Sifat Data dan Variabel dalam Statistika Dasar

Pembimbing: Dr. Nonoh Siti Aminah, M.Pd

Tujuan


Artikel ini disusun sebagai salah satu tugas kelompok guna mengembangkan kemampuan dibidang
akademis mata kuliah Statistika Dasar


Disusun Oleh FKIP PMIPA Fisika 2013; Kelas A Semester III:

Azhar Umam
K2313012
Lencana Wijayanti
K2313040
Ria Dwi Utami
K2313060


Fakultas Keguruan dan Ilmu Pendidikan
Universitas Sebelas Maret
Surakarta
2014
KATA PENGANTAR

Segala puji bagi Allah SWT, Tuhan semesta alam yang telah melimpahkan rahmat serta
hidayah sehingga penulis dapat menyelesaikan makalah yang berjudul Sifat dan Variabel
Data dalam Statistika Dasar tepat pada waktunya.
Penulis mengucapkan terima kasih kepada Ibu Dr. Nonoh Siti Aminah, M.Pd. sebagai
dosen pengajar mata kuliah Statistika Dasar atas arahan dan bimbingannya. Penulis juga
mengucapkan terima kasih kepada berbagai pihak yang turut membantu baik secara moril
maupun meteril dalam proses penyelesaian makalah ini.
Penulis menyadari bahwa dalam penulisan makalah ini masih terdapat kekurangan.
Sehubungan dengan hal tersebut, penulis mengharapkan kritik dan saran yang bersifat
membangun guna mewujudkan makalah yang lebih baik di masa mendatang.
Akhir kata, penulis berharap semoga makalah ini dapat memberikan konstribusi positif
kepada para pembaca.


Surakarta, September 2014


Penulis



Daftar Isi


COVER .........................................................................................................................1
KATA PENGANTAR ...................................................................................................2
DAFTAR ISI ..................................................................................................................3
BAB I PENDAHULUAN .............................................................................................4
A. Latar Belakang ...................................................................................................4
B. Rumusan Masalah .............................................................................................4
C. Rumusan Tujuan ...............................................................................................4
D. Rumusan Manfaat .............................................................................................5
E. Metode Penulisan ...............................................................................................5
BAB II PEMBAHASAN
A. Data Statistika ....................................................................................................6
B. Sifat Data Statistika..........................................................................................14
C. Variabel ............................................................................................................15
BAB III PENUTUP
A. Kesimpulan .....................................................................................................24
B. Saran ...............................................................................................................24
DAFTAR PUSTAKA ..................................................................................................25





BAB I
PENDAHULUAN
A. Latar Belakang
Secara etimologis kata statistik berasal dari kata status (bahasa latin) yang mempunyai
persamaan arti dengan kata state (bahasa Inggris) atau kata staat (bahasa Belanda), dan yang
dalam bahasa Indonesia diterjemahkan menjadi negara. Pada mulanya, kata statistik
diartika sebagai kumpulan bahan keterangan (data), baik yang berwujud angka (data
kuantitatif) maupun yang tidak berwujud angka (data kualitatif), yang mempunyai arti
penting dan kegunaan yang besar bagi suatu negara. Namun, pada perkembangan selanjutnya,
arti kata statistik hanya dibatasi pada kumpulan bahan keterangan yang berwujud angka
(data kuantitatif) saja; bahan keterangan yang tidak berwujud angka (data kualitatif) tidak
lagi disebut statistik.
Dalam kamus bahasa Inggris akan kita jumpai kata statistics dan kata statistic. Kedua kata
itu mempunyai arti yang berbeda. Kata statistics artinya ilmu statistik, sedang kata statistic
diartika sebagai ukuran yang diperoleh atau berasal dari sampel, yaitu sebagai lawan dari
kata parameter yang berarti ukuran yang diperoleh atau berasal dari populasi.
B. Rumusan Masalah
1. Apa dan bagaimana pengklasifikasian data dalam statistika dasar?
2. Bagaimana pengklasifikasian sifat data dalam statistika dasar?
3. Bagaimana pengklasifikasian dari variable dalam statistika dasar?

