Jenis Data, Jenis Variabel, dan Teknik Pengumpulan Data

Ada tiga tujuan yang ingin kami capai, dan ketiganya diambil langsung dari indikator RPS. Pertama, kita bisa menyebutkan jenis-jenis data. Kedua, menjelaskan jenis-jenis variabel. Ketiga, menjelaskan teknik-teknik dalam mengumpulkan data.

Bayangkan presentasi ini seperti perjalanan dengan tiga pemberhentian. Pemberhentian pertama: data — ini bahan mentahnya, seperti bahan belanjaan. Kedua: variabel — cara kita menata bahan itu supaya bisa diteliti. Ketiga: teknik pengumpulan — cara kita belanja bahannya. Urutannya sengaja begini, karena cara belanja menentukan bahan apa yang kita dapat.

Sepanjang presentasi, teman-teman boleh bertanya kapan saja. Kami juga menyiapkan tiga jeda khusus di akhir tiap bagian.

Sebelum masuk ke jenis data, kita samakan dulu istilahnya. Kalau diibaratkan Lego: satu keping Lego itu datum; satu kotak Lego itu data. Datum adalah satu keterangan tunggal — IPK satu orang mahasiswa, 3,45. Data adalah kumpulannya — IPK seluruh mahasiswa satu angkatan. Jadi "data" sebenarnya bentuk jamak.

Statistika, menurut Sudjana, adalah pengetahuan yang berhubungan dengan cara pengumpulan data, pengolahan, penyajian, penganalisisan, dan penarikan kesimpulan. Bayangkan seperti memasak: mengumpulkan bahan, mencuci dan memotongnya, menata di piring, mencicipi, lalu memutuskan enak atau tidak. Perhatikan: mengumpulkan bahan ada di paling depan. Kalau bahannya busuk sejak awal, koki sehebat apa pun tidak bisa menyelamatkan masakannya. Data adalah bahan mentah; statistika adalah alat pengolahnya.

Karena itu data harus memenuhi beberapa syarat: objektif, representatif, galat bakunya kecil, tepat waktu, dan relevan. Satu contoh untuk tepat waktu: memakai data jumlah pengguna aplikasi tahun 2019 untuk memutuskan sesuatu hari ini itu seperti memakai jadwal pelajaran tahun lalu untuk mencari kelas hari ini — datanya mungkin benar, tapi sudah tidak berlaku.

Pembagian data yang paling dasar adalah menurut sifatnya. Data kualitatif tidak berupa angka — bentuknya kategori. Seperti label di baju: warna merah, ukuran L. Itu keterangan, bukan angka yang bisa dijumlahkan. Contohnya jenis kelamin, golongan darah, sistem operasi yang dipakai.

Data kuantitatif berupa angka, dan dibagi dua lagi. Data diskrit adalah hasil menghitung — seperti menghitung kelereng: 1, 2, 3. Tidak ada setengah kelereng. Jumlah anggota keluarga tidak mungkin 2,5. Data kontinu adalah hasil mengukur — seperti menuang air ke gelas: bisa 100 ml, bisa 100,5 ml, bisa 100,55 ml. Selalu ada nilai di antaranya. IPK bisa 3,17 atau 3,175.

Cara gampang mengingatnya: kalau bisa dihitung dengan jari, itu diskrit; kalau harus pakai alat ukur, itu kontinu. Contoh dari dunia IT: jumlah error log per hari itu diskrit, karena kita menghitung. Waktu respons server dalam milidetik itu kontinu, karena kita mengukur.

Dari sisi sumbernya, data dibagi menjadi primer dan sekunder. Bayangkan ada teman yang tidak masuk sekolah. Kalau kita bertanya langsung ke dia, "kamu kenapa?" — itu data primer. Kalau kita dengar kabarnya dari teman lain, atau membaca catatan UKS — itu data sekunder.

