Normalisasi Data dalam Penelitian, Ini Rumus dan Caranya

Kumpulan data dalam penelitian bisa terlihat sangat banyak dan berlebihan, maka perlu dilakukan normalisasi data. Normalisasi ini akan membantu meringkas data penelitian agar lebih mudah dipahami dan dianalisis. 

Kegiatan normalisasi terhadap data penelitian sekilas tampak mudah. Namun, pada aktual di lapangan banyak peneliti yang mengalami kesulitan. Terutama jika berhadapan dengan data yang jumlahnya cukup banyak. 

Mengatasi kendala seperti ini, para peneliti perlu memahami teknik normalisasi yang tepat. Kemudian paham tahapan yang harus dilakukan dalam proses normalisasi tersebut. Berikut penjelasan detailnya. 

Apa Itu Normalisasi Data Dalam Penelitian?

Dikutip melalui website Repository Universitas Komputer Indonesia (UNIKOM), normalisasi data adalah  sebuah teknik dalam logical desain sebuah basis data yang mengelompokkan atribut dari suatu relasi sehingga membentuk struktur relasi yang baik (tanpa redudansi). 

Secara sederhana, normalisasi terhadap data adalah proses mengatur ulang kumpulan data yang dimiliki. Normalisasi disini mencakup proses mengurutkan data, menghapus data yang terdeteksi berulang (redudansi), menghilangkan data yang dianggap tidak penting, dll. 

Sehingga hasil akhir dari proses normalisasi tersebut adalah data yang lebih ringkas, tersusun lebih rapi, dan dijamin semua data dibutuhkan. Kondisi data seperti ini dalam penelitian akan memudahkan proses pengolahan dan analisis data. 

Istilah normalisasi data sendiri pada dasarnya tidak hanya umum digunakan dalam dunia penelitian. Namun juga di bidang lain, paling sering adalah digunakan dalam bisnis. Sebab normalisasi membantu seorang administrator merapikan data perusahaan untuk kemudahan presentasi dan penyajian data dengan tampilan maupun bahasa lebih sederhana. 

Tujuan Normalisasi Data Dalam Penelitian

Dalam kegiatan penelitian, aset paling penting adalah data dari penelitian tersebut. Data ini didapatkan dari proses pengamatan di laboratorium atau di lapangan, hasil wawancara dengan narasumber, hasil kuesioner, dan lain sebagainya. 

Data yang didapatkan bisa sangat beragam meskipun jumlah responden dan narasumber sudah dibatasi. Namun, keberagaman data dan jumlah yang tinggi tidak akan bisa dihindari. Apalagi jika mengajukan cukup banyak pertanyaan maupun objek penelitian berskala luas. 

Ketika kondisi ini terjadi maka normalisasi data perlu dilakukan, dimana bertujuan untuk mencapai beberapa hal berikut: 

1. Menghilangkan Kerangkapan Data (Redudansi)

Tujuan yang pertama dari proses normalisasi terhadap data penelitian adalah menghilangkan kerangkapan data. Seperti yang sudah dijelaskan, data dalam penelitian yang cukup banyak bisa saja isinya ada yang sama persis. 

Sehingga ada pengulangan data atau disebut dengan istilah redudansi dan kerangkapan data. Data yang berulang tentu membuat jumlah data meningkat beberapa kali lipat. Jika dianalisis maka akan terasa berat dan memakan waktu. 

Maka perlu dihapus data-data yang berulang, sehingga didapatkan data yang unik dan hanya masuk ke laporan data satu kali. Hal ini menjadi lebih mudah dilakukan melalui proses normalisasi karena ada rumus dan teknik khusus. 

2. Mengurangi Kompleksitas Data

Tujuan yang kedua dari normalisasi data dalam penelitian adalah mengurangi kompleksitas data. Data penelitian dikatakan kompleks jika ada gabungan dua tipe data atau lebih. 

Misalnya ada data nama karyawan dan posisi yang dipegang di sebuah perusahaan. Dalam data tersebut, ternyata menampilkan tabel yang cukup panjang. Salah satu penyebabnya karena satu nama karyawan memangku dua job desk berbeda atau bahkan lebih. 

