PARAMETRIK DAN NON PARAMETRIK
MAKALAH
Untuk Memenuhi Tugas Mata Kuliah Statistika
yang dibina oleh Bapak Dr. Purnomo, S.T., M.Pd
Oleh:
Seno Isbiyantoro (160551800727)
UNIVERSITAS NEGERI MALANG PASCASARJANA
PROGRAM STUDI S2 PENDIDIKAN KEJURUAN MEI 2017
DAFTAR ISI
Halaman
DAFTAR ISI... i
BAB I PENDAHULUAN 1.1. Latar Belakang... 1
1.2. Topik Bahasan... 2
1.3. Tujuan... 2
BAB II PEMBAHASAN 2.1. Statistika dan Penelitian Ilmiah... 4
2.2. Statistik dan Parameter... 4
2.2.1 Statistik Deskriptif... 4
2.2.2 Statistik Inferensi ... 6
2.3. Uji Normalitas ... 10
2.4. Statistik Parametrik ... 11
2.5. Statistik Non-Parametrik... 13
2.6. Skala Pengukuran ... 18
2.6.1. Skala Nominal ... 19
2.6.2. Skala Ordinal... 19
2.6.3. Skala Interval ... 20
2.6.5 Skala Rasio ... 21
2.7. Uji asumsi ... 22
2.8. Uji Hipotesis ... 24
BAB III PENUTUP 3.1 Kesimpulan... 26
3.2 Saran... 26
DAFTAR RUJUKAN... 27
BAB I PENDAHULUAN
1.1 Latar Belakang
Pada era globalisasi, hampir semua bidang tidak terlepas dengan mengunakan angka, data, dan fakta. Hal ini menunjukan bahwa statistika sangat dibutuhkan. Statistika sebagai sarana mengembangkan cara berfikir logis, lebih dari itu statistika mengembangkan berpikir secara ilmiah untuk merencanakan (forcasting) penyelidikan, menyimpulakan dan membuat keputan yang diteliti dan meyakinkan. Baik disadari atau tidak, statistika merupakan bagian subtansi dari latihan profesional dan menjadi landasan dari kegiatan-kegiatan penelitian.
Seringkali penelitian bertujuan untuk melihat kondisi di waktu yang akan datang dengan suatu dasar keadaan sekarang, atau ingin melihat kondisi di waktu lalu dengan dasar keadaan sekarang. Sifat ini memerlukan prediksi atau taksiran yang sekarang banyak dilakukan di dunia pendidikan. Dengan melakukan prediksi keadaan siswa untuk waktu yang akan datang merupakan kondisi yang dibutuhkan dalam dunia pendidikan. Melalui prediksi yang baik, perencanaan pendidikan yang menyangkut kurikulum, metode mengajar, dan fasilitas ruang dan guru dapat direalisasikan seefisien mungkin. Statistik adalah suatu disiplin ilmu yang mempelajari sekumpulan konsep dan metode pengumpulan, penyajian, analisis, dan interprestasi data, sampai pengambilan keputusan pada situasi dimana terdapat ketidakpastian (Thoifah, 2013:3).
Statistik dalam dunia pendidikan dapat dirasakan manfaatnya oleh para pemakai (seperti pendidik, mahasiswa, peneliti,dll) apabila banyak menujang kelancaran tugas para “Petugas” pendidikan tadi. Dalam kegiatan evaluasi, statitistik menjadi alat bantu untuk menanalisis dan menyimpulkan data hasil evaluasi. Sebagai contoh, ketika para guru mengevaluasi ketercapaian hasil pendidikan, biasanya data yang terkumul berbentuk data kuantitaif sebelum diinterprestasikan menjadi data kuantitatif. Pengolahan data kuantitatif tersebut diuji dengan menggunakan statistik ukuran yang tepat sehingga diperoleh kesimpulan bahwa test (subjek yang dievaluasi) itu berukuran tinggi-rendah,
baik-jelek, atau berhasil gagal. Dalam kehiatan penelitian (pendidikan), statistik banyak dipakai sebagai pendeskripsian data kuantitatif yang terkumpul, melalui ukuran rata-rata, simpangan baku, dan sejenisnya. Selain itu statistik sangat berperan untuk menguji keberlakuan suatu hipotesis melalui alur pengujian hipotesis (Subana & Sudrajat, 2000:15).
Metode statistika adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan penafsiran data. Metode-metode tersebut dikelompokkan ke dalam dua kelompok, yaitu statistika deskriptif dan statistika dan statistik inferensia. Statistik deskriptif adalah metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus nilai pengamatan (data) diantaranya mempelajari ukuran nilai pengamatan (data), diantaranya mempelajari ukuran nilai sentral meliputi mean, median, modus, standar deviasi dan kuartil. Sehingga memberikan informasi yang berguna. Statistika inferensia mencakup semua metode yang berhubungan dengan analisis sebagian data (sampel) untuk kemudian sampai pada kesimpulan mengenai keseluruhan data induknya (populasi). Dalam statistika inferensia sering dipakai istilah parameter dan statistik. Parameter yaitu ringkasan data yang dapat menggambarkan secara keseluruhan populasi, sedangkan statisti merupakan ringkasan data yang berasal dari sampel.
