Daftar Isi
Dalam melakukan kegiatan penelitian, tentunya Anda akan menemukan sejumlah jenis data. Data ini kemudian masuk dalam kategori data statistik. Kemudian terbagi lagi menjadi setidaknya empat jenis, dimana salah satunya adalah data nominal.
Jenis-jenis data statistik cukup beragam, karena memang variasi atau jenis data di lapangan juga beragam. Ada data yang berbentuk angka dengan model urutan, ada yang bentuknya interval, dan lain sebagainya.
Data dalam bentuk nominal menjadi salah satu jenis data yang paling sering didapatkan peneliti. Oleh sebab itu, penting sekali untuk memahami definisi dan detail lain dari data jenis ini. Berikut penjelasannya.
Data nominal adalah penggolongan dalam statistik untuk data variabel tanpa adanya peringkat atau tingkat kedudukan. Data ini oleh peneliti akan diberi penanda berupa angka maupun huruf dan kombinasi keduanya.
Peneliti dalam membuat data jenis nominal tidak bertujuan menunjukan tingkatan. Melainkan hanya membagi kategori atau pengelompokan data tersebut. Misalnya, peneliti mendapatkan data pasien sebuah klinik. Kemudian dikelompokkan berdasarkan penyakit yang diderita pasien.
Setiap kelompok penyakit ini, oleh peneliti diberi penanda. Penanda ini yang disebut sebagai data jenis nomina. Dimana bisa berupa angka, huruf, maupun kombinasi dari keduanya. Masing-masing data jenis nomina akan terdiri dari kelompok data atau sampel penelitian.
Berhubung data jenis ini tidak menunjukan tingkatan. Maka penomoran atau penanda pada data bisa diubah atau ditukar sesuai kondisi dan kebutuhan. Sehingga, bisa diubah kapan saja karena tidak mengubah makna maupun kualitas data tersebut.
Tak hanya data nominal, inilah jenis data penelitian yang perlu Anda ketahui.
Seperti penjelasan sekilas di awal, data statistik terbagi menjadi empat jenis. Jenis data statistik mencakup data nominal, data ordinal, data interval, dan juga data rasio.
Meskipun sama-sama masuk dalam kategori data statistik, akan tetapi keempat jenis data ini berbeda. Dimana masing-masing memiliki ciri khas, dan berikut adalah ciri khas dari data jenis nominal:
Sesuai penjelasan di bagian definisi sebelumnya, data jenis nominal tidak menunjukan tingkatan atau peringkat. Selain itu, data tersebut juga tidak menunjukkan urutan.
Data ini akan dikelompokkan berdasarkan kesamaannya. Artinya, data di masing-masing nominal memiliki kesamaan dari satu aspek atau lebih sehingga data di dalamnya tidak menunjukkan tingkatan. Serta tidak menunjukkan urutan.
Lalu, apa yang ditunjukkan oleh data jenis nominal ini? Data jenis ini hanya menunjukkan pembagian kategori atau pengelompokkan data. Misalnya data berbentuk angka, maka peneliti mengelompokan data angka genap dan data angka ganjil.
Ciri khas kedua dari data nominal adalah bisa dikelompokan. Secara umum, data ini terbentuk karena peneliti mendapatkan cukup banyak data dan bervariasi. Supaya mudah dilakukan analisis, data ini perlu dikelompokan menjadi beberapa kategori.
Oleh sebab itu, kumpulan data yang masing-masing memiliki persamaan bisa dikelompokkan. Data seperti ini memenuhi syarat untuk disebut data jenis nominal dalam statistik.
Ciri khas yang ketiga adalah menggunakan label atau penamaan. Setiap data yang dikelompokan, maka masing-masing kelompok akan diberi label atau nama. Tujuannya agar bisa mengenal masing-masing kelompok dan tidak tertukar.
Pemberian nama atau label disesuaikan dengan kebutuhan dari peneliti. Seperti penjelasan sebelumnya, label pada data bisa berupa angka. Misalnya nomor 1 untuk kelompok data laki-laki dan nomor 2 untuk kelompok data perempuan.
Bisa juga penamaan adalah huruf, misalnya kode A untuk kelompok laki-laki dan kode B untuk kelompok perempuan. Bisa pula kombinasi keduanya, misalnya kode A1 untuk kelompok laki-laki dan kode B2 untuk kelompok perempuan.