Menurut Sugiyono, sumber primer adalah sumber yang langsung memberikan data kepada pengumpul data — lewat wawancara, kuesioner, atau observasi langsung. Sumber sekunder adalah sumber yang tidak langsung memberikan data — lewat orang lain atau lewat dokumen: laporan, publikasi BPS, arsip, dataset publik. Contoh di kampus: kalau kelompok kami menyebar kuesioner ke mahasiswa Primakara soal aplikasi akademik, itu primer. Kalau kami memakai laporan jumlah mahasiswa aktif dari bagian akademik, itu sekunder.

Masing-masing ada harganya. Bertanya langsung lebih pasti, tapi kita harus datang sendiri — mahal waktu dan tenaga. Mendengar dari orang lain cepat dan murah, tapi bisa seperti permainan pesan berantai: sampai ke kita, isinya mungkin sudah berubah, dan kita tidak tahu bagaimana data itu dikumpulkan.

Pembagian ketiga — dan yang paling penting — adalah menurut skala pengukuran. Bayangkan tangga dengan empat anak tangga. Makin naik, makin banyak hal yang boleh kita lakukan pada angkanya.

Anak tangga pertama, nominal: angka cuma jadi nama, seperti nomor punggung pemain bola. Pemain nomor 10 tidak "lebih" dari nomor 7. Contoh: jenis kelamin, jurusan, sistem operasi. Yang boleh dilakukan hanya menghitung ada berapa di tiap kelompok, dan mencari yang paling banyak — modus. Anak tangga kedua, ordinal: sudah ada urutan, tapi jaraknya tidak sama. Seperti podium juara: juara 1 di atas juara 2. Tapi juara 1 bisa menang setengah detik dari juara 2, sementara juara 3 tertinggal sepuluh detik. Urutannya jelas, jaraknya tidak. Contoh: peringkat, jenjang pendidikan, skor Likert. Di sini kita sudah boleh memakai median.

Anak tangga ketiga, interval: jaraknya sama, tapi nolnya tidak mutlak. Seperti suhu: 0°C bukan berarti tidak ada suhu — itu cuma titik air membeku. Jadi 20°C bukan "dua kali lebih panas" dari 10°C. Kita boleh menambah, mengurang, dan menghitung rata-rata, tapi tidak boleh mengali atau membagi. Anak tangga keempat, rasio: jaraknya sama dan nolnya mutlak. Seperti uang di dompet: Rp0 benar-benar kosong, dan Rp20.000 memang dua kali Rp10.000. Contoh: berat, tinggi, jumlah, waktu. Semua operasi boleh.

Contoh IT: ID user itu nominal, rating bintang 1–5 itu ordinal, tahun rilis versi itu interval, ukuran file dan waktu loading itu rasio.

Sekarang pertanyaannya: buat apa kita hafal tangga tadi? Karena tiap jenis data punya alat yang cocok — seperti kita tidak bisa menimbang berat badan pakai penggaris. Jenis data menentukan teknik statistik yang boleh dipakai. Sugiyono merangkumnya dalam Tabel 1.1, pedoman memilih teknik statistik — mirip tabel di kotak obat: gejalanya apa, obatnya apa. Tabel itu memasangkan jenis data dengan jenis hipotesis: deskriptif, komparatif dua sampel, komparatif lebih dari dua sampel, dan asosiatif.

Garis besarnya: data nominal dan ordinal dianalisis dengan statistik nonparametris — chi-kuadrat, Mann-Whitney, Kruskal-Wallis, Spearman. Data interval dan rasio dianalisis dengan statistik parametris — uji-t, ANOVA, korelasi Pearson, regresi. Kalau salah alat, hasilnya ngawur: menghitung rata-rata dari data jurusan itu sama seperti menghitung rata-rata warna baju. Angkanya bisa keluar, tapi tidak berarti apa-apa.

