Statistik Parametrik
Uji parametrik dilakukan jika data memenuhi
beberapa asumsi, jika tidak dipenuhi maka hasil yang didapat tidak akurat atau
bias. Beberapa uji pendahuluan terhadap asumsi-asumsi harus dilakukan untuk
analisis lebih lanjut.
Beberapa asumsi yang harus dipatuhi pada statistik
parametrik antara lain:
- Data harus berasal dari populasi yang TERDISTRIBUSI NORMAL,
- Populasi harus memiliki KERAGAMAN SAMA, artinya jika dua atau beberapa kelompok data digunakan dalam penelitian, ia harus memiliki keragaman yang sama (equal variances),
- Variabel dependen menggunakan data kuantitatif, tidak bias untuk data yang dengan tipe kategorik atau ordinal,
- Toleran terhadap pelanggaran beberapa asumsi, tapi dapat meningkatkan standar error sehingga hasil menjadi bias, pada beberapa kasus kita dapat menemukan penolakan terhadap H0 dan penerimaan terhadap H1 karena hasil analisis yang bias.
Statistik parametrik biasa digunakan pada
penelitian yang menggunakan data dengan sebaran normal dan Poisson. Sebaran
normal diasumsikan dengan pengamatan independen dengan mean µ dan keragaman σ2
yang tidak diketahui. Sedangkan sebaran Poisson diasumsikan dengan pengamatan
independen menggunakan variabel acak Poisson dengan mean θ yang tidak
diketahui. Dengan demikian dapat disimpulkan bahwa dalam statistik parametrik
parameternya tidak diketahui. Pada statistik parametrik sasarannya adalah
menggunakan observasi untuk menarik inferensia atau kesimpulan mengenai
parameter yang tidak diamati atau dengan model yang telah disusun.
Statistik Non-Parametrik
Ketika asumsi-asumsi yang digunakan pada uji
parametrik tidak terpenuhi, kita dapat melakukan prosedur non-parametrik.
Statistik non-parametrik juga biasa dikenal dengan
“distribution free-statistics”, yang digunakan untuk menjelaskan beberapa
atribut populasi, menguji hipotesis, dan menguji perbedaan antar atribut antar
populasi yang tidak memerlukan asumsi mengenai bentuk atau sebaran populasi
data dan juga rentang pengukuran.
Uji non-parametrik hanya memiliki sedikit batasan,
beberapa diantaranya adalah:
- TIDAK mengasumsikan data MENYEBAR NORMAL,
- Data bersifat independen, kecuali data berpasangan,
- Skala pengukuran dapat bersifat kategorik maupun ordinal, tergantung variabel yang digunakan,
- Jumlah sampel tidak sebanyak yang digunakan pada uji parametrik, dapat dilakukan dengan sedikit sampel.
Beberapa hal yang dapat kita pertimbangkan ketika
akan menggunakan uji non-parametrik antara lain:
Data tidak menyebar normal, r, t, Z, F, dan
lain-lain biasanya bersifat “robust”, terlalu banyak asumsi yang dilanggar
sehingga hasil menjadi bias,
Biasanya disiplin ilmu psikologi menggunakan tipe
data ordinal dan interval, serta dengan jumlah pengukuran yang tidak sama dan
menyebabkan keragaman populasi tidak sama, uji non-parametrik dapat digunakan
sebagai alternatif.
Jika kita hanya memiliki sedikit jumlah sampel, uji berikut
ini juga berguna,
Sensitivitas atau power dalam pengujian akan lebih
baik dengan uji parametrik, tetapi pada kasus pelanggaran asumsi uji
parametrik, uji non-parametrik akan memberikan sensitivitas yang lebih baik,
Uji non-parametrik pada data kuantitatif lebih
banyak menggunakan peringkat daripada nilai, karena untuk data independen,
sebaran peringkat akan lebih baik daripada sebaran nilai.
Tabel Uji Parametrik dan Non-Parametrik
0 komentar:
Posting Komentar