Seorang mahasiswa memasukkan data jenis kelamin ke komputer. Ia memberi kode 1 untuk pria dan 2 untuk wanita. Dari 10 responden, 6 pria dan 4 wanita. Lalu — karena terbiasa menekan tombol yang sama untuk semua kolom — ia menekan tombol rata-rata. Hasilnya muncul: 1,4.
Apa arti “rata-rata jenis kelamin 1,4”? Tidak ada. Angka 1 dan 2 di sini cuma label, sama seperti nomor punggung pemain bola. Menghitung rata-ratanya sama tidak masuk akalnya dengan bertanya “berapa rata-rata nomor punggung satu tim?”. Jawaban yang keluar memang berupa angka, tetapi angka itu kosong makna.
Kesalahan ini bukan soal salah pencet tombol. Akarnya lebih dalam: tidak paham bahwa angka tidak selalu berarti kuantitas. Kadang angka cuma nama. Kadang menunjukkan urutan. Kadang baru benar-benar mengukur jumlah. Cara membedakannya disebut skala pengukuran — dan menguasainya adalah langkah pertama sebelum memilih uji statistik apa pun.
Intuisi: Empat Anak Tangga
Bayangkan empat skala sebagai tangga yang menanjak. Tiap anak tangga yang lebih tinggi memiliki semua sifat anak tangga di bawahnya, ditambah satu sifat baru. Makin tinggi, makin banyak informasi yang terkandung dalam angkanya — dan makin banyak hal yang sah Anda lakukan dengannya.
- Anak tangga pertama, nominal: angka hanya sebagai label.
- Naik satu, ordinal: angka menambah satu sifat — urutan.
- Naik lagi, interval: menambah satu sifat — jarak antarnilai yang setara.
- Puncaknya, rasio: menambah satu sifat — titik nol mutlak, sehingga perbandingan “dua kali lipat” jadi bermakna.
Sebelum membahas tiap anak tangga satu per satu, inilah ringkasan padatnya:
| Skala | Sifat baru yang ditambahkan | Contoh | Yang boleh dihitung |
|---|---|---|---|
| Nominal | (tidak ada — hanya label) | jenis kelamin, agama, kota | frekuensi, modus |
| Ordinal | urutan | peringkat juara, tingkat kepuasan, jenjang pendidikan | + median, persentil |
| Interval | jarak antarnilai yang setara | suhu Celsius, tahun kalender | + rata-rata, simpangan baku |
| Rasio | titik nol mutlak | berat, pendapatan, usia, omzet | + rasio (perbandingan “2× lipat” sah) |
Nominal: Angka sebagai Nama
Skala nominal memakai angka (atau kata) semata-mata sebagai label kategori. Tidak ada urutan: tidak ada kategori yang “lebih tinggi” atau “lebih rendah” dari kategori lain.
Contoh konkret — jenis kelamin. Pria diberi kode 1, wanita 2. Apakah wanita “lebih besar” dari pria karena 2 > 1? Tentu tidak. Kalau kodenya dibalik (wanita 1, pria 2), tidak ada yang berubah maknanya. Angka di sini sepenuhnya bertukar bebas — itulah ciri nominal.
Contoh lain: agama (Islam, Kristen, Hindu, …), kota asal (Semarang, Surabaya, Medan), jenis usaha (manufaktur, jasa, dagang), nomor punggung pemain.
Yang boleh dilakukan. Anda hanya bisa menghitung berapa banyak data di tiap kategori (frekuensi) dan mencari kategori yang paling sering muncul (modus). Pertanyaan “berapa rata-ratanya?” tidak punya jawaban yang berarti — inilah jebakan yang menjerat mahasiswa di cerita pembuka.
Ordinal: Ada Urutan, tapi Jarak Tak Pasti Setara
Skala ordinal menambah satu sifat: urutan. Sekarang kita tahu mana yang lebih tinggi dan mana yang lebih rendah. Tetapi ada satu hal yang masih belum kita ketahui — seberapa jauh jarak antartingkat. Jaraknya belum tentu setara.
Contoh konkret — peringkat lomba lari. Juara 1, juara 2, juara 3. Jelas juara 1 lebih cepat dari juara 2, dan juara 2 lebih cepat dari juara 3 — ada urutan. Tetapi apakah selisih waktu juara 1 ke 2 sama dengan selisih juara 2 ke 3? Belum tentu. Bisa saja juara 1 unggul jauh, sementara juara 2 dan 3 hampir bersamaan. Angka peringkat memberi tahu urutan, bukan jarak.