Mari kita bedah satu kasus dari tiga sudut sekaligus: "lama waktu mahasiswa membuka aplikasi akademik per hari, dalam menit". Menurut sifat: kuantitatif kontinu — kita mengukur, bukan menghitung. Menurut sumber: primer, karena kita ukur sendiri. Menurut skala: rasio, karena 0 menit benar-benar berarti tidak membuka. Karena rasio, kita boleh memakai rata-rata dan uji-t.

Sampai di sini, bagian jenis data selesai.

Masuk ke bagian kedua: variabel. Sugiyono mendefinisikan variabel penelitian sebagai segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya.

Gampangnya: variabel adalah sesuatu yang bisa beda-beda dari satu orang ke orang lain. Isi kotak pensil tiap anak di kelas beda-beda — itu variabel. Tapi kalau semua anak memakai seragam putih yang sama, warna seragam bukan variabel — itu konstanta, karena tidak ada yang bisa dibandingkan. Sama halnya: kalau kita meneliti kepuasan mahasiswa Primakara, "kampus" bukan variabel, karena semuanya Primakara. Tapi kalau kita membandingkan tiga kampus, barulah "kampus" menjadi variabel.

Hubungannya dengan bagian pertama: variabel adalah pertanyaannya — "berapa tinggi badanmu?"; data adalah jawabannya — 165 cm. Variabel adalah apa yang kita ukur; data adalah hasil pengukurannya.

Variabel bisa digolongkan dari dua sisi. Yang pertama menurut sifat datanya — dan ini bukan klasifikasi baru, melainkan cerminan dari jenis data yang tadi, dilihat dari sisi "apa yang diukur".

Bayangkan merapikan lemari. Ada barang yang kita pilah berdasarkan jenisnya — kaos, celana, jaket — lalu kita hitung ada berapa di tiap tumpukan. Itu variabel kategorik: menghasilkan data nominal atau ordinal, misalnya sistem operasi yang dipakai atau tingkat kepuasan. Ada barang yang kita ukur besarnya — panjang, berat. Itu variabel numerik: menghasilkan data interval atau rasio, misalnya durasi penggunaan aplikasi atau jumlah transaksi — diskrit kalau dihitung, kontinu kalau diukur.

Konsekuensinya ke cara penyajian: variabel kategorik disajikan dengan tabel frekuensi, diagram batang, atau diagram lingkaran — kita menghitung tumpukan. Variabel numerik bisa dihitung rata-rata dan simpangan bakunya, lalu disajikan dengan histogram — ini yang dibahas Sudjana di bab Penyajian Data.

Penggolongan kedua — dan yang paling penting untuk penelitian — adalah menurut fungsinya. Supaya gampang, bayangkan kita menanam dua pot tanaman yang sama, lalu pot yang satu kita beri pupuk lebih banyak. Pupuk adalah yang kita atur — itu variabel independen. Tinggi tanaman adalah yang kita amati — itu variabel dependen. Sinar matahari bisa membuat efek pupuk jadi lebih kuat atau lebih lemah — itu moderator. Pupuk tidak langsung membuat tanaman tinggi: pupuk menyehatkan akar dulu, akar yang sehat baru membuat tanaman tinggi — akar yang sehat itu intervening, perantaranya. Dan supaya adil, pot serta jenis tanamannya kita samakan — itu kontrol.

Sekarang kasus kita: pengaruh kualitas antarmuka aplikasi terhadap kepuasan pengguna. Independen: kualitas antarmuka — pupuknya. Dependen: kepuasan pengguna — tinggi tanamannya. Moderator: pengalaman pengguna — sinar mataharinya; bagi yang sudah terbiasa memakai aplikasi sejenis, pengaruh antarmuka mungkin lebih kecil. Intervening: kemudahan yang dirasakan — akarnya; antarmuka yang bagus membuat aplikasi terasa mudah, dan kemudahan itulah yang membuat pengguna puas. Kontrol: jenis perangkat disamakan, semua Android — potnya.