Data seperti ini menjadi kompleks dan membuat tabel menjadi panjang. Normalisasi bisa membantu fokus pada satu tipe data. Misalnya mengambil job desk terlama yang ditekuni karyawan. Sehingga jobdesk yang sifatnya bukan utama dihapus. Data penelitian pun tidak sekompleks sebelumnya. 

3. Memudahkan Modifikasi Data

Tujuan yang ketiga dari proses normalisasi data dalam penelitian adalah memudahkan modifikasi data. Modifikasi data sendiri adalah proses mengubah data dalam sistem database. 

Mengubah data bisa dilakukan dengan banyak cara yang disesuaikan dengan kondisi dan kebutuhan peneliti. Mulai dari menambah data, mengurangi data, mengganti data dengan kode tertentu, dan lain sebagainya. 

Salah satu contoh modifikasi data adalah mengubah data kualitatif menjadi kuantitatif. Sehingga bisa dihitung dan memudahkan proses analisis. Misalnya pada kuesioner, responden menjawab 1 yang mewakili “Puas”. Maka ketika masuk ke database, jawaban ini bisa diubah menjadi angka. Misalnya 10 dari skala 10. 

Rumus Normalisasi Data

Dikutip melalui website Revou, ada beberapa rumus yang bisa digunakan peneliti untuk normalisasi data. Rumus ini bisa dipilih untuk disesuaikan dengan karakter data dan bentuk normalisasi yang dilakukan. Berikut penjelasannya: 

1. Decimal Scaling

Rumus yang pertama adalah Decimal Scaling. Rumus normalisasi ini cocok digunakan untuk data dalam bentuk angka atau numerik. Kemudian data angka tersebut dalam bentuk desimal. 

Decimal scaling adalah proses normalisasi dengan membulatkan angka desimal. Jika terlalu banyak angka setelah tanda koma (,) maka akan membingungkan. Sehingga perlu ada pengurangan jumlah angka di belakang koma tersebut. 

Secara standar, umumnya jumlah angka di belakang koma ada 3 digit. Namun, tidak sedikit peneliti yang menyederhanakan lagi menjadi 1 sampai 2 digit saja. Sehingga lebih mudah dipahami dan dianalisis. 

Terdapat aturan dalam decimal scaling. Pertama, jika angka paling terakhir di bawah 5, maka angka sebelumnya dibuat sama persis atau tidak berubah. Misalnya, jika ada desimal 0,123 maka normalisasi menjadi 0,12. 

Kedua, jika angka terakhir adalah angka 5 atau lebih maka angka sebelumnya dibulatkan menjadi satu tingkat lebih tinggi. Misalnya untuk data 0,156 maka dinormalisasi menjadi 0,2 atau 0,16. 

2. Z-Score Normalization

Rumus normalisasi data yang kedua adalah Z-Score Normalization. Rumus ini digunakan untuk sekumpulan data dengan perbedaan yang signifikan. Artinya, kumpulan data tersebut memiliki rentang yang cukup jauh. Sehingga bisa dinormalisasikan agar lebih sederhana. 

Contohnya, data A memiliki rentang nilai dari 10 hingga 100 sedangkan data B memiliki nilai rentang 1.000 hingga 10.000. Rentang data yang kelewat jauh ini bisa dinormalisasi agar lebih mudah dimodifikasi atau untuk tujuan lainnya. 

Umumnya, normalisasi untuk data dengan rentang terlalu jauh ini menggunakan rumus berikut: 

V’ = v – A1 A2

Keterangan: 

V: Nilai data

A1: rata-rata kumpulan data

A2: standar deviasi data A (data yang memiliki rentang tinggi). 

3. Min-Max Normalization

Rumus normalisasi data penelitian yang ketiga adalah Min-Max Normalization. Rumus ini digunakan untuk mempertahankan bentuk distribusi dan nilai pasti dari data minimum dan maksimum. 

Adapun rumus yang digunakan dalam proses normalisasi adalah sebagai berikut: 

V’ = v – min (A)max (A) – min (A)

Keterangan: 

V: Nilai data 

A min: Nilai minimum data A

A max: Nilai maksimum data A

Cara Normalisasi Data

Tata cara normalisasi data biasanya ada 3 tahapan. Namun, tahapan ini disesuaikan dengan kondisi dan kebutuhan. Jika satu tahapan cukup, maka tidak perlu sampai di tahap kedua apalagi tahap ketiga. Begitu pula jika sebaliknya. 