1.2 Topik Bahasan
Berdasarkan latar belakang tersebut, maka ada beberapa topik bahasan yang akan dibahas dalam makalah ini, yaitu:
1.2.1 Bagaimanakah pengertian Statistika dan Penelitian ilmiah?
1.2.2 Bagaimanakah pengertian Statitik dan Parameter?
1.2.3 Bagaimanakan Uji Normalitas?
1.2.4 Bagaimanakah Statistik Parametrik?
1.2.5 Bagaimanakah Statistik Non-Parametrik?
1.2.6 Bagaimanakah Skala pengukuran?
1.2.7 Bagaimanakah Uji Asumsi?
1.2.8 Bagaimanakah Uji Hipotesis?
1.3 Tujuan
Adapun tujuan dari pembuatan makalah ini adalah:
1.3.1 Untuk mengetahui Statistika dan Penelitian ilmiah.
1.3.2 Untuk mengetahui Statitik dan Parameter.
1.3.3 Untuk mengetahui Uji Normalitas.
1.3.4 Untuk mengetahui Statistik Parametrik.
1.3.5 Untuk mengetahui Statistik Non-Parametrik.
1.3.6 Untuk mengetahui Skala pengukuran.
1.3.7 Untuk mengetahui Uji Asumsi.
1.3.8 Untuk mengetahui Uji Hipotesis.
BAB II PEMBAHASAN
2.1 Statistika dan Penelitian Ilmiah
Menurut Kerlinger (1986), mendefinisikan penelitian ilmiah menjadi suatu penyelidikan yang sistematis, terkontrol, empiris, dan kritis tentang fenomena- fenomena alami dengan dipandu teori dan hipotesis-hipotesis tentang hubungan yang diperkirakan terdapat diantara fenomena-fenomena tersebut. Penelitian ilmiah adalah penelitian terhadap sampel (contoh), tetapi kesimpulannya akan digeneralisasikan pada populasi dimana sampel diambil (Hadi, 1999). Jadi penelitian ilmiah sebagai mengungkapkan dugaan/hipotesis yang terjadi pada hubungan antar variabel penelitian.
Ketika penelitian pada sampel telah dilaksanakan, maka akan dihasilkan data. Data yang terkumpul, kemudian analisis dengan metode statistik dan hasilnya akan digeneralisasikan pada populasi. Dengan demikian, statistika juga dapat diartikan sebagian suatu cara untuk memahami populasi berdasarkan informasi yang diperoleh dari sampel.Tingkat keandalan generalisasi suatu hasil uji statistik pada sampel dinyatakan dalam taraf signifikasi. Seorang peneliti harus menyadari bahwa sampel yang diambil, sedikit atau banyak, pasti mengandung unsur kesalahan sampling) sampling error.
Sumber sampling, antara lain: populasi yang ada tidak pernah homogen secara sempurna dan juga dapat dipengaruhi karena kekuranganmampuan peneliti dalam menyusun instrumen yang benar-benar bebas kesalahan (Nisfiannoor, 2009:3). Menurut Herinaldi (2005:2) Secara umum statistik adalah suatu metode- metode ilmiah dalam mengumpulkan, mengklasifikasikan, meringkas, menyajikan, menginterprestasikan, dan menganalisis data guna mendukung pengambilan kesimpulan yang valid dan berguna sehingga dapat menjadi dasar pengambilan keputusan yang masuk akal.
2.2 Statistik dan Parameter
Dalam penelitian, istilah statistik digunakan apabila yang dibicarakan adalah ukuran sejumlah sampel, sedangkan istilah parameter digunakan untuk
menunjukan ukuran populasi yang ada. Ukuran membedakan apakah ukuran yang diambil merupakan data dari sampel atau data dari populasi, maka digunakan simbol-simbol tertentu untuk membedakan antara statistik dan parameter. Simbol huruf) untuk statistik berasal dari huruf-huruf latin, sedangkan untuk parameter digunakan huruf-huruf Yunani. Berikut ini merupakan beberpa contoh simbol yang dipergunakan untuk statistik dan parameter :
Statistik Parameter Keterangan
N N Banyaknya subjek
X μ Rata-rata (mean)
S σ Simpangan baku (standar deviasi)
S2 σ2 Varians
analisis statistik terhadap satu perlakukan yang dimaksud disini adalah analisis secara statistik untuk menguji hipotesis yang berkenaan dengan kualitas sebuah perlakuan (seperti, baik/jelek, berhasil/gasal, memuaskan/mengecewakan) atau rata-rata normal/tidak normalnya.
Menurut Santoso (2010:10), pada prinsipnya ilmu statistik bisa diartikan sebagai sebuah kegiatan untuk Mengumpulkan data, Meringkas/menyajikan data, Menganalis data dengan metode tertentu, menginterprestasi hasil analisis tersebut.
Dalam kehidupan sehari-hari Secara metode, ilmu statistik dibagi menjadi dua bagian:
2.2.1 Statistik Deskriptif/Deduktif
Statistik deskriptif, yaitu metode statistik yang digunakan untuk mengumpulkan, meringkas, menyajikan, dan mendekripsikan data sehingga dapat memberikan informasi yang berguna. Data yang disajikan dalam statistika deskriptif biasanya dalam bentuk ukuran pemusatan data (mean, median, dan modus), ukuran penyebaran data (standar deviasi dan varians), tabel, serta grafik (histogram, pie, dan bar) (Nisfiannoor, 2009:4).
Sedangkan menurut Santoso (2010:2) mengemukakan statistik deskriptif menjelaskan bagaimana data dikumpulkan dan diringkas pada hal-hal yang penting pada data tersebut. Kegiatan yang berhubungan dengan statistik deskriptif seperti menghitung mean (rata-rata hitung), media, modus, mencari sdeviasi standar, melihat kemencengan distribusi data, dan sebagainya.
