Minggu, 13 Agustus 2017

Mengklasifikasikan Data, Yuk!

Gerakan #CintaData, sumber foto: dokpri.

Sebelum mengulas tentang klasifikasi data, ada baiknya kita mengenal kembali apa itu data. Data adalah himpunan informasi baik satu atau lebih tentang gejala atau fenomena yang terjadi pada waktu tertentu di suatu wilayah. Informasi yang terkandung di dalam data dapat bernilai numerik atau non-numerik.

Tanpa kita sadari, keseharian kita sebenarnya selalu bersinggungan dengan data. Saat kita bernafas, dalam sehari bisa kita hitung jumlahnya. Saat kita makan, frekuensinya dapat kita hitung. Pun, pengeluaran untuk kebutuhan makanan dan non-makanan, semua dapat kita kalkulasikan jumlahnya. Itu semua sudah data. Oleh karenanya, data begitu berperan dalam kehidupan sebagai informasi baik untuk diri kita maupun orang lain.

Data juga memiliki klasifikasi. Klasifikasi data sendiri dibagi menjadi beberapa, yaitu menurut sumbernya, menurut jenisnya, menurut waktu mendapatkan dan menurut cara memperolehnya.

Data menurut sumber

Data internal dan eksternal, sumber foto: dokpri.

Data menurut sumbernya terdiri atas dua, yaitu data internal dan data eksternal. Data internal adalah data yang sumbernya berasal dari dalam organisasi, himpunan, instansi, perusahaan atau perkumpulan. Salah satu contohnya misalnya data produksi emas PT. NHM di Halmahera Utara, produksi kain di PT. Eksterntex, dan sejenisnya.

Sedangkan data eksternal adalah data yang bersumber dari pihak lain baik perorangan, lembaga maupun organisasi tertentu. Data ini merupakan data di luar data yang dihasilkan oleh organisasi, himpunan, perusahaan atau lembaga. Salah satu contoh dari data eksternal adalah data kepuasan komsumen atas produk, data preferensi konsumen atas merek produk, data sikap konsumen atas produk dan sejenisnya.

Data menurut jenisnya

Data kuantitatif dan kualitatif, sumber foto: dokpri.

Menurut jenis, data terbagi menjadi dua, yaitu data kuantitatif dan data kualitatif. Data kuantitatif (numerik/metrik) yaitu data yang disimbolkan dalam bentuk ukuran-ukuran angka, misalnya data volume penjualan, data inflasi, data Produk Domestik Bruto, data ekspor dan impor atau sejenisnya. Data kuantitatif ini juga dibagi lagi dalam 2 subjenis, yaitu data diskrit dan data kontinu. Data diskrit adalah data kuantitatif yang ditunjukkan dengan bilangan bulat, misalkan jumlah penduduk, jumlah anak, jumlah migrasi risen, jumlah rumah dan sejenisnya. Ia tidak bisa bernilai koma sebab akan menimbulkan ketidaklogisan. Sementara itu, data kontinu adalah data kuantitatif yang nilainya mencakup semua interval bilangan, baik bilangan bulat maupun desimal, seperti data panjang jalan aspal dan sirtu, data luas lahan pertanian, data luas lantai rumah dan sejenisnya.

Mengenai data kualitatif, data ini sederhananya merupakan data yang nilainya merupakan sebuah ukuran kategori, bukan dalam bentuk angka-angka. Sebab, data jenis ini menunjukkan informasi yang sebenarnya susah diukur dengan alat ukur. Data kualitatif juga menunjukkan informasi opini atas suatu fenomena. Contohnya data jenis kelamin (gender), data suku, data kepuasan berumah tangga, data kepuasan konsumen, data kualitas pelayanan bank dan sejenisnya.

Data menurut waktu mendapatkan

Data cross section dan time series, sumber foto: dokpri.

Preferensi waktu saat pengambilan suatu data juga menjadi dasar pengklasifikasian data. Menurut waktu pengambilannya, data dibagi menjadi tiga, yaitu data cross section, data runtun waktu (time series) dan data panel.

Data cross section adalah data yang didapatkan pada satu periode waktu dan di wilayah tertentu. Data ini biasanya digunakan untuk menganalisis fenomena tertentu dan manfaatnya hanya berlaku pada waktu data tersebut didapatkan. Misalnya Nganu pengin menganalisis tentang produksi telur desa Kedondong Sidoarjo pada tahun 2018, maka data yang ia dapatkan nantinya disebut sebagai data cross section. Kesimpulan dari hasil analisis Nganu terhadap data produksi telur hanya berlaku bagi peternak ayam petelur di Sidoarjo dan pada tahun 2018. Sedangkan di daerah lainnya dan atau periode tahun lainnya boleh jadi berlainan kesimpulan.

Data runtun waktu (time series) merupakan data yang memuat informasi atau fenomena tertentu di daerah tertentu dalam selang waktu yang relatif lama, selang waktu bisa dalam bentuk harian, mingguan, bulanan, atau tahunan. Preferensi waktu data runtun waktu relatif lebih panjang. Salah satu contoh data ini adalah data inflasi bulanan, data seismograf gunung berapi, data pengguna internet tahun 2008-2017, data Indeks Pembangunan Manusia (IPM) Indonesia tahun 1991-2017, dan sejenisnya. Intinya lebih pada sekumpulan data tertentu dalam selang waktu tertentu.

Data panel, sumber foto: dokpri.

Sedangkan data panel merupakan data hasil kolaborasi data cross section dan data runtun waktu (time series). Data panel lebih kompleks dan banyak digunakan dalam penelitian saat ini. Data panel bisa memuat lebih dari satu karakteristik dan dalam rentang waktu yang relatif panjang. Misalnya data penjualan minuman kesehatan menurut provinsi tahun 2010-2019, data kualitas produk menurut area pemasaran tahun 2010-2017 dan sejenisnya.

Data menurut cara memperoleh

Data primer dan sekunder, sumber foto: dokpri.

Data menurut cara memperoleh terbagi menjadi dua, yaitu data primer dan data sekunder. Data primer merupakan data yang didapatkan dengan melakukan kegiatan statistik secara mandiri, terjun ke lapangan atau target untuk kemudian mengumpulkan data seluruh elemen populasi baik secara sensus maupun survei. Misalnya Nganu ingin mendapatkan gambaran mengenai rata-rata ongkos produksi ternak sapi perah desa Kalipucang, ia kemudian melakukan survei dengan mengambil sampel peternak sapi perah desa itu sebanyak 225 sampel kemudian melakukan wawancara mengenai komposisi dan besar pengeluaran untuk ternak dengan kuesioner yang ia buat sendiri, hasilnya ia gunakan untuk bahan rekomendasi penyuluhan peternak sapi perah desa itu.

Sementara itu, data sekunder merupakan data jadi atau mentahan (raw data) yang dihasilkan atau dimunculkan oleh pihak pertama, untuk kemudian digunakan oleh pihak lainnya untuk tujuan tertentu. Sebagai contoh, Nganu akan menganalisis mengenai pengaruh inflasi terhadap kemiskinan Indonesia, Nganu kemudian mengambil data dari Badan Pusat Statistik (BPS) melalui website www.bps.go.id berupa data inflasi tahunan dan data kemiskinan tahunan.(*)