KONSEP DASAR MANIPULASI DATA

Artikel ini saya buat bertahap, mengingat saat ini banyak sekali informasi tentang manipulasi yang terdengar di telinga kita yang berasumsi negatif, terutama yang santer beredar pada saat ini adalah manipulasi data pemilih pada pemilu tahun 2009 ini. Pada bagian pertama ini saya sampaikan konsep dasar data. Artikel ini dapat anda download di sini < : Download : >

   I.                Konsep Data

Dahulu kala, pada saat saya masih di Sekolah Dasar (SD) pernah ditanya seperti ini:

 

“Coba kamu memikirkan 1 angka saja, terserah kamu. Angka berapapun tidak apa-apa, yang penting kamu bias menghitung”

Saat itu saya memikirkan angka 2

”Setelah dapat, coba kamu kali dengan angka 4…………………………….. Sudah atau bellum?” (Jawabnya pasti 8)

”Sudah”, Jawab saya.

” Setelah kamu kali dengan 4, coba kamu tambah dengan angka yang kamu fikirkan tadi!” (Pasti jawabannya belum tahu)

”Kalau sudah, coba kamu bagi dengan angka yang kamu fikirkan tadi!”……………………………….”Sudah atau belum?”

”Sudah”, jawabku.

”Pasti jawabannya 5”

Saya berfikir sejenak, hebat sekali ya?

 

Sekarang, fikiran itu sudah hilang. Misalnya kamu membayangkan angka n. Dari percakapan tersebut diperoleh rumus ( n X 4 + n ) : n dari rumus tersebut pasti daperoleh jawaban 5. Misalkan perkaliannya diganti dengan angka 8, pasti hasilnya 9. Ini adalah salah satu cara memanipulasi sistem operasi bilangan matematika.

Teknik-teknik seperti ini dapat dikatakan sebagai cara-cara orang statistik memanipulasi data. Cara yang baik jika mau melakukan teknik ini adalah memahami syarat-syarat yang diperlukan dalam membangun suatu data, misalkan dengan melihat data, maka data kita akan mendapatkan modus yang besar jika kita melihat data yang sama yang bernilai tinggi besar banyak dari pada data yang sama dan bernilai kecil. Yang saya tekankan bagi pembaca adalah jangan menggunakan teknik-teknik ini pada atasan, atau menghasilkan hasil yang valid. Saya yakin pasti akan ada sanksinya jika ketahuan melakukan teknik-teknik ini.

 

II.                Definisi Statistika

Kita sering sekali mendengar istilah statistik atau statistika. Ketika mendengar hal tersebut, asumsi kita adalah data yang berbentuk angka, hasil perhitungan, atau hal-hal lain yang berhubungan dengan pendataan.

Secara langsung maupun tidak langsung kita mendengar tentang gambaran hasil survei tentang partai politik, calon gubernur atau bahkan banyaknya subsidi pupuk dari pemerintah, gambaran jumlah penganggur, jurnal statistik hasil permainan sepak bola, bursa efek dan kurs mata uang, jadwal keberangkatan  pesawat terbang, dan lain sebagainya. Semua contoh tersebut sangat berkaitan dengan statistik dan data. Dalam hal tersebut secara tidak langsung  kita sudah terlibat dalam apa yang dinamakan statistik atau statistika

Kita lihat beberapa definisi tentang statistika menurut beberapa para penulis.

1.       Moore(1989) secara sederhana mendefinisikan “Statistics is the science of collecting, organizing, and interpreting numerical facts” yaitu statistik pada ilmu pengetahuan merupakan mengumpulkan, mengorganisasikan serta menginterpretasikan data.

