Data Kontinu dalam Penelitian dan Cara Penyajiannya

Dalam sebuah penelitian, keberadaan data memegang peran sangat penting. Jenis data yang didapatkan peneliti juga cukup beragam. Jika dilihat dari sifat data, maka terbagi menjadi dua. Yakni data kontinu dan data diskrit. 

Mengetahui data yang didapatkan masuk ke jenis yang mana, membantu peneliti melakukan analisis. Termasuk membantu dalam menentukan metode pengumpulan data paling sesuai. Bagi beberapa peneliti, membedakan keduanya bisa sangat sulit. 

Misalnya sering tertukar definisinya. Hal ini tentu menjadi sandungan dalam proses penelitian. Jadi, jika Anda masih bingung dan sering tertukar antara data diskrit dengan kontinu. Bisa menyimak penjelasan di bawah ini. 

Apa Itu Data Kontinu?

Dikutip melalui Kumparan.com, dalam buku berjudul Buku Ajar Implementasi Teknik Analisis Data Kuantitatif, Luh Titi Handayani (2022). Menjelaskan bahwa data kontinu adalah data statistik yang mengambil nilai dengan cara menentukan batas tertentu dan dipilih berdasarkan rentang waktu tertentu. 

Sejalan dengan definisi tersebut, dikutip dari website Telkom University, data jenis kontinu adalah sebuah data yang bisa diukur. Jadi data ini didapatkan dari proses pengukuran. Data yang didapatkan dari pengukuran pastilah data yang memang bisa diukur. 

Tidak semua data bisa diukur, karena memang jenis data sangat banyak. Misalnya data jumlah karyawan, jumlah siswa di sebuah sekolah, jumlah dosen di sebuah universitas, dan sebagainya. Data seperti ini hanya bisa dihitung dan tidak ada alat ukur, karena tidak bisa diukur. 

Data yang bisa diukur dan memang ada alat ukurnya, maka termasuk data kontinu. Misalnya data berat badan, data tinggi badan, data jarak antar kota, data umur atau usia, dan sebagainya. Segala sesuatu yang bisa diukur, maka menjadi data yang kontinu. 

Perbedaan Data Kontinu dan Data Diskrit

Jika membahas mengenai data kontinu, memang akan ikut membahas data diskrit. Sebab seperti penjelasan di awal, data jika dilihat dari segi sifat akan terbagi menjadi dua jenis tersebut. Beberapa peneliti bisa saja tertukar dalam mendefinisikannya. 

Supaya lebih mudah membedakan, maka bisa memahami dan mengingat salah satunya saja. Sekaligus memahami dengan baik detail poin-poin yang membedakan keduanya. Diantaranya adalah: 

1. Nilai Data

Aspek pertama yang menunjukan perbedaan dari kedua jenis data ini adalah nilainya. Data jenis kontinu cenderung punya nilai kisaran. Sehingga tidak ada angka pasti yang menunjukan ukuran dari data tersebut. 

Misalnya data berat badan. Meskipun bisa ditimbang dengan timbangan berat badan. Namun, angka berat badan untuk usia tertentu tidak saklek. Beberapa bisa punya berat badan kurang, normal, dan obesitas. Sehingga data berat badan di usia tertentu selalu diawali dengan “kisaran”. 

Berbeda dengan data diskrit, nilai dari data ini sifatnya pasti. Sebab definisinya sendiri memang data yang bisa dinilai. Jika data tidak memiliki angka pasti, maka tidak bisa diketahui nilainya. Misalnya data jumlah karyawan, jumlah ini adalah hasil penghitungan sehingga didapatkan jumlah atau angka pasti. 

2. Bentuk Data

Perbedaan yang kedua adalah dari segi bentuk data. Data jenis kontinu umumnya memiliki bentuk berupa pecahan atau angka desimal. Sehingga seperti penjelasan sebelumnya, nilai dari data ini adalah kisaran karena tidak bulat (angka bulat). 

Lain halnya dengan data diskrit, dimana bentuknya adalah bilangan bulat. Sebab data ini didapatkan dari proses menghitung suatu data dengan operasi matematika tertentu sesuai kebutuhan. Bukan diukur dengan suatu alat ukur. 

