Materi Statistika

A.Pengertian Statistika
Kita sangat akrab dengan kata “statistik” dalam kehidupan sehari-hari, bahkan di
negara kita terdapat lembaga negara yang bernama Badan Pusat Statistik (BPS). Kita juga
sering mendengar istilah “observasi”, “data”, “sensus”, “sample”, “populasi” dan lain-lain.
Mirip dengan kata statistik, terdapat kata “statistika” seperti terlihat pada judul bab ini di
atas. Berikut definisi beberapa istilah tersebut:
STATISTIKA adalah kumpulan metoda yang digunakan untuk merencanakan
eksperimen, mengambil data, dan kemudian menyusun, meringkas, menyajikan,
menganalisa, menginterpretasikan dan mengambil kesimpulan yang didasarkan pada data
tersebut.
DATA adalah hasil observasi atau pengamatan yang telah dikumpulan. Data dapat berupa
hasil pengukuran; misalnya data tinggi dan berat badan, hasil pengelompokan; misalnya
jenis kelamin, hasil jawaban responden terhadap suatu quesioner; misalnya tingkat
kepuasan.
POPULASI adalah koleksi lengkap semua elemen yang akan diselidiki. Suatu koleksi
dikatakan lengkap jika ia memuat semua subjek yang akan diselidiki.
SENSUS adalah koleksi data dari semua anggota dalam populasi.
SAMPEL adalah sebagian koleksi anggota yang dipilih dari populasi.
B. Peranan dan Fungsi Statistik
Dalam kehidupan yang modern sekarang ini, dengan ciri utama adalah globalisasi, statistik tidak diragukan lagi peranannya dalam membantu memudahkan kehidupan manusia. Lebih jelasnya, peranan statistik antara lain terlihat dalam kehidupan sehari-hari, dalam kegiatan ilmiah, dan kegiatan proses belajar mengajar, dan dalam kegiatan ilmu pengetahuan.
1. Dalam kehidupan sehari-hari Dalam kehidupan sehari-hari
statistik memiliki peranan sebagai penyedia bahan-bahan atau keterangan-keterangan berbagai hal untuk diolah dan ditafsirkan. Contoh: angka kenakalan remaja, tingkat biaya hidup, tingkat kecelakaan lalu lintas, dan tingkat pendapatan.
2. Dalam penelitian ilmiah
Dalam penelitian ilmiah, statistik memiliki peranan sebagai penyedia data untuk mengemukakan atau menemukan kembali keterangan-keterangan yang seolah-olah tersembunyi dalam angka-angka statistik
3. Dalam kegiatan proses belajar mengajar
Dalam kegiatan proses belajar mengajar, statistik banyak membantu dalam menganalisis soal-soal yang diberikan dalam kegiatan pembelajaran. Contoh: perbandingan banyaknya siswa perempuan dan laki-laki di kelas I, rerata prestasi siswa matematika di kelas V, dan besarnya indeks objektivitas sekolah ’PANCA SAKTI’ dalam mengikuti Ujian Nasional Matematika.
4. Dalam kegiatan ilmu pengetahuan
Dalam ilmu pengetahuan, statistik memiliki peranan sebagai sarana analisis dan interpretasi dari data kuantitatif ilmu pengetahuan, sehingga diperoleh suatu kesimpulan dari berbagai data tersebut.
C.Pembagian Statistik Berdasar Cara Pengolahan Datanya
1. Statistik deskriptif
Statistik deskriptif adalah bagian dari statistik yang mempelajari cara pengumpulan dan penyajian data sehingga mudah dipahami. Statistik deskriptif hanya berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan mengenai suatu data atau keadaan atau fenomena. Dengan kata lain, statistik deskriptif hanya berfungsi menerangkan keadaan, gejala, atau persoalan. Beberapa contoh pernyataan yang termasuk dalam cakupan statistik deskriptif, antara lain:
a. Sekurang-kurangnya 15 % dari kebakaran yang terjadi di kota “Payakumbuh“, yang dilaporkan tahun lalu diakibatkan oleh tindakan-tindakan sengaja yang tidak bertanggung jawab.
b. Sebanyak 25 % di antara semua pasien yang menerima suntikan obat tertentu, ternyata kemudian menderita efek samping obat tersebut.