Perbedaan moderator dan intervening: moderator seperti tombol volume — membuat efeknya lebih keras atau lebih pelan. Intervening seperti kurir — pesan dari A ke C harus lewat B dulu. Moderator mengubah kekuatan hubungan; intervening menjadi perantara jalurnya.

Ini peta dari cerita tadi. Panah artinya "menyebabkan". Kualitas antarmuka menyebabkan aplikasi terasa mudah, dan kemudahan itu menyebabkan pengguna puas. Intervening berada di jalur — seperti kurir di tengah jalan antara independen dan dependen.

Moderator — pengalaman pengguna — panahnya menempel pada garis hubungan, bukan pada kotak. Seperti tombol volume: ia mengatur seberapa kuat sinyal yang lewat, tapi bukan sumber sinyalnya. Kontrol — jenis perangkat — tidak punya panah sama sekali, karena sudah kita "paku" supaya tidak bergerak.

Pola hubungan seperti ini oleh Sugiyono disebut paradigma penelitian, dan bentuk paradigma menentukan teknik analisis yang dipakai nanti. Coba kita ganti kasusnya: pengaruh jam belajar terhadap nilai ujian. Kira-kira apa "sinar mataharinya" — apa yang bisa jadi moderatornya?

Sampai di sini, bagian variabel selesai.

Bagian ketiga: teknik pengumpulan data. Bayangkan kita mau makan ikan. Ada tiga hal yang harus diputuskan: di mana mencarinya — laut, sungai, atau kolam; dari mana ikannya — tangkap sendiri atau beli di pasar; dan bagaimana caranya — pancing, jala, atau jaring. Mengumpulkan data persis begitu.

Menurut Sugiyono, pengumpulan data bisa dilihat dari tiga sudut. Pertama, setting — di mana datanya diambil: setting alamiah seperti sungai, laboratorium seperti kolam buatan yang terkendali, rumah responden, atau forum seperti seminar dan diskusi. Kedua, sumber — primer seperti menangkap sendiri, sekunder seperti membeli di pasar. Ketiga, cara atau teknik — alat tangkapnya: observasi, wawancara, kuesioner, dokumentasi, dan gabungan keempatnya.

Ketiganya harus diputuskan sebelum turun ke lapangan. Dan satu penelitian boleh — bahkan sering — memakai lebih dari satu cara sekaligus, seperti nelayan yang membawa pancing dan jala.

Wawancara adalah tanya jawab lisan — seperti ngobrol satu lawan satu. Enaknya, kalau jawabannya belum jelas, kita bisa tanya lagi: "kenapa?" Ada tiga jenis. Terstruktur: seperti ujian lisan, daftar pertanyaannya sudah tetap dan urutannya tidak berubah. Semi terstruktur: ada panduan, tapi boleh melebar. Tak terstruktur: ngobrol bebas — biasanya saat penelitian masih menjajaki. Keunggulannya: jawaban mendalam dan bisa digali. Kelemahannya: lama, mahal, dan rawan bias pewawancara.

Kuesioner atau angket adalah pertanyaan tertulis — seperti membagikan lembar pertanyaan ke satu sekolah sekaligus. Banyak yang menjawab, tapi kita tidak bisa bertanya balik. Tertutup: seperti pilihan ganda, jawabannya sudah disediakan — mudah diolah jadi angka. Terbuka: seperti esai, responden menjawab bebas — kaya informasi tapi sulit ditabulasi. Keunggulannya: jangkauan luas, cepat, murah. Kelemahannya: jawaban cenderung dangkal dan rawan tidak dikembalikan.

Contohnya: untuk mengukur kepuasan 500 mahasiswa, kuesioner jelas lebih masuk akal. Tapi untuk tahu kenapa mereka tidak puas, wawancara terhadap 10 orang bisa jauh lebih menjelaskan. Google Form termasuk kuesioner — medianya baru, tekniknya tetap yang klasik.