2.       Noether (1971) merangkum, dan menulis secara lengkap pada Statistics by a U.S. Civil Service Commission document : “Statistics is the science of the collection, classification, and measured evaluation of facts as a basis dor inference. It is a body of techniques for acquiring accurate knowledge from incomplete information; a scientific system for the collection, organisation, analysis, interpretation and presentation of information which can be stated in numerical form”. Statistik adalah ilmu pengetahuan koleksi, penggolongan, dan mengukur evaluasi fakta sebagai basis dor kesimpulan. Ini merupakan suatu teknik untuk memperoleh pengetahuan yang akurat dari informasi tidak sempurna; suatu sistem ilmiah untuk koleksi, organisasi, analisa, penafsiran dan presentasi yang informasi dapat dinyatakan format kuantitatif.

Dari definisi-definisi di atas memberikan gambaran tentang statistika sebagai ilmunya. Sudjana, membedakan pengertian antara statistik dan statistika, dalam hal ini statistik diartikan sebagai kumpulan data bilangan maupun non bilangan yang disusun dalam tabel dan atau diagram yang menggambarkan suatu persoalan. Sedangkan statistika diartikan sebagai ilmunya yang secara umum.  Statistika diartikan sebagai ilmu pengetahuan yang mempelajari tentang metode atau prosedur yang berhubungan dengan pengumpulan data, organisasi data, pengujian data, pengolahan data atau penganalisaan dan penarikan kesimpulan berdasarkan kumpulan data tersebut. Untuk seterusnya pengertian tersebut yang akan diikuti dalam buku ini.

Dari  definisi tersebut di atas kita dapat membagi tentang area arah pembelajaran pada dua kategori yang utama, yaitu statistika diskriptif dan stitistika inferensial. Di dalam statistika diskriptif tugas kita mengurutkan, membentuk kelompok–kelompok, meringkas dan mempresentasikan data sehingga diperoleh informasi yang relevan tentang keberadaan data. Jadi dalam statistika deskriptif kegiatannya menggunakan data numerik (angka) atau grafis untuk mengenali pola kelakukan data, merangkum dan menyajikan informasi. Dalam olah data, statistika diskriptif sering diidentikkan dengan statistika kualitatif, dimana kekuatan analisisnya berupa diskripsi yang dinyatakan dalam bentuk kata-kata, sedangkan perhitungan statistik hanya dipakai sebagai pendukung informasi.

Misalkan seseorang akan mendiskripsikan tentang:

         Siapa yang memiliki perusahaan Microsoft?

         Peristiwa Pembajakan pesawat terbang

         Fenomena banjir tahunan di Jakarta

         Kegiatan penghijauan di sekolah

         Dan lain sebagainya

Jika berbicara statistik sampai dengan membuat simpulan, mempredisikan, kejadian, mencari hubungan antar data, hal ini dibicarakan dalan statistika inferensial. Pada statistika inferensial dalam membuat keputusan dan memprediksikan hubungan antar kejadian dapat dikatakan benar  atau hampir benar dan bahkan bisa salah melalui pengujian data sampel, hasilnya dapat dipakan untuk membuat estimasi, keputusan, prediksi, atau generalisasi ke populasi. Sebagai konsekuensi kita bentuk suatu konsep peluang (probabilitas) untuk menentukan ukuran kesalahannya. Dalam hal ini kita dapat mengansumsikan mengajukan hipotesis (kesimpulan yang harus diselidiki) dan diuji. Dalam olah data, statistika  inferensial diidentikan dengan statistika kuantitatif, dimana kekuatan analisisnya berupa perhitungan numerik yang dipakai sebagai dasar menolak atau menerima hipotesis.

      Misalkan dalam kasus ini, seseorang akan melakukan analisis tentang:

         Perbandingan hasil belajar antara SMA di kota dan di desa

         Pengaruh keaktifan siswa terhadap prestasi belajar siswa

         Hubungan antara panjang bayi dengan berat bayi.

         Beda hasil uas dari tahun ke tahun.