C. Rumusan Tujuan
1. Mengetahui pengklasifikasian data dalam statistika dasar?
2. Memahami pengklasifikasian sifat data dalam statistika dasar?
3. Mengetahui pengklasifikasian dari variable dalam statistika dasar?

D. Rumusan Manfaat
Kita dapat mengetahui dan memahami dasar statistika tentang pengklasifikasian data dan
variable yang berguna dalam statistika deskriptif maupun inferensi.
E. Metode Penulisan
1. Subjek Penulisan
Subjek Penulisan adalah kajian tentang pengelolaan dan pengklasifikasin data dan
variable dalam statistika dasar, yang pengambilan datanya diambil dari berbagai buku yang
berisi tentang statistika dasar dalam pembelajaran dan dari berbagai sumber lainnya.
2. Prosedur Penulisan
Prosedur penulisan mengikuti langkah-langkah sebagai berikut:
a. Menentukan sumber-sumber yang akan dijadikan referensi pembuatan
makalah.
b. Mengidentifikasi aspek apa saja yang diperlukan dalam pengelolaan dan
pengklasifikasian data
c. Menyusun semua informasi yang telah diperoleh untuk menjawab rumusan
masalah yang telah dibuat.







BAB II
PEMBAHASAN
A. Data Statistika
1. Pengertian Data

Data merupakan keterangan-keterangan atau fakta-fakta yang dikumpulkan dari suatu
populasi atau bagian populasi yang akan digunakan untuk menerangkan ciri-ciri populasi
yang bersangkutan (Lungan, 2006: 13). Menurut Hasan (2009: 16) data merupakan
keterangan-keterangan tentang suatu hal, dapat berupa sesuatu yang diketahui atau dianggap.
Dari pendapat para ahli tersebut, dapat disimpulkan bahwa data merupakan fakta atau
keterangan yang dikumpulkan dari suatu populasi untuk menjelaskan karakteristik populasi
tersebut.
Agar data dapat menerangkan ciri-ciri populasi dengan benar, maka menurut Lungan
(2006: 14) data tersebut harus memenuhi kriteria sebagai berikut.
a. Objektif. Data yang bersifat objektif ialah data yang benar-benar sama dengan
keadaan yang sebenarnya (apa adanya)
b. Mewakili populasi
c. Galat baku (standard error) kecil
d. Tepat waktu
e. Relevan

SUMBER:
2013. Pengertian Data dan Jenis Data. http://www.pengertianahli.com. [4 September 2014].