Tahapan statistik yang meliputi kegiatan mengumpulkan, mengklasifikan, meringkas, menginterprestasikan, dan menyajikan data dari suatu kelompok yang
terbatas, tanpa mengaalisis dan menarik kesimpula yang bisa berlaku bagi kelompok yang lebih luas merupakan ruang lingkup dari statistik deskriptif atau statistik deduktif( Herinaldi, 2005:4).
2.2.2 Statistik inferensi/statistik induktif
Statistik inferensial yaitu metode yang berhubungan dengan analisis data pada sampel dan hasilnya digunakan untuk generalisasi terhadap populasi.
Penggunaan statistik inferensial didasarkan pada peluang (probability) dan sampel yang dianalisi diperoleh secara acak (random). Naga (2008) menyatakan bahwa tugas dari statitika inferensial adalah melakukan estimasi, menguji hipotesis, dan mengambil keputusan (Nisfiannoor, 2009:4). Sedangkan menurut Santoso (2010:2), mengatakan setelah data dikumpulkan, dilakukan berbagai metode statistik untuk menganalisi data, kemudian menginterprestasikan hasil anaisis tersebut. Kegiatan penting yang terkait dengan proses inferensi adalah uji beda data uji hubungan antara dua variabel data; metode yang sering ditemui adalah uji-t, pembuatan model regresi, anova dan statistik parametrik maunpun non parametrik.
Proses pengambilan kesimpulan mengenai parameter populasi (biasanya adalah kuantitas yang tidak diketahui nilainya) berdasarkan informasi yang diperoleh dari statistik sampel (kuantitas yang diketahui nilainya) merupakan ruang lingkup dari statistik inferensial atau statistik induktif (Herinaldi, 2005:4)
Gambar proses inferensi secara statistik
Konsep statistik inferensial memungkinkan seorang melakukan analisis dengan menggunakan data dari sampel untuk memperkirakan (mengetimasi) sebuah parameter populasi yang tidak diketahui. Karena pengambilan kesimpulan dengan cara seperti itu tidaklah mutlak kepastiannya, maka kata
“kemungkinan/probabilitas” sering digunakan dalam menyatakan kesimpulan.
Dalam kaidah pengeambilan kesimpulan secara statistik yang akan dibahas kemudian, pernyataan “kemungkinan/probabilitas” ini tersirat dalam termilogi
“derajat keercayaan (level of confidance)”.
Statistika inferensial dapat digolongkan menjadi dua, yaitu:
1) Statistik parametrik
Penggunaan teknik statistik parametrik didasarkan pada didasarkan pada asumsi bahwa data yang diambil mempunyai distribusi normal dan jenis data yang digunakan interval atau rasio.
2) Statistika nonparametrik
Penggunaan statistika nonparametrik tidak megharuskan data yang diambil mempunyai distribusi normal dan jenis data yang digunakan dapat nominal dan ordinal.
a. Penggolongan analisis statistik parametrik dan nonparametrik
Pada dasarnya, baik statistik parametrik maupun nonparametrik dapat digunakan untuk analisis statistik yang bersifat:
1) Korelatif
Teknik analisis korelatif digunakan untuk mengetahui hubungan atau korelasi dari sebuah variabel yang lain. Misalnya variabel X dan variabel Y. Teknik analisis yang sering dipakai adalah korelasi Pearson dan regresi.
2) Komparatif
Teknik analisis komparatif digunakan untuk mengetahui perbedaan nilai rata- rata dari suatu kelompok dengan kelompok lainya. Misalnya perbedaan kecemasan antara kelompok pria dan wanita, serta perbedaan motivasi kerja antara bagian produksi, pemasaran, dan keungan. Teknik analisis yangsering digunakan adalah T-test dan anova.
Menurut Santoso (2010:2), mengatakan dari sudut pandang statistik, data bisa dibagi menjadi:
-Normal, Interval;
rasio
Non-Normal, Nominal,
ordinal
Mann-whitney, Kruskal- wallis,dll Statistika
Deskriptif
Inferensia
Parametrik
Nonparametrik
Korelatif
Komparatif
Korelatif
Komparatif
Univariat
Multivariat
2 Sampel
K sampel
2 sampel
K Sampel Univariat
Multivariat Pearson,
Regresi
T-test, Anava
Jenis-jenis Statistika dan Teknik Analisinya
Spearman kendal, Kai Kuadrat dll.
Data Kualitatif
Data kualitatif adalah sebuah data yang dinyatakan dalam bentuk bukan angka. Sebagai contoh: jenis pekerjaan seseorang (bisa petani, Nelayan, Pegawai dan sebagainya), status pernikahan (belum menikah, menikah Duda, janda), Gender (Pria, Wanita), kepuasan sesorang (tidak Puas, Cukup Puas, sangat Puas) dan sebagainya. Data jenis ini harus dikuantifikasi agar bisa diolah dengan statistik.
Data Kuantitatif
Data kuantitatif adalah data yang dinyatakan dalam bentuk angka. Sebagai contoh: usia seseorang, tinggi badan seseorang, tingkat penjualan barang X dalam sebulan, jumlah bakteri dalam sebuah percobaan biologi tertentu dan sebagainya.
Perbedaan statistik parametrik dan statistik non parametrik o Statistik Parametrik:
− Teknik-teknik statistika yang didasarkan atas asumsi mengenai populasi yang diambil sampelnya.
