- Jenis-jenis data beserta contohnya !
Definisi Data
Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan masih memerlukan adanya suatu pengolahan. Data bisa berujut suatu keadaan, gambar, suara, huruf, angka, matematika, bahasa ataupun simbol-simbol lainnya yang bisa kita gunakan sebagai bahan untuk melihat lingkungan, obyek, kejadian ataupun suatu konsep.
Data bisa merupakan jam kerja bagi karyawan perusahaan. Data ini kemudian perlu diproses dan diubah menjadi informasi. Jika jam kerja setiap karyawan kemudian dikalikan dengan nilai per-jam, maka akan dihasilkan suatu nilai tertentu. Jika gambaran penghasilan setiap karyawan kemudian dijumlahkan, akan menghasilkan rekapitulasi gaji yang harus dibayar oleh perusahaan. Penggajian merupakan informasi bagi pemilik perusahaan. Informasi merupakan hasil proses dari data yang ada, atau bisa diartikan sebagai data yang mempunyai arti. Informasi akan membuka segala sesuatu yang belum diketahui.
Jenis Data
Jenis-jenis data dapat dibagi berdasarkan sifatnya, sumbernya, cara memperolehnya, dan waktu pengumpulannya. Menurut sifatnya, jenis-jenis data yaitu:
- Data Kualitatif:data kualitatif adalah data yang tidak berbentuk angka, misalnya: Kuesioner Pertanyaan tentang suasana kerja, kualitas pelayanan sebuah rumah sakit atau gaya kepemimpinan, dll.
- Data Kuantitatif:data kuantitatif adalah data yang berbentuk angka, misalnya: harga saham, besarnya pendapatan, dll.
Jenis-jenis data menurut sumbernya, antara lain:
- Data Internal:data intenal adalah data dari dalam suatu organisasi yang menggambarkan keadaan organisasi tersebut. Contohnya: suatu perusahaan, jumlah karyawannya, jumlah modalnya, atau jumlah produksinya, dll.
- Data Eksternal:data eksternal adalah data dari luar suatu organisasi yang dapat menggambarkan faktor-faktor yang mungkin mempengaruhi hasil kerja suatu organisasi. Misalnya: daya beli masyarakat mempengaruhi hasil penjualan suatu perusahaan.
Jenis-jenis data menurut cara memperolehnya, antara lain:
- Data Primer (primary data):data primer adalah data yang dikumpulkan sendiri oleh perorangan/suatu organisasi secara langsung dari objek yang diteliti dan untuk kepentingan studi yang bersangkutan yang dapat berupa interview, observasi.
- Data Sekunder (secondary data): data sekunder adalah data yang diperoleh/ dikumpulkan dan disatukan oleh studi-studi sebelumnya atau yang diterbitkan oleh berbagai instansi lain. Biasanya sumber tidak langsung berupa data dokumentasi dan arsip-arsip resmi.
Jenis-jenis data menurut waktu pengumpulannya, antara lain:
- Data cross section,yaitu data yang dikumpulkan pada suatu waktu tertentu (at a point of time) untuk menggambarkan keadaan dan kegiatan pada waktu tersebut. Misalnya; data penelitian yang menggunakan kuesioner.
- Data berkala (time series data),yaitu data yang dikumpulkan dari waktu ke waktu untuk melihat perkembangan suatu kejadian/kegiatan selama periode tersebut. Misalnya, perkembangan uang beredar, harga 9 macam bahan pokok penduduk.
Contoh:
- Pengguna Laptop Merek ASUS di Indonesia
Data : angka banyaknya pengguna laptop ASUS di Indonesia
Informasi : Jumlah pengguna laptop ASUS di Indonesia - Gunung Meletus di Indonesia
Data : angka banyaknya gunung meletus di Indonesia selama satu tahun
Informasi : Frekuensi rata-rata terjadi gunung meletus di Indonesia selama satu tahun - Pengguna Smartphone di Indonesia
Data : angka banyaknya pengguna smartphone di Indonesia
Informasi : Jumlah pengguna Smartphone di Indonesia
2 .Beberapa teknik visualisasi data yang diketahui !
teknik-teknik berbasis pixel
Ide dasar dari teknik-teknik yang berorientasi pixel adalah memetakan tiap-tiap data value ke titik tertentu dan setiap data value memiliki satu atribut dalam jendela terpisah .
Secara umum teknik ini menggunakan satu titik setiap satu data value, maka teknik ini dapat mengalokasikan visualisasi data dalam ukuran yang sangat besar, yaitu memungkinkan untuk menampilkan lebih dari 1.000.000 data value. Atribut yang berbeda ditampilkan pada sub jendela yang berbeda dan range nilai data yang mungkin dipetakan pada titik sesuai warna
Jika pengguna ingin memvisualisasi data yang besar, maka harus menggunakan teknik visualisasi.
Karakteristik Teknik berbasis Pixel :
- Dapat menangani himpunan data yang besar dan sangat besar dengan tampilan beresolusi tinggi.