2. Pembagian Data

Menurut Lungan (2006: 9), data dibedakan atas beberapa bagian sebagai berikut.
a. Menurut Sifatnya
1) Data kualitatif
Data kualitatif disajikan bukan dalam bentuk bilangan-bilangan (non-numerik) seperti suku
bangsa, jenis kelamin, agama, dan kualitas barang.
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.
Data kualitatif bisa sebagai data yang tidak bisa diteliti secara langsung. Kenapa tidak bisa
diteliti secara langsung? Karena data ini member petunjuk tentang mutu atau kualitas dari
suatu yang ada, misalkan berupa kondisi, peristiwa, proses, kejadian, dan lain-lain. Data
tersebut dinyatakan dalam bentuk perkataan atau pernyataan. Hadari dan Martini Hadari,
menyebutkan jika dilihat dari jenisnya, maka data kualitatif bisa dibedakan menjadi lima
jenis, diantaranya adalah :
1. Data kategori yang biasanya dinyatakan menggunakan perkataan, data ini berguna
menunjukan tentang suatu kondisi, proses, atau kejadian yang termasuk dalan satu
golongan tertentu.
2. Data yang menunjukkan adanya porsi dari suatu kondisi yang ditunjukkan dengan
perkataan, data ini merupakan perbandingan dengan data yang ideal atau keseluruhan.
3. Data berjenjang atau bertingkat yang biasanya dinyatakan dengan kata-kata. Hal ini
untuk menunjukkan bahwa suatu kondisi maupun sebuah proses ini termasuk pada
sebuah tingkatan mutu tertentu.
4. Data yang bersifat relative atau bisa berubah-ubah.
5. Data yang bertentangan, data ini biasanya menyatakan jika yang satu bagian ada,
maka bagian yang lain tidak ada.
Data kualitatif mencakup beberapa hal berikut ini:
1. Data kualitatif induktif, yakni proses pemikiran yang bertolak pada satu atau beberapa
data spesifik yang berguna untuk merumuskan sebuah kesimpulan dengan cara
analogi, generalisasi, atau hubungan kausal.
2. Data kualitatif deduktif, yakni proses pemikiran yang bertolak dari sebuah proposisi
yang sudah ada guna memperoleh proposisi baru yang merupakan kesimpulan dengan
silogisme.
3. Data kualitatif komparatif yakni proses pemikiran dengan cara menguraikan
persamaan dan juga perbedaan diantara kedua objek data yang akan diteliti.
Jadi bisa disimpulkan bahwa penelitian ini dilakukan dengan cara menyusun sebuah
asumsi dasar yang kemudian akan digunakan untuk mengumpulkan data dan
mengelolanya secara sistematis. Meskipun begitu, dalam penelitian kualitatif ini, pihak
peneliti harus mengumpulkan data secara objektif dan tidak terpengaruh dengan pendapat
si peneliti.
Berikut merupakan contoh data kualitatif :
1. Setiap orang dalam sebuah perusahaan hanya diperbolehkan memilih stu partai politik
saja.
2. Daerah yang memiliki hasil penjualan sagu terbesar dalam tahun tertentu.
3. Bahan bakar yang pertama kali dibeli oleh seorang pengendara mobil pada hari itu di
satu pompa premium.
Jika diperhatikan, didapatkan bahwa semua contoh diatas menunjukkan data yang bukan
dalam bentuk numerik, akan tetapi menggunakan pengukuran kualitatif. Namun, harus
diingat bahwa jka kita merujuk pada skala pengukuran, maka data kualitatif terdiri atas
dua bagian, yakni skala nominal dan skala ordinal.
2) Data kuantitatif

Data kuantitatif disajikan dalam bentuk bilangan-bilangan seperti jumlah mahasiswa menurut
jurusan.
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:
Jumlah Sekolah Dasar Negeri di Kecamatan XXX sebanyak 20.
Jumlah siswa laki-laki di SD YYY sebanyak 67 orang.
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:
Tinggi badan Budi adalah 150,5 centimeter.
IQ Budi adalah 120.
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:
3. 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 simbol
yang 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.
4. 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).
5. 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 0
0
Celcius
sampai 1
0
Celcius memiliki jarak yang sama dengan 1
0
Celcius sampai 2
0

Celcius. Oleh karena itu berlaku operasi matematik ( +, ), misalnya 15
0

Celcius + 15
0
Celcius = 30
0
Celcius. Namun demikian tidak dapat dinyatakan
bahwa benda yang bersuhu 15
0
Celcius memiliki ukuran panas separuhnya
dari benda yang bersuhu 30
0
Celcius. Demikian juga, tidak dapat dikatakan
bahwa benda dengan suhu 0
0
Celcius tidak memiliki suhu sama sekali. Angka
0
0
Celcius memiliki sifat relatif (tidak mutlak). Artinya, jika diukur dengan
menggunakan Termometer Fahrenheit diperoleh 0
0
Celcius = 32
0
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.
6. 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..
7. 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.

b. Menurut Cara Memperolehnya
1) Data primer
Data primer merupakan data yang langsung diperoleh dari lapangan melalui
percobaan, survei dan observasi. Misalnya mewawancarai langsung siswa SMP untuk
meneliti minat mereka dalam belajar matematika.
2) Data sekunder
Data sekunder diperoleh dari data primer, biasanya dalam publikasi. Misalnya
peneliti menggunakan data statistik hasil riset dari surat kabar atau majalah.
c. Menurut Waktu
1) Data silang
Data silang merupakan data yang dikumpulkan dalam waktu yang sifatnya temporer.
Misalnya data hasil penelitian kemampuan komunikasi siswa dalam pembelajaran
matematika pada semester I tahun 2013.
2) Data berkala
Data berkala merupakan data yang dikumpulkan setiap periode tertentu. Misalnya
jumlah siswa yang mendaftar ke SMA X dari tahun 2003 sampai tahun 2013.
d. Menurut Sumber
1) Data internal
Data internal merupakan data yang dikumpulkan oleh unit kerja tertentu dalam
lingkungannya untuk keperluan sendiri. Misalnya data mahasiswa di UPI.
2) Data eksternal
Data eksternal merupakan data yang diambil dari unit lain. Misalnya data mahasiswa
di UPI yang kemudian digunakan oleh BPS, maka data tersebut merupakan data
eksternal bagi BPS.
SUMBER:
Anneahira. Contoh Data Kualitatif. www.anneahira.com. [ 4 September 2014].
Cahya Suryana. 2010. Data dan Jenis Data Penelitian. http://csuryana.wordpress.com [4
September 2014].