2. Statistik Inferensial
Statistik inferensial adalah serangkaian teknik yang digunakan untuk mengkaji, menaksir dan mengambil kesimpulan sebagaian data (data sampel) yang dipilih secara acak dari seluruh data yang menjadi subyek kajian (populasi). Statistik inferensial berhubungan dengan pendugaan populasi dan pengujian hipotesis dari suatu data atau keadaan atau fenomena. Dengan kata lain, statistik inferensial berfungsi meramalkan dan mengontrol keadaan atau kejadian. Berikut ini beberapa contoh pernyataan yang termasuk dalam cakupan statistik inferensial.
a. Akibat penurunan produksi minyak oleh negara-negara penghasil minyak dunia, diramalkan harga minyak akan menjadi dua kali lipat pada tahun-tahun mendatang.
b. Dengan mengasumsikan bahwa kerusakan tanaman kopi “Toraja“ kurang dari 30 % akibat musim dingin yang lalu, maka harga kopi jenis tersebut di akhir tahun nanti tidak akan lebih dari 2.500 rupiah per satu kilogramnya.
D. Tipe-tipe data
Pada bagian sebelumnya kita telah mendefinisikan sampel dan populasi. Keduanya
dibedakan berdasarkan proses melakukan observasi. Untuk membedakan antara data
sampel dan data populasi biasanya digunakan istilah statistik dan parameter.
PARAMETER adalah suatu ukuran numerik yang menggambarkan karakter suatu
populasi.
STATISTIK adalah ukuran numerik yang menggambarkan karakter suatu sampel.
CONTOH
1. Berdasarkan sensus ekonomi tahun 2010 terdapat 35% rumah tangga di Indonesia
tergolong miskin. Nah, angka 35% ini adalah parameter karena ia diperoleh dari
populasi yaitu semua rumah tangga di Indonesia.
2. Berdasarkan hasil survey terhadap 50 orang mahasiswa pendidikan matematika
UNMUH Ponorogo angkatan 2008/2009 diperolah bahwa rata-rata NEM matematika
mereka adalah 6.75. Angka 6.75 ini adalah statistik karena ia diberikan oleh sampel
yang terdiri dari 50 orang mahasiswa tersebut.
Selain data yang berbentuk angka seperti cpntoh di atas, terdapat pula data dalam bentuk
kategori. Kedua bentuk data ini didefinisikan secara formal sebagai berikut :
DATA KUANTITATIF adalah data yang menggambarkan hasil perhitungan atau hasil
pengukuran.
DATA KUALITATIF atau DATA KATEGORI adalah data yang dapat dipisahkan
dalam beberapa kategori atau kelompok yang dibedakan oleh karakter bukan numerik.
CONTOH
1. Data kuantitatif: tinggi badan, nilai NEM, temperatur dalam derajat celsius, besar
penghasilan.
2. Data kualitatif: jenis kelamin, profesi, temperatur dalam rasa (dingin, panas sejuk).
Selanjutnya, data kuantitatif dibedakan atas data diskrit dan data kontinu.
DATA DISKRIT adalah data yang banyak kemungkinannya berhingga atau terbilang.
DATA KONTINU adalah data yang benyak kemungkinannya takterbilang.
CONTOH
1. Data diskrit: jam kerja dalam sehari (kemungkinannya: adalah 1, 2, 3, … , 24),
banyak telor yang dihasilkan oleh ayam betina, banyak hari libur dalam setiap
bulan.
2. Data kontinu: temperatur udara di berbagai tempat (kemungkinannya: semua nilai
yang ada pada interval, misalnya dari -20 derajat celsius sampai dengan 50 derajat
celsius.