DATA
JENIS DATA
-Nominal -Ordinal -Interval
-Rasio
KUANTITATIF KUALITATIF
Data kualitatif tidak berupa angka, sedangkan statistik hanya bisa memproses data yang berupa angka. Karena itu, data kualitatif harus dikuantifikasi atau diubah menjadi data kuantitatif. Pengubahan bisa dengan cara memberi skor tertentu (seperti Pria diberi skor 1, sementara wanita diberi skor 2), memberi rangking (tidak puas 1, puas 2 dan seterusnya) dan sebagainya.
− Contoh: pada uji t diasumsikan populasi terdistribusi normal.
− Sebutan parametrik digunakan karena pada uji t ini yang diuji adalah parameter (contoh: rata-rata populasi)
− Membutuhkan data kuantitatif dengan level interval atau rasio o Statistik Non Parametrik:
− Cocok untuk data yang tidak memenuhi asumsi statistika parametrik atau yang berjenis kualitatif
− Disebut juga distribution-free statistics
− Didasarkan atas lebih sedikit asumsi mengenai populasi dan parameter dibandingkan dengan statistika parametrik
− Ada yang dapat digunakan untuk data nominal
− Ada yang dapat digunakan untuk data ordinal 2.3 Uji Normalitas
Subana & Sudrajat (2000:123) mengatakan bahwa menguji normalitas data kerapkali disertakan dalam suatu analisis statistika inferensial untuk asatu atau lebih kelompok sampel. Normalitas sebaran data menjadi sebuah asumsi yang menjadi syarat untuk menentukan jenis statistik apa yang dipakai dalam penganalisa selanjutnya.
Asumsi normalitas senantiasa disertakan dalam penelitian pendidikan karena kaitannya dengan sifat dari subjek/objek penelitian pendidikan, yaitu berkenaan dngan kemampuan seseorang dalam kelompoknya. Galton, seorang ahli dalam teori pembelajaran, mengatakan bahwa: apabila sejumlah anak/orang dikumpulkan dalam sebuah kelas kemudian diukur kemampuannya (kekepandaian ,kebiasaan, ketrampilan), hasil pengukuurannya yang berupa skor kemampuan akan beristribusi menyerupai kurva normal.
Meskipun demikian, apabila sebaran data suatu penelitian yang mengungkapkan kemampuan siswa ternyata diketahui tidak normal hal itu bukan berarti harus berhenti penelitian itu sebab masih ada fasilitas statistik nonparametrik yang dapat dipergunakan apabila data tadi tidak berditribusi normal.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak, sebaiknya digunakan uji statistik normalitas. Karena belum tentu data yang lebih dari 30 bisa dipastikan berdistribusi normal, demikian sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian. uji statistik normalitas yang dapat digunakan diantaranya Chi-Square, Kolmogorov Smirnov, Lilliefors, Shapiro Wilk, Jarque Bera.
2.4. Statistik Parametrik
Menurut Sulaiman ( 2005:1) mengatakan Tes parametrik adalah suatu tes yang modelnya menetapkan syarat-syarat tertentu tentang parameter populusai yag menjadi sama penelitiannya. Terhadap syarat-syarat tersebut biasanya tidak dilakukan pengujian terlebih darhulu dan dianggap sudah memenuhi syarat.
Seberapa jauh makna hasil tes parametrik tersebut tergantung pada validitas anggapan tadi. Tes-test parametrik juga memnuntut bahwa nilai-nilai yang dianalisis merupakan hasil dari suatu pengukuran minimal dengan skala interval.
Sugiyono (2013:79) mengemukakan statistik parametris itu bekerja berdasarkan asumsi bahwa data setiap variabel yang akan dianalisis berdasarkan
berdistribusi normal. Untuk itu sebelum peneliti menggunkan teknik statistikMetode untuk mengetahui suatu set data memiliki distribusi normal atau tidak menurit Dahlan (:200513)
parametris, maka kenormalan data harus diuji terlebih dahulu. Bila data tidak normal, maka statitik parametris tidak dapat digunakan, untuk itu perlu digunakan statistik nonparametris. Tetapi perlu diingat bahwa yang menyebabkan tidak normal itu apanya. Misalnya ada kesalahan instrumen dan pengumpulan data, maka dapat mengakibatkan data diperoleh menjadi tidak akan normal. Supardi (2013:8) mengatakan Statistik parametrik adalah bagian statistik yang parameter populasinya harus memnuhi syarat-syarat tertentu seperti syarat data berkala intervak/rasio, styarat penagambilan sampel harus random, berdisribusi normal atau normalitas dan syarat memiliki varian yang homogen ata homogenitas, model regsi lineier, dan sebagainya. Dalam statistika parametrik, inidikator-indikator yang dianalisis adalah parameter-parameter dari ukuran objek yang digunakan.
Menurut (Nisfiannoor,2009:15) mengatakan statistik inferensial dengan model parametrik (independent Sample T test, Paired Sample T test, One Way ANOVA, Korelasi Pearson, Analisis Regresi, dll.
Beberapa metode statistik parametrik (uji T dan Uji F/Anova) mensyaratkan asumsi (Santoso, 2005:3) :
Sampel (data) diambil dari populasi yang mempunyai berdistribusi normal.
Jika 10 sampel Tinggi badan diambil dari populasi 5000 mahasiswa sebuah perguruan tinggi, data tinggi badan 5000 mahasiswa haruslah berdistribusi normal.
