Skala pengukuran adalah aturan yang menentukan arti sebuah angka dalam data penelitian. Angka “2” bisa berarti perempuan, peringkat kedua, suhu 2°C, atau berat 2 kg. Arti angka itu menentukan perhitungan apa yang boleh dilakukan.
Banyak mahasiswa baru memikirkan skala pengukuran saat dosen bertanya, “Kenapa memakai uji ini?” Padahal jawabannya sering sederhana: karena skala datanya. Artikel ini membahas empat skala pengukuran, contohnya, dan pengaruhnya pada pilihan metode analisis data. Artikel ini bagian dari seri Materi Statistik IDTesis.
Apa Itu Skala Pengukuran?
Skala pengukuran adalah tingkatan informasi yang dibawa oleh data. Pembagian yang paling banyak dipakai berasal dari psikolog S. S. Stevens (1946). Ia membagi data ke dalam empat skala: nominal, ordinal, interval, dan rasio.
Keempatnya bertingkat. Setiap skala yang lebih tinggi punya semua sifat skala di bawahnya, ditambah satu sifat baru. Karena itu, skala data menentukan statistik deskriptif yang tepat dan uji yang boleh dipakai.
Sebelum menentukan skala, pastikan dulu konsep, konstruk, dan variabel penelitian Anda sudah jelas. Skala melekat pada variabel, bukan pada penelitian secara keseluruhan.
Empat Jenis Skala Pengukuran
1. Skala Nominal
Skala nominal hanya membedakan kategori. Angka dipakai sebagai label, tanpa makna jumlah atau urutan.
Contohnya jenis kelamin (1 = laki-laki, 2 = perempuan), jurusan, agama, dan golongan darah. Kodenya bebas. Menulis 1 = perempuan dan 2 = laki-laki pun sama benarnya.
Data nominal hanya bisa dihitung frekuensi dan persentasenya. Ukuran pemusatan yang tepat adalah modus. Menghitung “rata-rata jenis kelamin = 1,6” tidak punya arti apa pun.
2. Skala Ordinal
Skala ordinal membedakan kategori sekaligus menunjukkan urutan. Namun, jarak antarurutan tidak diketahui atau tidak sama.
Contohnya tingkat pendidikan (SD, SMP, SMA, S1), peringkat lomba, dan tingkat kepuasan (1 = sangat tidak puas sampai 5 = sangat puas). Juara 1 jelas lebih baik dari juara 2. Tetapi selisih juara 1 dan 2 belum tentu sama dengan selisih juara 2 dan 3.
Kode ordinal harus berurutan sesuai tingkatannya. Ukuran pemusatan yang tepat adalah median.
3. Skala Interval
Skala interval punya urutan dan jarak yang sama antarnilai, tetapi tidak punya nol mutlak. Nol pada skala interval hanyalah titik yang disepakati, bukan berarti “tidak ada”.
Contoh klasiknya suhu dalam derajat Celsius. Selisih 20°C ke 30°C sama dengan selisih 30°C ke 40°C. Tetapi 40°C tidak bisa disebut “dua kali lebih panas” dari 20°C, karena 0°C bukan berarti tidak ada panas.
Pada skala interval, penjumlahan dan pengurangan bermakna, tetapi perbandingan (rasio) tidak. Rata-rata dan simpangan baku boleh dihitung.
4. Skala Rasio
Skala rasio punya semua sifat skala interval, ditambah nol mutlak. Nol berarti benar-benar tidak ada.
Contohnya berat badan, tinggi badan, pendapatan, umur dalam tahun, dan jumlah anak. Jika Budi berbobot 60 kg dan Sari 30 kg, Budi dua kali lebih berat dari Sari. Perbandingan seperti ini hanya bermakna pada skala rasio.
Semua operasi matematika berlaku pada data rasio. Dalam praktik analisis, data interval dan rasio sering disebut bersama sebagai data metrik.
Tabel Perbedaan Skala Nominal, Ordinal, Interval, dan Rasio
Skala Pengukuran Menentukan Uji Statistik
Data nominal diuji dengan uji yang menghitung frekuensi, seperti chi-square dalam analisis tabulasi silang (crosstab). Data ordinal memakai uji nonparametrik, seperti korelasi Spearman atau uji Mann-Whitney.
Data interval dan rasio bisa memakai uji parametrik, seperti uji t, ANOVA, korelasi Pearson, dan regresi. Syaratnya, asumsi uji terpenuhi, misalnya data lolos uji normalitas. Jika asumsi tidak terpenuhi, uji nonparametrik tetap bisa menjadi pilihan.
Skala Likert: Ordinal atau Interval?
Pertanyaan ini paling sering muncul di ruang bimbingan. Jawabannya tergantung apa yang dianalisis.
Satu butir Likert (misalnya skor 1–5 untuk satu pernyataan) adalah data ordinal. Jarak antara “setuju” dan “sangat setuju” belum tentu sama dengan jarak “netral” ke “setuju”.
Lain halnya dengan skor total atau rata-rata dari beberapa butir yang mengukur satu variabel. Skor gabungan ini dalam praktik banyak diperlakukan sebagai data interval, sehingga dianalisis dengan uji parametrik. Norman (2010) menunjukkan bahwa uji parametrik cukup tahan dipakai pada data seperti ini.
Saran praktisnya: ikuti kebiasaan di bidang dan kampus Anda, lalu tulis alasannya di Bab 3. Pastikan juga butir-butirnya sudah lolos uji validitas dan uji reliabilitas sebelum dijumlahkan.
Kalau pembimbing dan penguji Anda punya pandangan berbeda soal ini, ada baiknya mendiskusikan dasar argumennya sebelum sidang. Tim IDTesis terbiasa membantu menyusun alasan metodologis seperti ini.
Kesalahan yang Sering Terjadi
- Menghitung rata-rata data nominal. Contohnya rata-rata jurusan atau rata-rata jenis kelamin.
- Mengubah data rasio menjadi kategori tanpa alasan. Umur dalam tahun yang diubah menjadi “muda” dan “tua” kehilangan banyak informasi, dan uji yang bisa dipakai jadi lebih lemah.
- Memberi kode ordinal tidak berurutan. Misalnya 1 = S1, 2 = SD, 3 = SMA. Hasil korelasinya jadi tidak bisa ditafsirkan.
- Menyebut skor satu butir Likert sebagai data rasio. Skala Likert tidak punya nol mutlak.
Pertanyaan yang Sering Diajukan
Apa beda skala interval dan rasio?
Keduanya punya jarak yang sama antarnilai. Bedanya, skala rasio punya nol mutlak, sehingga perbandingan seperti “dua kali lipat” bermakna. Pada skala interval, perbandingan seperti itu tidak bermakna.
Umur termasuk skala apa?
Umur dalam tahun termasuk skala rasio. Jika umur dikelompokkan, misalnya 20–29, 30–39, dan 40–49 tahun, datanya menjadi ordinal.
Skala Likert termasuk skala apa?
Satu butir Likert termasuk ordinal. Skor gabungan beberapa butir sering diperlakukan sebagai interval, dengan alasan yang perlu ditulis di metode penelitian.
Mengapa skala pengukuran penting untuk skripsi dan tesis?
Skala menentukan statistik deskriptif dan uji yang boleh dipakai. Uji yang tidak cocok dengan skala data adalah salah satu catatan revisi yang paling sering muncul saat sidang.
Butuh Teman Diskusi untuk Olah Data?
Masih ragu menentukan skala dan uji untuk data Anda? Tim IDTesis bisa menemani Anda memeriksa data, memilih uji yang sesuai, dan menjelaskan hasilnya dengan bahasa sederhana. Dengan begitu Anda siap menjelaskannya di depan penguji. Ceritakan dulu kebutuhan Anda lewat WhatsApp, atau lihat layanan olah data statistik.
Baca juga: Metode Analisis Data · Statistik Deskriptif · Uji Normalitas
Referensi
- Norman, G. (2010). Likert scales, levels of measurement and the “laws” of statistics. Advances in Health Sciences Education, 15(5), 625–632. https://doi.org/10.1007/s10459-010-9222-y
- Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. https://doi.org/10.1126/science.103.2684.677
Leave a Reply