Apa maksud scale ordinal dan nominal

PERTEMUAN KE-3 II. Pengertian Measure: Perbedaan Scale Nominal dan Ordinal pada SPSS Dapat diawali dengan membuka tutorial link youtobe berikut //youtu.be/vu0nv1suqq8 Measure adalah sebutan tipe variabel yang terdapat pada SPSS. Terdapat 3 tipe variabel pada SPSS yaitu scale, nominal, dan ordinal. Sebelum melakukan analisis data lebih lanjut, kita sebaiknya menentukan jenis tipe variabel masing-masing variabel yang dimasukkan. Ketiga tipe variabel tersebut memberikan jenis nilai serta informasi analisis yang berbeda. Berikut pengertian dan perbedaan scale nominal dan ordinal pada SPSS. Penentuan measure adalah hal dasar yang sangat penting untuk diketahui saat bekerja dengan menggunakan SPSS. Misalnya kita tidak boleh membuat variabel nominal untuk melakukan perhitungan nilai rata-rata dan standar deviasi. Pilihan untuk mengubah tipe variabel suatu variabel terdapat pada Variable View lembar kerja SPSS. Berikut ilustrasinya,

Pilihan untuk mengubah tipe variabel pada SPSS Tutorial terkait: Cara Membuat Variabel Nominal, Ordinal, dan Scale dengan Variable View A. Variabel Nominal pada SPSS Variabel nominal adalah tipe variabel yang merepresentasikan suatu nilai numerik sebagai label dari variabel tersebut. Variabel nominal tidak digunakan untuk melakukan perhitungan data secara matematika seperti penjumlahan, pengurangan, dan lain sebagainya. Secara fundamental variabel jenis ini digunakan untuk menghitung banyaknya data. Hal ini sangat mempengaruhi analisis data tingkat lanjut. Beberapa contoh penggunaan nominal level saat membuat variabel dengan menggunakan SPSS adalah sebagai berikut, 1. Variabel jenis kelamin 2. Variabel nama perusahaan 3. Variabel nama universitas 4. Variabel nama instansi 5. Variabel nama merek smartphone 6. Variabel nama kabupaten

B. Variabel Ordinal pada SPSS Variabel ordinal adalah tipe variabel yang sering disebut sebagai ranked data atau data dengan peringkat. Data dalam bentuk ordinal level dikategorikan berdasarkan kuantitas dan kualitasnya. Beberapa contoh penggunaan ordinal level adalah sebagai berikut, 1. Variabel tingkatan pendidikan (TK, SD, SMP, SMA, dan PT) 2. Variabel tingkatan organisasi (anggota, koordinator, inti, wakil ketua dan ketua) 3. Variabel tingkat umur (balita, anak-anak, remaja, dewasa, dan manula) 4. Variabel tingkat suhu (dingin, hangat, dan panas) 5. Variabel tingkat harga suatu produk (murah, sedang, dan mahal) 6. Variabel rasa makanan (tidak enak, enak, dan sangat enak) C. Variabel Scale pada SPSS Variabel scale adalah tipe variabel yang digunakan untuk melakukan perhitungan data terhadap variabel angka seperti menghitung nilai statistika deskriptif. SPSS secara fundamental akan mendefinisikan data secara otomatis sebagai variabel dengan tingkat interval atau tingkat rasio. SPSS tidak mengharuskan pengguna membedakan data scale secara manual, apakah termasuk data dengan tingkat interval atau tingkat rasio. Beberapa contoh penggunaan variabel scale adalah sebagai berikut, 1. Variabel tinggi badan siswa 2. Variabel nilai suatu ujian 3. Variabel harga beras 4. Variabel banyak pengunjung suatu objek wisata 5. Variabel nilai tukar suatu mata uang 6. Variabel berat badan siswa

III. Pengertian Data View pada SPSS dan Penggunaanya Data View adalah tampilan lembar kerja SPSS yang menampilkan variabel beserta data yang ada dalam variabel tersebut. Data View pada SPSS menampilkan setiap baris sebagai suatu kasus (case) dan setiap kolom merepresentasikan suatu variabel. Data yang kita peroleh dimasukkan melalui Data View. Berikut penjelasan mengenai variabel dan kasus yang terdapat pada Data View, A. Bagian-bagian Data View 1. Kasus (cases) pada SPSS merepresentasikan suatu hasil pengamatan terhadap suatu objek dapat berupa pengamatan berdasarkan observasi atau eksperimen. Contoh: hasil survey suatu penelitian, hasil pendataan data mahasiswa, dan lain-lain. 2. Variabel adalah atribut, karakteristik, atau pengukuran yang mendeskripsikan suatu kasus (case). Contoh: umur, nama, pendidikan, dan lain-lain. Gambar di atas salah satu contoh tampilan Data View pada SPSS.