Pada Uji t dan uji F untuk dua sampel atau lebih, kedua sampel diambil dari dua populasi yang mempunyai varian sama. Jadi jika diambil sampel 10 tinggi badan pria dan 10 tinggi badan wanita dari 3000 pria dan 2000 wanita, maka varian 3000 tinggi badan pria dan varian 2000 tinggi badan wanita harusla sama atau bisa diangga sama.
Variabel (data) yang diuji haruslah data bertipe interval atau rasio, yang tingkatannya lebih tinggi dari data tipe nominal atau ordinal. Tinggi Badan Pria atau Wanita (sentimeter) jelas bertipe rasio, karena dapat dari proses mengukur. Namun pendapat atau sikap pria dan wanita (suka atau tidak suku yang diukur dengan skala Likert) bukanlah data interval atau rasio, namun data Ordinal.
Jumlah (sampel) data singkat kecil, sedangkan distribusi data populasinya tidak diketahui kenormalannya. Mislanya hanya diambil masing-masing 5 sampel untuk data Berat Badan Knosumen remaja, Konnsumen Mud dan konsumen Dewasa, maka jumlah data terlalu sedikit untuk diproses dengan uji F (uji lebih dari dua sampel), walaupun tipe data rasio.Untuk data yang tidak memenuhi salah satu asumsi tersebut, lebih baik menggunakan prosedur statistik non parametrik untuk proses data.
Menurut Santoso(2010:10) Metode statistik parametrik digunakan untuk:
Data dalam jumlah besar, biasanya diatas 30.
Distribusi data adalah normal atau dapat dianggap normal
Data bertipe interval atau rasio.
Jika salah satu asumsi diatas tidak terpenuhi, seperti jika data cukup banyak, namun tidak berdistribusi normal, atau tipe data adalah nominal atau ordinal, maka metode statistik nonparametrik dapat digunakan.
Dengan demikian, metode parametrik secara natur lebih kuat (powerful) dibanding nonparametrik; jika pada data yang sama dilakukan pengolahan data dengan metode parametrik kemudian nonparametrik, dan keduanya mengahsilkan kesimpulan yang berbeda, maka hasil dari metode parametrik dapat jadi patokan.
Pada umumnya, penggunaan metode parametrik dijadikan alternatif awal untuk mengolah data; jika data memang tidak dapat diolah dengan parametrik, maka barulah digunakan metode nonparametrik.
Namun demikian, dalam praktik banyak data atau kasus yang justru tidak bisa memenuhi kritera pengguna metode paramerik. Karena itu berkembanglah sejumlah besar metode statistik nonparametrik untuk inferensi pada data yang tidak memenuhi syarat parametrik. Walaupun tidak powerful seperti metode parametrik, namun pengguna metode nonparametrik dalam praktik sangat membantu banyak pengambilan keputusan secara statistik
2.5. Statistik Non-Parametrik
Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 1942. Metode statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistic parametrik, terutama yang berkaitan dengan distribusi normal.
Istilah lain yang sering digunakan untuk statistik nonparametrik adalah statistik bebas distribusi (distribution free statistics) dan uji bebas asumsi (assumption-free test). Statistik nonparametric banyak digunakan pada penelitian-penelitian sosial.
Data yang diperoleh dalam penelitian sosial pada umunya berbentuk kategori atau berbentuk rangking. Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya asumsi-asumsi mengenai sebaran data populasi. Uji statistik ini disebut juga sebagai statistik bebas sebaran (distribution free). Statistik nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi berdistribusi normal. Statistik nonparametrik dapat digunakan untuk menganalisis data yang berskala nominal atau ordinal karena pada umumnya data berjenis nominal dan ordinal tidak menyebar normal. Dari segi jumla data, pada umumnya statistik nonparametrik digunakan untuk data berjumlah kecil (n <30).
Sulaiman (2000:1) mengatakan bahwa Tes statistik Nonparametrik adalah tes yang modelnya tidak menetapkan syarat-syarat menegenai parameer-parameter populasi. Anggapan-anggapan tertentu dikaitkan dengan sejumlah besar tes-tes non paramerik, yakni bahwa obeservasinya-observasinya independen dan bahwa variabel yang diteliti pada dasarnya memiliki kontinuitas. Namun anggapan- anggapan ini lebih sedikit dan jauh lebih lemah dari pada anggapan-anggapan yang ini lebih sedikit dan jauh lebih lemah daripada anggapan-anggapan yang berkaitan dengan tes parametrik.
Selanjutnya bahwa tes non-parametrik tidak menuntut sekuat yang dituntut tes-tes parametrik; sebagian besar tes non-parametrik dapat diterakan untuk data dalam skala ordinal, dan beberapa yang lain juaga dapat diterapkan untuk data dalam skala nominal. Kekuatan tes non-parametrik mungkin dapat ditingkatkan dengan hanya memperbesar ukuran jumla sampel, dan karena ilmuan sosial jarang mencapai jenis pengukuran yang memungkinkan penggunaan secara berarti tes parametrik, maka tes non-paramerik memainkan peran penting dalam penelitian dilapangan ilmu sosial. Menurut (Nisfiannoor,2009:15) mengatakan statistik inferensial dengan model parametrik (Mann-Whitney, wilcoxon, kruskal-wallis, Moses, Wald wolfowitz, Runs, Kendal, Spearman, dan lain-lain.
Suciptawati (2009:3) mengemukakan kelebihan-kelebihan statistik nonparametrik, yaitu:
1) Perhitungannya sederhana dan dapat dikerjakan dengan cepat, karna analisisnya menggunakan cacahan, peringkat (rank) bahkan dapat menggunakan tanda dari selisih pengamatan berpasangan.
