DATA DAN JENIS DATA PENELITIAN

Aktivitas penelitian tidak akan terlepas dari keberadaan data yang merupakan bahan baku informasi untuk memberikan gambaran spesifik mengenai obyek penelitian. Data adalah fakta empirik yang dikumpulkan oleh peneliti untuk kepentingan memecahkan masalah atau menjawab perta- nyaan penelitian. Data penelitian dapat berasal dari berbagai sumber yang   dikumpulkan dengan menggunakan berbagai teknik selama kegiatan pene- litian berlangsung.

A.     Data Berdasarkan Sumbernya

Berdasarkan sumbernya, data penelitian dapat dikelompokkan dalam dua jenis yaitu data primer dan data sekunder.

1. Data primer adalah data yang diperoleh atau dikumpulkan oleh peneliti secara langsung dari sumber datanya. Data primer disebut juga sebagai data asli atau data baru yang memiliki sifat up to date. Untuk mendapatkan data primer, peneliti harus mengumpulkannya secara langsung. Teknik yang dapat digunakan peneliti untuk mengumpulkan data primer antara lain observasi, wawancara, diskusi terfokus (focus grup discussion – FGD) dan penyebaran kuesioner.
2. Data Sekunder adalah data yang diperoleh atau dikumpulkan peneliti dari berbagai sumber yang telah ada (peneliti sebagai tangan kedua). Data sekunder dapat diperoleh dari berbagai sumber seperti Biro Pusat Statistik (BPS), buku, laporan, jurnal, dan lain-lain.

Pemahaman terhadap kedua jenis data di atas diperlukan sebagai landasan dalam menentukan teknik serta langkah-langkah pengumpulan data penelitian.

B.  Data Berdasarkan Sifatnya

Berdasarkan bentuk dan sifatnya, data penelitian dapat dibedakan dalam dua jenis yaitu data kualitatif (yang berbentuk kata-kata/kalimat) dan data kuantitatif (yang berbentuk angka). Data kuantitatif dapat dikelompokkan berdasarkan cara mendapatkannya yaitu data diskrit dan data kontinum. Berdasarkan sifatnya, data kuantitatif terdiri atas data nominal, data ordinal, data interval dan data rasio.

1.      Data Kualitatif

Data kualitatif adalah data yang berbentuk kata-kata, bukan dalam bentuk angka. Data kualitatif diperoleh melalui berbagai macam teknik pengumpulan data misalnya wawancara, analisis dokumen, diskusi terfokus, atau observasi yang telah dituangkan dalam catatan lapangan (transkrip). Bentuk lain data kualitatif adalah gambar yang diperoleh melalui pemotretan atau rekaman video.

2.       Data Kuantitatif

Data kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai dengan bentuknya, data kuantitatif dapat diolah atau dianalisis menggunakan teknik perhitungan matematika atau statistika. Berdasarkan proses atau cara untuk mendapatkannya, data kuantitatif dapat dikelompokkan dalam dua bentuk yaitu sebagai berikut:

1.         Data diskrit adalah data dalam bentuk angka (bilangan) yang diperoleh dengan cara membilang. Contoh data diskrit misalnya:

                                1)      Jumlah Sekolah Dasar Negeri di Kecamatan XXX sebanyak 20.

                                2)      Jumlah siswa laki-laki di SD YYY sebanyak 67 orang.

                                3)      Jumlah penduduk di Kabupaten ZZZ sebanyak 246.867 orang.

Karena diperoleh dengan cara membilang, data diskrit akan berbentuk bilangan bulat (bukan bilangan pecahan).

2.    Data kontinum adalah data dalam bentuk angka/bilangan yang diperoleh berdasarkan hasil pengukuran. Data kontinum dapat berbentuk bilangan bulat atau pecahan tergantung jenis skala pengukuran yang digunakan. Contoh data kontinum misalnya:

                             1)      Tinggi badan Budi adalah 150,5 centimeter.

                             2)      IQ Budi adalah 120.

                             3)      Suhu udara di ruang kelas 24^o Celcius.