E. Penggolongan Data Statistik
Data statistik dapat dibedakan dalam beberapa golongan, tergantung dari segi mana pembedaan tersebut dilakukan.
1. Ditinjau dari variabel yang diteliti (segi sifat angkanya), data statistik dapat dibedakan menjadi dua golongan, yaitu: data kontinu dan data diskrit.
• Variabel atau data kontinu adalah data statistik yang angka-angkanya merupakan deretan angka yang sambung-menyambung. Dengan kata lain, data kontinu ialah data yang deretan angkanya merupakan suatu kontinum. Contoh:
• Data statistik mengenai tinggi badan (dalam ukuran sentimeter): 160-160,1- 160,2-160,3-160,4-160, 5-160,6-160,7 dan seterusnya.
• Data statistik mengenai berat badan (dalam ukuran kilogram): 50-50,1-50,2- 50,3-50, 4-50,5-50,6-50,7-50,8-50,9 dan seterusnya.
Variabel atau data diskrit ialah data statistik yang tidak mungkin berbentuk pecahan. Contoh:
• Data statistik tentang jumlah anggota keluarga (dalam satuan orang): 1 – 2 – 3 – 4 – 5 – 6 – 7 dan sebagainya.
• Data statistik tentang jumlah buku-buku perpustakaan: (dalam satuan eksemplar): 50 – 125 – 307 – 5113 – 12891- dan sebagainya.
Dalam hal ini jelas bahwa tidak mungkin jumlah anggota keluarga = 1,25 – 3,50 dan sebagainya; demikian pula tidak mungkin jumlah buku perpustakaan = 50,75 – 125,33 – 209,67 – dan sebagainya.
2. Penggolongan berdasarkan cara menyusun angka Ditinjau dari segi cara menyusun angka, data statistik dapat dibedakan menjadi tiga macam; yaitu data nominal, data ordinal, dan data interval. Data Nominal ialah data statistik yang cara menyusun angkanya didasarkan atas penggolongan atau klasifikasi tertentu. Data nominal juga sering dinyatakan dengan data hitungan. Disebut demikian, karena data tersebut diperoleh dengan cara menghitung (dalam hal ini menghitung jumlah siswa, baik menurut tingkatan studi maupun jenis kelaminnya). Data ordinal juga sering disebut dengan data urutan, yaitu data statistik yang cara menyusun angkanya didasarkan atas urutan kedudukan (ranking). Data interval ialah data statistik yang terdapat jarak sama di antara hal-hal yang sedang diselidiki atau dipersoalkan.
3. Penggolongan Data Berdasarkan Bentuk Angka Ditinjau dari segi bentuk angkanya, data statistik dapat dibedakan menjadi 2 (dua) macam, yaitu data tunggal (un grouped data) dan data kelompok atau data bergolong (grouped data). Data tunggal ialah data statistik yang masing-masing angkanya merupakan satu unit (satu kesatuan). Dengan kata lain, data tunggal ialah data statistik yang masing-masing angkanya merupakan satu unit (satu kesatuan) atau data statistik yang angka-angkanya tidak dikelompokkan. Data kelompok ialah data statistik yang tiap-tiap unitnya terdiri dari sekelompok angka
4. Penggolongan Data Statistik Berdasarkan Sumbernya Ditinjau dari sumber mana data tersebut diperoleh, data statistik dapat dibedakan menjadi dua macam, yaitu: data primer dan data sekunder. Data primer adalah data statistik yang diperoleh atau bersumber dari tangan pertama (first hand data).Sedangkan data sekunder adalah data statistik yang diperoleh dari tangan kedua (second hand data). Data tentang jumlah siswa yang tawuran pada tahun 2006, diperoleh dari surat kabar harian Kompas.