Ciri khas yang keempat dari data jenis nominal adalah tidak dapat dihitung dengan operasi matematika. Artinya, data jenis ini tidak bisa dihitung secara kuantitas. Sebab data di dalam masing-masing kelompok tidak dibuat untuk dijumlahkah, dikalikan, dan sebagainya.
Melainkan hanya dikelompokan untuk memudahkan proses analisis dan data sendiri bersifat kualitatif. Jadi, data di dalam masing-masing kelompok tidak memungkinkan untuk dihitung dengan operasi matematika model apapun.
Meskipun data jenis nominal tidak bisa dihitung dengan operasi matematika. Namun, data ini pada dasarnya bisa dihitung secara frekuensi. Misalnya, data mana yang paling sering muncul dalam suatu kelompok.
Kemudian, data di masing-masing kategori jumlahnya ada berapa? Misalnya, dalam kategori A berisi data angka ganjil. Maka jumlah angka ganjil bisa dihitung ada berapa angka atau berapa buah. Jadi, secara frekuensi bisa dihitung.
Setiap data tentunya bisa divisualisasikan, termasuk data jenis nominal. Bahkan visualisasi ini menjadi ciri khas dari data ini. Jika data lain bisa divisualisasikan dalam bentuk tabel atau grafik.
Maka data jenis nominal hanya divisualisasikan dalam tabel frekuensi. Bentuk visualisasi lain adalah diagram batang. Hal ini sejalan dengan ciri sebelumnya, dimana data ini tidak bisa dihitung dengan operasi matematika.
Segala jenis visualisasi data yang menunjukan kelompok data. Maka bisa menjadi media visualisasi untuk data jenis nominal ini. Artinya, tidak tertutup kemungkinan bisa divisualisasikan selain dengan tabel frekuensi dan diagram batang.
Pahami lebih lanjut dalam pembahasan visualisasi data berikut:
Membahas mengenai data nominal tentunya akan membahas juga jenis data statistik lainnya. Sebab, masih banyak yang kesulitan untuk mengenal perbedaan dari jenis-jenis data statistik. Padahal jenisnya sendiri terbagi menjadi empat, berikut penjelasannya:
Jenis data statistik yang pertama adalah data nominal, yaitu penggolongan dalam statistik untuk data variabel tanpa adanya peringkat atau tingkat kedudukan. Data ini muncul karena peneliti membagi kumpulan data dalam beberapa kelompok.
Hasil pengelompokan data memberikan data yang memiliki suatu kesamaan. Data di masing-masing kelompok tidak menunjukan peringkat maupun urutan. Selain itu, data di dalamnya tidak bisa dihitung kecuali frekuensinya saja.
Jenis data statistik yang kedua adalah data ordinal, yaitu penggolongan untuk data variabel yang memiliki kedudukan atau peringkat. Sehingga sifatnya berbeda atau berkebalikan dengan data jenis nominal.
Data ini juga muncul dari hasil pengelompokan data. Data yang dibagi menjadi beberapa kelompok atau kategori kemudian menunjukan peringkat. Alhasil, antara satu kelompok data dengan kelompok lain menunjukan urutan.
Misalnya, peneliti ingin mengetahui tingkat kepuasan masyarakat pada produk X. Maka ada pembagian kategori menjadi Puas, Kurang Puas, dan Tidak Puas. Ketiga kategori ini menunjukan tingkatan, yakni tingkat kepuasan para responden atau narasumber.
Pahami Pengertian, Fungsi, Ciri-Ciri, dan Contoh Data Ordinal
Jenis data statistik berikutnya adalah data interval. Yaitu data yang termasuk ke dalam data kontinu. Data jenis ini menunjukan adanya data yang terus berkembang dan dimulai dari angka nol.
Misalnya data tinggi badan anak, biasanya data interval dimulai dari angka 0 cm menuju ke angka lebih tinggi. Dalam data interval, angka 0 termasuk dalam data dan memiliki arti. Sehingga menjadi bagian dari data.
Secara umum, data ini juga muncul karena ada pengelompokan data dan biasanya dari hasil pengamatan. Masing-masing kelompok memiliki pola interval yang konstan.
Misalnya data pertumbuhan anak balita, maka interval pertama bisa dari 0-50 cm. Kemudian interval kedua dari 51 cm – 100 cm. Masing-masing ada selisih yang tetap, yakni 49 cm.