 

 III.            Data Statistik

Untuk menganalisa data hasil penelitian perlu diketahui tipe data yang diperoleh. Ada dua tipe statistika penelitian yakni jenis eksperimen dan survei. Pada umumnya dalam melakukan pendataan, survey atau melakukan penelitian hal utama yang harus diperhatikan adalah tentang karakteristik suatu objek yang dituju. Karakteristik statistik.:

1.      Unit Statistik

Unit statistik adalah objek, individu objek atau orang yang akan diteliti, disurvey atau didata. Unit-unit tersebut harus diidentifikasikan obyek atau orang yang dapat memberikan informasi lebih banyak terhadap permasalahan yang diteliti.

2.      Variabel

Variabel adalah suatu karakteristik dari suatu objek yang harganya untuk tidap objek bervariasi dapat diamati atau dibilang, atau diukur. Harga tersebut dapat berbentuk data diskrit atau data kontinu atau data atribut (kualitatif).

Sebagai contoh Variabel untuk tinggi badan tiap mahasiswa kelas A, berat badan tiap mahasiswa kelas A, umur tiap mahasiswa kelas A, suhu di setiap ruangan FMIPA., dan sebagainya. Prestasi belajar siswa kelas VII SMP3 ini adalah variabel, tetapi rata-rata hasil belajar siswa kelas angan dinamakan data. Data atau lebih lengkap data statistik adalah suatu keterangan yang berbentuk kualitatif (rusak, bagus, kurang,sedang dsb) dan atau berbentuk kuantitas (bilangan). Data kuantitatif dibedakan menjadi data kontinu yang berasal dari mengukur dan data diskrit yang berasal dari menghitung atau pengamatan.

Untuk menjelaskan ketiga hal di atas, diambil sebagai contoh: akan mendata/ meneliti tentang ”Kondisi hasil belajar siswa kelas VII SMP 5 Semarang dalam belajar matematika materi aljabar yang diajar dengan strategi tutor sebaya“. Disini unit statistiknya adalah siswa kelas kelas VII SMP 5 Semarang, variabelnya adalah hasil belajar siswa meliputi keaktifan, ketrampilan proses, prestasi belajar dan datanya berupa data numerik prestasi belajar, dan kualitatif keaktifan, ketrampilan proses.   Prestasi belajar siswa SMP 5 bidang matetatika (ini merupakan  variabel), dan rata-rata hasil belajar geometri siswa SMP 5 Smg (bukan variabel mengapa?, karena dengan kata kunci rata-rata hanya ada satu nilai).

 


Data kuantitatif dan kualitatif yang dinumerikkan  hasil pengumpulan dapat diskala atau dikategorikan dalam lima tipe.

1.     Skala Nominal

Data ini berbentuk bilangan diskrit yang tiap unsurnya tidak mempunyai arti menurut besarnya atau posisinya. Bilangan yang digunakan hanya sebagai simbolisasi data saja. Data ini bisa berasal dari konversi data kualitatif, dimana data dikonversikan/disimbolisasi dalam bentuk bilangan. Datanya dapat secara bebas disusun tanpa memperhatikan urutan, dan dapat dipertukarkan.

Contoh : – Data dari variabel jenis agama (Islam=1, Kristen=2, Katholik=3, Hindu=4, Budha=5).  

          Data dari variabel status diri (Single=1, Kawin=2, Cerai=3).

          Data dari variabel jenis kelamin (Pria=1, Wanita=0).

Bilangan–bilangan tersebut dapat dipertukarkan sesuai kesepakatan tidak akan mempengaruhi urutan skalanya.

2.     Skala Ordinal

Data ini berasal dari hasil pengamatan, observasi, atau angket dari suatu variable. Data ini bisa berasal dari konversi data kualitatif, dimana bilangan konversinya menunjukkan urutan menurut kualitas atributnya. Sebagai contoh data dari variable kinerja mahasiswa tingkat pertama UNNES. Urutan data 1 sampai dengan 5 menyimbolkan kualitas. 5= Sangat bagus, 4= Bagus, 3= Sedang, 2= Jelek, 1= Sangat jelek. Bilangan pengganti kualitas tersebut mempunyai suatu tingkatan atribut.