Data jenis kontinu bisa berbentuk angka desimal atau pecahan karena disesuaikan dengan angka yang ditunjukan di alat ukur. Misalnya data berat badan. Jika angka di timbangan adalah 45,5 maka bukan bilangan bulat. 

3. Cara Didapatkan

Salah satu perbedaan dari data diskrit dengan kontinu adalah pada cara mendapatkannya. 

Sesuai dengan definisi masing-masing yang sudah dijelaskan. Data jenis kontinu didapatkan melalui proses pengukuran. Sehingga ada variabel yang akan diukur dan ditunjang dengan adanya alat ukur. 

Sementara data jenis diskrit didapatkan dengan proses menghitung. Data ini baru didapatkan peneliti jika melakukan perhitungan. Misalnya data jumlah siswa kelas 3 SD. Maka peneliti bisa menghitung di lapangan langsung atau mengacu pada data dari pihak sekolah. 

4. Teknik Penyajian atau Visualisasi

Perbedaan yang terakhir adalah terletak pada teknik visualisasi data. Data jenis kontinu umumnya divisualisasikan dalam bentuk histogram. Secara tampilan, histogram mirip dengan diagram batang. Hanya saja berbeda, karena histogram umumnya untuk data dengan interval, sementara pada diagram batang tidak. 

Salah satu alasan kenapa histogram menjadi teknik visualisasi paling umum dari data jenis kontinu karena bisa memberi data dalam bentuk interval. Hal ini sesuai karakteristik data jenis kontinu yang berupa kisaran. 

Jadi, satu batang di sumbu Y dan sumbu X akan menunjukan interval tertentu. Misalnya data berat badan antara 20-30 kg, kemudian interval 36-45 kg, dan seterusnya. 

Sementara pada data jenis diskrit biasanya divisualisasikan dengan grafik. Grafik cocok karena nilai dari data jenis ini adalah angka atau bilangan pasti. Sehingga meletakan titik pada grafik lebih mudah dan tepat. Berbeda dengan data jenis kontinu yang sifatnya kisaran. Divisualisasikan dalam grafik akan lebih sulit. 

Bentuk Penyajian Data Kontinu

Meskipun dalam penjelasan sebelumnya, data kontinu divisualisasikan atau disajikan dalam histogram. Namun, histogram bukan satu-satunya teknik visualisasi pada data jenis ini. Ada beberapa jenis visualisasi data yang mirip dengan histogram dan bisa dijadikan pilihan. Diantaranya adalah: 

1. Histogram

Bentuk penyajian yang pertama tentu saja ke dalam histogram. Histogram menjadi pilihan paling utama, sehingga menjadi yang paling sering dipilih oleh peneliti. Histogram sendiri membantu menjelaskan hasil mengelompokkan nilai data ke dalam interval. 

Nilai dari data jenis kontinu yang berupa kisaran, tidak pasti nilainya, tentu perlu disajikan dalam interval. Misalnya data berat badan, bisa dari interval 20 kg – 35 kg. Sehingga data yang hasil penimbangan masuk di kisaran ini akan menambah data di interval ini juga. 

2. Poligon Frekuensi

Teknik atau bentuk penyajian data kontinu berikutnya adalah dengan poligon frekuensi. Poligon frekuensi adalah grafik yang menggambarkan distribusi frekuensi kumulatif suatu kumpulan data.

Secara umum, penyajian dalam bentuk ini tidak jauh berbeda dengan histogram. Hanya saja lebih sederhana, dan tentunya lebih mudah untuk dibuat. Sehingga bisa dijadikan pilihan, terutama saat mencoba menjelaskan alur distribusi data. 

3. Ogive

Bentuk penyajian data berikutnya adalah dengan ogive. Ogive sendiri adalah grafik yang menggambarkan distribusi frekuensi dari suatu rangkaian data dalam bentuk tabel distribusi frekuensi kumulatif.

Teknik penyajian ini biasanya dipilih untuk tujuan menjelaskan menganalisis persentase atau proporsi data. Dimana ada proses pertumbuhan atau perkembangan data. Seperti data kenaikan upah minimal suatu daerah. 

4. Boxplot

Teknik penyajian data kontinu juga bisa dalam bentuk boxplot. Boxplot adalah grafik yang meringkas data dalam bentuk kotak bujur sangkar untuk menggambarkan distribusi data, tendensi sentral, dan penyebaran data.

