Skala Pengukuran Data di Dalam Statistika

Seperti ketika mengatakan bahwa suhu di dalam kulkas adalah 0 derajat celcius. Pada kasus tersebut, di dalam kulkas tetap ada suhu, tetapi 0 derajat celcius. Selain itu, pada skala pengukuran data ini, jarak antar nilai sudah bisa dihitung atau dijelaskan dengan menggunakan operasi penjumlahan atau pengurangan.

Contohnya adalah jika suhu ruangan A adalah 3 derajat celcius dan suhu ruangan B adalah 5 derajat celcius, maka bisa dikatakan bahwa suhu ruangan B 2 derajat lebih tinggi dari suhu ruangan A. Contoh data lain yang diukur dengan skala pengukuran ordinal adalah ipk mahasiswa dan nilai matakuliah.

Skala Rasio

Skala Rasio adalah skala yang paling tinggi dalam skala pengukuran data. Skala ini memiliki sifat yang dimiliki oleh skala nominal, skala ordinal, dan skala interval dengan tambahan sifat pembanding. 

Pada skala pengukuran rasio, operasi perkalian dan pembagian sudah bisa dilakukan terhadap nilai data. Skala pengukuran ini juga memiliki nilai 0 mutlak yang jika suatu objek memiliki nilai 0, maka objek tersebut bisa dikatakan tidak mempunyai nilai. 

Contohnya adalah variabel pendapatan kepala keluarga. Jika seorang kepala keluarga memiliki pendapatan 0, maka artinya kepala keluarga tersebut tidak mempunyai pendapatan. 

Selain itu, sifat pembanding pada skala pengukuran ini bisa digunakan untuk membandingkan 1 nilai dengan nilai lainnya. Contohnya adalah variabel jarak. Jika jarak kota A ke kota B adalah 3 Km, kemudian jarak kota B ke kota C adalah 3 Km, maka jarak kota A ke kota C adalah 2 kalinya jarak kota A ke kota B. Contoh data lain yang diukur dengan skala pengukuran rasio ini adalah tinggi badan, berat badan, dan usia.

Demikian lah pembagian skala pengukuran data yang perlu diketahui sebelum melakukan analisis data. Semoga sedikit ilmu yang diberikan melalui tulisan ini bisa bermanfaat bagi para pembaca yang sudah, sedang, dan akan belajar Statistika.

Sumber Referensi:

[1] Daniel, W. W., 1989. Statistika Nonparametrik Terapan. Gramedia: Jakarta.

[2] Agresti, A., 2002. Categorical Data Analysis. John Wiley & Sons, Inc: New Jersey