B. Sifat Data Statistika
1. Memiliki Nilai Relatif (relative Value) atau nilai semu. Nilai relatif dari suatu angka atau
bilangan adalah nilai yang ditunjukkan oleh angka atau bilangan itu sendiri.
Contoh : Nilai relatif dari bilangan 5 adalah nilai bilangan 5 itu sendiri
2. Memiliki Nilai Nyata (True Value) atau nilai sebenarnya. Nilai nyata dari suatu angka adalah
daerah tertentu dalam suatu deretan angka yang diawali oleh nilai relatif.
Contoh : Nilai nyata dari 5 adalah daerah antara (5 0,5) sampai dengan (5 + 0,5). Jadi
nilai nyata dari angka 5 adalah daerah antara 4,5 5,5.
3. Memiliki Batas Bawah Relatif, Batas Atas Relatif, Batas Bawah Nyata, dan Batas Atas
Nyata.
Contoh :
Kita memiliki bilangan 50 54
Maka batas bawah relatif adalah 50 ; batas atas relatif 54 ; batas bawah nyata 50 0,5 = 49,5
(Lower Limit = l); batas atas nyata 54 + 0,5 = 54,5 (Upper Limit = u) Bilangan 50 54
disebut Nilai Relatif ; 49,5 dan 54,5 disebut Nilai Nyata
4. Data statistik yang berbentuk data kelompok memiliki nilai tengah atau titik tengah
(Midpoint), yaitu nilai dari deretan bilangan atau angka yang terletak di tengah-tengah
deretan angka atau bilangan tersebut. Contoh :
a. Deretan angka yaitu 11, 12, 13, 14, 15 nilai tengahnya = 13, karena nilai 13 berada di
tengah-tengah deretan angka tersebut.
b. Data kelompok antara 40 44 nilai tengahnya = (40 + 44)/2 = 42, karena nilai 42 terletak
pada deretan angka tersebut di tengah-tengah
5. Data statistik sebagai data angka, dalam penggunaan perhitungan tidak menggunakan sistem
pecahan melainkan menggunakan sistem desimal (pembulatan).
Contoh : Pecahan harus diubah menjadi 0,5
6. Data statistik sebagai data angka dalam penggunaan perhitungan menggunakan sistem
pembulatan angka, yaitu pada angka desimal biasanya dilakukan setelah di belakang tanda
koma dan diambil tiga angka saja dengan ketentuan :
a. Jika angka setelah tanda koma 50 atau kurang dari 50 maka bilangan setelahnya
dianggap 0 (nol) dan tiga angka setelah bilangan desimal (tanda koma) tetap.
Contoh : 0,1234 dibulatkan menjadi 0,123
b. Jika angka setelah tanda koma 51 atau lebih dari 51 maka bilangan setelahnya dianggap
1 (satu) dan bilangan 1 (satu) tersebut ditambahkan pada bilangan sebelumnya pada
angka ketiga setelah tanda desimal (tanda koma).
Contoh : 0,123517 dibulatkan menjadi 0,124
SUMBER:
2009. Sifat Data Statistik . http://kapakmerah.files.wordpress.com [4 September 2014].
C. Variabel
1. Pengertian Variabel
Ada beberapa definisi tentang variabel. Diantaranya adalah sebagai berikut:
a. Variabel adalah segala sesuatu yang akan menjadi objek pengamatan penelitian.
Pengertian yang dapat diambil dari definisi tersebut ialah bahwa dalam penelitian
terdapat sesuatu yang menjadi sasaran, yaitu variabel, sehingga variabel merupakan
fenomena yang menjadi pusat perhatian penelitian untuk diobservasi atau diukur.
b. Variabel adalah konsep yang memiliki variasi nilai.
Variabel Penelitian pada dasarnya adalah segala sesuatu yang berbentuk apa saja yang
ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut,
kemudian ditarik kesimpulannya. (Sugiyono, 2007) Secara Teoritis, para ahli telah
mendefinisikan Variabel sebagai berikut :
Menurut Hatch & Farhady (1981) variabel didefinisikan sebagai atribut seseorang atau
obyek yang mempunyai variasi antara satu orang dengan yang lain atau satu obyek dengan
obyek yang lain.
Menurut Kerlinger (1973) variabel adalah konstruk (constructs) atau sifat yang akan
dipelajari. Misalnya : tingkat aspirasi, penghasilan, pendidikan, status social, jenis kelamin,
golongan gaji, produktifitas kerja, dll. Variabel dapat dikatakan sebagai suatu sifat yang
diambil dari suatu nilai yang berbeda (different values). Dengan demikian, Variabel itu
merupakan suatu yang bervariasi.
Sedangkan menurut Kidder (1981) variabel adalah suatu kualitas (qualities) dimana peneliti
mempelajari dan menarik kesimpulan darinya. Menurut (Bhisma Murti (1996) variabel
didefinisikan sebagai fenomena yang mempunyai variasi nilai. Variasi nilai itu bisa diukur
secara kualitatif atau kuantitatif.
Menurut Sudigdo Sastroasmoro, variabel merupakan karakteristik subyek penelitian yang
berubah dari satu subyek ke subyek lainnya. Dr. Ahmad Watik Pratiknya (2007)
mengungkapkan variabel sebagai konsep yang mempunyai variabilitas. Sedangkan Konsep
adalah penggambaran atau abstraksi dari suatu fenomena tertentu. Konsep yang berupa
apapun, asal mempunyai ciri yang bervariasi, maka dapat disebut sebagai variabel.
Dengan demikian, variabel dapat diartikan sebagai segala sesuatu yang bervariasi.
Dr. Soekidjo Notoatmodjo (2002) berpendapat variabel mengandung pengertian ukuran atau
ciri yang dimiliki oleh anggota anggota suatu kelompok yang berbeda dengan yang dimiliki
oleh kelompok yang lain. Variabel adalah sesuatu yang digunakan sebagai ciri, sifat atau
ukuran yang dimiliki atau didapatkan oleh suatu penelitian tentang sesuatu konsep pengertian
tertentu. Misalnya : umur, jenis kelamin, pendidikan, status perkawinan, pekerjaan,
pengetahuan, pendapatan, penyakit, dsb.
Berdasarkan pengertian pengertian di atas, maka dapat dirumuskan definisi variabel
penelitian adalah suatu atribut atau sifat atau nilai dari orang, objek, atau kegiatan yang
mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik
kesimpulan.