Contoh konkret — tingkat kepuasan. Pelanggan memilih: Sangat Tidak Puas (1), Tidak Puas (2), Netral (3), Puas (4), Sangat Puas (5). Kita tahu “Puas” lebih tinggi dari “Netral”. Tetapi apakah lompatan dari “Netral” ke “Puas” sama besar dengan lompatan dari “Puas” ke “Sangat Puas”? Tidak ada yang menjamin. Itulah sebabnya skala ini ordinal, bukan interval.
Contoh lain: jenjang pendidikan (SD, SMP, SMA, S1), kelas tiket pesawat (ekonomi, bisnis, utama), tingkat kepedasan menu.
Yang boleh dilakukan. Karena ada urutan, Anda bisa mencari median (nilai tengah setelah data diurutkan) dan persentil (nilai yang membatasi sekian persen data terbawah). Tetapi rata-rata masih rawan: menjumlahkan lalu membaginya mengandaikan jarak antartingkat setara — padahal belum tentu.
Catatan khusus: skala Likert
Skala kepuasan 1–5 tadi adalah skala Likert (skala respons bertingkat untuk mengukur sikap atau persepsi), dan posisinya sering memicu perdebatan. Secara teknis ia ordinal: kita yakin “Sangat Setuju” lebih tinggi dari “Setuju”, tetapi tidak yakin jaraknya sama persis dengan “Setuju” ke “Netral”.
Dalam praktik, sebagian besar penelitian manajemen memperlakukan total skor Likert sebagai interval supaya bisa memakai regresi dan SEM. Sebagian peneliti yang lebih ketat mengubahnya dulu ke interval lewat Method of Successive Interval (MSI). Untuk skripsi S1, memperlakukannya sebagai interval umumnya diterima penguji, asalkan asumsi itu disebut terang-terangan di bab metode.
Interval: Jarak Setara, tapi Tanpa Nol Mutlak
Skala interval menambah satu sifat lagi: jarak antarnilai yang setara. Sekarang selisih yang sama benar-benar berarti hal yang sama. Tetapi masih ada satu yang kurang — titik nol pada skala ini bukan berarti “tidak ada”. Nolnya sekadar titik acuan yang disepakati, bukan ketiadaan.
Contoh konkret — suhu Celsius. Selisih 10°C ke 20°C sama besar dengan selisih 20°C ke 30°C: masing-masing sepuluh derajat panas yang nyata. Jarak setara — itu yang membuatnya interval. Tetapi 0°C bukan berarti tidak ada suhu (air membeku, tetapi panas masih ada). Karena nolnya tidak mutlak, kita tidak boleh bilang “20°C dua kali lebih panas dari 10°C”. Perbandingan kelipatan menjadi omong kosong di skala interval.
Contoh lain: tahun kalender (selisih tahun 2000 ke 2010 sama dengan 2010 ke 2020, tetapi “tahun 0” bukan awal waktu), skor IQ.
Yang boleh dilakukan. Karena jarak setara, sekarang rata-rata dan simpangan baku menjadi sah dan bermakna. Yang masih terlarang adalah pernyataan rasio (“dua kali lipat”), karena belum ada nol mutlak sebagai titik pijak.
Rasio: Ada Nol Mutlak, Perbandingan Bermakna
Skala rasio adalah anak tangga tertinggi. Ia menambah sifat terakhir: titik nol mutlak — nol benar-benar berarti “tidak ada”. Begitu nol bermakna ketiadaan, perbandingan kelipatan langsung jadi sah.
Contoh konkret — pendapatan. Pendapatan Rp 0 benar-benar berarti tidak ada pendapatan. Dan karena itu, Rp 10 juta memang dua kali lipat Rp 5 juta — pernyataan ini sah sepenuhnya. Bandingkan dengan suhu tadi yang tidak boleh “dua kali lipat”.
Contoh konkret — berat. Berat 0 kg berarti tidak ada massa. Benda 8 kg memang dua kali lebih berat dari benda 4 kg ($8 \div 4 = 2$). Semua operasi aritmetika sah di sini.
Contoh lain: usia (0 tahun = baru lahir), omzet, jumlah karyawan, jarak tempuh, lama waktu.
