3 Jenis Data Penelitian

Seorang Data Analyst yang terampil menghabiskan banyak waktu dan upaya dalam merencanakan upaya pengumpulan data. Mereka mulai dengan mempertimbangkan jenis data yang dibutuhkan dan bisa dikumpulkan untuk memenuhi tujuan mereka untuk penggunaan data. Sama seperti tukang kayu yang berhati-hati dalam memilih alat mereka, begitu juga analis dalam pilihan data mereka. Anda tidak dapat mengharapkan alat yang memiliki presisi rendah untuk melakukan pekerjaan presisi tinggi. Hal yang sama berlaku untuk data. Data Analyst yang baik harus menyadari jenis analisis yang dapat mereka lakukan pada berbagai kategori data. Hal ini terutama berlaku dalam analisis statistik, di mana sering kali ada aturan ketat untuk jenis analisis yang dapat dilakukan pada berbagai jenis data.

Berikut ini adalah 3 kategori data yang terbagi dalam beberapa sub-kategori data yang harus diketahui dan diperhatikan oleh seorang Data Analyst yaitu :

Daftar Isi

• Jenis Data Berdasarkan Sumber Data
• Jenis Data Berdasarkan Sifat Data
• Jenis Data Berdasarkan Skala Pengukuran 

 

1.   Sumber Data

       A.  Data Primer

Data primer adalah data yang telah dihasilkan sendiri oleh peneliti melalui kegiatan survei, wawancara, dan eksperimen.Data primer juga sering disebut dengan istilah data mentah. Data ini dikumpulkan dan dirancang khusus untuk memahami dan memecahkan masalah penelitian yang dihadapi. Pengumpulan data primer biasanya melibatkan banyak proses dan biaya yang mahal. 

       B.  Data Sekunder

Data sekunder adalah data yang dihasilkan oleh lembaga pemerintah besar, fasilitas kesehatan, dll. sebagai bagian dari penyimpanan catatan organisasi. Data tersebut kemudian diekstraksi dari file data yang lebih bervariasi. Sumber data sekunder adalah koleksi adalah publikasi  pemerintah, website, buku, artikel jurnal, internal catatan dll. Jenis data adalah data-data lama yang diolah kembali untuk tujuan tertentu.

Baca juga : 11 Rekomendasi Website Untuk Mencari Data Sekunder

 

2.   Sifat Data

      A.   Data Kualitatif

Data kualitatif disebut juga data kategorikal karena data ini dapat dikelompokkan menurut kategorinya. Data kualitatif dapat diamati dan dicatat. Tipe data ini bersifat non-numerik dan dikumpulkan melalui metode observasi, wawancara satu lawan satu, melakukan focus group, dan metode serupa. Data kualitatif dalam statistik juga dikenal sebagai data kategorikal – data yang dapat disusun secara kategoris berdasarkan atribut dan sifat dari suatu hal atau fenomena.

Data kualitatif penting dalam menentukan frekuensi sifat atau karakteristik tertentu. Ini memungkinkan ahli statistik atau peneliti untuk membentuk parameter di mana kumpulan data yang lebih besar dapat diamati. Data kualitatif menyediakan sarana dimana pengamat dapat mengukur dunia di sekitar mereka. Secara singkat, data kualitatif menjelaskan tentang emosi, perasaan, dan persepsi orang tentang suatu kejadian.  

      B.   Data Kuantitatif 

Data kuantitatif didefinisikan sebagai nilai data dalam bentuk hitungan atau angka di mana setiap kumpulan data memiliki nilai numerik unik yang terkait dengannya. Data ini adalah informasi terukur yang dapat digunakan untuk perhitungan matematis dan analisis statistik, sehingga keputusan kehidupan nyata dapat dibuat berdasarkan derivasi matematika ini. Data kuantitatif digunakan untuk menjawab pertanyaan seperti “Berapa?”, “Seberapa sering?”, “Berapa?”. Data ini dapat diverifikasi dan juga dapat dengan mudah dievaluasi menggunakan teknik matematika.

Data kuantitatif membuat pengukuran berbagai parameter dapat dikontrol karena kemudahan derivasi matematis yang menyertainya. Data kuantitatif biasanya dikumpulkan untuk analisis statistik menggunakan survei, jajak pendapat atau kuesioner yang dikirim ke bagian tertentu dari suatu populasi. Hasil yang diambil dapat ditetapkan di seluruh populasi.

Data kuantitatif dapat dibagi menjadi dua, yaitu data diskrit dan data kontinu. Data diskrit adalah data yang satuannya selalu bulat dalam bilangan asli, tidak boleh berbentuk pecahan. Sedangkan data kontinu adalah data yang satuannya dapat berupa bilangan pecahan.

3.   Skala Pengukuran 

      A.   Data Nominal

Pada data nominal, data digabungkan pada kriteria yang jelas dan tegas serta bersifat diskrit. Kelompok yang satu dengan yang lain pada data ini tidak dapat dikatakan satu lebih tinggi daripada yang lain.

Contoh :

Pasien rumah sakit kota berasal dari berbagai kecamatan dan kelurahan. Pada data seperti ini pengukurannya dilakukan dengan menjumlahkan frekuensi masing-masing wilayah. Misalnya jumlah pasien yang berasal dari kelurahan A sebanyak 100 orang dan dari kelurahan B sebanyak 50 orang.

      B.   Data Ordinal

Data dikumpulkan pada urutan misalnya : tinggi, sedang, dan rendah. Pada pengelompokkan ini kita tidak dapat membedakan nilai data di antara kelompok yang satu dengan yang lain, sehingga tidak dapat dipergunakan dalam perhitungan.
Contoh :
Pengelompokkan penghasilan masyarakat dalam kelompok : penghasilan rendah, sedang, dan tinggi. Kelompok yang satu dapat dibedakan lebih rendah dan lebih tinggi daripada kelompok yang lain, tetapi jumlah besarnya perbedaan antara kelompok yang satu dengan yang lain tidak dapat dihitung.
 

      C.   Data Interval

Skala ini digunakan untuk menunjukkan adanya pengelompokkan yang mempunyai besaran yang sama. Pada skala ini nilai 0, mempunyai arti yang relatif, bukan harga 0 secara mutlak. Nilai dari nol derajat Fahrenheit sebagai titik awal pengukuran bukan berarti tidak mempunyai nilai suhu.

      D.   Data rasio 

Data ini hampir sama dengan data interval tetapi nilai 0 pada data ini menunjukkan nilai mutlak. Data ini mempunyai kualitas bilangan riil yang dapat dijumlahkan, dikurangkan, dikalikan, dan dibagi.

Contoh : 

Berat badan dalam satuan kg, si A beratnya 70 kg sedang si B beratnya 35 kg, jadi berat si A dua kali lipat dibandingkan berat si B.