Berdasarkan tipe skala pengukuran yang digunakan, data kuantitatif dapat dikelompokan dalam empat jenis (tingkatan) yang memiliki sifat berbeda yaitu:

3.      Data nominal atau sering disebut juga data kategori yaitu data yang diperoleh melalui pengelompokkan obyek berdasarkan kategori tertentu.  Perbedaan kategori obyek hanya menunjukan perbedaan kualitatif. Walaupun data nominal dapat dinyatakan dalam bentuk angka, namun angka tersebut tidak memiliki urutan atau makna matematis sehingga tidak dapat dibandingkan. Logika perbandingan “>” dan “<” tidak dapat digunakan untuk menganalisis data nominal. Operasi matematika seperti penjumlahan (+), pengurangan (-), perkalian (x), atau pembagian (:) juga tidak dapat diterapkan dalam analisis data nominal. Contoh data nominal antara lain:

• Jenis kelamin yang terdiri dari dua kategori yaitu:

            (1)  Laki-laki

            (2)  Perempuan

Angka (1) untuk laki-laki dan angka (2) untuk perempuan hanya merupakan simbol yang digunakan untuk membedakan dua kategori jenis kelamin. Angka-angka tersebut tidak memiliki makna kuantitatif, artinya angka (2) pada data di atas tidak berarti lebih besar dari angka (1), karena laki-laki tidak memiliki makna lebih besar dari perempuan. Terhadap kedua data (angka) tersebut tidak dapat dilakukan operasi matematika (+, -, x, : ). Misalnya (1) = laki-laki, (2) = perempuan, maka (1) + (2) ≠ (3), karena tidak ada kategori (3) yang merupakan hasil penjumlahan (1) dan (2).

·         Status pernikahan yang terdiri dari tiga kategori yaitu: (1) Belum menikah, (2) Menikah, (3) Janda/ Duda. Data tersebut memiliki sifat-sifat yang sama dengan data tentang jenis kelamin.

4.      Data ordinal adalah data yang berasal dari suatu objek atau kategori yang telah disusun secara berjenjang menurut besarnya. Setiap data ordinal memiliki tingkatan tertentu yang dapat diurutkan mulai dari yang terendah sampai tertinggi atau sebaliknya. Namun demikian, jarak atau rentang antar jenjang yang tidak harus sama. Dibandingkan dengan data nominal, data ordinal memiliki sifat berbeda dalam hal urutan. Terhadap data ordinal berlaku perbandingan dengan menggunakan fungsi pembeda yaitu  “>” dan “<”. Walaupun data ordinal dapat disusun dalam suatu urutan, namun belum dapat dilakukan operasi matematika ( +, – , x , : ). Contoh jenis data ordinal antara lain:

·         Tingkat pendidikan yang disusun dalam urutan sebagai berikut:

            (1)  Taman Kanak-kanak (TK)

            (2)  Sekolah Dasar (SD)

            (3)  Sekolah Menengah Pertama (SMP)

            (4)  Sekolah Menengah Atas (SMA)

            (5)  Diploma

            (6)  Sarjana

Analisis terhadap urutan data di atas menunjukkan bahwa SD memiliki tingkatan lebih tinggi dibandingkan dengan TK dan lebih rendah dibandingkan dengan SMP. Namun demikian, data tersebut tidak dapat dijumlahkan, misalnya SD (2) + SMP (3) ≠ (5) Diploma. Dalam hal ini, operasi  matematika ( + , – , x, : ) tidak berlaku untuk data ordinal.

·            Peringkat (ranking) siswa dalam satu kelas yang menunjukkan urutan prestasi belajar tertinggi sampai terendah. Siswa pada peringkat (1) memiliki prestasi belajar lebih tinggi dari pada siswa peringkat (2).

5.      Data Interval adalah data hasil pengukuran yang dapat diurutkan atas dasar kriteria tertentu serta menunjukan semua sifat yang dimiliki oleh data ordinal. Kelebihan sifat data interval dibandingkan dengan data ordinal adalah memiliki sifat kesamaan jarak (equality interval) atau memiliki rentang yang sama antara data yang telah diurutkan. Karena kesamaan jarak tersebut, terhadap data interval dapat dilakukan operasi matematika penjumlahan dan pengurangan ( +, – ). Namun demikian masih terdapat satu sifat yang belum dimiliki yaitu tidak adanya angka Nol mutlak pada data interval. Berikut dikemukakan tiga contoh data interval, antara lain:

1)  Hasil pengukuran suhu (temperatur) menggunakan termometer yang dinyatakan dalam ukuran derajat. Rentang temperatur antara 0⁰ Celcius sampai  1⁰ Celcius memiliki jarak yang sama dengan 1⁰ Celcius sampai  2⁰ Celcius. Oleh karena itu berlaku operasi matematik ( +, – ), misalnya 15⁰ Celcius + 15⁰ Celcius = 30⁰ Celcius. Namun demikian tidak dapat dinyatakan bahwa benda yang bersuhu 15⁰ Celcius memiliki ukuran panas separuhnya dari benda yang bersuhu 30⁰ Celcius. Demikian juga, tidak dapat dikatakan bahwa benda dengan suhu 0⁰ Celcius tidak memiliki suhu sama sekali. Angka 0⁰ Celcius memiliki sifat relatif (tidak mutlak). Artinya, jika diukur dengan menggunakan Termometer Fahrenheit diperoleh 0⁰ Celcius = 32⁰ Fahrenheit.

