Kenali Jenis Data Statistik Sebelum Melakukan Analisis
Statistik pada jenis data menjadi hal penting yang harus diperhatikan sebelum menggunakan berbagai metode statistik. Hal ini karena tidak semua metode bisa digunakan untuk semua jenis data sehingga kita perlu memastikan bahwa metode analisis yang akan kita gunakan dapat diterapkan untuk jenis data yang kita miliki. Misalnya, metode K-Means Clustering tidak bisa digunakan untuk jenis data kategorik, sehingga kita harus menggunakan metode lain seperti K-Modes Clustering. Sebelum melakukan analisis data eksplorasi, kita perlu memahami berbagai jenis data karena kita dapat menggunakan pengukuran faktual tertentu untuk jenis data tertentu oleh karena itu, kita harus memilih teknik yang tepat. Selain itu kita juga bisa mempertimbangkan data untuk mengatur berbagai jenis variabel yang akan kita gunakan.
Pada umumnya, dalam dunia statistik, data dibagi menjadi dua yaitu data kualitatif dan data kuantitatif. Data kualitatif adalah sekumpulan informasi yang tidak dapat diukur dalam bentuk angka. Data ini juga disebut dengan data kategorik yang biasanya terdiri dari kata, narasi, atau label. Sedangkan data kuantitatif adalah kebalikan dari data kualitatif dimana data ini merupakan sekumpulan informasi yang dapat dihitung biasanya dalam bentuk angka. Walaupun secara umum data dibagi menjadi dua, namun masih ada turunan-turunan data yang harus kita pelajari. Apa saja data tersebut? Yuk kita bahas bersama!
1. Data Nominal
Data nominal digunakan untuk melabeli variabel yang tidak memiliki nilai kuantitatif dan tidak memiliki urutan. Jadi, jika kita mengubah urutan dari data, tidak akan mengubah arti dari data tersebut. Dengan demikian, data nominal diamati tetapi tidak bisa diukur, tidak berurutan dan tidak sama jaraknya, serta tidak memiliki nilai absolute zero. Dengan data nominal, kita bisa menghitung frekuensi, proporsi, presentase, dan central tendency. Beberapa data visualisasi yang bisa kita gunakan adalah bar chart dan donat chart.
Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik
2. Data Ordinal
Data ordinal hampir sama dengan data nominal hanya saja data ini memiliki urutan sehingga kita tidak bisa asal mengubah letak atau urutan data. Sama dengan data nominal, data ini diamati tetapi tidak diukur, diurutkan tetapi tidak berjarak sama antar datanya, dan tidak memiliki absolute zero. Karena data ordinal diurutkan, data ini dapat digunakan untuk membuat perbandingan dengan beberapa kategori, misalnya lebih besar atau lebih kecil, lebih tinggi atau lebih rendah, dan lain sebagainya. Dengan data ini kita juga bisa menghitung frekuensi, proporsi, resentase, central tendency, dan statistik bayesian. Visualisasi data yang bisa kita lakukan adalah dengan menggunakan barchart atau donat chart.
3. Data Interval
Data interval merupakan data yang bisa diukur dan diurutkan dengan data terdekatnya tetapi tidak memiliki absolute zero. Skala interval pada data ini tidak hanya mengenai urutan tetapi juga nilai diantara setiap data. Uniknya data ini dapat bernilai negatif sedangkan dua data sebelumnya tidak memiliki nilai negatif. Ada beberapa nilai statistik deskriptif yang dapat dihitung dengan data ini yaitu central tendency seperti mean, median, modus, range seperti nilai maksimum dan minimum, dan sebaran seperti persentil, kuartil, simpangan baku, dan lain sebagainya. Chart yang direkomendasikan untuk data ini adalah bar chart.
4. Data Rasio
Data rasio merupakan data yang bisa diukur dan diurutkan dengan item yang berjarak sama, memiliki nilai zero absolute, dan tidak memiliki nilai negatif. Contoh data rasio adalah pengukuran ketinggian yang bisa diukur dalam berbagai satuan seperti sentimeter, meter, inch, feet, dan lain sebagainya. Data rasio dapat digunakan untuk berbagai metode, bahkan metode yang sangat kompleks. Chart yang direkomendasikan untuk data rasio adalah bar chart, kolom chart, line chart, dan lain sebagainya.
Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika
5. Belajar Mengolah Data Bersama DQLab
Dalam dunia statistik, ada berbagai metode untuk mengolah data, mulai dari metode sederhana seperti statistics descriptive hingga metode kompleks seperti regresi, timeseries, clustering, dan lain sebagainya. Bingung mulai belajar metode olah data dari mana? Yuk belajar bersama DQLab! Klik button di bawah ini untuk mengakses modul gratis dari DQLab dan nikmati berbagai materi analisis data plus tools yang banyak digunakan untuk analisis data di dunia industri.
Penulis: Galuh Nurvinda K
Editor: Annissa Widya Davita