- Dapat menangani secara wajar untuk data menengah dan dimensi yang tinggi
- Tiap-tiap data item dipetakan secara tunggal dengan sebuah titik, sehingga tidak terjadi record yang overlap dan kekacauan secara visual.
Teknik,Proyeksi Geometri
Tujuan dari teknik proyeksi geometri adalah memperoleh proyeksi yang menarik atas sekumpulan data multidimensi. Klas dari teknik proyeksi geometri mencakup teknik pengujian statistik seperti komponen utama analisis, analisis faktor dan penskalaan multidimensional, yang merupakan bagian dari istilah ‘projection pursuit’. Karena terdapat jumlah kemungkinan yang tak hingga untuk memproyeksikan data berdimensi tinggi ke tampilan dua dimensi, sistem ‘projection pursuit’ sebagaimana tujuan dari ‘the grand tour systems’ adalah pada otomasi dalam perolehan proyeksi yang penting atau paling tidak membantu pengguna untuk memperoleh proyeksi tersebut.
Teknik proyeksi geometri yang lain adalah teknik visualisasi koordinat paralel. Teknik koordinat paralel, memetakan ruang berdimensi k ke tampilan dua dimensi dengan menggunakan k sumbu yang berjarak sama dan saling paralel dengan sumbu tampilan. Sumbu- sumbu tersebut disesuaikan dengan dimensinya dan diberi skala dari nilai terkecil hingga terbesar. Tiap-tiap data item dinyatakan sebagai garis poligon, tiap-tiap sumbu akan berpotongan pada suatu titik sesuai dengan nilai dimensi yang dikehendaki. Meskipun ide dasar dari teknik visualisasi koordinat paralel cukup sederhana, tetapi sangat bagus untuk mengungkapkan berbagai karakteristik data seperti perbedaan sebaran data dan kebertgantungan fungsional. Karena garis poligon sering kali overlap, maka jumlah data item yang dapat divisualisasi pada layar pada saat yang sama adalah terbatas, kira-kira hanya 1000 data item.
Karakteristik teknik Geometri :
- Dapat menangani himpunan data yang besar dan sangat besar ketika dipasangkan dengan teknik-teknik interaksi yang sesuai, tetapi kekacauan secara visual dan record yang overlap sangat parah untuk himpunan data yang besar.
- Dapat menangani secara wajar untuk data menengah dan dimensi yang tinggi
- Semua dimensi data dianggap sama, namun urutan sumbu yang ditampilkan mempengaruhi apa yang dapat dirasakan.
- Sangat efektif untuk menentukan data pencilan dan hubungan antara dimensi-dimensi yang berbeda.
.Teknik-teknik berbasis icon.
Klas lain dari teknik visualisasi data mining adalah teknik berbasis icon (iconic display techniques) atau iconographic. Idenya adalah memetakan setiap data item multidimesi ke sebuah icon. Pendekatan pertama tampilan iconic yang terkenal adalah ‘wajah Chernoff’ . Pada visualisasi ‘wajah Chernoff’, dua atribut data dipetakan pada tampilan dua dimensi icon wajah. Sedangkan dimensi sisanya dipetakan ke berbagai bagian dari wajah (bagian hidung, mulut, mata dan bagian wajah itu sendiri). Visualisasi ‘wajah Charnoff’ memberi modal kepekaan manusia pada wajah dan fitur wajah. Banyaknya data item yang dapat divisualisasi dengan teknik ‘wajah Carnoff’ hanya terbatas.
Jika data item relatif padat dibandingkan dengan dimensi tampilan, hasil visualisasi menunjukkan tekstur pola yang sangat sesuai dengan karakteristik data dan dapat terdeteksi berdasarkan persepsi sebelumnya. visualisasi ‘stick figure’ dari data sensus berdimensi lima berdasarkan hasil sensus di Amerika tahun 1980. Selain untuk pendapatan dan umur, maka tribut pekerjaan, tingkat pendidikan, status perkawinan dan jenis kelamin dapat divisualisasian dengan ‘stick figure’.
Yang menarik adalah perubahan tekstur yang jelas pada layar yang mengindikasikan kebergantungan fungsional atribut-tribut yang lain terhadap penghasilan dan umur.
Banyak pemikiran lain tentang visualisasi berbasis icon yang telah dikembangkan dalam beberapa tahun teakhir. Satu pendekatan yang menyediakan visualisasi sembarang dimensi adalah pendekatan shape-coding. Icon yang digunakan pada pendekatan shape-coding memetakan setiap dimensi dengan sebuah larik kecil dari titik/pixel dan mengatur semua larik pixel dari setiap data item menjadi bentuk kotak. Kotak-kotak kecil yang berhubungan dengan data item diatur dalam mode baris demi baris.
SUMBER :
Data (Pengertian, Jenis, Metode Pengumpulan) dan Variabel Penelitian