Jenis data statistik yang terakhir adalah data rasio, yaitu data yang tidak ada nomor maupun kode pelabelan dan memiliki selisih yang sama besar pada setiap kategori. Sekilas data ini mirip dengan data interval, sebab cara mengelompokkannya memakai teknik yang sama.
Yakni ada jarak antara satu kelompok data dengan kelompok lain. Dimana jarak ini kontinu dari data awal sampai data terakhir. Perbedaannya adalah pada angka 0, dalam data rasio angka 0 dianggap tidak ada.
Misalnya data berat badan dari kelompok pertama 20-25 kg, kelompok kedua 26-30 kg, kelompok 31-35 kg, begitu seterusnya. Data masing-masing kelompok terpaut jarak yang sama, yakni 5 kg. Hanya saja, data diawali dari 20 kg bukan 0 kg. Sebab dalam data rasio, angka 0 dianggap tidak ada.
Dari penjelasan di atas, mungkin ada yang merasa kebingungan membedakan antara data nominal dengan data ordinal. Sekilas, keduanya memang mirip karena menunjukan pengelompokkan data.
Namun, keduanya tentu berbeda satu sama lain. Jika dilihat dari beberapa aspek, akan ditemukan 3 hal yang membedakan keduanya. Berikut perbedaan data nominal dan ordinal:
Perbedaan yang pertama adalah dari aspek urutan. Sesuai penjelasan sebelumnya, data jenis nominal menunjukan kelompok data tanpa menunjukan adanya peringkat maupun urutan. Jadi, dari aspek ini memang tidak dimiliki oleh data jenis nominal.
Lain halnya dengan data ordinal, dimana kelompok data satu sama lain menunjukan peringkat dan urutan. Umumnya, data jenis ini adalah data kualitatif. Misalnya tingkat kepuasan pada suatu produk, kepuasan pada suatu layanan, dan sebagainya.
Kelompok data akan dibagi menjadi beberapa tingkat kepuasan. Sehingga peneliti dan pembaca laporan penelitian bisa mengetahui urutan datanya dilihat dari peringkat paling atas menuju peringkat di bawahnya maupun sebaliknya.
Perbedaan yang kedua terletak dari aspek operasi matematika. Data nominal sekali lagi hanya menunjukan pengelompokan data. Data di dalamnya bersifat kualitatif, meskipun ada juga data berupa angka (kuantitatif).
Secara umum, data yang dikelompokkan dan tidak menunjukan peringkat tidak untuk dihitung. Sehingga data jenis ini tidak bisa dihitung dengan operasi matematika bentuk apapun, sebagaimana penjelasan sebelumnya.
Berbeda dengan data ordinal, sekalipun pengelompokkan data bersifat kualitatif. Namun, data di dalamnya bisa dihitung untuk diketahui tingkatannya. Perhitungan ini tidak menunjukan hasil akhir berupa angka, melainkan tingkatan. Misalnya data mana yang lebih tinggi, lebih besar, lebih kecil, dan seterusnya.
Perbedaan yang terakhir terletak pada aspek pengolahan data. Suatu data dalam penelitian tentunya perlu diolah atau dianalisis sehingga memudahkan proses penarikan kesimpulan dari data-data tersebut.
Pengolahan data dari jenis data nominal adalah didasarkan pada frekuensi. Sebab, data jenis ini memang hanya bisa dihitung frekuensi dan jumlah total data. Oleh sebab itu, data yang akan diolah akan dihitung frekuensi maupun jumlah totalnya.
Sementara pada data ordinal, pengolahan data dilakukan perhitungan untuk didapatkan median atau angka tengah sehingga data dihitung dengan cara diurutkan atau memakai rumus untuk mengetahui median.