2) Datanya tidak harus merupakan data kuantitatif, tetapi dapat berupa kualitatif (skala nominal/ordinal).
3) Nilai peluang dari sebagian besar uji statistika nonparametrik diperoleh dalam bentuk yang lebih pasti (kecuali untuk kasus sampel yang besar), tidak peduli bagaimana bentuk sebaran populasi yang merupkan induk dari sampel- sampelnya. Ketepatan nilai peluang itu tidak tergantung pada bentuk sebaran populasinya, meskipun beberapa uji statistika nonparametrik menganggap adanya kesamaan bentuk dua sebaran populasi atau lebih, dan beberapa uji yang lain menganggap sebaran populasi simetris. Dalam kasus-kasus uji nonparametrik tertentu menganggap sebaran yang mendasarinya adalah kontinyu, suatu anggapan yang juga digunakan pada parametrik.
4) Dapat digunakan untuk sampel berukuran kecil n=6.
Kekurangan kekurangan statistika nonparametrik, yaitu:
1) Uji-uji nonparametrik tidak memanfaatkan semua informasi yang terkandung dalam sampel. Akibatnya, uji nonparametrik memerlukan ukuran sampel yang lebih besar dibandingkan uji parametrik untuk mencapai peluang kesalahan jenis II yang sama.
2) Uji nonparametrik tidak dapat digunakan untuk menguji adanya interaksi seperti dalam model analisis ragam.
3) Metode nonparametrik tidak dapat digunakan untuk membuat ramalan seperti dalam analisis regresi, karena asumsi sebaran normal tidak dapat dipenuhi.
4) Macam uji statistika nonparametrik terlalu banyak sehingga menyulitkan peneliti dalam memilih uji yang sesuai.
Informasi dari penggunaan tes Non-Parametrik
Tes Penggunaan fungsi
Chi-square Menggunakan data nominal untuk menguji indepedensi satu sampel atau lebih dari 2 sampel
Tes independensi variabel
Cochran Q Untuk menguji hubungan lebih dari 2 sampel pada skala nominal
Membantu pada data yang memberikan jawaban 2 kategori Uji tanda Untuk menguji hubungan 2 sampel Tes yang baik untuk data
pada skala ordinal berjenjang (rangking) Uji median - Pada satu sampel, untuk
melihat randomisasi pada data dari populasi
- Untuk menguji
independensi lebih dari 2 sampel pada skala ordinal Uji Mann-
Whitney U
Untuk menguji independensi lebih dari 2 sampel pada skala oridinal
Analog pada independensi 2 sampel t-test
Uji Kruskal -walls
Untuk menguji independesi lebih dari 2 sampel pada skala ordinal
Alternatif uji One-Way Anova dimana asumsi distribusi normal tidak digunakan
Uji friedman Uji menguji hubungan lebih dari 2 sampel pada skala ordinal
Alternatif dari uji Two-way ANOVA diamana asumsi distribusi normal tidak digunakan
Kolmogorov -smirnov
Untuk menguji independensi dari satu sampel atau 2 sampel pada skala ordina
Uji ini lebih powerful dibandingkan uji chi-square atau uji Mann-Whitney
PARAMETRIK NONPARAMETRIK
Deskriptif
Asumsi Distribusi Normal -
Asumsi Varian Homogen -
Jenis Data Rasio atau Interval Ordinal atau Nominal
Hubungan data set Independent -
Ukuran central Mean Median
Manfaat Lebih banyak kesimpulan Sederhana dan sedikit outlier
Tes
Uji korelasi Pearson, Regresi Spearman
Uji 2 Kelompok, berbeda Independent Sample t test Mann-Whitney Uji 2 Kelompok lebih,
berbeda
Independent One Way ANOVA
Kruskal-Wallis
Uji berulang, 2 kondisi Paired Sample t Test Wilcoxon Uji berulang, 2 kondisi
lebih
Repeated One Way ANOVA Friedman
Menurut Dahlan (2005:12) mengemukakan bahwa uji nonparametrik digunakan untuk keadaan sebagai berikut:
Jika masalah skala pengukuran variabel adalah kategorik (ordinal dan nomilnal).
Jika data dengan masalah skala pengukuran numerik tetapi tidak memenuhi syarat untuk uji parametrik( misalnya distribusi data tidak normal), maka dilakukan uji nonparametrik yang menrupakan alternatif dari uji
parametriknya.
- Alternatif uji t berpasangan adalah uji wilcoxon.
- Alternatif uji t tidak berpasangan adalah uji Mann-Whitney.
- Alternatif uji repeated ANOVA adalah uji Friedman.
- Alternatif Uji one Way ANOVA adalah uji Kruskal-Wallis.
Konsep dan Pengertian
Sebelum menggunakan statistika nonparametrik ada beberapa konsep atau pengertian dasar yang perlu diketahui. Hal ini sangat dibutuhkan dalam rangka memudahkan memahami proses, teknik-teknik, dan prosedur yang tersedia. Selain itu, akan memudahkan pula manakala harus memilih dan menggunakan teknik- teknik yang paling tepat serta sesuai dengan desain penelitian yang dilaksanakan, sehingga tidak akan terjadi kesalahan dalam menginterpretasikan hasil-hasil pengujiannya. Beberapa konsep dan pengertian-pengertian yang perlu dipahami antara lain:
Obyek Penelitian : Merupakan suatu obyek yang diteliti karakteristiknya.
