Dalam bidang penelitian penelitian, kita telah mengenal macam-macam teknik pengumpulan data yang bisa kita gunakan pada pembahasan sebelumnya, baik teknik pengumpulan data kuantitatif maupun kualitatif. Selain teknik pengumpulan data yang baik, skala pengukuran yang tepat untuk mengolah data tersebut juga diperlukan dalam sebuah penelitian supaya hasilnya objektif serta memiliki kredibilitas yang tinggi. Lalu, apakah jenis-jenis dari skala pengukuran yang biasa digunakan untuk mendapatkan nilai statistik dari suatu data?
Dalam mengolah data, terdapat 3 jenis skala pengukuran yang umum bahkan tanpa kita sadari kita sering menggunakannya dalam proses pengolahan ataupun analisis data. Skala-skala tersebut diperlukan terutama dalam pengukuran untuk menilai dan membedakan objek yang diteliti. Apa sajakah itu? Untuk mengetahui apa saja skala tersebut dan perbedaannya, yuk simak penjelasannya di bawah ini.
1. Skala Nominal
Apa itu skala nominal? Skala nominal adalah skala yang hanya bisa membedakan benda, peristiwa, ataupun objek yang diteliti antara satu dengan yang lainnya berdasarkan nama atau predikatnya. Skala nominal ini umumnya digunakan untuk mengklasifikasi sebuah objek, individu, atau kelompok secara kategorik atau kualitatif. Umumnya, pengukuran dengan skala ini dilakukan dengan pemberian angka atau simbol pada objek tersebut. Pemberian angka dan simbol ini tidak memiliki maksud kuantitatif serta hanya menunjukkan adanya atribut atau karakteristik pada objek tersebut. Hal ini berarti skala ini hanya diberikan sebagai label saja serta tidak mengandung pengertian tingkatan tertentu.
Contoh dari penggunaan skala ini yang mungkin akrab dalam kehidupan kita sehari-hari, adalah penggolongan terhadap jenis kelamin. Dalam penggolongan ini, umumnya jenis kelamin pria diberi kode 1, sedangkan jenis kelamin wanita diberi kode 2. Dalam hal ini, angka yang diberikan hanya berfungsi sebagai label kategori saja serta tidak memiliki arti apapun. Artinya, disini angka 2 tidak memiliki nilai lebih dari 1 dan begitu juga sebaliknya. Kita bisa saja memberi kode pada pria dengan bilangan 2 dan wanita dengan 1 atau bilangan lainnya, asalkan kode yang diberikan berbeda satu sama lain.
Dalam bahasa pemrograman R, fungsi yang dapat digunakan adalah chisq.test() yang digunakan untuk melakukan chi square test. Selain itu, skala nominal ini dapat diterapkan dalam prose pengkonversian data bertipe kategorik ke dalam tipe numerik dengan mmenggunakan fungsi data.matrix() sebelum digunakan dalam proses pengklasteran data dengan algoritma k-means.
Baca juga: Analisis Data Kualitatif? Yuk Pelajari Langkah-Langkah Pengumpulan Datanya!
2. Skala Ordinal
Setelah membahas skala nominal, kita akan lanjutkan dengan pembahasan mengenai skala ordinal. Skala ordinal adalah skala yang mengandung pengertian tingkatan. Walaupun sama-sama bertipe facto, skala ini disebut-sebut lebih tinggi daripada skala nominal. Skala ordinal ini lebih sering disebut sebagai skala peringkat. Sesuai dengan namanya, skala ini menggunakan lambang-lambang atau bilangan-bilangan untuk menunjukkan urutan atau tingkatan objek yang diukur berdasarkan karakteristik tertentu. Misalnya, kita melakukan pengukuran mengenai tingkat kepuasan seseorang terhadap sebuah produk. Dalam penilaian ini, kita bisa memberi angka 5, 4, 3, 2, dan 1 masing-masing untuk reaksi sangat puas, puas, kurang puas, tidak puas, dan sangat tidak puas.
Walaupun skala ini sudah memiliki batas yang jelas, namun skala ini belum memiliki jarak. Seperti pada contoh tadi, kita tidak tahu berapa jarak kepuasan seseorang dari tidak puas ke kurang puas. Meskipun kita telah memberi angka-angka yang berbeda pada tiap tingkatan ini, tetap saja kita tidak bisa mengatakan bahwa reaksi sangat puas 5 kali lebih tinggi nilainya dari yang sangat tidak puas.
Sama halnya dengan skala nominal, skala ordinal memiliki variabel-variabel yang tidak dapat diterapkan pada operasi matematika standar. Untuk itu, diperlukan fungsi statistik yang tepat untuk melihat hubungan antara variabel-variabel yang digunakan dalam skala ini, salah satunya yaitu fungsi chisq.test() seperti yang sudah kita bahas tadi. Adapun, prinsip skala ordinal ini dapat diterapkan dalam proses penyimpanan data bertipe factor di bahasa pemrograman R, yaitu dengan menempelkan atribut berupa angka pada tiap data tersebut sesuai urutan abjadnya.