Variabel penelitian memiliki beberapa kegunaan antara lain :
Untuk mempersiapkan alat dan metode pengumpulan data
Untuk mempersiapkan metode analisis/pengolahan data
Untuk pengujian hipotesis
Dalam pelaksanaan penelitian, sebaiknya variabel penelitian ditetapkan dengan baik. Hal ini
dimaksudkan agar variabel penelitian tersebut relevan dengan tujuan penelitian dan dapat
diamati dan dapat diukur.
Dalam suatu penelitian, variebel perlu diidentifikasikan, diklasifikasikan dan didefinisikan
secara operasional dengan jelas dan tegas agar tidak menimbulkan kesalahan dalam
pengumpulan dan pengolahan data serta dalam pengujian hipotesis.
Definisi di atas mengandung makna bahwa sesuatu atau konsep dapat disebut variabel jika
konsep tersebut memiliki variabilitas atau dapat dibedakan menjadi beberapa jenis atau
kategori.
SUMBER:
2012. Variabel dan Hipotesis Penelitian. http://anjas-bee.blogspot.com/2012/04/variabel-
dan-hipotesis-penelitian.html [6 September 2014].
2. Klasifikasi Variabel
Variabel dapat diklasifikasikan berdasarkan skala pengukurannya, konteks hubungannya, dan
dapat tidaknya variabel dimanipulasi.
a. Berdasarkan skala pengukurannya
Secara umum, variabel diklasifikasikan ke dalam beberapa jenis:
1) Variabel kuantitatif
a) Variabel kuantitatif discrete
b) Variabel kuantitatif continuous