5. Penggolongan Data Statistik Berdasarkan Waktu Pengumpulannya Ditinjau dari segi waktu pengumpulannya, data statistik dapat dibedakan menjadi dua golongan, yaitu: data seketika (cross section data) dan data urutan waktu (time series data). Data seketika adalah data statistik yang mencerminkan keadaan pada satu waktu saja (at a point time). Contoh, data statistik tentang jumlah guru di “SD Karawaci” dalam tahun ajaran 2006/2007 (hanya satu tahun ajaran saja). Data urutan waktu ialah data statistik yang mencerminkan keadaan atau perkembangan mengenai sesuatu hal, dari satu alokasi waktu ke waktu yang lain secara berurutan. Data urutan waktu sering juga dikenal dengan istilah historical data. Contoh: data statistik tentang jumlah guru di “SD Karawaci” tahun ajaran 2002/2003 sampai dengan tahun 2006/2007.
F. Pengumpulan Data
Data statistik dapat dikumpulkan dengan menggunakan prosedur yang sistematis. Pengumpulan data dimaksudkan sebagai pencatatan peristiwa atau karakteristik dari sebagian atau seluruh elemen populasi. Pengumpulan data dibedakan atas beberapa jenis berdasarkan karakteristiknya, yaitu: (1) berdasarkan jenis cara pengumpulannya; dan (2) berdasarkan banyaknya data yang diambil. Berdasarkan jenis cara pengumpulannya, dibagi atas beberapa cara, yakni: (a) pengamatan (observasi), (b) penelusuran literatur, (c) penggunaan kuesioner, dan (d) wawancara (interviu). Berdasarkan banyaknya data yang diambil, dibedakan atas dua cara, yakni: (a) sensus dan (b) sampling. Sehubungan dengan hal tersebut, maka untuk memperoleh kesimpulan yang tepat dan benar, maka data yang dikumpulkan dalam pengamatan harus nyata dan benar. Syarat data yang baik adalah (a) Data harus objektif ( sesuai dengan keadaan sebenarnya), (b) Data harus representative, (c) Data harus up to date, dan (d) Data harus relevan dengan masalah yang akan dipecahkan. Statistika Pendidikan 1 – 23
G. Pengolahan Data
Data yang telah dikumpulkan (raw score) kemudian diolah. Pengolahan data dimaksudkan sebagai proses untuk memperoleh data ringkasan dari data mentah dengan menggunakan cara atau rumus tertentu. Data ringkasan yang diperoleh dari pengolahan data itu dapat berupa jumlah (total), rata-rata, persentase, dan sebagainya
H. Penyajian Data
Data yang sudah diolah, agar mudah dibaca dan dimengerti oleh orang lain atau pengambil keputusan, perlu disajikan ke dalam bentuk-bentuk tertentu. Penyajian data memiliki fungsi antara lain: (1) menunjukkan perkembangan suatu keadaan, dan (2) mengadakan perbandingan pada suatu waktu. Selanjutnya penyajian data dapat dilakukan melalui tabel dan grafik.
I. Variabel
Secara umum, variabel dibagi atas 2 (dua) jenis, yaitu variabel kontinu (continous variabel) dan variabel deskrit (descrete variabel). Variabel dapat juga dibagi sebagai variabel dependen dan variabel bebas. Variabel dapat dilihat sebagai variabel aktif dan variabel atribut. Dalam membuat model matematik, variabel biasanya dinyatakan dalam huruf. Sebagai contoh dalam huruf Y, atau dalam huruf X, dan sebagainya. Y dan X ini adalah simbol, dan untuk simbol-simbol ini ditunjuk nilai. Sebuah variabel X bisa mempunyai dua buah nilai, seperti jenis kelamin, jika X = jenis kelamin, maka dapat ditentukan nilai 1 untuk laki-laki, dan nilai 0 untuk perempuan. Nilai dari variabel, misalnya intelegensi, adalah skala dari IQ. Jika variabel Y, misalnya, adalah berat badan, maka nilainya dapat saja seperti 52, 69, 60, 55, 24, 36, 45, 50, 52, 40, dan seterusnya.