Contoh lain: data dari variabel motivasi belajar mahasiswa, tingkat kualitas barang, ketrampilan menendang bola, dsb.

3.     Skala  Kardinal

Data ini berasal dari hasil membilang atau menghitung dari suatu variabel. Data berbentuk bilangan diskrit yang dinyatakan dalam bilangan kardinal. Sebagai contoh variabel jumlah kursi disetiap ruang kelas FT. Hasil perhitungan disini datanya jelas berupa bilangan numerik bulat.

Contoh lain: data dari variabel jumlah buku yang dimiliki mahasiswa, jumlah barang dagangan tiap koperasi, jumlah tendangan para pemain sepak bola, dsb.

4.     Skala Interval

Data ini berasal dari hasil mengukur suatu variabel. Data ini diasumsikan berbentuk bilangan kontinu mempunyai ukuran urutan, seperti dengan data ordinal. Pada skala interval tidak memiliki nol mutlak, artinya jika suatu responden variabelnya bernilai nol bukan berarti tidak memiliki substansi sama sekali. Contoh variabel temperatur tiap ruangan. Ada satu ruangan diukur suhunya 0 oC, disini bukan berarti di ruangan tersebut tidak ada temperatur sama sekali tetapi suhu 0 oC masih bermakna mempunyai substansi suhu, masih ada suhu negatif juga.

Contoh lain: data dari variabel berat badan mahasiswa FIS, hasil belajar mahasiswa fisika tingkat pertama, dsb.

5.     Skala Ratio

Data ini berasal dari hasil mengukur suatu variabel. Data ini diasumsikan berbentuk bilangan kontinu hampir sama dengan skala interval, perbedaannya terletak pada nilai nol. Pada skala rasio memiliki nilai nol mutlak, artinya jika suatu responden variabelnya bernilai nol berarti tidak memiliki substansi sama sekali. Contoh variabel massa benda. Bila berbicara suatu benda massanya 0 kg berarti benda itu tidak ada barangnya.

Contoh lain: data dari variabel tinggi badan mahasiswa fakultas ekonomi, hasil belajar mahasiswa fisika tingkat pertama, besar lingkar bola, dsb.

Catatan 1: Ada suatu variable bisa berskala interval bisa juga berskala rasio, seperti hasil belajar di atas. Disini asumsi penyaji yang di gunakan. Jika hasil belajar mahasiswa seni tari pada materi statistika dasar, diasumsikan skala interval maka bila ada seorang mahasiswa memiliki nilai 0 bukan berarti dia tidak memiliki kemampuan statistika sama sekali hanya karena situasi tertentu maka dia tidak mengerjakan sehingga nilainya nol. Jika hasil belajar mahasiswa seni tari materi pembelahan sel  diasumsikan skala rasio maka bila ada seorang mahasiswa memiliki nilai 0 berarti mahasiswa tersebut jelas tidak memiliki kemampuan sama sekali terhadap konsep pembelahan sel.

Catatan 2: Belum ada landasan teori yang kuat mengkonversi data dari skala nominal, ordinal, cardinal ke skala  interval atau rasio dengan suatu rumus tertentu, terhadap hal sebaliknya dapat dilakukan. Akan tetapi masih dimungkinkan kalau data ordinal diasumsikan sebagai skala interval. Sebagai contoh variabel sikap yang diambil datanya melalui angket. Variabel sikap merupakan jenis skala ordinal, akan tetapi bisa diasumsikan sebagai sekala interval dengan catatan indikator pengukur variabel sikap cukup banyak, dari segala aspek diamati.

 

Tunggu tahap selanjutnya tentang mengungkap teknik manipulasi data pada dasar-dasar statistika konsep pembagian data, ukuran tendensi sentral, dispersi, Menghitung dan memaknai tentang varian sample kecil dan besar dan teknik penyajian data.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: