Apa Itu Data Agregat?

Jika nilai-nilai karakteristik masih dapat diberikan kepada masing-masing individu, seseorang berbicara tentang data individu. Dalam data individu, bisa dikatakan, "pernyataan dibuat tentang semua orang", tetapi belum (belum) tentang keseluruhan; mereka mengacu pada masing-masing anggota sampel. Karakteristik individu dari semua variabel yang menarik dapat ditugaskan untuk setiap kasus pengamatan. Pembawa data individu tidak hanya orang, tetapi juga rumah tangga, partai, pemerintah atau negara: 

"Istilah unit individu berarti unit individu dari urutan terendah dalam penyelidikan, yang sama sekali tidak harus menjadi individu." (Ditton, 1998) Untuk analisis data individu, semua kemungkinan metode statistik dapat digunakan, tergantung pada tingkat data dan skema pengambilan sampel. Data individu dapat muncul dengan cara yang berbeda, misalnya mereka dapat dengan tegas menjadi milik orang yang diperiksa (data absolut), seperti jenis kelamin, atau mereka dapat mengungkapkan hubungan dengan orang lain (data relasional) atau dengan kelompok (data komparatif) (perbandingan).

Berbeda dengan ini, data agregat juga dapat diparafrasekan sebagai "pernyataan tentang semua orang", karena di sini bukan orang individu, pembawa karakteristik individu yang menarik, tetapi lebih banyak tujuannya adalah untuk mengetahui bagaimana karakteristik individu ( dan berbagai manifestasinya) perubahan didistribusikan di semua pembawa fitur. "'Data agregat' adalah istilah teknis yang digunakan dalam metodologi dan statistik. Seperti banyak istilah teknis, itu adalah kata asing.

dokpri

'Agregat' berasal dari 'aggregatum', kata Latin untuk akumulasi, dan 'data' berarti informasi. 'Data agregat' adalah informasi tentang apa yang telah dikumpulkan." (Schmidt, 1998) Oleh karena itu, kami mengacu pada data agregat sebagai struktur data di mana hanya jumlah kasus dari kombinasi karakteristik atau fenomena tertentu yang diketahui. Oleh karena itu, data agregat biasanya dibuat dengan meringkas, yaitu menggabungkan, data individual. 

Metode statistik yang dapat memproses data pada tingkat data kategorikal (model loglinear, dll.) sangat penting untuk analisis agregat dari tabel frekuensi tersebut. Data agregat selalu mengacu pada kolektif yang sebelumnya didefinisikan sebagai populasi.

Terkadang ada juga kesulitan dalam membedakan antara dua level data, apakah suatu nilai dianggap sebagai nilai data individu atau agregat seringkali hanya bergantung pada penyelidikan masing-masing. Ini dapat diilustrasikan dengan contoh sederhana. Jika, misalnya, struktur populasi suatu komunitas diperiksa, jumlah wanita berusia di atas 40 tahun merupakan nilai agregat bagi anggota komunitas tersebut.

Namun, ketika membandingkan struktur populasi beberapa kotamadya, jumlah wanita yang berusia lebih dari 40 tahun merupakan karakteristik individu (analitis) dari kotamadya tersebut. Kehalusan seperti itu sangat umum di bidang analisis regional.

Tingkat pengangguran di daerah tertentu dapat menjadi contoh nilai agregat yang mengacu pada kolektif tertentu, yaitu penduduk usia kerja. Demikian pula, seseorang dapat mengutip jumlah suara partai di daerah pemilihan atau pendapatan rata-rata dan tingkat kelahiran dalam populasi sebagai contoh data agregat. Proses agregasi, yaitu meringkas data ke tingkat yang lebih tinggi atau tingkat agregasi yang lebih tinggi, misalnya dengan penjumlahan atau pembentukan nilai rata-rata dan proporsional.

Seperti yang telah dijelaskan, data individual memberikan informasi tentang objek individual dan unit statistik (rumah tangga, orang, dll.) yang identik dengan unit penyelidikan. Ini berarti  pernyataan dibuat pada tingkat yang sama di mana data dikumpulkan dan diperiksa.

Prosedur ini secara teoritis lebih memadai dalam banyak kasus, karena variabel yang menarik diketahui secara tepat untuk setiap objek yang diperiksa. Namun, kesalahan pengukuran yang diratakan dalam unit juga lebih signifikan. Masalah lain dari praktik penelitian dengan data individual adalah desain studi yang biasanya lebih mahal, terutama dengan studi longitudinal, jika Anda ingin melacak perkembangan anggota individu sampel, Anda tidak dapat menggunakan studi deret waktu sederhana,