SKALA PENGUKURAN DATA

1. SKALA NOMINAL

Skala Nominal merupakan skala yang paling lemah/rendah di antara keempat skala pengukuran. Sesuai dengan nama atau sebutannya, skala nominal hanya bisa membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat). Sebagai contoh, klasifikasi barang yang dihasilkan pada suatu proses produksi dengan predikat cacat atau tidak cacat. Atau, bayi yang baru lahir bisa laki-laki atau perempuan. Tidak jarang digunakan nomor-nomor yang dipilih sekehendak hati sebagai pengganti nama-nama atau sebutan-sebutan, untuk membedakan benda-benda atau peristiwa-peristiwa berdasarkan beberapa karakteristik. Sebagao contoh, dapat digunakan nomor 1 untuk menyebut kelompok barang yang cacat dari suatu proses produksi dan nomor 0 untuk menyebut kelompok barang yang tidak cacat dari suatu proses produksi. Skala nominal biasanya juga digunakan bila peneliti berminat terhadap jumlah benda atau peristiwa yang termasuk ke dalam masing-masing kategori nominal. Data semacam ini sering disebut data hitung (count data) atau data frekuensi.

Skala pengukuran nominal digunakan untuk menglasifikasi obyek, individual atau kelompok; sebagai contoh mengklasifikasi jenis kelamin, agama, pekerjaan, dan area geografis. Dalam mengidentifikasi hal-hal di atas digunakan angka-angka sebagai symbol. Apabila kita menggunakan skala pengukuran nominal, maka statistik non-parametrik digunakan untuk menganalisa datanya. Hasil analisa dipresentasikan dalam bentuk persentase. Sebagai contoh kita mengklaisfikasi variable jenis kelamin menjadi sebagai berikut: laki-laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapat melakukan operasi arimatika dengan angka-angka tersebut, karena angka-angka tersebut hanya menunjukkan keberadaan atau ketidakadanya karaktersitik tertentu.

Contoh:

Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yang bersifat kategorikal dapat diberi symbol angka-angka sebagai berikut: jawaban “ya” diberi angka 1 dan tidak diberi angka 2.

Skala Nominal di gunakan ketika kita menginginkan suatu informasi yang hanya mengklasifikasikan suatu objek, individual atau kelompok dalam bentuk kategori. sebab skala Nominal merupakan skala yang paling lemah/rendah di antara skala pengukuran yang ada. Skala nominal hanya bisa membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat). Skala pengukuran nominal digunakan untuk mengklasifikasi obyek, Pemberian angka atau simbol pada skala nomial tidak memiliki maksud kuantitatif hanya menunjukkan ada atau tidak adanya atribut atau karakteristik pada objek yang diukur. Misalnya, jenis kelamin diberi kode 1 untuk laki-laki dan kode 2 untuk perempuan. Angka ini hanya berfungsi sebagai label

Karena tidak memiliki nilai instrinsik, maka angka-angka (kode-kode) yang kita berikan tersebut tidak memiliki sifat sebagaimana bilangan pada umumnya. Oleh karenanya, pada variabel dengan skala nominal tidak dapat diterapkan operasi matematika standar (aritmatik) seperti pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai dengan skala nominal adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, Chi Square dan beberapa peralatan statistik non-parametrik lainnya.

2. SKALA ORDINAL

Skala Ordinal ini lebih tinggi daripada skala nominal. Pada skala ini sudah dapat membeda-bedakan benda atau peristiwa yang satu dengan yang lain yang diukur dengan skala ordinal berdasarkan jumlah relatif beberapa karakteristik tertentu yang dimiliki oleh masing-masing benda atau peristiwa. Pengukuran ordinal memungkinkan segala suatu sesuatu disusun menurut peringkatnya masing-masing. Sebagai contoh, pada tenaga penjualan bisa diperingkat dari yang “paling buruk” sampai yang “paling buruk” berdasarkan kepribadian mereka. Atau, pada para peserta kontes kecantikan dpat diperingkat dari yang “paling kurang cantik” sampai yang “paling cantik”. Jika ingin bermaksud memeringkat n buah benda berdasarkan suatu ciri tertentu, boleh ditetapkan nomor 1 untuk benda yang ciri tertentunya paling kurang, nomor 2 untuk benda yang ciri tertentunya kedua paling kurang, dan seterusnya hingga nomor n, untuk benda kadar ciri tertentu yang paling tinggi. Sebagai contoh, para peserta lomba lari dapat diberi peringkat 1, 2, 3, …, berdasarkan urut-urutan waktu yang diperlukan untuk mencapai garis finish Data semacam ini sering disebut data peringkat (rank data).

