Show
Intro to SPSS Statistics > In SPSS, it’s important to choose the right level of measurement for each variable. Watch the video for an overview of choosing a setting for your variables on the SPSS Nominal Ordinal Scale options menu: Nominal Ordinal Scale SPSS Watch this video on YouTube. Can’t see the video? Click here. About the SPSS Nominal Ordinal Scale options menuSPSS gives you three choices for levels of measurement: Nominal, Ordinal, and scale. Each of those levels gives you different amounts of analyzable information in SPSS. Various procedures like hypothesis testing, require that your data is collected with specific measurement levels. The level is partially determined by the nature of your variables. However, you do have a little leeway when choosing an option. To find the options, click the variable view tab at the bottom of the screen, then look at the “measure” column: After entering your data, the SPSS default option is scale, but you can change this. Choices for SPSS Nominal Ordinal Scale
Do not rely on SPSS to choose your scale. It doesn’t know what your intent was, or how the data was collected. The Hierarchy of LevelsThe three levels should be treated as a hierarchy: This hierarchy refers to the amount of analyzable information contained in the data. It is always possible to change scale data to nominal (i.e. move down the hierarchy), but you should never move in the other direction, changing nominal variables to scale. It’s mathematically unsound to do this. For example, you could change “height” from scale to nominal, making categories for “short to tall”. But it would make no sense to change a nominal variable like modes of transportation to scale, because there are no meaningful divisions between car & plane or bike and train. ---------------------------------------------------------------------------
Need help with a homework or test question? With Chegg Study, you can get step-by-step solutions to your questions from an expert in the field. Your first 30 minutes with a Chegg tutor is free! Comments? Need to post a correction? Please post a comment on our Facebook page.
Measure merupakan salah satu kolom yang berada di variable view IBM SPSS. Kolom measure harus ditetapkan terlebih dahulu sebelum melakukan analisis data lebih lanjut. Terdapat 3 tipe variabel pada kolom measure SPSS yaitu scale, nominal dan ordinal. Ketiga variabel tersebut memberikan jenis nilai serta informasi analisis yang berbeda. Berikut ini pengertian dan perbedaan scale, nominal dan ordinal pada SPSS. Penentuan measure merupakan hal dasar yang sangat penting untuk diketahui saat bekerja menggunakan SPSS. Misalnya kita tidak boleh membuat variabel nominal untuk melakukan perhitungan nilai rata-rata dan standar deviasi. Pilihan untuk mengubah tipe variabel suatu variabel terdapat pada lembar kerja Variabel View SPSS. Gambar dibawah ini merupakan ilustrasinya. A. Variabel Nominal pada SPSSVariabel nominal merupakan tipe variabel yang digunakan hanya sebatas memberi label pembeda pada suatu data. Variabel nominal tidak digunakan untuk melakukan perhitungan data secara matematika seperti penjumlahan, perkalian, dan lain sebagainya. Secara fundamental variabel jenis ini digunakan untuk menghitung banyaknya data. Hal ini sangat mempengaruhi analisis data tingkat lanjut. Beberapa contoh penggunaan nominal level saat membuat variabel dengan menggunakan SPSS adalah sebagai berikut: 1. Variabel nama kabupaten2. Variabel jenis kelamin 3. Variabel nama perusahaan 4. Variabel nama instansi B. Variabel Ordinal pada SPSSVariabel ordinal adalah tipe variabel yang sering disebut sebagai ranked data atau menunjukkan tingkatan data. Data dalam bentuk ordinal level dikategorikan berdasarkan kuantitas dan kualitasnya. Beberapa contoh penggunaan ordinal level adalah sebagai berikut: 1. Variabel tingkat pendidikan (SD, SMP, SMA, dan PT)2. Variabel rasa makanan (tidak enak, enak, dan sangat enak) 3. Variabel tingkat suhu (dingin, hangat, dan panas) 4. Variabel tingkat harga (murah, sedang, dan mahal) 5. Variabel umur (anak-anak, remaja, dewasa, dan manula) C. Variabel Scale pada SPSSVariabel scale merupakan tipe variabel yang digunakan untuk melakukan perhitungan data terhadap variabel angka