Misalnya, penduduk seandainya semua orang yang menempati wilayah tertentu yang diteliti, atau peternak seandainya yang diteliti karakteristiknya hanya peternak, atau peternak sapi seandainya yang diteliti karakteristiknya hanya peternak sapi.
Variabel : Adalah karakteristik dari obyek penelitian yang memiliki nilai bervariasi. Misalnya, jenis kelamin: laki-laki dan perempuan. Status ekonomi:
tinggi, sedang, rendah. Berat badan: 50 kg, 60 kg, 70 kg.
Variabel Bebas/Independent : Dalam hubungan antar dua atau lebih variabel, variabel bebas merupakan variabel yang dapat mempengaruhi variabel lainnya.
Misalnya; variabel X dan variabel Y, yang menggambarkan variabel X mempengaruhi variabel Y, maka X disebut variabel bebas.
Variabel Tak Bebas/Dependent : Dalam hubungan antar dua atau lebih variabel, variabel tak bebas merupakan variabel yang dipengaruhi oleh variabel lainnya. Misalnya; variabel X dan variabel Y, yang menggambarkan variabel Y dipengaruhi oleh variabel X, maka Y disebut variabel tak bebas.
Data : Adalah fakta, baik berbentuk kualitatif maupun kuantitatif. Data kualitatif diperoleh melalui pengamatan, misalnya pemilikan lahan petani di suatu desa cukup tinggi. Data kuantitatif diperoleh melalui pengukuran, misalnya pemilikan lahan di suatu desa antara 2-5 ha tiap petani.
Pengukuran : Adalah suatu proses kuantifikasi atau mencantumkan bilangan kepada variabel tertentu. Misalnya, berat badan secara kualitatif bisa dibedakan sebagai ringan, sedang, atau berat, dan melalui proses pengukuran dengan cara menimbang kita dapat menyatakan berat badan: 50 kg, 60 kg, 70 kg.
Skala Pengukuran : Adalah bilangan yang dicantumkan kepada variabel berdasarkan aturan-aturan yang telah ditentukan dan disepakati. Dikenal 4 macam skala pengukuran yaitu: nominal, ordinal, interval, dan rasio. Skala nominal hanya dipakai untuk membedakan, skala ordinal mengisyaratkan adanya peringkat, skala interval menunjukkan adanya jarak yang tetap tetapi tidak memiliki titik nol mutlak, dan skala rasio memiliki titik nol mutlak.
Pemahaman terhadap skala pengukuran sangat penting, karena itu akan diterangkan lebih rinci pada bahasan selanjutnya.
Unit Penelitian : Adalah satuan atau unit yang diteliti baik berupa individu maupun kelompok yang dapat memberikan informasi tentang aspek-aspek yang dipelajari atau diteliti. Misalnya, petani, keluarga petani, atau kelompok petani.
2.6 Skala Pengukuran
Berdasarkan jenis skala pengukuran data, data kuantitaif dikelompokan ke dalam empat jenis yang memiliki sifat berbeda. Sedangkan definisi dari skala pengukuran adalah merupakan prosedur pemberian anagka pada suatu objek agar
dapat menyatakan karakterisktik dari objek tersebut. Keemat jenis skala pengukuran data, antara lain sebagai berikut:
2.6.1 Skala nominal
Skala nominal adalah suatu skala yang diberkan pada suatu objek atau kategori yang tidak menggambarkan kedudukan objek atau atergori tersebut terhadap objek atau kategori lainnya, tetapi hanya sekedar label atau kode saja. Skkala ini hanya mengelompokkan objek/kategori ke dalam kelompok tertentu.
Misalnya:
Gender : 1 = Laki-laki
2 = Perempuan
Pendidikan : 1 = untuk Tingakat SLTP 2 = Untuk tingkat SMU
3 = Untuk tingkat perguruan tinggi
Angka 1 dan 2 atau 3 pada skala pengukuran ini tidak berarti, bahwa angka 3 lebih tinggi kedudukannya dari pada anga 2, begitu juga sebalikanya. Angka tersebut hanya sebatas identifikasi saja terhaadp suatu objek. skala ini mempunyai dua ciri, yaitu:
o Kategori data bersifat saling lepas (satu objek hanya masuk pada satu kelompok saja)
o Kategori data tidak disusun secara logis
2.6.2 Skala ordinal
Skala ordinal adalah data yang berasala dari kategori yang disusun secara berjenjang muai dari tingkat terendah sampai tingat tertinggi atau sebaliknya dengan jara/rentang yang tidak harus sama. Diabandingkan dengan datata nominal, data ordianal setiap jenjang memiliki sifat yang berbeda. Data jenis ini berlaku perbandingan dengan menggunakan fungsi berbeda > atau <
Misalnya: Tingkat pendidikan diurutkan berdasarkan jenjang pendidikan
Taman kanak-kanak = 1
Sekola dasar (SD) = 2
Sekolah menengah pertama (SMP) = 3
Sekolah menengah atas (SMA) = 4
Sarjana = 5
Analisis data diatas menunjukan pendidikan TIK dengan normor urut 1 lebih rendah dibanding dengan tingkat pendidikan SD nomor urut 2 dan SD lebih rendah dibanding SMP.