Skala pengukuran ordinal memberikan informasi tentang jumlah relatif karakteristik berbeda yang dimiliki oleh obyek atau individu tertentu. Tingkat pengukuran ini mempunyai informasi skala nominal ditambah dengan sarana peringkat relatif tertentu yang memberikan informasi apakah suatu obyek memiliki karakteristik yang lebih atau kurang tetapi bukan berapa banyak kekurangan dan kelebihannya.

Contoh:

Jawaban pertanyaan berupa peringkat misalnya: sangat tidak setuju, tidak setuju, netral, setuju dan sangat setuju dapat diberi symbol angka 1,2,3,4 dan 5. Angka-angka ini hanya merupakan simbol peringkat, tidak mengekspresikan jumlah.

Skala Ordinal digunakan ketika kita menginginkan suatu informasi yang lebih baik , karena dalam skala ordinal, lambang-lambang bilangan hasil pengukuran selain menunjukkan pembedaan juga menunjukkan urutan atau tingkatan obyek yang diukur menurut karakteristik tertentu. Skala Ordinal juga disebut dengan skala peringkat.

Misalnya : tingkat kepuasan seseorang terhadap produk. Bisa kita beri angka dengan 5=sangat puas, 4=puas, 3=kurang puas, 2=tidak puas dan 1=sangat tidak puas. Atau misalnya dalam suatu lomba, pemenangnya diberi peringkat 1,2,3 dstnya.

Dalam skala ordinal, tidak seperti skala nominal, ketika kita ingin mengganti angka-angkanya, harus dilakukan secara berurut dari besar ke kecil atau dari kecil ke besar. Jadi, tidak boleh kita buat 1=sangat puas, 2=tidak puas, 3=puas dstnya. Yang boleh adalah 1=sangat puas, 2=puas, 3=kurang puas dstnya.

Sebagaimana halnya pada skala nominal, pada skala ordinal kita juga tidak dapat menerapkan operasi matematika standar (aritmatik) seperti pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai dengan skala ordinal juga adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, Chi Square dan beberapa peralatan statistik non-parametrik lainnya.

3. SKALA INTERVAL


Skala Interval ini lebih tinggi daripada skala ordinal. Apabila benda-benda atau peristiwa-peristiwa yang diselidiki dapat dibeda-bedakan antara yang satu dan lainnya kemudian diurutkan, dan bilamana perbedaan-perbedaan antara peringkat yang satu dan lainnya mempunyai arti (yakni, bila satuan pengukurannya tetap), maka skala interval dapat diterapkan. Skala interval memiliki sebuah titik nol, tetapi titik nol ini bisa dipilih secara sembarang, artinya bahwa titik nol tidak selalu bernilai nol. Sebagai contoh, pengukuran interval pada pengukuran temperatur dalam derajat Fahrenheit titik nolnya pada 32, sedangkan dalam derajat Celcius titik nolnya pada 0. Andaikan bahwa empat benda A, B, C, dan D secara berturut-turut diberi nilai (score) 20, 30, 60, dan 70, melalui pengukuran menggunakan skala interval. Karena yang digunakan adalah skala interval, maka dapat dikatakan bahwa beda/selisih antara 20 dan 30 sama dengan beda/selisih 60 dan 70. Dengan demikian, jarak yang sama antara anggota-anggota masing-masing masing-masing pasangan nilai itu menunjukkan beda yang sama dalam hal kadar ciri atau sifat yang diukur. Namun, skala interval tidak menjadikan perbandingan/rasio antara dua buah nilai. Sebagai contoh, si A mendapat nilai ujian 40 dan si B mendapat nilai ujian 80, ini tidak berarti bahwa nilai/ciri/sifat yang dimiliki (kepintaran) si B dua kali lipat yang dimiliki si A.

