JENIS-JENIS DATA

Aktivitas penelitian tidak akan terlepas dari keberadaan data yang merupakan bahan baku informasi untuk memberikan gambaran spesifik mengenai obyek penelitian. Data adalah fakta empirik yang dikumpulkan oleh peneliti untuk kepentingan memecahkan masalah atau menjawab perta- nyaan penelitian. Data penelitian dapat berasal dari berbagai sumber yang   dikumpulkan dengan menggunakan berbagai teknik selama kegiatan pene- litian berlangsung.

A.     Data Berdasarkan Sumbernya

Berdasarkan sumbernya, data penelitian dapat dikelompokkan dalam dua jenis yaitu data primer dan data sekunder.

1. Data primer adalah data yang diperoleh atau dikumpulkan oleh peneliti secara langsung dari sumber datanya. Data primer disebut juga sebagai data asli atau data baru yang memiliki sifat up to date. Untuk mendapatkan data primer, peneliti harus mengumpulkannya secara langsung. Teknik yang dapat digunakan peneliti untuk mengumpulkan data primer antara lain observasi, wawancara, diskusi terfokus (focus grup discussion – FGD) dan penyebaran kuesioner.
2. Data Sekunder adalah data yang diperoleh atau dikumpulkan peneliti dari berbagai sumber yang telah ada (peneliti sebagai tangan kedua). Data sekunder dapat diperoleh dari berbagai sumber seperti Biro Pusat Statistik (BPS), buku, laporan, jurnal, dan lain-lain.

Pemahaman terhadap kedua jenis data di atas diperlukan sebagai landasan dalam menentukan teknik serta langkah-langkah pengumpulan data penelitian.

B. Data Berdasarkan Sifatnya

Berdasarkan bentuk dan sifatnya, data penelitian dapat dibedakan dalam dua jenis yaitu data kualitatif (yang berbentuk kata-kata/kalimat) dan data kuantitatif (yang berbentuk angka). Data kuantitatif dapat dikelompokkan berdasarkan cara mendapatkannya yaitu data diskrit dan data kontinum. Berdasarkan sifatnya, data kuantitatif terdiri atas data nominal, data ordinal, data interval dan data rasio.

1.      Data Kualitatif

Data kualitatif adalah data yang berbentuk kata-kata, bukan dalam bentuk angka. Data kualitatif diperoleh melalui berbagai macam teknik pengumpulan data misalnya wawancara, analisis dokumen, diskusi terfokus, atau observasi yang telah dituangkan dalam catatan lapangan (transkrip). Bentuk lain data kualitatif adalah gambar yang diperoleh melalui pemotretan atau rekaman video.

2.       Data Kuantitatif

Data kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai dengan bentuknya, data kuantitatif dapat diolah atau dianalisis menggunakan teknik perhitungan matematika atau statistika. Berdasarkan proses atau cara untuk mendapatkannya, data kuantitatif dapat dikelompokkan dalam dua bentuk yaitu sebagai berikut:

1. Data diskrit adalah data dalam bentuk angka (bilangan) yang diperoleh dengan cara membilang. Contoh data diskrit misalnya:

1)      Jumlah Sekolah Dasar Negeri di Kecamatan XXX sebanyak 20.

2)      Jumlah siswa laki-laki di SD YYY sebanyak 67 orang.

3)      Jumlah penduduk di Kabupaten ZZZ sebanyak 246.867 orang.

Karena diperoleh dengan cara membilang, data diskrit akan berbentuk bilangan bulat (bukan bilangan pecahan).

2.      Data kontinum adalah data dalam bentuk angka/bilangan yang diperoleh berdasarkan hasil pengukuran. Data kontinum dapat berbentuk bilangan bulat atau pecahan tergantung jenis skala pengukuran yang digunakan. Contoh data kontinum misalnya:

1)      Tinggi badan Budi adalah 150,5 centimeter.

2)      IQ Budi adalah 120.