B. Menampilkan Data View dengan split Kita dapat melakukan split terhadap Data View saat data yang terkumpul banyak. Selain dengan ilustrasi di atas, kita juga dapat melakukan split Data View dengan melakukan klik menu Window Split Untuk menghilangkan split, klik Windows Remove Split

C. Cara Melihat Kasus dan Variabel secara Spesifik Kita dapat melihat kasus dan variabel secara spesifik untuk mempermudah melihat data saat bekerja dengan banyak kasus. Berikut langkah-langkahnya 1. Klik Go to case Tombol perintah Go to case terdapat di bawah menu perangkat lunak SPSS. 2. Tentukan urutan kasus (baris) dan variabel (kolom) yang akan anda lihat Masukkan urutan baris dan kolom yang ingin anda lihat pada kolom yang tersedia pada jendela Go To seperti berikut, 3. Klik Go Setelah klik Go, Data View akan menuju urutan kasus serta variabel yang dimasukkan pada jendela Go To. D. Memasukkan Data melalui Data View Secara umum data-data setiap kasus dimasukkan melalui Data View. Sebelum itu kita perlu membuat variabel melalui Variable View.

Pada SPSS, hasil pengukuran suatu variabel dinyatakan dengan data. Data dibagi menjadi beberapa bagian, yaitu nominal, ordinal, interval, dan rasio. Di dalam SPSS, interval dan rasio digabung menjadi Scale.

1. Nominal

Data nominal merupakan data yang paling rendah levelnya karena data nominal hanya menghasilkan satu kategori saja, dan data dianggap setara. Misalnya jenis kelamin seseorang. Jika dia bukan seorang laki-laki, berarti dia seorang perempuan, begitu juga sebaliknya. Antara laki-laki dan perempuan mempunyai kedudukan yang setara, yaitu sebagai penunjuk jenis kelamin seseorang. Data nominal termasuk data kualitatif, yaitu data yang hasilnya tidak berupa angka dan tidak bisa dilakukan operasi matematika seperti penjumlahan, pengurangan, dan sebagainya. Jika data berupa data nominal maka data tersebut diubah menjadi bilangan. Bilangan yang digunakan hanya sebagai simbol.

Misalnya 1 sebagai simbol warna merah, 2 sebagai simbol warna biru, dan 3 sebagai simbol warna hijau. Dalam hal ini 3 tidak berarti lebih tinggi dari 1 maupun 2. Begitu juga 1+2 bukan berarti 3 (merah+biru=hijau).

Contoh data yang masuk level Nominal: Jenis kelamin, agama, jenis warna.

2. Ordinal

Data ordinal memiliki level lebih tinggi dibandingkan dibanding data nominal. Pada data nominal data dianggap setara sedangkan data ordinal terdapat tingkatan data. Data ordinal termasuk data kualitatif, jika data berupa data ordinal maka data diubah menjadi bilangan. Bilangan yang digunakan adalah bilangan bulat dan sudah mengenal urutan tinggi rendah, besar dan kecil.

Contohnya adalah data tentang minat belajar mahasiswa. Minat belajar mahasiswa ada yang tinggi, sedang, rendah, dan rendah sekali. Jadi terdapat tingkatan data dan tidak bisa disamakan. Sama seperti data nominal, data ordinal juga tidak bisa dilakukan operasi matematika, seperti 1 sebagai simbol tinggi, 2 sebagai simbol sedang, 3 sebagai simbol rendah, dan 4 sebagai simbol rendah sekali. Jadi, tidak bisa dikatakan 1+2=3 (tinggi + sedang = rendah).

Contoh data yang masuk level Ordinal adalah banyaknya siswa, sikap guru terhadap kurikulum baru, dan sebagainya.

3. Interval

Data interval memiliki level yang lebih tinggi daripada data ordinal. Data interval termasuk data kuantitatif, yaitu data yang hasilnya berupa angka yang sebenarnya dan bisa dilakukan operasi matematika. Data interval merupakan data hasil pengukuran yang bisa berbentuk bilangan numerik bulat dan pecahan. Pada data interval tidak memiliki nilai nol mutlak. Artinya walaupun suatu data menghasilkan nol, maka data tersebut bernilai nol.

Contohnya data pengukuran suhu.

4. Rasio

Data rasio merupakan data yang paling tinggi levelnya diantara ketiga data yang lain. Data rasio termasuk kuantitatif, data yang berupa angka sebenarnya. Data rasio merupakan data hasil pengukuran yang bisa berbentuk bilangan numerik bulat dan pecahan. Data rasio memiliki nilai nol mutlak. Nilai nol mutlak disini artinya adalah jika datanya nol, berarti data tersebut tidak memiliki kuantitas. Misalnya jumlah mahasiswa yang hadir adalah 0, berarti tidak ada mahasiswa yang datang. Sama seperti data interval, data rasio bisa dilakukan operasi matematika. Yang membedakan data interval dengan data rasio adalah nilai nol mutlak.

Nah, biar lebih jelas, silahkan diperhatikan tabel berikut ini.

Silahkan bertanya pada kolom komentar di bawah ini…