Teknik penyajian satu ini bisa dipilih jika data yang dimiliki terdapat variasi yang cukup beragam. Sehingga memudahkan proses memvisualisasikannya dalam bentuk grafik dan tetap mudah dipahami. 

5. Diagram Garis

Teknik penyajian data berikutnya yang bisa dipertimbangkan adalah dengan diagram garis. Diagram garis adalah teknik visualisasi data yang digunakan untuk menampilkan informasi melalui rangkaian titik data yang terhubung oleh garis lurus. 

Teknik ini bisa dijadikan pilihan untuk menyajikan data yang berurutan dari waktu ke waktu. Sekaligus disajikan dalam tampilan lebih sederhana dan tetap mudah dipahami dengan baik. 

6. Scatter Plot

Teknik selanjutnya adalah dengan scatter plot. Scatter plot adalah diagram yang menggunakan titik-titik untuk menggambarkan hubungan antara dua variabel numerik. Teknik ini bisa dipilih untuk menganalisis pola hubungan dua variabel. 

7. Tabel Distribusi Frekuensi

Berikutnya adalah dengan tabel distribusi frekuensi. Tabel distribusi frekuensi adalah alat untuk menyajikan data statistika yang dikelompokkan berdasarkan kategori tertentu. Secara umum, visualisasi di teknik ini adalah tahap awal dalam analisis data jenis kontinu. 

Tips dalam Penyajian Data Kontinu

Dari beberapa teknik penyajian data kontinu yang sudah dijelaskan. Para peneliti pada dasarnya bisa memilih salah satu yang dirasa paling tepat. Teknik penyajian disesuaikan dengan karakter dari kata itu sendiri. 

Supaya tidak bingung, berikut adalah beberapa tips yang bisa dilakukan dalam penyajian data jenis kontinu secara tepat: 

1. Memahami Tujuan Penyajian Data

Tips yang pertama adalah memahami dulu tujuan dari penyajian data untuk apa. Seorang peneliti memiliki tujuan yang pastinya berbeda dengan peneliti lain. Penyajian data bisa ditujukan untuk menganalisis pola distribusi, bis ajuga analisis tren, dan sebagainya. 

Jadi, untuk memudahkan proses visualisasi atau penyajian data dari jenis kontinu. Penting untuk memahami atau menentukan tujuan dari penyajian data tersebut untuk apa. Sebab beda tujuan, beda pula teknik penyajiannya. 

2. Memilih Teknik Penyajian Sesuai Karakter Data

Jika penentuan tujuan penyajian data sudah dilakukan. Maka tahap kedua adalah memilih teknik penyajian data. Sesuai penjelasan sebelumnya, data kontinu bisa disajikan tidak hanya dengan satu cara melainkan ada 7 cara. 

Masing-masing teknik bisa digunakan dengan menyesuaikan karakteristik data. Sekaligus sejalan dengan tujuan dari penyajian data tersebut. Berikut rinciannya: 

Teknik Penyajian	Alasan Penggunaan
Histogram untuk Distribusi	Membantu memahami distribusi frekuensi data.Mudah menunjukkan pola, seperti distribusi normal atau skewed.Pastikan interval (bin) dipilih dengan tepat, tidak terlalu kecil atau besar.
Diagram Garis untuk Tren	Pola atau tren dari waktu ke waktu.Perubahan yang terjadi secara berkesinambungan.
Boxplot untuk Variasi dan Outlier	Penyebaran data (range, median, dan kuartil).Outlier yang perlu diperhatikan.Ideal untuk perbandingan antar kelompok data.
Ogive untuk Kumulatif	Untuk menunjukkan persentase kumulatif data di bawah atau di atas nilai tertentu.Cocok untuk data distribusi, seperti menentukan persentil.

3. Memilih dan Menentukan Interval yang Tepat

Tips ketiga adalah teliti dan bijak dalam menentukan interval. Sebab jika terlalu sedikit akan kehilangan detail, terlalu banyak akan membuat data sulit dibaca. Oleh sebab itu, penentuan interval harus tepat. Peneliti bisa berdiskusi atau sharing dengan tim peneliti maupun dengan mentor. 

4. Menggunakan Tabel untuk Data Berskala Besar

Jika data kontinu yang didapatkan dalam penelitian ternyata jumlahnya banyak. Artina data yang didapatkan bersala besar. Maka visualisasi data sebaiknya dalam bentuk paling sederhana tapi tetap detail. 