3)      Suhu udara di ruang kelas 24^o Celcius.

Berdasarkan tipe skala pengukuran yang digunakan, data kuantitatif dapat dikelompokan dalam empat jenis (tingkatan) yang memiliki sifat berbeda yaitu:

1. Data nominal atau sering disebut juga data kategori yaitu data yang diperoleh melalui pengelompokkan obyek berdasarkan kategori tertentu.  Perbedaan kategori obyek hanya menunjukan perbedaan kualitatif. Walaupun data nominal dapat dinyatakan dalam bentuk angka, namun angka tersebut tidak memiliki urutan atau makna matematis sehingga tidak dapat dibandingkan. Logika perbandingan “>” dan “<” tidak dapat digunakan untuk menganalisis data nominal. Operasi matematika seperti penjumlahan (+), pengurangan (-), perkalian (x), atau pembagian (:) juga tidak dapat diterapkan dalam analisis data nominal. Contoh data nominal antara lain:

·       Jenis kelamin yang terdiri dari dua kategori yaitu:

(1)  Laki-laki

(2)  Perempuan

Angka (1) untuk laki-laki dan angka (2) untuk perempuan hanya merupakan simbolyang digunakan untuk membedakan dua kategori jenis kelamin. Angka-angka tersebut tidak memiliki makna kuantitatif, artinya angka (2) pada data di atas tidak berarti lebih besar dari angka (1), karena laki-laki tidak memiliki makna lebih besar dari perempuan. Terhadap kedua data (angka) tersebut tidak dapat dilakukan operasi matematika (+, -, x, : ). Misalnya (1) = laki-laki, (2) = perempuan, maka (1) + (2) ≠ (3), karena tidak ada kategori (3) yang merupakan hasil penjumlahan (1) dan (2).

·       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 adalah data yang berasal dari suatu objek atau kategori yang telah disusun secara berjenjang menurut besarnya. Setiap data ordinal memiliki tingkatan tertentu yang dapat diurutkan mulai dari yang terendah sampai tertinggi atau sebaliknya. Namun demikian, jarak atau rentang antar jenjang yang tidak harus sama. Dibandingkan dengan data nominal, data ordinal memiliki sifat berbeda dalam hal urutan. Terhadap data ordinal berlaku perbandingan dengan menggunakan fungsi pembeda yaitu  “>” dan “<”. Walaupun data ordinal dapat disusun dalam suatu urutan, namun belum dapat dilakukan operasi matematika ( +, – , x , : ). Contoh jenis data ordinal antara lain:

·                      Tingkat pendidikan yang disusun dalam urutan sebagai berikut:

(1)  Taman Kanak-kanak (TK)

(2)  Sekolah Dasar (SD)

(3)  Sekolah Menengah Pertama (SMP)

(4)  Sekolah Menengah Atas (SMA)

(5)  Diploma

(6)  Sarjana

Analisis terhadap urutan data di atas menunjukkan bahwa SD memiliki tingkatan lebih tinggi dibandingkan dengan TK dan lebih rendah dibandingkan dengan SMP. Namun demikian, data tersebut tidak dapat dijumlahkan, misalnya SD (2) + SMP (3) ≠ (5) Diploma. Dalam hal ini, operasi  matematika ( + , – , x, : ) tidak berlaku untuk data ordinal.

·                      Peringkat (ranking) siswa dalam satu kelas yang menunjukkan urutan prestasi belajar tertinggi sampai terendah. Siswa pada peringkat (1) memiliki prestasi belajar lebih tinggi dari pada siswa peringkat (2).

