 1, rasio antara pengemudi D dan A adalah 5 : 1, sedangkan rasio antara pengemudi C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000, dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi B memiliki rasio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat badan sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data rasio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian lazimnya bisa di bagi menjadi 4 jenis variabel, yakni variabel (data) nominal, variabel (data) ordinal, variabel (data) interval, dan variabel (data) rasio. Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah satu sama lain, misalnya status perkawinan, jenis kelamin, suku bangsa, profesi pekerjaan seseorang dan sebagainya. Variabel ordinal adalah variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti indek prestasi mahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio adalah variabel yang disusun dengan ukuran rasio seperti tingkat penganggguran, penghasilan, berat badan, dan sebagainya.