Menyikapi Data Dengan Bijak......

Kadangkala, kita mendengar ada beberapa kalangan yang mempersoalkan data yang dikeluarkan oleh pihak lain. Sebagai contoh adalah:setiap muncul data kemiskinan seringkali menimbulkan pro dan kontra. Ada yang mempercayai, namun banyak juga yang menyangkal. Perbedaan tersebut berkaitan dengan cara pandang (perspektif) pengguna data tersebut dalam melihatnya.

Perlu diketahui bersama, bahwa ada beberapa konsep yang bisa dipakai dalam menentukan batasan kemiskinan. Ada yang dilihat berdasarkan pendapatan perkapita, ada yang dilihat berdasarkan konsumsi perkapita, atau bahkan bisa dilihat berdasarkan aset-aset yang dimiliki.

Dalam menyikapi masalah data kemiskinan yang ada di Indonesia, maka wajib bagi para pengguna data untuk memahami konsep apa yang dipakai sebagai dasar dalam menentukan kemiskinan. Sehingga kerangka pikir tentang data kemiskinan bisa seragam.

Setelah kerangka berpikir sudah seragam antara pembuat data dengan pengguna data, maka segala respon yang berkaitan dengan data tersebut bisa disandingkan secara bijak dan terukur.

Wassalam.

Tolitoli, 18 Nopember 2009.

Translated:

Occasionally, we hear there are some quarters who questioned the data released by the other party. An example is: each of poverty data appears often raises the pros and cons. There is a trust, but many are also denied. The differences are related to the viewpoint (perspective), user data is in view.

Please note together, that there are some concepts that can be used in determining the limits of poverty. There are views based on income per capita, there are views based on per capita consumption, or even can be viewed on the basis of the assets owned.

In addressing the problem of poverty data that exist in Indonesia, it is mandatory for users of data to understand the concept of what is used as the basis for determining poverty. So the conceptual framework of poverty data be uniform.

Once the framework is uniform between the maker of data with user data, then all responses related to the data can be juxtaposed in a wise and measured.

Regards.

Tolitoli, 18 November 2009.
 

Meaning of Data ...

Understanding Data is a collection of information or fact that explains about a problem. Data is a representation of real-world facts that represent an object of value recorded in the form of numbers, letters, symbols, text, images, sounds or a combination thereof. The data have an arbitrary value called variables and data that have values that do not change is constant. Examples include the variable is data on height, weight, perception of consumers toward certain products, etc., while examples of data including constants are the values that have been defined as phi = 3.141592654 and so forth.

Based on its nature:
1. Qualitative data, ie data in the form of categories. Example: someone who is categorized as economic conditions become poor, near poor, and not poor, etc..
2. Quantitative data, ie data in the form of numbers or numbers. Example: suppose a person consumption expenditure Rp.190.000, - or Rp.210.000, etc.

Based on the form of quantitative data:
1. Discrete data, ie data obtained from the calculation. Example: the number of employees of BPS Kab. Tolitoli entering today, etc..
2. Continuous data, ie data obtained from the measurement results. Example: Crop Farmer A (tonnes), Sales A sales force (per hour)

Based on the Measurement Scale:
1. Par.
Nominal scale data is a very simple scale, where the figures are included only to classify. Variable (data-fox may change its value) for which data is called a nominal scale nominal variables.
The characteristics of nominal scale data, namely:
-The figures listed are used as a sign distinguishing it from the position data Stara
-Not valid mathematical operation, such as:>, <, X, -, /, and ^). Example: Data sexes: men tick 1, the women are marked 2; Data livelihoods: the workers are marked 1, the public servants are marked 2, the entrepreneurs are marked 3; Zip code: 45391 marked sub A, sub B is marked 45 392 and 45 393 sub-C are marked. From these examples we can not state that men less than women and vice versa. With signs of male = 1 does not apply to the calculation, - or /. Suppose a man (1) men (1) may not produce 2 is female. The same explanation for example zip code, postal code eg 45 391 and 45 396 were only distinguished place.

2.Ordinal.
Ordinal data is the data obtained with the categorization, where the figures also included a differentiator which shows the sequence of levels based on certain criteria.
The characteristics of ordinal scale, namely:
-The figures listed are used as a distinguishing mark and declare the data level only.
-Not applicable opersi mathematical (X, -, /, and ^). Example: The data about the level of education: primary school graduates are marked 1, the junior high school graduates are marked 2, high school graduates are marked 3, the graduates of D-1 are marked 4, D-2 graduates are marked 5, a graduate of the S-0 is marked 6, graduates S-1 is marked 7. From these examples we can only state that someone pendikan degree to lower or higher only. Not valid that a person who has graduated from junior high school diploma and diploma SD = 1 = 2 into someone junior high school graduates who are marked 3.

3.Interval.
Interval scale data is data obtained from measurement results that do not have the absolute zero value. Example: Temperature 0C - 100C or 32F - 212F

4.Rasio.
Ratio scale data are the data obtained from the calculation which have a value of absolute zero. Example: Suppose the number of books is 5 if there are 5 books, then the declared value is 5 and if there is no book, then the value is otherwise 0.

Based on its source:
1. Internal data, ie data in their own environment. For example: personal data, product specifications, production costs, product quality and so forth.