1. Variabel Kontinu
Variabel kontinu adalah variabel yang dapat ditentukan nilainya dalam jarak jangkau tertentu dengan desimal yang tidak terbatas. Sebagai contoh, berat, tinggi, luas, pendapatan, dan lain sebagainya. Untuk berat badan misalnya, kita bisa menulis 75,0 kg, atau 76,14 kg, atau 40,5556. Luas panen, bisa 14,2 ha, 19,49 ha, atau 188,0003 ha. 1 – 24 Unit 1
2. Variabel Diskrit
Variabel diskrit adalah konsep yang nilainya tidak dapat dinyatakan dalam bentuk pecahan atau desimal di belakang koma. Variabel ini sering juga dinyatakan sebagai variabel kategori. Kalau mempunyai dua kategori saja dinamakan juga variabel dikotomi. Sebagai contoh, jenis kelamin, terdiri atas laki-laki atau perempuan. Status perkawinan, terdiri atas kawin atau tidak kawin. Apabila ada lebih dari dua kategori, disebut juga variabel politomi. Tingkat pendidikan adalah variabel politomi, SD, SMP, SMA, perguruan tinggi, dan sebagainya. Jumlah anak merupakan variabel diskrit. Jumlah anak hanya dapat: 3, 4, atau 6. Tidak mungkin ada jumlah anak: 4,5; 5,6; 21/2, dan sebagainya.
3. Variabel Dependen dan Variabel Bebas
Apabila ada hubungan antara dua variabel, misalnya antara variabel Y dan variabel X, dan jika variabel Y disebabkan oleh variabel X, maka variabel Y adalah variabel dependen dan variabel X adalah variabel bebas. Contoh: jika dibuktikan ada hubungan antara motivasi intrinsik (variabel bebas) dan prestasi belajar (variabel dependen), maka dengan meningkatnya motivasi intrinsik meningkat juga skor prestasi belajar. Model matematika hubungan tersebut, dinyatakan delam fungsi sebagai berikut. X = f (Y) Keterangan: Y = prestasi belajar X = motivasi intrinsik f = fungsi
4. Variabel Aktif
Variabel aktif adalah variabel yang dimanipulasikan oleh peneliti. Apabila seorang peneliti memanipulasikan metode mengajar, metode memberikan hukuman kepada siswa, maka metode mengajar dan memberikan hukuman pada siswa adalah variabel-variabel aktif, karena variabel ini dapat dimanipulasikan.
5. Variabel Atribut
Variabel-variabel yang tidak dapat dimanipulasikan atau sukar dimanipulasikan, dinamakan variabel atribut. Variabel-variabel atribut umumnya merupakan karakteristik manusia seperti; inteligensia, jenis kelamin, status sosial, pendidikan, sikap, dan sebagainya. Variabel-variabel yang merupakan objek inanimate seperti populasi, rumah tangga, daerah geografis, dan sebagainya, adalah juga variabel-variabel atribut.
SKALA PENGUKURAN
Ada 4 macam skala pengukuran yaitu: skala nominal, skala ordinal, skala interval dan skala rasio.
1. Skala nominal
Adalah skala yang semata-mata hanya untuk memberikan indeks, atau nama saja dan tidak mempunyai makna yang lain. Contoh:
Data Kode (a) Kode (b)
Yuni 1 4
Desi 2 2
Ika 3 3
Astuti 4 1
Keterangan: Kode 1 sampai dengan 4 (a) semata-mata hanyalah untuk memberi tanda saja, dan tidak dapat dipergunakan sebagai perbandingan antara satu data dengan data yang lain. Kode tersebut dapat saling ditukarkan sesuai dengan keinginan peneliti (menjadi alternatif b) tanpa mempengaruhi apa pun.