4. SKALA RATIO


Skala Ratio ini lebih tinggi daripada skala interval. Pada skala ratio, antara masing masing pengukuran sudah mempunyai nilai perbandingan/rasio. Pengukuranpengukuran dengan skala rasio yang sudah sering digunakan, yakni pengukuran tinggi dan pengukuran berat. Dapat dikatakan bahwa seseorang yang beratnya 90 kg memiliki kelebihan berat 45 kg dibanding yang beratnya 45 kg, sebagaimana yang digunakan pada skala interval. Dengan skala ratio, dapat dikatakan bahwa orang yang beratnya 90 kg mempunyai berat dua kali lipat daripada orang yang beratnya 45 kg.


Banyak teknik analisis statistika yang dibedakan berdasarkan tipe skala pengukuran data, misalnya dikenal istilah analisis data kategorik (categorical data analysis) untuk menunjukkan bahwa analisis-analisis yang dibahas dalam cabang ini hanya berlaku untuk tipe data kategorik (nominal) atau paling tinggi ordinal. Contoh lain, analisis peringkat ( rank analysis) dalam cabang Statistika Nonparametrik hanya cocok diterapkan pada data-data bertipe ordinal atau yang lebih rendah (nominal) namun jika diterapkan pada data yang diukur pada skala interval atau rasio maka kuasa ujinya ( test power) akan lebih rendah dibandingkan kalau digunakan analisis yang memang didesain untuk tipe data metrik.

Begitu juga dalam analisis multivariat, ada beberapa teknik analisis yang mensyaratkan data diukur pada skala metrik, misalnya analisis faktor, analisis klaster dan analisis diskriminan (meskipun dalam perkembangannya para statistisi mampu menciptakan beragam teknik "derivatif" dari analisis2 ini yang mampu mengakomodasi data2 nonmetrik). Dalam kondisi seperti ini, jika data yang dimiliki hanyalah data nonmetrik, akan lebih baik jika digunakan teknik analisis multivariat nonparametrik. Namun penerapan teknik seperti ini mengandung beberapa kesulitan :

* Rumusan matematis analisis lebih kompleks karena biasanya bersifat bebas distribusi
* Literatur yang membahas masih sangat jarang dan masih sedikit software yang mampu mengakomodasi teknik-teknik seperti ini
* Penerapan praktis dengan hasil yang memuaskan cenderung mensyaratkan kondisi-kondisi yang sulit dipenuhi, seperti ukuran sampel yang lebih besar dibandingkan jika digunakan teknik parametrik


Ada beberapa analisis statistika multivariat yang mensyaratkan data yang dianalisis diukur pada skala metrik (interval atau rasio), di antaranya analsis klaster dan analisis diskriminan. Dalam kondisi di mana data yang dimiliki hanyalah data berskala ordinal, diperlukan suatu transformasi yang dapat mengubah skor-skor data pada variabel yang terlibat (berskala ordinal) menjadi data metrik. Dalam Psikometrika, metode transformasi seperti ini dinamakan metode penskalaan ( scaling technique). Metode penskalaan yang populer di antaranya metode rating dijumlahkan (summated rating) & juga metode yg mirip dengannya, metode interval berurutan (succesive interval). namun kebanyakan teknik2 ini mengasumsikan data populasi berdistribusi normal. Untuk teknik perhitungannya,bisa Anda dapatkan di buku2 metode penelitian,teori pengukuran atau Psikometrika.

Dalam SEM, kalau data kita diukur dalam skala nonmetrik,ada 2 pilihan yang bisa diambil :

Melakukan penskalaan terlebih dahulu terhadap raw data sehingga data bisa "dianggap" berskala metrik

Tetap menggunakan raw data yg ada namun digunakan metode estimasi bebas distribusi (ADF/WLS). Slh 1 pendekatan yg populer di antaranya adalah underlying variable approach berdasarkan korelasi polychoric (asumsi : data populasi yg direpresentasikan oleh raw data yg berskala likert/ordinal berdistribusi normal,jadi raw data yg likert -distribusinya diskrit- hanyalah representasi/simplifikasi dr real data yg sebenarnya berdistribusi kontinu,dlm hal ini normal). Namun -sekali lagi- slh 1 kelemahan utama metode ini adalah diperlukan jumlah data yg banyak (dibandingkan jika digunakan metode estimasi MLE misalnya) agar hasil analisisnya reliabel & stabil.