Jenis Data: Nominal, Ordinal, Interval Atau Rasio?

Dear pembelajar,

Masih mengalami kesulitan dalam menentukan alat analisis apakah itu statistic parametric ataukah non parametric, sebab belum mengerti perbedaan type atau jenis data? Baiklah, saya akan membantu Anda. 
Jika ditinjau dari sumber perolehan, maka data dapat dibagi menjadi data primer dan sekunder. Namun jika ditinjau dari skala data, maka ada 4 type/jenis data, yaitu data nominal, ordinal, interval dan rasio.  

Untuk menjelaskan masing-masing jenis data, saya masih merujuk pada Singgih Santoso (2000&2005).

1. DATA NOMINAL

Data Nominal biasa disebut data skala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.

Contoh: Jenis pekerjaan, diklasifikasi sebagai: 

1. Pegawai negeri, diberi tanda 1,
2. Pegawai swasta, diberi tanda 2, 
3. Wiraswasta, diberi angka 3

Ciri Data Nominal:

• Posisi data setara. Dalam contoh tersebut, pegawai negeri tidak lebih tinggi/lebih rendah dari pegawai swasta. 
• Tidak bisa dilakukan operasi matematika (X, +, - atau : ). Contoh, tidak mungkin 3-2=1 (Wiraswasta dikurangi pegawai swasta=pegawai negeri

2. DATA ORDINAL

Data berskala ordinal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi diantara data tersebut terdapat hubungan.

Contoh:

Kepuasan pelanggan, diklasifikasikan sebagai:

• Sangat puas, diberi tanda 1, 
• Puas, diberi tanda 2, 
• Cukup puas, diberi tanda 3, 
• Tidak puas diberi tanda 4, 
•  Sangat tidak puas diberi tanda 5

Ciri Data Ordinal:

1. posisi data tidak setara. Dalam kasus di atas, sikap pelanggan yang sangat puas, lebih tinggi dari yang puas. Sikap pelanggan yang puas, lebih tinggi dari yang cukup puas, dst. Angka/tanda bisa dibalik dari 5 hingga 1, tergantung kesepakatan. 
2. Tidak bisa dilakukan operasi matematika. Tidak mungkin 1+2=3 (yang berarti sangat puas ditambah puas = cukup puas)

3. DATA INTERVAL

Data interval adalah data yang diperoleh dengan cara pengukuran, dimana jarak antar dua titik pada skala, sudah diketahui. Berbeda dengan skala ordinal, dimana jarak dua titik tidak diperhatikan (seperti berapa jarak antara puas dan tidak puas, yang sebenarnya menyangkut perasaan orang saja)

Contoh:

Temperatur ruangan. Bisa diukur dalam Celsius, atau Fahrenheit, dengan masing-masing punya skala sendiri. Untuk air membeku dan mendidih:

• Celcius pada 0° C sampai 100° C. Sakala ini jelas jaraknya, bahwa 100-0=100 
•  Fahreinheit pada 32° F sampai 212°F. Skala ini jelas jaraknya, 212-32=180

Ciri Data Interval:

• Tidak ada kategorisasi atau pemberian kode seperti terjadi pada data nominal dan ordinal. 
• Bisa dilakukan operasi matematika. (panas 40 derajad adalah dua kali panas disbanding 20 derajad)

4. DATA RASIO:

Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui, dan mempunyai titik nol yang absolut. Ini berbeda dengan skala interval, dimana taka da titik nol mutlak/absolut. Seperti titik 0°C tentu beda dengan titik 0°F. atau pergantian tahun pada system kalender Masehi (setiap 1 Januari) berbeda dengan pergantian tahun Jawa, China dan lainnya. Sehingga tak ada tahun baru dalam artian diakui oleh semua kalender sebagai tahun baru.

Contoh:Jumlah buku di kelas: Jika 5, berarti ada 5 buku. Jika 0, berarti taka da buku (absolut 0)

Ciri Data Rasio:

• Tak ada kategorisasi atau pemberian kode. 
•  Bisa dilakukan operasi matematika. Missal: 100 cm + 35 cm = 135 cm; 5 mangga + 2 mangga = 7 mangga.

Catatan: pengolahan data kuantitatif sebagian besar menggunakan data rasio.

STATISTIK PARAMETRIK dan NON PARAMETRIK

Metode Statistik inferensi dibagi dua, yaitu statistik parametrik dan statistik non parametrik .

Pertanyaan yang pasti muncul kemudian adalah kapan kiuta menggunakan alat statistik parametrikdan kapan kita menggunakan alat statistik non parametrik? 

Perhatikan type data, distribusi data dan jumlah data!

1.      Bila type data adalah nominal atau ordinal, distribusi data tidak normal, jumlah data kecil (N<30), gunakan statistik non parametrik. 

2.      Bila type data adalah interval/rasio, distribusi datanya normal, jumlah data besar (N>30), gunakan statistik parametrik.

Beberapa jenis statistik non parametrik antara lain:

1.      Uji satu sampel, 

2.     uji dua sampel, 

3.     uji sampel berpasangan (Uji Wilcoxon, Uji Sign), 

4.      uji lebih dari dua sampel, 

5.      korelasi Data Nominal, 

6.      Korelasi Spearman, 

7.      Korelasi Parsial Kendall

Beberapa jenis statistic parametric:

1.      Uji t untuk satu sampel, 

2.     Uji t untuk dua sampel bebas, 

3.     Uji t untuk dua sampel berpasangan 

4.      One way Anova 

5.      Multivariate Anova 

6.      Korelasi Regresi 

7.      Chi-Square, dll

STATISTIK PARAMETRIK

Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik. 

Contoh metode statistik parametrik :

a- Uji-z (1 atau 2 sampel)

b- Uji-t (1 atau 2 sampel)

c- Korelasi pearson,

d- Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik :

 - Data dengan skala interval dan rasio

 - Data menyebar/berdistribusi normal

     Keunggulan dan kelemahan statistik parametrik

        Keunggulan :

1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.

2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen. 

Kelemahan :

1. Populasi harus memiliki varian yang sama.

2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.

3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

STATISTIK NON-PARAMETRIK

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.

Contoh metode statistik non-parametrik :

a. Uji tanda (sign test)

b. Rank sum test (wilcoxon)

c. Rank correlation test (spearman)

d. Fisher probability exact test.

e. Chi-square test, dll

Ciri-ciri statistik non-parametrik :

- Data tidak berdistribusi normal

- Umumnya data berskala nominal dan ordinal

- Umumnya dilakukan pada penelitian sosial

- Umumnya jumlah sampel kecil

Keunggulan dan kelemahan statistik non-parametrik : 

Keunggulan :

1. Tidak membutuhkan asumsi normalitas.

2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik  karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.

3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).

4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.

5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.

6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

Kelemahan :

1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.

2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.

3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu. (Khairul Amal)

Glomerulonefritis Akut Pascastreptokokus

Pendahuluan

             Glomerulonefritis merupakan suatu istilah yang dipakai untuk menjelaskan berbagai ragam penyakit ginjal yang mengalami proliferasi dan inflamasi glomerulus yang disebabkan oleh suatu mekanisme imunologis. Istilah akut (glomerulonefritis akut, GNA) mencerminkan adanya korelasi kliniko-patologis selain menunjukan adanya gambaran tentang etiologi, patogenesis, perjalanan penyakit dan prognosis^1,2

            Telah lama diketahui bahwa beberapa orang anak setelah menderita scarlet fever,dapat mengalami edema dan hematuria nyata, penyakit ini dikenal sebagai glomerulonefritis pascastreptokok. Sejak adanya kemajuan di bidang antibioktik dan kesehatan masyarakat yang makin baik, angka kejadian penyakit ini menurun drastis di Amerika Serikat. Tetapi di negara-negara berkembang, glomerulonefritis pascactreptokok masih tetap merupakan penyakit yang banyak menyerang anak. Untungnya penyakit ini merupakan penyakit yang bersifat self-limiting pada sebagian besar anak dengan kesembuhan yang sempurna, meskipun pada sebagaian kecil dapat mengakibatkan gagal ginjal akut¹

Penyakit ini adalah contoh klasik dari sindrom nefritis akut. Mulainya mendadak dari hematuria makroskopis, edema, hipertensi dan insuffisiensi ginjal. Dulu, penyakit ini merupakan penyebab tersering hematuria makroskopis pada anak, tetapi frekuensinya menurun selama beberapa dekade terakhir dimana nefropati-IgA sekarang merupakan penyebab hematuria makroskopis yang paling lazim. Sindrom ini ditandai dengan timbulnya edema yang timbul mendadak, hipertensi, hematuri, oliguri, GFR menurun, insuffisiensi ginjal³

Epidemiologi

  Di Indonesia tahun 1980, Glomerulonefritis menempati urutan pertama sebagai penyebab penyakit ginjal tahap akhir dan meliputi 55% penderita yang mengalami hemodialisis⁴

                Insidens tidak dapat diketahui dengan tepat, diperkirakan jauh lebih tinggi dari data statistik yang dilaporkan oleh karena banyaknya pasien yang tidak menunjukkan gejala sehingga tidak terdeteksi. Kaplan memperkirakan separuh pasien glomerulonefritis akut pascastreptokok pada suatu epidemi tidak terdeteksi^1,2

                 Glomerulonefritis akut pascastreptokok terutama menyerang anak pada masa awal usia sekolah dan jarang menyerang anak di bawah usia 3 tahun. Perbandingan antara anak laki-laki dan perempuan adalah 2:1. Hasil penelitian multicentre di Indonesia pada tahun 1988, melaporkan terdapat 170 pasien yang dirawat di rumah sakit pendidikan dalam 12 bulan. Pasien terbanyak dirawat di Surabaya (26,5%), kemudian disusul berturut-turut di Jakarta (24,7%), Bandung (17,6%) dan Palembang (8,2%). Pasien laki-laki dan perempuan berbanding 1,3:1 dan terbanyak menyerang anak pada usia antara 6-8 tahun (40,6%). Penyakit ini lebih sering terjadi pada musim dingin dan puncaknya pada musim semi¹

Etiologi

          Glomerulonefritis pascastreptokok didahului oleh infeksi Streptococcus β- hemolyticusgrup A jarang oleh streptokokus dari tipe yang lain. Hanya sedikit Streptococcus β-hemolyticus grup A bersifat nefritogenik yang mampu mengakibatkan timbulnya glomerulonefritis pascastreptokokus. Beberapa tipe yang sering menyerang saluran napas adalah dari tipe M1, 2, 4, 12, 18, 25 dan yang menyerang kulit adalah tipe M49, 55, 57, 60^1,2

    Glomerulonefritis akut pascastreptokokus menyertai infeksi tenggorokan atau kulit olehstrain “nefritogenik” dari streptococcus β-hemolyticus grup A tertentu. Faktor-faktor yang memungkinkan bahwa hanya strain streptokokus tertentu saja yang menjadi “nefritogenik” tetap belum jelas. Selama cuaca dingin glomerulonefritis streptokokus biasanya menyertai tonsilofaringitis streptokokus, sedangkan selama cuaca panas glomerulonefritis biasanya menyertai infeksi kulit atau pioderma streptokokus. Epidemi nefritis telah diuraikan bersama dengan infeksi tenggorokan (serotipe 12) maupun infeksi kulit (serotipe 49), tetapi penyakit ini sekarang paling lazim terjadi secara sporadik^1,2

Penyakit infeksi lain yang juga dapat berhubungan ialah skarlatina, otitis media, mastoiditis, abses peritonsiler dan bahkan infeksi kulit. Jasad reniknya hampir selalu streptokok beta hemolitik golongan A, dan paling sering ialah tipe 12. Strain nefritogenik lain yang dapat ditemukan pula ialah tipe 4, 47, 1, 6, 25 dan Red Lake (49)^1,2,5

Periode antara infeksi saluran nafas atau kulit dengan gambaran klinis dari kerusakan glomerulus dinamakan periode laten. Periode laten ini biasanya antara 1-2 minggu, merupakan ciri khusus dari penyakit ini sehingga dapat dibedakan dengan sindrom nefritik akut karena sebab lainnya. Periode laten dari infeksi kulit (impetigo) biasanya antara 8-21 hari