2) Variabel categorical atau kualitatif
a) Variabel kategorikal binary
b) Variabel kategorikal nominal
c) Variabel kategorikal ordinal
3) Variable time-to-event
Berikut ini adalah penjelasan dari tiap variabel tersebut:
1) Variabel kuantitatif
Variabel kuantitatif adalah variabel yang berbentuk angka. Contoh dari variabel kuantitatif ini
adalah: umur, tingi badan, berat badan. Ciri khas dari variabel kuantitatif ini adalah kita dapat
melakukan operasi matematika (tambah,kurang,kali,bagi) di hasil variabel ini. Variabel
kuantitatif dibagi dalam dua: variabel kuantitatif continuous dan discrete
a) Variabel Kuantitatif Discrete
Variabel kuantitatif discret adalah variabel yang berisi angka bulat (1,2,3,4) bukan angka
yang berbentuk pecahan seperti (0.3,2.4,4.1). Contoh variabel yang termasuk dalam variabel
kuantitatif discrete adalah: jumlah pasien rumah sakit. Jumlah pasien pasti berbentuk angka
bulat, tidak mungkin pecahan (anak kecil tidak termasuk dalam orang dewasa lho!).
Contoh lainnya adalah jumlah anggota keluarga.
b) Variabel Kuantitatif Continous
Variabel kuantitatif continuous adalah variabel yang berisi angka yang tidak bulat seperti
2.7317371414717. Contoh dari variabel kuantitatif continuous adalah tinggi badan: 171.3 cm
2) Variabel kategorikal
Variabel kategorikal adalah variabel yang berupa kategori data. Umumnya, di variabel
kategorikal tidak dapat dilakukan operasi matematika . Contoh variabel kategorikal adalah:
jenis kelamin, klasifikasi tekanan darah pasien (tidak hipertensif/hipertensif kategori
satu/hipertensif kategori dua). Variabel kategorikal dibagi menjadi tiga jenis:

a) Variabel kategorikal binary
Variabel kategorikal binary adalah jenis variabel yang hanya memiliki dua kemungkinan
jawaban. Contohnya: jenis kelamin: Laki-laki/perempuan. Apakah pasien memiliki tekanan
darah tinggi? Ya/tidak. Apabila variabel dapat berisi lebih dari dua jawaban maka dapat
masuk kedalam variabel kategorikal nominal/ordinal.
b) Variabel kategorikal nominal
Variabel kategorikal nominal adalah jenis variabel dimana jawaban lebih dari dua namun
tidak ada tingkatan dari jawaban tersebut.
Contoh dari variabel kategorikal nominal adalah golongan darah. Golongan darah dapat
berupa A/B/AB/O. Meskipun berbeda, bukan berarti golongan darah AB lebih baik dariapada
O atau B lebih buruk daripada A. Keempat jawaban tersebut sama tingkatannya.
c) Variabel kategorikal ordinal
Variabel kategorikal ordinal adalah jenis variabel dimana jawaban lebih dari dua. Namun,
jawaban tersebut memiliki beberapa tingkatan.
Contoh dari variabel kategorikal ordinal adalah klasifikasi jumlah kopi yang diminum setiap
harinya: tidak meminum kopi sama sekali, minum sangat sedikit kopi tiap harinya, minum
cukup banyak kopi tiap harinya, minum sangat banyak kopi tiap harinya. Perbedaan variabel
kategorikal ordinal dengan variabel kategorikal nominal adalah adanya tingkatan dari
variabel kategorikal ordinal: orang yang meminum sangat banyak kopi lebih tinggi
tingkatannya dibandingkan mereka yang meminum cukup banyak kopi.Tingkatan ini tidak
ditemukan dalam variabel kategorikal nominal.
3) Variabel Time-to-Event
Variabel time-to-event ini adalah variabel yang berisi waktu yang diperlukan hingga suatu
kejadian itu muncul. Variabel ini berisi dua komponen yang berbeda yaitu variabel
binary (apakah kejadian ini terjadi atau tidak?) dan juga variabel kuantitatif continuous
(berapakah waktu yang diperlukan hingga kejadian itu terjadi?)
Contoh dari variabel time-to-event adalah: Waktu hingga pasien mendapatkan kanker. Seperti
disebutkan diatas, ada dua komponen dari variabel ini: apakah pasien mendapatkan kanker?
(ya/tidak) serta berapakah waktu yang dibutuhkan hingga pasien mendapatkan kanker? (1.3
tahun, 2 tahun,15 tahun).
Variabel time-to-event ini hanya terdapat pada penelitian dimana pasien diikuti dalam suatu
jangka waktu tertentu seperti penelitian cohort.
SUMBER:
2013. POJOK STATISTIK: MEMAHAMI VARIABEL. http://www.aldoferly.com/pojok-
statistik-memahami-variabel/ [6 September 2014].
b. Berdasarkan konteks hubungannya
Variabel dalam suatu penelitian jumlahnya bisa lebih dari satu. Variabel-variabel tersebut
saling berhubungan dan jika ditinjau dari konteks ini variable dibedakan menjadi :
1) Variabel bebas atau independent variables
Variabel bebas adalah variabel yang nilainya mempengaruhi variabel lainnya,
yaitu variable terikat.