3. Skala Interval
Sekarang, kita akan membahas mengenai skala yang biasa digunakan dalam pengukuran data numerik, yaitu skala interval. Skala ini memiliki sifat dan karakteristik seperti halnya skala nominal dan ordinal. Hanya saja, yang menjadi pembeda dari skala ini adalah adanya jarak atau interval yang tetap antara variabel-variabelnya. Meskipun skala ini sudah memiliki nilai instrinsik dan jarak, tetapi jarak tersebut belum merupakan kelipatannya. Pernyataan ini bisa diartikan bahwa skala interval tidak punya nilai 0 mutlak.
Skala interval ini biasa digunakan dalam pengukuran data numerik. Perbandingan variabel-variabel ini bisa dilihat menggunakan scatter plot dan analisis korelasi. Scatter plot ini digunakan untuk melihat hubungan antara kedua variabel tersebut, apakah hubungan tersebut positif atau negatif. Sementara itu, analisis korelasi digunakan untuk menguji apakah kedua variabel tersebut memang berhubungan serta seberapa kuat hubungan tersebut.
Dalam bahasa pemrograman R, kita menggunakan fungsi plot() untuk membuat scatter plot. Akan tetapi, supaya lebih efisien, kita dapat menggunakan fungsi geom_point() dari library ggplot2 untuk menggambar scatter plot ini. Sementara itu, fungsi yang digunakan untuk membuat analisis korelasi adalah dengan menggunakan fungsi cor.test(). Adapun skala ini dapat diterapkan penggunaannya dalam proses clustering dengan menggunakan algoritma k-means, dimana algoritma ini akan menghitung jarak atau interval antara centroid / cluster yang telah ditetapkan dalam sebuah data.
Baca juga: Exploratory Data Analysis : Pahami Lebih Dalam untuk Siap Hadapi Industri Data
4. Awali Belajar Menjadi Praktisi Data Dengan Belajar Data Science Gratis Bersama DQLab!
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 "Intoduction 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 teralmbat 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 mentoring
Bangun portofolio data langsung dari praktisi data Industri
Akses Forum DQLab untuk berdiskusi
Simak informasi di bawah ini untuk mengakses gratis modul "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 : Sharon
Editor : Annissa Widya Davita
DQLab belajar data science Python Big Data Data Analyst Machine Learning
KOMPAS.com - Pangan aman adalah hak setiap orang. Pangan yang aman tidak hanya akan memenuhi kebutuhan gizi, tetapi juga menjaga kesehatan tubuh. Guna menjaga keamanan pangan, kita perlu mengikuti prosedur untuk membersihkan bahan makanan sebelum memprosesnya. Namun hal ini belum cukup. Sejumlah bakteri mungkin saja masih bercokol di bahan makanan. Bakteri bahkan bisa saja masih bertahan setelah proses pengolahan bahan pangan. Bila kondisi ini terjadi, bagaimana mungkin kita dapat menyediakan pangan aman bagi keluarga.
Berikut ini adalah 6 tips yang perlu diperhatikan dalam mengolah dan menyediakan bahan pangan aman bagi keluarga :
1. Kenali sumber bahan pangan
Beberapa sumber pangan kerap kali terpapar berbagai sumber penyakit. Terkadang air yang digunakan untuk membersihkan bahan pangan juga terpapar kuman. Mengetahui dengan pasti dari mana sumber air dan bahan pangan akan lebih aman bagi keluarga. Kita juga bisa membuat pilihan jika air dan pangan yang akan diskonsumsi ternyata tidak aman.
2. Cuci tangan, alat masak dan bahan makanan
Bakteri dapat berkembang di mana saja. Membersihkan bahan pangan tidak cukup untuk menyingkirkan kuman penyebab penyakit ini. Proses pengolahan juga harus diawasi. Sebaiknya, pastikan dapur dan seluruh alat masak dalam kondis yang bersih. Hal yang sama sebaiknya juga dilakukan pada tangan sebelum memasak ataupun menyantap hidangan.
3. Pemisahan bahan pangan
Pemisahan bahan pangan dapat mencegah terjadinya kontaminasi. Sebaiknya pisahkan pangan berbahan hewani, misal seafood, daging, telur, ikan, atau unggas dari bahan ketika belanja tau memasak. Gunakan papan potong dan alat lain yang beda untuk pangan hewani dan non-hewani.
4. Proses memasak
Proses pengolahan makanan yang baik akan mencegah masuknya bakteri penyebab penyakit (patogen) ke dalam tubuh. Proses memasak sebaiknya didasarkan pada waktu dan suhu. Jangan hanya mengandalkan mata untuk menentukan matang tidaknya makanan. Apabila memungkinkan, gunakan termometer atau alat pengukur suhu memastikan apakah makanan sudah dimasak pada suhu yang ditentukan. Hindari pula konsumsi makanan yang tidak dimasak tuntas, terutama jenis makanan sepert daging, telur dan adonan kue. Hal ini hanya mengundang bakteri untuk masuk dan bersarang dalam tubuh.
5. Pendinginan
Pendinginan bahan pangan akan memperlambat pertumbuhan bakteri. Pastikan suhu penyimpanan tidak sekedar bersuhu ruang (24°C), atau hangat. Suhu tersebut tidak akan membuat bakteri memperlambat pertumbuhannya. Sebaiknya, dinginkan bahan pangan hewani dan nabati yang mudah rusak selama dua jam, atau merendamnya dalam air yang sangat panas (100°C) bila belum akan segera dimasak.
Baca berikutnya