2)  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 urang yang memiliki IQ 100.

3)  Didasari oleh asumsi yang kuat, skor tes prestasi belajar (misalnya IPK mahasiswa dan hasil ujian siswa) dapat dikatakan sebagai data interval.

4)  Dalam banyak kegiatan penelitian, data skor yang diperoleh melalui kuesioner (misalnya skala sikap atau intensitas perilaku) sering dinyatakan sebagai data interval setelah alternatif jawabannya diberi skor yang ekuivalen (setara) dengan skala interval, misalnya:

ü Skor (5) untuk jawaban “Sangat Setuju”

ü Skor (4) untuk jawaban “Setuju”

ü Skor (3) untuk jawaban “Tidak Punya Pendapat”

ü Skor (2) untuk jawaban “Tidak Setuju”

ü Skor (1) untuk jawaban “Sangat Tidak Setuju”

Dalam pengolahannya, skor jawaban kuesioner diasumsikan memiliki sifat-sifat yang sama dengan data interval.

6.      Data rasio adalah data yang menghimpun semua sifat yang dimiliki oleh data nominal, data ordinal, serta data interval. Data rasio adalah data yang berbentuk angka dalam arti yang sesungguhnya karena dilengkapi dengan titik Nol absolut (mutlak) sehingga dapat diterapkannya semua bentuk operasi matematik ( + , – , x, : ). Sifat-sifat yang membedakan antara data rasio dengan jenis data lainnya (nominal, ordinal, dan interval) dapat dilihat dengan memperhatikan contoh berikut:

1)      Panjang suatu benda yang dinyatakan dalam ukuran meter adalah data rasio. Benda yang panjangnya 1 meter berbeda secara nyata dengan benda yang panjangnya 2 meter sehingga dapat dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data nominal). Ukuran panjang benda dapat diurutkan mulai dari yang terpanjang sampai yang terpendek (sifat data ordinal). Perbedaan antara benda yang panjangnya 1 meter dengan 2 meter memiliki jarak yang sama dengan perbedaan antara benda yang panjangnya 2 meter dengan 3 (sifat data interval). Kelebihan sifat yang dimiliki data rasio ditunjukkan oleh dua hal yaitu: (1) Angka 0 meter menunjukkan nilai mutlak yang artinya tidak ada benda yang diukur; serta (2) Benda yang panjangnya 2 meter, 2 kali lebih panjang dibandingkan dengan benda yang panjangnya 1 meter yang menunjukkan berlakunya semua operasi matematik. Kedua hal tersebut tidak berlaku untuk jenis data nominal, data ordinal, ataupun data interval.

2)      Data hasil pengukuran berat suatu benda yang dinyatakan dalam gram memiliki semua sifat-sifat sebagai data interval. Benda yang beratnya 1 kg. berbeda secara nyata dengan benda yang beratnya 2 kg. Ukuran berat benda dapat diurutkan mulai dari yang terberat sampai yang terringan. Perbedaan antara benda yang beratnya 1 kg. dengan 2 kg memiliki rentang berat yang sama dengan perbedaan antara benda yang beratnya 2 kg. dengan 3 kg. Angka 0 kg. menunjukkan tidak ada benda (berat) yang diukur. Benda yang beratnya 2 kg., 2 kali lebih berat dibandingkan dengan benda yang beratnya 1 kg..

Pemahaman peneliti terhadap jenis-jenis data penelitian tersebut di atas bermanfaat untuk menentukan teknik analisis data yang akan digunakan. Terdapat sejumlah teknik analisis data yang harus dipilih oleh peneliti berdasarkan jenis datanya. Teknik analisis data kualitatif akan berbeda dengan teknik analisis data kuantitatif. Karena memiliki sifat yang berbeda, maka teknik analisis data nominal akan berbeda dengan teknik analisis data ordinal, data interval, dan data rasio.

JENIS-JENIS PENGAMBILAN SAMPEL

1)  Teknik sampling secara probabilitas

Teknik sampling probabilitas atau random sampling merupakan teknik sampling yang dilakukan dengan memberikan peluang atau kesempatan kepada seluruh anggota populasi untuk menjadi  sampel. Dengan demikian sampel yang diperoleh diharapkan merupakan sampel yang representatif.

Teknik sampling semacam ini dapat dilakukan dengan cara-cara sebagai berikut.

a) Teknik sampling secara rambang sederhana atau random sampling. Cara paling populer yang dipakai dalam proses penarikan sampel rambang sederhana adalah  dengan undian.

b) Teknik sampling secara sistematis (systematic sampling). Prosedur ini berupa penarikan sample dengan cara mengambil setiap kasus (nomor urut) yang kesekian dari daftar populasi.

c) Teknik sampling secara rambang proporsional (proporsional random sampling). Jika populasi terdiri dari subpopulasi-subpopulasi maka sample penelitian diambil dari setiap subpopulasi. Adapun cara peng-ambilannya  dapat dilakukan secara undian maupun sistematis.

d) Teknik sampling secara rambang bertingkat. Bila subpoplulasi-subpopulasi sifatnya bertingkat, cara pengambilan sampel sama seperti pada teknik sampling secara proportional.

e) Teknik sampling secara kluster (cluster sampling) Ada kalanya peneliti tidak tahu persis karakteristik populasi  yang ingin dijadikan subjek penelitian karena populasi tersebar di wilayah yang amat luas. Untuk itu peneliti hanya dapat menentukan sampel wilayah, berupa kelompok klaster yang ditentukan secara bertahap. Teknik pengambilan sample semacam ini disebut cluster sampling atau multi-stage sampling.

2)     Teknik sampling secara nonprobabilitas.

Teknik sampling nonprobabilitas adalah teknik pengambilan sample yang ditemukan atau ditentukan sendiri oleh peneliti atau menurut pertimbangan pakar. Beberapa jenis atau cara penarikan sampel secara nonprobabilitas adalah sebagai berikut.

a) Purposive sampling   atau  judgmental sampling  Penarikan sampel secara purposif merupakan cara penarikan sample yang dilakukan memiih subjek berdasarkan kriteria spesifik yang dietapkan peneliti. 

b) Snow-ball sampling (penarikan sample secara bola salju).Penarikan sample pola ini dilakukan dengan menentukan sample pertama. Sampel berikutnya ditentukan berdasarkan informasi dari sample pertama, sample ketiga ditentukan berdasarkan informasi dari sample kedua, dan seterusnya sehingga jumlah sample semakin besar, seolah-olah terjadi efek bola salju. 

c) Quota sampling (penarikan sample secara jatah). Teknik sampling ini dilakukan dengan atas dasar jumlah atau jatah yang telah ditentukan. Biasanya yang dijadikan sample penelitian adalah subjek yang mudah ditemui sehingga memudahkan pula proses pengumpulan data.

d) Accidental sampling  atau convenience sampling Dalam penelitian bisa saja terjadi diperolehnya sampel yang tidak direncanakan terlebih dahulu, melainkan secara kebetulan, yaitu unit atau subjek tersedia bagi peneliti saat pengumpulan data dilakukan. Proses diperolehnya sampel semacam ini disebut sebagai penarikan sampel secara kebetulan.

4. Penentuan Jumlah Sampel 

Bila jumlah populasi dipandang terlalu besar,  dengan maksud meng-hemat waktu, biaya, dan tenaga, penelitili tidak meneliti seluruh anggota populasi. Bila peneliti bermaksud meneliti sebagian dari populasi saja (sampel), pertanyaan yang selalu muncul adalah berapa jumlah sampel yang memenuhi syarat. Ada hukum statistika dalam menentukan jumlah sampel, yaitu semakin besar jumlah sampel semakin menggambarkan keadaan populasi (Sukardi, 2004 : 55).

Selain berdasarkan ketentuan di atas perlu pula penentuan jumlah sampel dikaji dari karakteristik populasi. Bila populasi bersifat  homogen maka tidak dituntut sampel yang jumlahnya besar. Misalnya saja dalam pemeriksaan golongan darah.  Walaupun pemakaian jumlah sampel yang besar sangat dianjurkan, dengan pertimbangan adanya berbagai keterbatasan pada peneliti, sehingga peneliti berusaha mengambil sampel minimal dengan syarat dan aturan statistika tetap terpenuhi sebagaimana dianjurkan oleh Isaac dan Michael (Sukardi, 2004 : 55). Dengan menggunakan rumus tertentu (lihat Sukardi, 2004 : 55-56), Isaac dan Michael memberikan hasil akhir jumlah sampel terhadap jumlah populasi antara 10 – 100.000..