2. Skala ordinal
Adalah skala ranking, di mana kode yang diberikan memberikan urutan tertentu pada data, tetapi tidak menunjukkan selisih yang sama dan tidak ada nol mutlak. Contoh:
Data Skala Kecantikan (a) Skala Kecantikan (b)
Yuni 4 10
Desi 3 6
Ika 2 5
Astuti 1 1
Skala kecantikan (a) di atas menunjukkan bahwa Yuni paling cantik (dengan skor tertinggi 4), dan Astuti yang paling tidak cantik dengan skor terendah (1). Akan tetapi, tidak dapat dikatakan bahwa Yuni adalah 4 kali lebih cantik dari pada Astuti. Skor yang lebih tinggi hanya menunjukkan skala pengukuran yang lebih tinggi, tetapi tidak dapat menunjukkan kelipatan. Selain itu, selisih kecantikan antara Yuni dan Desi tidak sama dengan selisih kecantikan antara Desi dan Ika meskipun keduanya mempunyai selisih yang sama (1). Skala kecantikan pada (a) dapat diganti dengan skala kecantikan (b) tanpa mempengaruhi hasil penelitian.
Skala nominal dan skala ordinal biasanya mempergunakan analisis statistik non parametrik, contoh: Korelasi Kendall, Korelasi Rank Spearman, Chi Square dan lain-lain.
3. Skala interval
Skala pengukuran yang mempunyai selisih sama antara satu pengukuran dengan pengukuran yang lain, tetapi tidak memiliki nilai nol mutlak. Contoh:
Data Nilai Mata Kuliah (a) Skor Nilai Mata Kuliah (b)
Yuni A 4
Desi B 3
Ika C 2
Astuti D 1
Tabel di atas menunjukkan bahwa nilai A setara dengan 4, B setara dengan 3, C setara dengan 2 dan D setara dengan 1. Selisih antara nilai A dan B adalah sama dengan selisih antara B dan C dan juga sama persis dengan selisih antara nilai C dan D. Akan tetapi, tidak boleh dikatakan bahwa Yuni adalah empat kali lebih pintar dibandingkan Astuti, atau Ika dua kali lebih pintas dari pada Astuti. Meskipun selisihnya sama, tetapi tidak mempunyai nilai nol mutlak.
4. Skala rasio
Adalah skala pengukuran yang paling tinggi di mana selisih tiap pengukuran adalah sama dan mempunyai nilai nol mutlak. Contoh:
Data Tinggi Badan Berat badan
Yuni 170 60
Desi 160 50
Ika 150 40
Astuti 140 30
Tabel di atas adalah menggunakan skala rasio, artinya setiap satuan pengukuran mempunyai satuan yang sama dan mampu mencerminkan kelipatan antara satu pengukuran dengan pengukuran yang lain. Sebagai contoh; Yuni mempunyai berat badan dua kali lipat berat Astuti, atau, Desi mempunyai tinggi 14,29% lebih tinggi dari pada Astuti.
Macam-Macam Skala Pengukuran
1. Skala Likert
Skala Likert adalah skala yang dapat dipergunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang mengenai suatu gejala atau fenomena pendidikan. Dalam skala Likert terdapat dua bentuk pernyataan yaitu pernyataan positif yang berfungsi untuk mengukur sikap positif, dan pernyataan negative yang berfungsi untuk mengukur sikap negative objek sikap.
Skor pernyataan positif dimulai dari 1 untuk sangat tidak setuju (STS), 2 untuk tidak setuju (TS), 3 untuk ragu-ragu (R), 4 untuk setuju (S), dan 5 untuk sangat setuju (SS). Skor pernyataan negative dimulai dari 1 untuk sangat setuju (SS), 2 untuk setuju (S), 3 untuk ragu-ragu (R), 4 untuk tidak setuju (TS), dan 5 untuk sangat tidak setuju (STS). Beberapa peneliti menghilangkan option “Ragu-ragu” dalam instrument penelitian untuk memudahkan peneliti melihat sikap siswa sesungguhnya sesuai angket yang responden isikan.
2. Skala Guttman
Yaitu skala yang menginginkan tipe jawaban tegas, seperti jawaban benar – salah, ya – tidak, pernah – tidak pernah, positif – negative, tinggi – rendah, baik – buruk, dan seterusnya. Pada skala Guttman, hanya ada dua interval, yaitu setuju dan tidak setuju.