Observasi adalah pengamatan langsung — seperti wasit yang melihat sendiri pertandingan, bukan mendengar cerita pemain sesudahnya. Dipakai kalau sesuatu lebih akurat dilihat daripada ditanyakan: orang bisa mengaku memakai aplikasi setiap hari, tapi log penggunaannya bercerita lain. Observasi partisipatif berarti peneliti ikut bermain di lapangan; non-partisipatif berarti hanya duduk di tribun.

Dokumentasi adalah menelaah dokumen yang sudah ada — seperti membaca rapor atau buku harian. Kita tidak bertanya ke orangnya; kita membaca catatannya: laporan, notulen, arsip, foto, dan dalam konteks IT juga log server atau riwayat transaksi. Teknik ini biasanya menghasilkan data sekunder.

Triangulasi adalah teknik yang bersifat menggabungkan berbagai teknik pengumpulan data dan sumber data yang telah ada. Seperti detektif: ia mencocokkan cerita saksi, rekaman CCTV, dan bukti di lokasi. Kalau ketiganya cocok, baru ia yakin. Tujuannya dua: melengkapi data, sekaligus menguji kredibilitasnya. Contoh: sebar kuesioner ke 200 mahasiswa, wawancarai 10 di antaranya, lalu cocokkan dengan log penggunaan aplikasi. Tiga sudut, satu kesimpulan.

Tidak ada alat pancing yang paling bagus — yang ada alat yang paling cocok untuk ikan yang kita cari. Begitu juga teknik pengumpulan data. Pertimbangannya: tujuan penelitian, jenis data yang dibutuhkan, jumlah responden, serta waktu dan biaya yang tersedia.

Setelah tahu caranya, kita tentukan dari siapa. Kalau seluruh anggota populasi diteliti, itu sensus. Kalau hanya sebagian, itu sampling — Sudjana membahasnya dalam bab Sampling atau Pengambilan Contoh. Bayangkan mencicipi sup: kita tidak perlu menghabiskan sepanci untuk tahu rasanya, cukup satu sendok. Tapi supnya harus diaduk dulu. Kalau sendoknya hanya mengambil dari permukaan yang belum diaduk, rasanya tidak mewakili sepanci. "Diaduk dulu" itulah yang disebut representatif — sampel harus mewakili populasinya, karena kesimpulan tentang populasi ditarik dari sampel itu.

Dua hal yang sering dilupakan. Bayangkan timbangan badan. Valid artinya timbangan itu benar-benar mengukur berat, bukan tinggi — instrumen mengukur apa yang seharusnya diukur. Reliabel artinya kalau kita naik dua kali, angkanya sama — bukan 50 kg lalu 58 kg. Kuesioner yang pertanyaannya membingungkan menghasilkan data sampah, dan analisis secanggih apa pun tidak bisa memperbaikinya. Terakhir, etika: seperti memotret orang — minta izin dulu, jaga rahasianya, dan jangan pakai fotonya untuk hal lain.

Sampai di sini, bagian teknik pengumpulan data selesai.

Sebagai penutup, tiga hal. Jenis data dilihat dari sifat, sumber, dan skala pengukurannya. Jenis variabel dilihat dari sifat datanya dan fungsinya dalam penelitian. Teknik pengumpulan data ditentukan oleh setting, sumber, dan cara.

Benang merahnya, kalau diibaratkan memasak: cara kita belanja menentukan bahan yang kita dapat, dan bahan yang kita dapat menentukan masakan apa yang bisa dibuat. Teknik pengumpulan data menentukan jenis data; jenis data menentukan analisis statistik apa yang boleh dipakai. Jadi keputusan di awal — saat memilih cara mengumpulkan data — sudah mengunci apa yang bisa kita lakukan di akhir.

Materi ini kami telaah dari tiga sumber: Sudjana, Metoda Statistika; Swatiningsih, Statistik Deskriptif: Konsepsi dan Aplikasi; dan Sugiyono, Statistika untuk Penelitian.

Terima kasih. Kami buka untuk pertanyaan — termasuk yang tadi sudah kami catat dan belum sempat dijawab.