Yuk Kenali Macam Macam Data untuk Hindari Kekeliruan Dalam Pengolahannya
Secara tidak langsung maupun langsung era digital transformasi akan menghasilkan banyak variasi data. Oleh karena itu saat ini kita selalu bersentuhan dengan informasi. Namun, seperti yang kita ketahui bahwa informasi yang kita terima merupakan hasil pengolahan dari macam macam data data bukan? Tahukah kamu bahwa data memiliki banyak sekali macamnya. Namun, terdapat dua kelompok besar data yaitu Data Numerikal dan Data Kategorikal.
Seringkali kamu jumpai dalam kehidupan sehari hari hal yang berhubungan dengan kedua kelompok data ini. Namun, bisa saja kamu tidak menyadarinya. Yuk, simak diagram dibawah ini serta bahas lebih jauh terkait kedua kelompok data.
Gambar Kelompok Data
1. Kelompok Data Kategorikal : Penggambaran Karakteristik Data dengan Kategori
Kelompok data kategorikal akan menggambarkan keseluruhan karakteristik atau kategori. Karakteristik lainnya terkait data ini adalah, kelompok data kategorikal tidak bisa dihitung secara kuantitatif sehingga tidak dapat menerima operasi matematik seperti penjumlahan dan perkalian. Namun, data ini memiliki value yang dapat dibedakan antara satu dengan lainnya. Beberapa contoh data kategorikal adalah nama pelanggan, jenis kelamin, domisili, tingkat pendidikan, menu makanan, rating rumah makan, dan nomor punggung pemain sepak bola.
Baca Juga : Belajar Data Science dengan Implementasikan 3 Tahapan Ini dalam Pengolahan Data
2. Kelompok Data Numerikal : Yuk, Ukur Kuantifikasi Datamu
Kelompok data numerikal adalah kelompok data yang mengambarkan kuantitas. Dengan demikian kelompok data ini dapat diukur secara kuantitatif sehingga kelompok data ini dapat menerima operasi matematik. Kelompok data numerikal memiliki dua sub kelompok yaitu data diskrit dan data kontinyu.
Data Numerikal Diskrit
Data Numerik diskrit merupakan data yang dihasilkan melalu proses poencacahan bilangan. Nilai dari data numerik diskrit merupakan bilangan bulat positif.
Contoh dari data numerikal diskrit ini adalah banyaknya tanggungan dalam sebuah keluarga. Akumulasi jumlah tanggungan dalam keluarga didapatkan melalui kalkulasi jumlah anggota yang terdapat didalam sebuah keluarga. Nah, misalnya kamu adalah seorang ayah dengan jumlah total anggota keluarga sebanyak 10, sehingga jumlah tanggungan kamu sebagai ayah adalah 9.
Selain itu, kalkulasi jumlah mobil yang melewati pintu tol Gading Serpong juga merupakan salah satu contoh dari numerik diskrit. Data ini bisa didapat melalui database yang digunakan untuk menampung data pembayaran pengguna jalan tol.
Data Numerikal Kontinyu
Data Numerik kontinyu adalah kumpulan data yang didapatkan melalui proses pengukuran. Nilai yang didapatkan tidak harus merupakan bilangan bulat. Beberapa contoh dari numerik kontiyu dapat kita temukan dibeberapa kondisi misalnya umur, jam kerja per minggu, pendapatan, suhu minuman kopi, hingga kalkulasi jumlah penjualan produk.
3. Skala Pengukuran Data : Pahami untuk Permudah Kamu Mengolah Data
Gambar Skala Pengukuran Data
Ahli statistika Steven menggolongkan data menjadi 4 skala pengukuran yaitu,
Skala pengukuran nominal digunakan untuk menggolongkan data kategorikal yang tidak memiliki urutan.
Skala pengukuran ordinal digunakan untuk menggolongkan data kategorikal yang memiliki urutan atau ranking tertentu.
Skala pengukuran interval digunakan untuk nilai variabel numerikal yang tidak memiliki true zero.
Skala pengukuran rasio digunakan untuk nilai variabel numerikal yang memiliki true zero.
Pemahaman terhadap tipe variabel hingga skala pengukuran ini penting agar kita dapat memilih alat statistika deskriptif (grafik dan besaran numerik) dan uji hipotesa yang sesuai dengan tipe data dan tujuan analisa.
Baca Juga : Belajar Big Data : Kenali Perbedaan 3 Jenis Data yang Perlu Kamu Pahami!
4. Yuk, Bersama DQLab Belajar Data Lebih Jauh hingga Bangun Portofolio Datamu, Gratis!!
Terapkan ilmunya sekarang dengan bergabung bersama platform belajar online DQLab! Selain bisa meningkatkan ilmu data yang dimiliki, kamu juga bisa membangun portofolio datamu di DQLab guna mempersiapkan dirimu berkarir di industri data.
Sign Up untuk nikmati module GRATIS "Introduction to Data Science" dengan pengalaman belajar yang seru menyenangkan serta aplikatif pada industri nyata! Untuk kamu yang ingin mulai belajar Data Science atau siap berkarir jadi Data Analyst, Data Scientist, dan Data Engineer, persiapkan diri kamu dengan tepat sekarang. Tidak ada kata terlambat untuk belajar. Yuk #MulaiBelajarData di DQLab.
Dengan belajar di DQLab, kamu bisa:
Menerapkan teknik mengolah data kotor, hasilkan visualisasi data dan model prediksi dengan studi kasus Retail dan Finansial
Dapatkan sesi konsultasi langsung dengan praktisi data lewat data mentoring
Bangun portofolio data langsung dari praktisi data Industri
Akses Forum DQLab untuk berdiskusi.
Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":
Buat Akun Gratis dengan Signup di DQLab.id/signup
Akses module Introduction to Data Science
Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab
Penulis : Tantut Wahyu
Editor : Annissa Widya Davita