Paling dianjurkan bukan lagi histogram, melainkan tabel. Tabel bisa dibuat lebih detail, khususnya untuk variabel data yang beragam. Sekaligus dalam jumlah yang sangat banyak karena bentuknya akan menurun ke bawah bukan menyamping. 

5. Pastikan Semua Informasi dalam Penyajian Terbaca

Tips berikutnya adalah berkaitan semua elemen informasi yang tercantum dalam penyajian data. Pastikan semua informasi terbaca dengan jelas dan disesuaikan dengan karakter dari media penyajian. Berikut beberapa hal yang perlu diperhatikan: 

• Pastikan setiap grafik atau tabel memiliki label sumbu yang jelas.
• Gunakan skala yang konsisten dan sesuai dengan nilai data.
• Sertakan judul yang informatif dan deskriptif.

6. Gunakan Warna dengan Bijak

Menggunakan warna yang berbeda-beda untuk semua jenis data jenis kontinu bisa membantu. Salah satunya membantu memudahkan pembaca memahami data yang disajikan. 

Namun, penambahan warna jangan sampai berlebihan. Jadi, silahkan pilih warna yang pas sesuai jenis data. Selain itu, untuk data jumlah besar sebaiknya tidak disajikan ke dalam grafik melainkan tabel. Teknik penyajian pada tabel tidak perlu penambahan warna. 

Contoh Data Kontinu

Membantu lebih memahami lagi apa itu data kontinu dan perbedaannya dengan data diskrit. Maka berikut adalah beberapa contoh yang bisa dijadikan referensi: 

No.	Data	Nilai
1	Tinggi badan	150,5 cm, 165,2 cm, 180,7 cm
2	Berat badan	55,4 kg, 72,8 kg, 80,1 kg.
3	Waktu tempuh dalam suatu perjalanan	2,3 jam, 4,75 jam, 6,2 jam.
4	Suhu udara di suatu tempat	25,3°C, 30,1°C, 15,7°C.
5	Kecepatan kendaraan	60,5 km/jam, 120,8 km/jam, 90,3 km/jam.
6	Jarak perjalanan antara dua lokasi	5,2 km, 12,8 km, 20,4 km.
7	Volume air yang digunakan	15,3 liter, 22,7 liter, 30,5 liter.
8	Pendapatan tahunan seseorang	Rp72.500.000, Rp85.750.000, Rp95.250.000.
9	Durasi panggilan telepon	3,4 menit, 15,2 menit, 45,8 menit.
10	Kadar gula darah seseorang	90,2 mg/dL, 120,5 mg/dL, 150,8 mg/dL.
11	Tinggi gelombang laut	1,5 meter, 3,2 meter, 4,8 meter.
12	Waktu tidur seseorang setiap malam	6,75 jam, 7,5 jam, 8,25 jam.
13	Tekanan darah seseorang	120,5 mmHg, 130,7 mmHg, 115,2 mmHg.
14	Luas lahan pertanian	1,25 hektar, 2,8 hektar, 3,75 hektar.
15	Kapasitas daya listrik yang digunakan	450,5 watt, 600,8 watt, 1200,3 watt.

Melalui beberapa contoh di atas, tentunya bisa diketahui apa saja ciri khas atau karakteristik dari data jenis kontinu. Beberapa diantaranya adalah: 

• Memiliki nilai yang dapat berupa bilangan desimal, sehingga bukan bilangan pasti atau bilangan bulat.
• Biasanya diukur menggunakan alat tertentu.
• Rentangnya bisa sangat luas, tergantung konteks pengukuran.

Memahami dengan baik apa itu data jenis kontinu sangat penting bagi peneliti. Sebab pemahaman ini membantu memahami cara mendapatkan data tersebut. Sehingga teknik pengumpulan data yang digunakan tepat, teknik analisisnya yang tepat. Hal ini bsia mendukung kelancaran penelitian yang dilakukan. 

Jika memiliki pertanyaan, opini, atau ingin sharing pengalaman berkaitan dengan topik data kontinu. Jangan ragu menuliskannya di kolom komentar. Klik juga tombol Share agar informasi penting dari artikel ini tidak berhenti di Anda saja. Semoga bermanfaat.