Sebelum Anda memulai analisis, terlebih dahulu harus diketahui apakah data tersebut layak dianalisis dengan metode yang Anda inginkan ataukah tidak. Oleh karenanya Anda harus mengetahui jenis data yang Anda miliki. Berdasarkan tipe skala pengukuran, data dapat dikelompokkan dalam empat jenis atau tingkatan, yakni:

1. Data Nominal (Kategori)

Yakni data yang diperoleh melalui pengelompokkan berdasarkan kategori kualitatif. Misal Anda mengambil data inventarisasi jenis pohon di sebuah hutan. Anda mengategorikan menjadi 3 jenis pohon, misal “1” untuk pohon jati, “2” untuk pohon sengon, dan “3” untuk pohon akasia. Meskipun dapat dinyatakan dalam angka (1, 2, 3, dst) tetapi angka tersebut tidak memiliki urutan atau makna secara matematis, sehingga tidak dapat dibandingkan satu sama lain. Angka 2 tidak menunjukkan lebih tinggi atau lebih baik dibandingkan angka 1. Begitupula 1 (pohon jati) dan 2 (pohon sengon) tidak dapat dijumlahkan sehingga menjadi 3 (pohon akasia).

Contoh lain dari data yang termasuk dari data kategori adalah:

• Jenis kelamin yang terdiri dari dua kategori yaitu: (1) Laki-laki; (2) Perempuan

• Varietas padi, misalnya (1) Menthik, (2) Cisadane, (3) IR64

• Jenis pupuk, misalnya (1) kompos, (2) urea, (3) urea+kompos

• Jenis tanah dengan klasifikasi USDA, misalnya (1) Entisol, (2) Inceptisol (3) Alfisol, (4) Ultisol

2. Data Ordinal

Adalah data yang memiliki tingkatan dan telah diurutkan mulai dari terendah hingga tertinggi atau sebaliknya. Akan tetapi jarak antar tingkatan tidak harus sama. Karena telah diurutkan, maka berlaku perbandingan dengan pembeda “>” yang berarti lebih dari atau lebih tinggi, atau “<” yang berarti kurang dari atau lebih rendah. Akan tetapi, dikarenakan jarak antar tingkatan yang berbeda, maka tidak dapat dilakukan operasi matematika seperti penambahan, pengurangan, perkalian maupun pembagian. Misalnya Anda melakukan survei terhadap tingkat pendidikan petani di sebuah daerah. Maka Anda akan membagi ke dalam beberapa tingkatan sebagai berikut:

(1) Taman Kanak-kanak (TK)

(2) Sekolah Dasar (SD)

(3) Sekolah Menengah Pertama (SMP)

(4) Sekolah Menengah Atas (SMA)

(5) Perguruan Tinggi (PT)

Dari urutan diatas menunjukkan bahwa SD memiliki tingkatan lebih tinggi (>) dibandingkan dengan TK, dan SD lebih rendah (<) dibandingkan SMP, SMA, atau PT. Akan tetapi operasi matematika tidak berlaku karena SD (2) + SMP (3) ≠ PT (5).

3. Data Interval

Adalah data hasil pengukuran yang dapat diurutkan seperti halnya data ordinal, tetapi telah memiliki kesamaan jarak (equality interval). Oleh karenanya operasi matematika seperti penambahan dan pengurangan dapat dilakukan terhadap data interval. Kekurangan dari data ini adalah tidak adanya angka nol mutlak pada data interval.

Contoh dari data interval adalah saat Anda mengukur suhu (temperature). Jarak suhu antara 0°C sampai 1°C memiliki jarak yang sama dengan suhu 1°C sampai 2°C. Sehingga berlaku operasi matematika, misalnya 10°C + 10°C = 20°C. Namun demikian tidak dapat dinyatakan bahwa benda yang bersuhu 10°C memiliki ukuran panas separuhnya dari benda yang bersuhu 20°C. Data interval juga tidak memiliki nilai nol mutlak. Oleh karenanya tidak dapat dikatakan bahwa benda dengan suhu 0°C tidak memiliki suhu sama sekali.

Contoh data interval yang lain adalah pengukuran kecerdasaran intelektual yang dinyatakan dalam IQ. Rentang IQ 100 sampai 110 memiliki jarak yang sama dengan 110 sampai 120. Namun demikian tidak dapat dinyatakan orang yang memiliki IQ 150 tingkat kecerdasannya 1,5 kali dari orang yang memiliki IQ 100. Begitupun tidak ada orang yang memiliki nilai IQ sebesar 0 (nol).

4. Data Rasio

Adalah data yang berbentuk angka dan dapat diterapkan segala macam operasi matematika ( + , – , x , : ). Data rasio juga memiliki sifat dari jenis data yang lain, baik data nominal, data ordinal, maupun data interval. Contoh data rasio adalah panjang suatu benda, misal tinggi tanaman padi. Tinggi tanaman padi dapat dinyatakan dalam ukuran sentimeter (cm). Tanaman yang tingginya 100 cm berbeda dengan tanaman dengan tinggi 50 cm, karena memiliki tinggi 2 kali lipat. Tanaman yang memiliki tinggi 0 cm, berarti tanaman tersebut tidak tumbuh atau mati.

Contoh data lain adalah data hasil pengukuran berat segar tanaman yang dinyatakan dalam gram, memiliki semua sifat-sifat sebagai data rasio. Tanaman yang memiliki berat segar sebesar 100gram berbeda dengan tanaman dengan berat segar 200 gram. Angka 0 gram menunjukkan tidak ada tanaman yang diukur. Begitupula dengan data analisis SPAD (Soil Plant Analysis Development). Pengukuran SPAD dilakukan dengan menggunakan SPAD meter yang digunakan dapat mengukur warna hijau daun dengan cepat dan akurat tanpa merusak daun tanaman. Pengukuran dengan SPAD meter menghasilkan nilai yang berkorelasi dengan jumlah klorofil yang ada dalam daun. Berdasarkan pengukuran SPAD meter, daun pertama memiliki nilai 34, sementara daun kedua memiliki nilai 40. Hal ini menunjukkan bahwa daun kedua dengan nilai SPAD lebih tinggi memiliki klorofil yang jauh lebih banyak dibandingkan daun kedua.

Contoh data rasio yang lain adalah:

• Data jumlah anakan padi.

• Data karbon organic tanah, nitrogen (N) total, fosfor tersedia (available P), K tersedia (available K) yang diperoleh dari analisis tanah.

• Data serapan nitrogen tanaman yang diperoleh dari perkalian antara biomassa tanaman dengan analisis nitrogen tanaman.

Pada beberapa versi SPSS sebelumnya, memang dibedakan antara data interval dan data rasio, tetapi pada versi SPSS terbaru, keduanya disamakan dan masuk pada data skala.

Pemahaman peneliti terhadap jenis-jenis data penelitian sangat bermanfaat dalam menentukan teknik analisis data yang akan digunakan. Teknik analisis data kualitatif akan berbeda dengan teknik analisis data kuantitatif. Sehingga terdapat sejumlah teknik analisis data yang harus dipilih oleh peneliti berdasarkan jenis datanya.

Pustaka:

• Kautsar, V. dan Faizah, K. 2021. Agrostatistika: Pengolahan Data dengan SPSS. INSTIPER Press, Yogyakarta