3.      Data Interval adalah data hasil pengukuran yang dapat diurutkan atas dasar kriteria tertentu serta menunjukan semua sifat yang dimiliki oleh data ordinal. Kelebihan sifat data interval dibandingkan dengan data ordinal adalah memiliki sifat kesamaan jarak (equality interval) atau memiliki rentang yang sama antara data yang telah diurutkan. Karena kesamaan jarak tersebut, terhadap data interval dapat dilakukan operasi matematika penjumlahan dan pengurangan ( +, – ). Namun demikian masih terdapat satu sifat yang belum dimiliki yaitu tidak adanya angka Nol mutlak pada data interval. Berikut dikemukakan tiga contoh data interval, antara lain:

1)  Hasil pengukuran suhu (temperatur) menggunakan termometer yang dinyatakan dalam ukuran derajat. Rentang temperatur antara 0⁰ Celcius sampai  1⁰ Celcius memiliki jarak yang sama dengan 1⁰ Celcius sampai  2⁰ Celcius. Oleh karena itu berlaku operasi matematik ( +, – ), misalnya 15⁰ Celcius + 15⁰ Celcius = 30⁰ Celcius. Namun demikian tidak dapat dinyatakan bahwa benda yang bersuhu 15⁰ Celcius memiliki ukuran panas separuhnya dari benda yang bersuhu 30⁰ Celcius. Demikian juga, tidak dapat dikatakan bahwa benda dengan suhu 0⁰ Celcius tidak memiliki suhu sama sekali. Angka 0⁰ Celcius memiliki sifat relatif (tidak mutlak). Artinya, jika diukur dengan menggunakan Termometer Fahrenheit diperoleh 0⁰ Celcius = 32⁰ Fahrenheit.

2)  Kecerdasaran 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 urang yang memiliki IQ 100.

3)  Didasari oleh asumsi yang kuat, skor tes prestasi belajar (misalnya IPK mahasiswa dan hasil ujian siswa) dapat dikatakan sebagai data interval.

4)  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 adalah data yang menghimpun semua sifat yang dimiliki oleh data nominal, data ordinal, serta data interval. Data rasio adalah data yang berbentuk angka dalam arti yang sesungguhnya karena dilengkapi dengan titik Nol absolut (mutlak) sehingga dapat diterapkannya semua bentuk operasi matematik ( + , – , x, : ). Sifat-sifat yang membedakan antara data rasio dengan jenis data lainnya (nominal, ordinal, dan interval) dapat dilihat dengan memperhatikan contoh berikut:

1)      Panjang suatu benda yang dinyatakan dalam ukuran meter adalah data rasio. Benda yang panjangnya 1 meter berbeda secara nyata dengan benda yang panjangnya 2 meter sehingga dapat dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data nominal). Ukuran panjang benda dapat diurutkan mulai dari yang terpanjang sampai yang terpendek (sifat data ordinal). Perbedaan antara benda yang panjangnya 1 meter dengan 2 meter memiliki jarak yang sama dengan perbedaan antara benda yang panjangnya 2 meter dengan 3 (sifat data interval). Kelebihan sifat yang dimiliki data rasio ditunjukkan oleh dua hal yaitu: (1) Angka 0 meter menunjukkan nilai mutlak yang artinya tidak ada benda yang diukur; serta (2) Benda yang panjangnya 2 meter, 2 kali lebih panjang dibandingkan dengan benda yang panjangnya 1 meter yang menunjukkan berlakunya semua operasi matematik. Kedua hal tersebut tidak berlaku untuk jenis data nominal, data ordinal, ataupun data interval.

2)      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 dengan benda yang beratnya 2 kg. Ukuran berat benda dapat diurutkan mulai dari yang terberat sampai yang terringan. Perbedaan antara benda yang beratnya 1 kg. dengan 2 kg memiliki rentang berat yang sama dengan perbedaan antara benda yang 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..

Pemahaman peneliti terhadap jenis-jenis data penelitian tersebut di atas bermanfaat untuk menentukan teknik analisis data yang akan digunakan. Terdapat sejumlah teknik analisis data yang harus dipilih oleh peneliti berdasarkan jenis datanya. Teknik analisis data kualitatif akan berbeda dengan teknik analisis data kuantitatif. Karena memiliki sifat yang berbeda, maka teknik analisis data nominal akan berbeda dengan teknik analisis data ordinal, data interval, dan data rasio.[1]

SUMBER DATA

            Sumber data dalam penelitian adalah subyek darimana data diperoleh. Bila dalam pengumpulan data menggunakan kuesioner atau wawancara maka sumber datanya adalah responden. Bila dalam pengumpulan data menggunakan observasi maka sumber datanya adalah benda, gerak atau proses sesuatu. Bila dalam pengumuman data menggunakan dokumen maka sumber datanya adalah dokumen dan catatan.

            Sumber data statistik dapat diperoleh dari manusia, hewan, tumbuhan, benda dan gejala atau peristiwa yang terjadi disekitar kita. Dan dapat dikumpulkan langsung oleh peneliti dari pihak yang bersangkutan atau disebut juga sumber primer, atau data diperoleh dari pihak lain (pihak kedua) atau disebut juga sumber sekunder.[2]  

---

[1] http://csuryana.wordpress.com/2010/03/25/data-dan-jenis-data-penelitian/

[2] Hartono, Metodologi Penelitian, (Pekenbaru: Zanafa, 2011), hlm: 39

POPULASI DAN SAMPEL

POPULASI DAN SAMPEL

A.      Pengertian Populasi

            Populasi merupakan subyek penelitian. Menurut Sugiyono (2010:117) populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Jadi populasi bukan hanya orang, tetapi juga obyek dan benda-benda alam yang lain.[1] Populasi juga bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari, tetapi meliputi seluruh karakteristik/sifat yang dimiliki oleh subyek atau obyek itu.

            Misalnya peneliti menetapkan populasi yang menjadi obyek dalam penelitian ini adalah siswa SMU Negeri 2 Danau Kerinci Kabupaten Kerinci dengan jumlah 300 orang.

            Pemilihan karakteristik populasi pada penelitian ini dilakukan dengan pertimbangan bahwa, siswa-siswa yang dipilih sebagai unit populasi merupakan kelompok atau individu yang mempunyai karakteristik erat dengan SMU tersebut.

            Menurut Hartono (2011: 46), populasi dengan karakteristik tertentu ada yang jumlahnya terhingga dan ada yang tidak terhingga. Penelitian hanya dapat dilakukan pada populasi yang jumlahnya terhingga saja.[2]

B.       Pengertian Sampel

Menurut Sugiyono (2010:118) sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Apabila peneliti melakukan penelitian terhadap populasi yang besar, sementara peneliti ingin meneliti tentang populasi tersebut dan peneliti memeiliki keterbatasan dana, tenaga dan waktu, maka peneliti menggunakan teknik pengambilan sampel, sehingga generalisasi kepada populasi yang diteliti. Maknanya sampel yang diambil dapat mewakili atau representatif bagi populasi tersebut.

Keuntungan melakukan penelitian sampel adalah:

1.      Peneliti tidak repot harus meneliti populasi, cukup hanya meneliti sampelnya saja.

2.      Populasi yang terlalu besar memungkinkan ada subyek yang bisa tercecer atau luput dari peneliti pada saat diambil datanya.

3.      Lebih efisien dari segi waktu, biaya dan tenaga.

4.      Menghindari hal-hal yang destruktif, misalnya meneliti tentang kemampuan daya ledak peluru kendali.

5.      Penelitian tidak bisa dilakukan dengan mengguakan populasi sebagai sumber data.[3]

C.    Teknik Sampling

Teknik sampling adalah merupakan teknik pengambilan sampel. Untuk menentukan sampel yang akan digunakan dalam penelitian, terdapat berbagai teknik sampling yang digunakan.