seperti menghitung nilai statistika deskriptif. SPSS secara fundamental akan mendefinisikan data secara otomatis sebagai variabel dengan tingkat interval atau tingkat rasio. SPSS tidak mengharuskan pengguna membedakan data scale secara manual, apakah termasuk data dengan tingkat interval atau tingkat rasio. Beberapa contoh penggunaan variabel scale adalah sebagai berikut: 1. Variabel tinggi badan2. Variabel berat badan 3. Variabel nilai ujian 4. Variabel jarak 5. Variabel harga beras Baca Juga: Cara Memasukkan Data atau Input Data di SPSS Demikian artikel tentang perbedaan scale, nominal dan ordinal pada measure di SPSS, Semoga artikel ini bermanfaat, terimakasih :) Referensi: https://www.advernesia.com/blog/spss/tipe-data-spss-perbedaan-scale-nominal-dan-ordinal-pada-spss/ Trihendradi, C., 2013. Step by Step SPSS 21 Analisis Data Statistik. Yogyakarta: Penerbit ANDI
Pada SPSS, hasil pengukuran suatu variabel dinyatakan dengan data. Data dibagi menjadi beberapa bagian, yaitu nominal, ordinal, interval, dan rasio. Di dalam SPSS, interval dan rasio digabung menjadi Scale. 1. NominalData nominal merupakan data yang paling rendah levelnya karena data nominal hanya menghasilkan satu kategori saja, dan data dianggap setara. Misalnya jenis kelamin seseorang. Jika dia bukan seorang laki-laki, berarti dia seorang perempuan, begitu juga sebaliknya. Antara laki-laki dan perempuan mempunyai kedudukan yang setara, yaitu sebagai penunjuk jenis kelamin seseorang. Data nominal termasuk data kualitatif, yaitu data yang hasilnya tidak berupa angka dan tidak bisa dilakukan operasi matematika seperti penjumlahan, pengurangan, dan sebagainya. Jika data berupa data nominal maka data tersebut diubah menjadi bilangan. Bilangan yang digunakan hanya sebagai simbol. Misalnya 1 sebagai simbol warna merah, 2 sebagai simbol warna biru, dan 3 sebagai simbol warna hijau. Dalam hal ini 3 tidak berarti lebih tinggi dari 1 maupun 2. Begitu juga 1+2 bukan berarti 3 (merah+biru=hijau). Contoh data yang masuk level Nominal: Jenis kelamin, agama, jenis warna. 2. OrdinalData ordinal memiliki level lebih tinggi dibandingkan dibanding data nominal. Pada data nominal data dianggap setara sedangkan data ordinal terdapat tingkatan data. Data ordinal termasuk data kualitatif, jika data berupa data ordinal maka data diubah menjadi bilangan. Bilangan yang digunakan adalah bilangan bulat dan sudah mengenal urutan tinggi rendah, besar dan kecil. Contohnya adalah data tentang minat belajar mahasiswa. Minat belajar mahasiswa ada yang tinggi, sedang, rendah, dan rendah sekali. Jadi terdapat tingkatan data dan tidak bisa disamakan. Sama seperti data nominal, data ordinal juga tidak bisa dilakukan operasi matematika, seperti 1 sebagai simbol tinggi, 2 sebagai simbol sedang, 3 sebagai simbol rendah, dan 4 sebagai simbol rendah sekali. Jadi, tidak bisa dikatakan 1+2=3 (tinggi + sedang = rendah). Contoh data yang masuk level Ordinal adalah banyaknya siswa, sikap guru terhadap kurikulum baru, dan sebagainya. 3. IntervalData interval memiliki level yang lebih tinggi daripada data ordinal. Data interval termasuk data kuantitatif, yaitu data yang hasilnya berupa angka yang sebenarnya dan bisa dilakukan operasi matematika. Data interval merupakan data hasil pengukuran yang bisa berbentuk bilangan numerik bulat dan pecahan. Pada data interval tidak memiliki nilai nol mutlak. Artinya walaupun suatu data menghasilkan nol, maka data tersebut bernilai nol. Contohnya data pengukuran suhu. 4. RasioData rasio merupakan data yang paling tinggi levelnya diantara ketiga data yang lain. Data rasio termasuk kuantitatif, data yang berupa angka sebenarnya. Data rasio merupakan data hasil pengukuran yang bisa berbentuk bilangan numerik bulat dan pecahan. Data rasio memiliki nilai nol mutlak. Nilai nol mutlak disini artinya adalah jika datanya nol, berarti data tersebut tidak memiliki kuantitas. Misalnya jumlah mahasiswa yang hadir adalah 0, berarti tidak ada mahasiswa yang datang. Sama seperti data interval, data rasio bisa dilakukan operasi matematika. Yang membedakan data interval dengan data rasio adalah nilai nol mutlak. Nah, biar lebih jelas, silahkan diperhatikan tabel berikut ini.
Silahkan bertanya pada kolom komentar di bawah ini… |