2) Variabel terikat atau dependent variable
Variabel terikat merupakan variabel yang nilainya tergantung dari nilai vaiabel
lainnya.

3) Variabel moderator atau variable intervening
Variabel moderator merupakan variable yang juga mem-pengaruhi variabel
terikat, namun dalam penelitian penga-ruhnya tidak diutamakan.

4) Variabel perancu (confuding variable)
Variabel perancu merupakan variabel yang berhubungan variabel bebas dan
variabel terikat, tetapi bukan variable antara.


5) Variabel kendali
Variabel kendali merupakan variabel yang juga mem-pengaruhi variabel
terikat, tetapi dalam penelitian keberadaannya dijadikan netral.

6) Variabel rambang
Variabel rambang merupakan variabel yang juga ikut mempengaruhi variabel
terikat namun pengaruhnya tidak begitu berarti, sehingga keberadaan variabel
ini dalam penelitian diabaikan.

c. Berdasarkan dapat tidaknya variabel dimanipulasi
Ada variabel di mana peneliti dapat melakukan intervensi dan ada pula variable di mana
peneliti tidak dapat melakukan intervensi. Atas dasar tinjauan ini, variabel dibedakan
menjadi:
1) Variabel dinamis, adalah variabel yang dapat dimanipulasi atau diintervensi
oleh peneliti, contoh : metoda mengajar, teknik pelatihan, strategi pembiasaan,
dst.
2) Variabel statis, merupakan variabel yang tidak dapat diintervensi atau
dimanipulasi oleh peneliti, contoh : jenis kelamin, umur, status perkawinan,
dst.

4) Hubungan Antar Variabel
Hubungan antar variable dibedakan menjadi tiga jenis, yaitu : hubungan asimetris, hubungan
simetris, dan hubungan timbal balik (Machfoedz, 2007: 29).
a. Hubungan asimetris
Pada hubungan asimetris, suatu variabel atau variabel-variabel bebas berhubungan dengan
variabel atau variabel-variabel terikat.
Hubungan variabel asimetris dibedakan menjadi dua, yaitu:


1) Hubungan variabel bivariat: hubungan antara dua variabel.
Contoh hubungan asimetris bivariat : hubungan kecerdasan intelektual (X) dengan prestasi
belajar (Y). Siswa yang mempunyai kecerdasan intelektual yang tinggi, presteasi belajarnya
juga tinggi.
Secara visual hubungan tersebut dapat digambarkan sebagai berikut:

2) Hubungan variabel multivariat: hubungan antara tiga variabel atau lebih.
Contoh hubungan asimetris multivariate:
Hubungan kecerdasan intelektual (X), kecerdasan emosional (X), dan motivsi belajar (X)
dengan prestasi belajar (Y).
Secara visual hubungan tersebut dapat digambarkan sebagai
berikut:

b. Hubungan simetris
Hubungan variable secara simetris artinya ada hubungan antara dua variabel, tetapi variabel
yang satu tidak disebabkan atau dipengaruhi oleh variable lainnya.