Yang boleh dilakukan. Semuanya — frekuensi, modus, median, rata-rata, simpangan baku, sampai perbandingan rasio. Skala rasio memuat seluruh sifat ketiga skala di bawahnya.
Cara Cepat Menentukan Skala
Untuk variabel apa pun, jawab tiga pertanyaan ini secara berurutan. Tiap “ya” menaikkan Anda satu anak tangga:
- Apakah angkanya punya urutan yang bermakna? Jika tidak → nominal (berhenti di sini). Jika ya → lanjut.
- Apakah jarak antarnilai setara? Jika tidak → ordinal (berhenti). Jika ya → lanjut.
- Apakah ada titik nol mutlak (nol = “tidak ada”)? Jika tidak → interval. Jika ya → rasio.
Inilah persis tiga pertanyaan yang ditanyakan widget di bawah. Pilih sebuah variabel, jawab ketiganya, dan widget menyimpulkan skalanya beserta uji yang cocok.
Tabel Ringkas: Skala vs Operasi yang Sah
Karena tiap anak tangga memuat sifat anak tangga di bawahnya, operasi yang sah pun bertumpuk — yang boleh di skala bawah tetap boleh di skala atas.
| Operasi | Nominal | Ordinal | Interval | Rasio |
|---|---|---|---|---|
| Hitung frekuensi tiap kategori | ✓ | ✓ | ✓ | ✓ |
| Cari modus (paling sering muncul) | ✓ | ✓ | ✓ | ✓ |
| Urutkan dari rendah ke tinggi | — | ✓ | ✓ | ✓ |
| Cari median dan persentil | — | ✓ | ✓ | ✓ |
| Hitung rata-rata dan simpangan baku | — | — | ✓ | ✓ |
| Bandingkan kelipatan (“dua kali lipat”) | — | — | — | ✓ |
Tanda — berarti operasi itu tidak sah untuk skala tersebut: hasilnya boleh saja keluar berupa angka, tetapi angka itu tanpa makna (persis seperti “rata-rata jenis kelamin 1,4”).
Kenapa Skala Menentukan Uji
Inilah inti praktisnya untuk skripsi. Skala variabel terikat (Y, yang dijelaskan) dan variabel bebas (X, yang menjelaskan) menentukan uji statistik mana yang sah dipakai. Pilih uji yang tidak cocok dengan skalanya, dan seluruh analisis cacat sejak awal — kesalahan yang paling sering ditangkap penguji.
| Variabel terikat (Y) | Variabel bebas (X) | Uji yang cocok |
|---|---|---|
| Interval/Rasio | Interval/Rasio | Regresi, korelasi Pearson |
| Interval/Rasio | Nominal (2 grup) | Uji t dua sampel |
| Interval/Rasio | Nominal (>2 grup) | ANOVA |
| Ordinal | Nominal (2 grup) | Mann-Whitney |
| Nominal | Nominal | Chi-Square |
Contoh membaca tabel. Kalau Y Anda adalah omzet (rasio) dan X-nya adalah anggaran iklan (rasio), barisnya yang teratas → pakai regresi. Kalau Y omzet (rasio) dan X-nya jenis toko (nominal, 2 grup: daring vs luring), barisnya yang kedua → pakai uji t dua sampel. Identifikasi skala dulu, baru tabel ini menuntun ke uji yang benar.
Selingan: diskrit vs kontinu
Satu pembedaan lagi yang berguna, terpisah dari empat skala. Data diskrit hanya bisa bernilai tertentu — jumlah anak: 0, 1, 2 (tidak ada “1,5 anak”). Data kontinu bisa bernilai berapa pun dalam rentangnya — tinggi badan bisa 165,3 cm. Variabel rasio bisa diskrit (jumlah karyawan) maupun kontinu (omzet). Pembedaan ini tidak mengubah skala, tetapi memengaruhi pilihan distribusi dan model lanjutan.
Cek Pemahaman
1. Sebuah kuesioner menanyakan tingkat pendidikan responden dengan kode: 1 = SD, 2 = SMP, 3 = SMA, 4 = S1. Apa skala variabel ini, dan bolehkah dihitung rata-ratanya?
