Skip to content
Selain itu juga ada pengelompokan data kategorik menjadi beberapa kelompok yang lebih kecil. Contohnya untuk peserta didik dibagi menjadi 2 kategori, yakni SD/SMP yang masuk dalam kategori rendah, dan SMA/PT yang dimasukkan dalam kategori tinggi. Proses pengelompokan ini bisa disebut dengan istilah RECODE.
Perubahan bentuk data lain adalah pemakaian fungsi matematika dan algoritma. Contohnya untuk penjumlahan nilai pengetahuan, persepsi, dan sikap. Contoh lainnya adalah proses perkalian dan pembagian sekalian seperti untuk menghitung Indeks Massa Tubuh.
Contoh lainnya adalah pengelompokan beberapa variabel dengan memakai fungsi algoritma. Misalnya jika SIKAP=1, PERILAKU=1, dan TAHU=1, maka KONSISTEN=1. Nilai KONSISTEN 1 karena ketiga kondisi tersebut terpenuhi. Sedangkan jika salah satu tidak terpenuhi maka akan dinilai tidak konsisten atau KONSISTEN=0. Proses penerapan fungsi matematika dan algoritma ini dikenal dengan istilah COMPUTE.
Jenis Transformasi Data
Transformasi data mempunyai cukup banyak macam yang bisa kita pelajari. Setidaknya ada 10 macam transformasi data, antara lain:
- Transformasi Square Root (Akar),
- Transformasi Logaritma,
- Transformasi Arcsin,
- Transformasi Square (Kuadrat),
- Transformasi Cubic (Pangkat Tiga),
- Transformasi Inverse (Kebalikan),
- Transformasi Inverse Square Root (Kebalikan Akar),
- Transformasi Inverse Square (Kebalikan Kuadrat),
- Transformasi Inverse Cubic (Kebalikan Pangkat Tiga),
- Transformasi Reverse Score (Balik Skor).
Penyebab Data Tidak Normal
Suatu data dapat dikatakan normal jika data tersebut mengikuti pola distribusi normal. Pada beberapa teknik analisis yang tergolong dalam analisis statistik parametrik memiliki syarat data harus mengikuti distribusi normal. Hanya saja karena suatu hal distribusi tidak bisa dilakukan sebagaimana mestinya sehingga mengakibatkan data yang dianalisis menjadi tidak normal.
Ada banyak sekali penyebab yang membuat data tersebut tidak mengikuti distribusi normal. Salah satunya adalah adanya kesalahan ketika proses pengambilan data. Kesalahan dalam proses pengambilan data ini bisa diakibatkan oleh faktor internal maupun eksternal. Maka dari itu kesalahan saat pengambilan data harus diminimalisir semaksimal mungkin.