2. External data, ie data obtained from parties or other sources, so based on its source.

Pengertian Data adalah kumpulan keterangan atau fakta yang menjelaskan mengenai suatu permasalahan. Data adalah merupakan representasi fakta dunia nyata yang mewakili suatu objek berupa nilai yang direkam dalam bentuk angka, hurup, symbol, teks, gambar, bunyi atau kombinasinya. Data yang mempunyai nilai yang berubah-ubah disebut variabel dan data yang mempunyai nilai-nilai yang tidak berubah disebut konstanta. Contoh yang termasuk variabel adalah data tentang tinggi badan, berat badan, presepsi konsumen terhadap produk tertentu, dan sebagainya, sedangkan contoh data yang termasuk konstanta adalah nilai-nilai yang sudah ditetapkan seperti phi= 3,141592654 dan sebagainya.

Berdasarkan sifatnya:
1. Data kualitatif, yaitu data yang berupa kategori. Contoh: kondisi ekonomi seseorang yang dikategorikan menjadi miskin, mendekati miskin, dan tidak miskin, dll.
2. Data kuantitatif, yaitu data yang berbentuk bilangan atau angka. Contoh: pengeluaran konsumsi seseorang misalkan Rp.190.000,- atau Rp.210.000, dll

Berdasarkan bentuk data kuantitatif:
1. Data diskrit, yaitu data yang diperoleh dari hasil perhitungan. Contoh: banyaknya pegawai BPS Kab. Tolitoli yang masuk hari ini, dll.
2. Data kontinu, yaitu data yang diperoleh dari hasil pengukuran. Contoh: Hasil Panen Petani A (ton), Hasil Penjualan tenaga penjualan A (perjam)


Translate Indonesian:

Berdasarkan Skala Pengukuran:
1. Nominal.
Skala nominal merupakan skala data yang sangat sederhana, dimana angka yang dicantumkan hanya untuk mengklasifikasikan. Variable (data yang dapat berubah-rubah nilainya) yang datanya merupakan bersekala nominal disebut variabel nominal.
Ciri-ciri data berskala nominal, yaitu:
-Angka yang dicantumkan digunakan sebagai tanda pembeda saja dari data yang posisinya stara
-Tidak berlaku operasi matematik, seperti: >,<, X, -, /, + dan ^). Contoh: Data jenis kelamin: pria di beri tanda 1, perempuan diberi tanda 2; Data mata pencaharian: buruh diberi tanda 1, pegawai negeri diberi tanda 2, pengusaha diberi tanda 3; Kode pos: kecamatan A diberi tanda 45391, kecamatan B diberi tanda 45392 dan kecamatan C diberi tanda 45393. Dari contoh tersebut kita tidak bisa menyatakan bahwa pria lebih rendah dari perempuan dan begitu pula sebaliknya. Dengan tanda pria =1 tidak berlaku perhitungan +,- atau /. Misal pria (1) + pria (1) tidak mungkin menghasil 2 adalah perempuan. Penjelasan yang sama untuk contoh kode pos, missal kode pos 45391 dan 45396 itu hanya membedakan tempat saja.

2.Ordinal.
Data ordinal adalah data yang diperoleh dengan kategorisasi, dimana angka-angka yang dicantumkan merupakan pembeda juga menunjukan adanya urutan tingkatan yang berdasarkan criteria tertentu.
Ciri-ciri skala ordinal, yaitu:
-Angka yang dicantumkan digunakan sebagai tanda pembeda serta menyatakan tingkatan data saja.
-Tidak berlaku opersi matematik (X, -, /, + dan ^). Contoh: Data tentang tingkat pendidikan: lulusan SD diberi tanda 1, lulusan SMP diberi tanda 2, lulusan SMU diberi tanda 3, lulusan D-1 diberi tanda 4, lulusan D-2 diberi tanda 5, lulusan S-0 diberi tanda 6, lulusan S-1 diberi tanda 7. Dari contoh tersebut kita hanya dapat menyatakan bahwa tingat pendikan seseorang lebih rendah atau tinggi saja. Tidak berlaku bahwa seseorang lulusan SMP yang mempunyai ijazah SD = 1 dan ijazah SMP =2 menjadi seseorang lulusan SMU yang diberi tanda 3.

3.Interval.
Data skala interval adalah data yang diperoleh dari hasil pengukuran yang tidak mempunyai nilai nol mutlak. Contoh: Suhu 0C - 100C atau 32F - 212F

4.Rasio.
Data skala rasio adalah data yang diperoleh dari hasil perhitungan yang mempunyai nilai nol mutlak. Contoh: Misalnya jumlah buku adalah 5 jika ada 5 buku, maka dinyatakan nilainya 5 dan jika tidak ada buku ,maka nilainya dinyatakan 0.


Berdasarkan sumbernya:
1.Data Intern, yaitu data dalam lingkungan sendiri. Contohnya: data pribadi, spesifikasi produk, beban biaya produksi, kualitas produk dan sebagainya.

2.Data Ekstern, yaitu data yang diperoleh dari pihak atau sumber lain, sehingga berdasarkan sumbernya.
 
 
Support : Creating Website | Johny Template | Mas Template
Copyright © 2011. Just Share - All Rights Reserved
Template Created by Creating Website Published by Mas Template
Proudly powered by Blogger