Lihat jawaban
Skala ordinal. Ada urutan jelas (S1 lebih tinggi dari SD), tetapi jarak antartingkat tidak setara — lompatan pengetahuan dari SD ke SMP belum tentu sama besar dengan SMA ke S1. Karena jaraknya tak setara, rata-rata (misalnya “rata-rata pendidikan 2,7”) tidak sah secara ketat; pakai modus atau median sebagai ukuran pemusatan.
2. (soal transfer) Anda meneliti pengaruh lama bekerja (dalam tahun) terhadap gaji (dalam Rupiah) karyawan. Tentukan skala kedua variabel, lalu pilih uji yang tepat memakai tabel keputusan.
Lihat jawaban
Keduanya rasio: lama bekerja punya nol mutlak (0 tahun = baru masuk) dan gaji punya nol mutlak (Rp 0 = tidak ada gaji), serta perbandingan kelipatan bermakna pada keduanya. Karena Y (gaji) interval/rasio dan X (lama bekerja) interval/rasio, baris teratas tabel berlaku → pakai regresi (atau korelasi Pearson untuk sekadar mengukur kekuatan hubungan).
3. (soal transfer) Seorang peneliti ingin membandingkan skor kepuasan kerja (skala Likert 1–5, diperlakukan sebagai interval) antara karyawan tiga divisi berbeda (Produksi, Pemasaran, Keuangan). Variabel bebasnya skala apa, dan uji apa yang cocok?
Lihat jawaban
Variabel bebasnya (divisi) adalah nominal dengan lebih dari dua grup. Variabel terikatnya (skor kepuasan) diperlakukan sebagai interval. Dari tabel: Y interval/rasio dengan X nominal >2 grup → pakai ANOVA satu arah. (Kalau skor Likert diperlakukan ordinal secara ketat, padanan nonparametriknya adalah uji Kruskal-Wallis.)
Kesalahan Umum
Menghitung rata-rata data nominal atau ordinal mentah. Rata-rata “jenis kelamin” atau “kode kota” tidak bermakna — itu kesalahan di cerita pembuka. Untuk nominal pakai frekuensi dan modus; untuk ordinal pakai median.
Memilih uji tanpa memeriksa skala lebih dulu. Memakai regresi biasa untuk Y nominal adalah keliru (yang benar regresi logistik). Selalu identifikasi skala tiap variabel sebelum menyentuh uji apa pun.
Mengira skala interval punya nol mutlak. Suhu 0°C bukan “tidak ada suhu”. Karena itu pernyataan “20°C dua kali lebih panas dari 10°C” salah — perbandingan kelipatan hanya sah untuk skala rasio.
Mencampuradukkan diskrit dan kontinu. Data cacahan (jumlah, diskrit) dan data ukuran (kontinu) butuh penanganan berbeda di model lanjutan, walau keduanya bisa sama-sama berskala rasio.
Dipakai di Dunia Nyata
Tahap awal setiap skripsi. Saat menyusun definisi operasional variabel di bab metode, tentukan skala tiap variabel lebih dulu. Penentuan inilah yang mengunci uji statistik yang sah — dan menghemat banyak revisi setelah sidang.
Membaca jurnal secara kritis. Memahami skala membantu menilai apakah uji yang dipakai peneliti lain sudah tepat untuk data mereka, atau justru melanggar asumsi skala.
Mendesain basis data survei. Saat menyiapkan kolom input data di SPSS atau Excel, skala menentukan tipe kolom: kategori (untuk nominal/ordinal) atau angka (untuk interval/rasio).
Kendali mutu dan operasional. Memutuskan apakah sebuah indikator kinerja layak dirata-ratakan atau cukup dimoduskan bergantung pada skalanya — kesalahan di sini menghasilkan laporan yang menyesatkan.
Lanjutan
Setelah Anda lancar mengenali skala, langkah berikutnya adalah menerapkannya pada instrumen survei dan analisis nyata:
- Skala Likert dan Kuesioner — merancang butir pertanyaan dan menangani sifat ordinalnya.
- Method of Successive Interval (MSI) — mengubah skor ordinal Likert menjadi interval secara formal.
- Statistik Deskriptif & Karakteristik Responden — meringkas data sesuai skalanya.
Perlu menyegarkan fondasinya dulu? Balik ke Jenis Data.
Reference
- Stevens, S.S. (1946), “On the theory of scales of measurement”, Science.
- Sugiyono (2019), Metode Penelitian Kuantitatif.
- Cooper & Schindler (2014), Business Research Methods.