Skala Guttman dapat dibuat dalam bentuk pilihan ganda maupun daftar checklist. Untuk jawaban positif seperti benar, ya, tinggi, baik, dan semacamnya diberi skor 1; sedangkan untuk jawaban negative seperti salah, tidak, rendah, buruk, dan semacamnya diberi skor 0.
3. Semantik Differensial
Skala diferensial yaitu skala untuk mengukur sikap, tetapi bentuknya bukan pilihan ganda maupun checklist, tetapi tersusun dalam satu garis kontinum di mana jawaban yang sangat positif terletak dibagian kanan garis, dan jawaban yang sangat negative terletak dibagian kiri garis, atau sebaliknya.
Data yang diperoleh melalui pengukuran dengan skala semantic differential adalah data interval. Skala bentuk ini biasanya digunakan untuk mengukur sikap atau karakteristik tertentu yang dimiliki seseorang. Berikut contoh penggunaan skala semantic differential mengenai gaya kepemimpinan kepala sekolah.
Gaya Kepemimpinan Kepala Sekolah
Responden yang member penilaian angka 7, berarti persepsi terhadap gaya kepemimpinan kepala sekolah adalah sangat positif; sedangkan responden yang memberikan penilaian angka 1 persepsi kepemimpinan kepala sekolah adalah sangat negative.
Contoh :
Contoh :
Bagaimana gaya kepemimpinan ketua tingkat Anda
Bersahabat 5 4 3 2 1 Bermusuhan
Tepat waktu 5 4 3 2 1 Tidak tepat waktu
Jujur 5 4 3 2 1 Berbohong
Cerdas 5 4 3 2 1 bodoh
Demokratis 5 4 3 2 1 Otoriter
Responden dapat memilih jawaban, dengan rentang jawaban yang positif sampai negatif. Hal ini tergantung persepsi responden kepada yang dinilai (Sugiyono,2012,141)
4. Rating Scale
Data-data skala yang diperoleh melalui tiga macam skala yang dikemukakan di atas adalah data kualitatif yang dikuantitatifkan. Berbeda dengan rating scale, data yang diperoleh adalah data kuantitatif (angka) yang kemudian ditafsirkan dalam pengertian kualitatif. Seperti halnya skala lainnya, dalam rating scale responden akan memilih salah satu jawaban kuantitatif yang telah disediakan.
Rating scale lebih fleksibel, tidak saja untuk mengukur sikap tetapi dapat juga digunakan untuk mengukur persepsi responden terhadap fenomena lingkungan, seperti skala untuk mengukur status sosial, ekonomi, pengetahuan, kemampuan, dan lain-lain. Dalam rating scale, yang paling penting adalah kemampuan menterjemahkan alternative jawaban yang dipilih responden. Misalnya responden memilih jawaban angka 3, tetapi angka 3 oleh orang tertentu belum tentu sama dengan angka 3bagi orang lain yang juga memiliki jawaban angka 3.
5. Skala Thurstone
Skala Thurstone adalah skala yang disusun dengan memilih butir yang berbentuk skala interval. Setiap butir memiliki kunci skor dan jika diurut, kunci skor menghasilkan nilai yang berjarak sama. Skala Thurstone dibuat dalam bentuk sejumlah (40-50) pernyataan yang relevan dengan variable yang hendak diukur kemudian sejumlah ahli (20-40) orang menilai relevansi pernyataan itu dengan konten atau konstruk yang hendak diukur.
Adapun contoh skala penilaian model Thurstone adalah seperti gambar di bawah ini.
Nilai 1 pada skala di atas menyatakan sangat tidak relevan, sedangkan nilai 11 menyatakan sangat relevan.
Contoh lain, saya baru akan memulai aktifitas ketika waktu mendesak
A B C D E F G H I J K
Peneliti memberikan instruksi terlebih dahulu ke responden bahwa semakin menjurus kehuruf A maka jawabannya akan semakin positif dan semakin ke hruf K jawabannya semakin negatif (Samian : 2008)