Supaya lebih memudahkan lagi dalam membedakan mana data nominal dan data ordinal. Maka berikut beberapa contoh dari kedua jenis data nominal dan ordinal:
| Data Nominal | Data Ordinal |
| Jenis kelamin: Laki-laki, PerempuanWarna favorit: Merah, Biru, HijauStatus pernikahan: Menikah, Belum Menikah, Cerai | Tingkat pendidikan: SD, SMP, SMA, S1Tingkat kepuasan: Sangat Puas, Puas, Tidak PuasPeringkat lomba: Juara 1, Juara 2, Juara 3 |
Dalam menyusun data nominal, ada beberapa tahapan perlu dilakukan peneliti. Sebab meski terdengar mudah, ada kalanya peneliti menghadapi kendala. Apalagi jika kurang teliti dan terdapat duplikasi data. Berikut adalah tahap pengelompokkan data nominal:
Tahap yang pertama adalah mengidentifikasi variabel yang dikelompokan. Setiap peneliti tentunya akan membandingkan atau menentukan variabel apa saja yang akan dianalisis. Variabel ini akan menentukan hasil pengelompokkan data. Misalnya variabel jenis kelamin, jenis pekerjaan, dan lain sebagainya.
Jika variabel sudah teridentifikasi, maka tahap kedua adalah menentukan kategori pengelompokkan data. Penentuan kategori tentunya wajib relevan dengan variabel data yang sudah ditetapkan di awal.
Misalnya, variabel adalah jenis kelamin maka kategori hanya ada dua. Yakni laki-laki dan perempuan. Setiap data bisa dikelompokkan atas kategori tertentu. Peneliti perlu menentukan kategori ini di tahap ini.
Tahap berikutnya adalah coding atau memberikan kode di masing-masing kategori data. Tahap ini bersifat opsional dan bisa diabaikan jika dirasa tidak penting. Misalnya data dengan variabel jenis kelamin, maka kategori laki-laki diberi kode 1 dan kategori perempuan diberi kode 2.
Tahap berikutnya adalah menghitung frekuensi masing-masing data per kategori. Misalnya data dalam variabel jenis kelamin, frekuensi kategori laki-laki ada 50 orang dan data perempuan ada 55 orang.
Tahap terakhir adalah visualisasi data. Data nominal perlu divisualisasikan agar mudah dipahami dibanding disajikan dalam bentuk teks. Seperti penjelasan di awal, visualisasi bisa memakai tabel frekuensi atau diagram batang. Peneliti bisa memilih salah satu yang dirasa paling tepat.
Membantu lebih memahami lagi apa itu data nominal dan bagaimana menyusunnya menjadi kelompok yang mudah dipahami. Maka berikut adalah beberapa contoh yang bisa dipelajari:
Jenis kelamin:
Kategori: Laki-laki, Perempuan, Non-biner.
Warna favorit:
Kategori: Merah, Biru, Hijau, Kuning, Putih.
Status pernikahan:
Kategori: Belum menikah, Menikah, Cerai.
Jenis pekerjaan:
Kategori: Dokter, Guru, Insinyur, Pengusaha, Petani.
Kewarganegaraan:
Kategori: Indonesia, Amerika Serikat, Jepang, Inggris, Kanada.
Sebagai catatan tambahan, penyajian data nominal pada artikel ilmiah dan laporan penelitian biasanya disertai penjelasan tertulis. Misalnya sebagai berikut:
Data warna favorit mahasiswa di universitas X:
Teks penjelasan:
Mayoritas mahasiswa menyukai warna merah (30%), diikuti oleh biru (25%) dan hijau (20%). Warna kuning dan kategori ‘lain-lain’ memiliki persentase yang lebih kecil, masing-masing 15% dan 10%.
Jika memiliki pertanyaan, opini, atau ingin sharing pengalaman pribadi yang berkaitan dengan topik data nominal. Jangan ragu menuliskannya di kolom komentar. Klik juga tombol Share agar informasi penting dari artikel ini tidak berhenti di Anda saja. Semoga bermanfaat.
Yogyakarta, 16 Desember 2024 — Webinar bertajuk "Transformasi AI di Dunia Akademik, Pemanfaatan AI bagi…
Pada saat menerbitkan buku, penerbit yang dipilih sering menambahkan halaman prancis atau half title dalam…
Menggunakan tools pendeteksi AI tentu menjadi langkah tepat bagi guru dan dosen. Tools ini bisa…
Proses menulis biasanya diawali dengan menulis draft dan disebut sebagai draft pertama. Penulisan draft menjadi…
Salah satu tahapan penting dalam proses menulis adalah swasunting atau self editing. Melakukan swasunting membantu…
Menggunakan AI untuk parafrase memang menjadi pilihan banyak akademisi saat ini, baik itu dosen maupun…