Contoh hubungan variable secara simetris:
Variabel tinggi badan (Y) dan variable berat badan (Y) merupakan variable terikat yang
dipengaruhi oleh variabel pertumbuhan (X). Kedua variable terikat berhubungan
tetapi variable yang satu tidak diengaruhi variable lainnya. Secara visual hubungan tersebut
dapat digambarkan sebagai berikut:

c. Hubungan timbal balik
Hubungan variabel dikatakan bersifat timbal balik jika variabel yang satu mempengaruhi
variabel lainnya dan sebaliknya.
Contoh hubungan variabel secara timbal balik: Variabel rasa percaya diri (X) mempengaruhi
prestasi belajar (Y) dan sebaliknya, prestasi belajar juga mempengaruhi rasa percaya diri.
Hubungan semacam ini dapat digambarkan sebagai berikut:

SUMBER:
2013. Variabel Penelitian. http://statistikian.blogspot.com/2012/10/variabel-penelitian.html
[6 September 2014].
2010. Variabel dan Data. http://smartstat.wordpress.com/2010/02/25/variabel-dan-data/ [6
September 2014].


BAB III
PENUTUP
A. Kesimpulan
Data adalah bentuk jamak dari datum. Data merupakan keterangan-keterangan tentang suatu
hal, dapat berupa suatu yang diketahui atau yang dianggap atau anggapan. Atau suatu fakta
yang digambarkan lewat angka, simbol, dan lain-lain.
Sifat data dalam statistika diantaranya memiliki nilai relative, nilai nyata, batas bawah relatif,
batas atas relatif, batas bawah nyata, dan batas atas nyata, data statistik yang berbentuk data
kelompok memiliki nilai tengah atau titik tengah (midpoint), tidak menggunakan sistem
pecahan melainkan menggunakan sistem desimal (pembulatan) dan menggunakan sistem
pembulatan angka
Variabel adalah segala sesuatu yang akan menjadi objek pengamatan penelitian. Pengertian
yang dapat diambil dari definisi tersebut ialah bahwa dalam penelitian terdapat sesuatu yang
menjadi sasaran, yaitu variabel, sehingga variabel merupakan fenomena yang menjadi pusat
perhatian penelitian untuk diobservasi atau diukur
B. Saran
Adapun saran yang penulis sampaikan adalah agar pembaca dapat menggunakan
pemecahan masalah secara statistik, lebih tepat jika mengikuti tahapan yang ilmiah. Data
yang baik tentu saja harus yang mutakhir, cocok (relevan), dengan masalah penelitian dari
sumber yang dapat dipertanggungjawabkan, lengkap akurat, objektif dan konsisten.
Pengumpulan data sedapat mungkin di peroleh dari tangan pertama. Data yang baik sangat di
perlukan dalam penelitian, sebab bagaimanapun canggihnya suatu analisis data jika tidak di
tunjang oleh data yang baik, maka hasilnya kurang dapat di pertanggungjawabkan.
Data statistika tidak hanya cukup dikumpulkan dan diolah, tetapi juga perlu disajikan
dalam bentuk yang mudah dibaca dan di mengerti oleh pengambil keputusan. Penyajian data
ini bisa dalam bentuk tabel atau grafik/diagram.
Daftar Pustaka
Hasan, Iqbal. 2009. Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Jakarta:Bumi
Aksara
Lind, DA, WG Marchal, and SA Wathen. 2007. Teknik-teknik Statistika dalam Bisnis dan
Ekonomi. Edisi ke 13. Buku 1. Bab 1. Penerbit Salemba Empat.
Riduwan. 2003. Dasar-Dasar Statistika. Bandung:Alfabeta.
Sudjana. Metoda Statistika. Edisi 6. Bab 1. 2004. Penerbit Tarsito.
Widyantini. 2004. Statistika. Yogyakarta:PPPG Matematika