Tiga tahapan dalam normalisasi terhadap data penelitian sendiri adalah 1NF, 2NF, dan 3NF. Berikut penjelasan detailnya karena masing-masing ada kriteria khusus yang harus terpenuhi: 

a. 1NF atau Bentuk Normal Pertama

1NF menjadi tahap pertama dan menjadi normalisasi paling mendasar. Proses normalisasi dijamin akan melalui tahapan ini. Sebab menjadi tahapan pertama dan pasti akan dilakukan paling awal untuk semua proses normalisasi. 

Kriteria atau syarat dalam proses normalisasi di tahap 1NF adalah hanya boleh ada satu nilai pada satu entri dan tidak boleh ada dua entri yang sama dalam satu grup. Sehingga semua data yang berulang wajib dihapus. 

Semua data inti, yang menjadi pusat data sifatnya tunggal. Misalnya pada data karyawan dan posisi di perusahaan. Maka meski memangku dua posisi dengan dua job desk berbeda. Nama karyawan tetap ditulis satu kali, bukan dua kali atau bahkan lebih. 

b. 2 NF atau Bentuk Normal Kedua

Tahap normalisasi data penelitian yang kedua adalah di tahap 2NF. Syarat di tahap ini sama seperti tahap 1NF disusul satu syarat lagi. Yakni setiap data hanya boleh memiliki 1 kata kunci utama. 

Artinya, ada satu data yang bersifat kunci dan akan menjadi dasar dari data di kolom maupun baris selanjutnya. Data bersifat kunci disini adalah data yang bersifat kode dan unik. 

Misalnya untuk data nama karyawan suatu perusahaan, maka nama karyawan tidak perlu diulang di tabel data normalisasi tahap dua. Adapun yang diulang adalah nomor induk atau nomor identitas karyawan tersebut. 

c. 3 NF atau Bentuk Normal yang Ketiga

Tahap terakhir dari normalisasi data dalam penelitian adalah tahap 3 NF. Pada tahap ini database tabel terbebas dari ketergantungan hubungan antara komponen perangkat lunak.  

Tahap ini baru bisa dilakukan jika peneliti sudah melakukan normalisasi di 2 NF. Sehingga harus bertahap dan tidak bisa langsung ke 3 NF. Hal ini terjadi karena di tabel 3 NF ini diharapkan sudah menjadi data yang bebas dependensi transitif. 

Contoh Hasil Normalisasi Data Penelitian

Jika masih bingung dengan penjelasan di atas, maka bisa meningkatkan pemahaman dengan mempelajari contoh. Berikut adalah contoh normalisasi data penelitian berkaitan dengan data karyawan suatu perusahaan. 

Syarat utama normalisasi terhadap data penelitian adalah sudah ada tabel universal. Yakni tabel yang isinya adalah semua data yang belum dipecah atau dinormalisasikan. Berikut adalah contoh tabel universal: 

1 NF atau Bentuk Normal Pertama

Tahap pertama dalam normalisasi tabel di atas adalah pada tahap 1 NF. Sehingga tabel hasil normalisasi 1 NF berikut ini: 

2 NF atau Bentuk Normal Kedua

Normalisasi di tahap 2 NF akan memecah beberapa tabel dari tabel hasil normalisasi di tahap 1 NF di atas. Hasilnya akan seperti gambar di bawah ini: 

3 NF atau Bentuk Normal yang Ketiga

Data penelitian di atas perlu dinormalisasi sampai ke tahap 3 NF. Hasilnya akan didapatkan tabel-tabel data berikut ini: 

Itulah penjelasan dan disertai contoh dari normalisasi data, yang menjadi tahapan penting dalam kegiatan penelitian. Memahami dan menguasai proses normalisasi sangat penting. Sehingga bisa mendukung proses olah data dan menarik kesimpulan (hasil penelitian). 

Jika memiliki pertanyaan atau ingin sharing pengalaman berkaitan dengan topik dalam artikel ini. Jangan ragu menuliskannya di kolom komentar. Klik juga tombol Share agar informasi dalam artikel ini tidak berhenti di Anda saja.