1.    Probability Sampling

Probability sampling adalah teknik pengambilan sampel yang memberikan peluang yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel. Teknik ini meliputi:

a.       Simple random sampling

Dikatakan simple (sederhana) karena pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu.

b.      Proportionate stratified random sampling

Teknik ini digunakan bila populasi mempunyai anggota/unsur yang tidak homogen dan berstrata secara proporsional.

c.       Disproportionate stratified random sampling

Teknik ini digunakan untuk menentukan jumlah sampel, bila populasi berstrata tetapi kurang proporsional.

d.      Cluster sampling

Teknik sampling daerah digunakan untuk menentukan sampel bila obyek yang akan diteliti atau sumber data sangat luas.

2.    Nonprobability Sampling

Nonprobability sampling adalah teknik pengambilan sampel yang tidak memberi peluang/kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel. Teknik sampel ini meliputi:

a.         Sampling sistematis

Sampling sistematis adalah teknik pengambilan sampel berdasarkan urutan dari anggota populasi yang telah diberi nomor urut.

b.         Sampling kuota

Sampling kuota adalah teknik untuk menentukan sampel dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan.

c.         Sampling insidental

Yaitu teknik penentuan sampel berdasarkan kebetulan, yaitu  siapa saja yang secara kebetulan insidental bertemu dengan peenliti dapat digunakan sebagai sampel.

d.        Sampling purposive

Yaitu teknik penentuan sampel dengan pertimbangan tertentu.

e.         Sampling jenuh

Yaitu teknik penentuan sampel bila semua anggota populasi digunkan sebagai sampel.

f.          Snowball sampling

Yaitu teknik penentuan sampel yang mula-mula jumlahnya kecil, kemudian membesar.[4]

D.    Ukuran Sampel

Besarnya jumlah sampel yang harus diambil dari populasi dalam suatu kegiatan penelitian sangat tergantung dari keadaan populasi itu sendiri, semakin homogen keadaan populasinya maka jumlah sampel semakin sedikit, begitu juga sebaliknya. Adapun penentuan jumlah sampel yang dikembangkan oleh Roscoe dalam Sugiyono (2010: 131) adalah sebagai berikut:

1.      Ukuran sampel yang layak dalam penelitian adalah antara 30 sampai dengan 500.

2.      Bila sampel dibagi dalam kategori (misalnya : pria-wanita, pegawai negeri-swasta dan lain-lain) maka jumlah anggota sampel setiap kategori minimal 30.

3.      Bila dalam penelitian akan melakukan analisis dengan multivariate (korelasi atau regresi ganda misalnya), maka jumlah anggota sampel minimal 10 kali dari jumlah variabel yang diteliti. Misalnya variabel penelitiannya ada 5 (independen + dependen), maka jumlah anggota sampel = 10 x 5 = 50

4.      Untuk penelitian eksperimen yang sederhana, yang menggunakan kelompok eksperimen dan kelompok kontrol, maka jumlah anggota sampel masing-masing antara 10 s/d 20.[5]

Penetapan ukuran sampel dari populasi dapat juga menggunakan rumus Slovin, dimana penetapan sampel mempertimbangkan batas ketelitian yang dapat mempengaruhi kesalahan pengambilan sampel populasi. Rumus Slovin tersebut adalah sebagai berikut:

            n =

dimana:

n = ukuran sampel

            N = ukuran populasi

            E = nilai kritis (batas ketelitian) yang diinginkan

E.     Error Sampling

Error sampling dihitung berdasarkan selisih antara mean populasi dan mean sampel. Semakin besar selisih mean sampel dengan mean populasi maka semakin basar error samplingnya. Sebaliknya semakin sedikit selisih mean sampel dengan mean populasinya maka error samplingnya semakin kecil, apabila mean sampel dan mean populasinya sama maka error sampelnya adalah nol.[6]

             

---

[1] Sugiyono, Metode Penelitian Pendidikan, (Bandung : Alfabeta, 2010), hlm: 117

[2] Hartono, Metodologi Penelitian, (Pekenbaru: Zanafa, 2011), hlm: 46

[3] Ibid., hlm: 46-47

[4] Op.cit, Sugiyono., hlm: 120-125

[5] Ibid., hlm: 131-132

[6] Op.cit, Hartono, hlm: 53-54