2.6.3 Skala Interval
Skala interval adalah suatu skala di mana objek/kategori dapat diurutkan berdasarkan suatu atribut tertentu, dimana jarak/interval antara tiap objek/kategori sama. Besarnya interval dapat ditambah satu ciri lagi, yaitu, urutan kategori data mempunyai jarak yang sama. Pada skala ini yag dijumlahkan bukanlah kuantitas atau besran, melainkan interval dan tidak terdapat nilai nol. Berikut diberka tiga contoh data berskala interval.
a. Pengukuran Temperatur
Hasil pengukuran temperatu dengan menggunakan termometer yang dinyakan dalam ukuran derajat. Rentang temperatur antara 10C sampai 20C memiliki jarak yang sama dengan 20 samapai 30 dengan demikian berlaku hukum matematik (+.-) misalanya 30C = 30C = 60C tapi disini tidak berlaku hukum perbanding (rasio) misalnya benda suhu 60C tidak dapat dinyatakann memiliki separuh panas benda bersuhu 120C.
b. Pengukuran Kecerdasan
Kecerdasan intelektualnya dinyatakan IQ. Rentang IQ 90 sampai dengan 100 memiliki rentang yang sama dengan IQ 100 sampai 110. Namun demikia, orang yang memiiki IQ 150 tidak dapat dinyatakan tingkat kecerdasannya 1,5 kali dari orang ber IQ 100
c. Pengukuran instrumen Penelitian
Dalam banyak kegiatan penelitian data diperoleh sering melalui kuesioner untuk menilai sikap atau perilaku sering dinyatakan dengan data interval, setelah alternatif jawabannya diberi skala yang setara dengan data interval.
Contoh:
Jawaban : STS TS N S ST 1 2 3 4 5
Interval antara STS dan TS atau S da ST adalah sama.
2.6.4 Skala Rasio
Skala rasio adalah suatu skala yang memiliki sifat-sifat skala nominal, skala ordinal dan skala interval dilengakapi dengan nol absolut dengan makna empiris. Karena terdapat angka nol maka skala ini dapat dibuat perkalian atau pembagian. Angka pada skala menunjukann ukuran yang sebanrnya dari objek/
kategori yang diukur. Sifatnya yang membedakan data rasio denagn nominal, ordinal dan interval dapat dilihat melalui contoh ini.
Contoh: panjang suatu benda dalam ukuran meter dinyatakan dalam rasio
a. Panjang benda 1 meter denagn 2 meter sanagat berbeda nyata, sehingga dapat dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data nomina;) b. Ukuran panjang bend mulain dari yang terpendek sampai yang aling panjang
(sifat data ordianal).
c. Perbedaan anatar panjang benda 1 meter dengan 2 meter memilii perbdedaan yang sama antar panjang benda 2 meter dengan 3 meter (sifat data interval) d. Kelebihan sifat yang dimiliki data rasio ada dua hal , yaitu data rasio memilki
angka 0 meter, artinya tidak ada benda yang diukur dan benda yang memiliki panajang 4 meter, 2 kali leibih panjang dari benda yang memiliki panjang 2 meter. Kedua hal tersebut tidak memiliki oleh jenis data nominal, ordinal, dan interval.
Seperti diketahui Uji statistik dalam analisis deskrpitif adalah bertujuan untuk menguji hipotesis(pernyataan sementara) dari penelitian yang bersifat deskriptif.
Penerapan jenis uji statistik untuk penelitianyang bersifat deskriptif. Sangat tergantung dari skala pengukurannya, seperti: nominal, ordinal dan interval/rasio.
Berikut ini disajikan dalam tabel yang berisikan jenis data penelitian dan uji statistik yang cocok untuk digunakan.
Seperti diketahui, kegiatan statistik pada prinsipnya bisa dibagi dalam dua tahapan, yakni:
1. Statistik deskrptif , yang berkaitan dengan pencatatan dan peringkasan data, dengan tujuan menggambarkan hal-hal penting pada kelompok data, seperti berapa rata-ratanya, variasi data dan sebagainya.
2. Statisti inferensi, yang berkaitan dengan pengambilan keputusan dari data yang telah dicatat dan diringkas tersebut.
Dalam praktek,statistik inferensi dapat dilakukan dengan metode parametrik ataupun metode non parametrik. Statistik Non Parametrik digunakan untuk melengkapi metode statistik parametrik, agar tidak terjadi kesalahan dalam memilih metode statistik yang akan digunakan untuk kegiatan inferensi. Hal ini disebabkan ada data-data dengan ciri tertentu yang tidak bisa memenuhi asumsi- asumsi pada penggunaan metode paramtrik.
2.7 Uji asumsi
Teknik statistik parametrik menghendaki data yang diperoleh merupakan hasil pengambilan data secara random(acak). Bila data telah diambil secara random, maka masih ada beberapa asumsi yang seharusnya dipenuhi sebelum melakukan analisis dengan teknik statistik parametrik, yaitu sebagai berikut:
Teknik statistik
Normal Linier Homogen Multi Kolinieritas
Auto korelasi
Heteros Kedasitas
Korelasi √ √
Regresi √ √ √ √ √
T Test √ √
Anava √ √
Anakov a
√ √ √ √ √ √
Uji Normalitas
Uji Normalitas dilakukan untuk mengetahui apakah distribusi sebuah data yang di didapatkan mengikuti atau mendekati hukum sebaran normal baku dari Gauss. Distribusi data yang normal jika digambarkan dengan grafik poligon akan menyerupai bentuk bel, lonceng atau genta. Distribusi data tersebut tidak:
Positively Skewed (miring ke kiri), memiliki frekuensi yang relatif lebih banyak di sebelah kiri dan ujung kurva cenderung meruncing ke kanan.
Negatively Skewed (mirip ke kanan), memiliki frekuensi yang relatif banyak disebelah kanan dan ujung kurva cenderung meruncing ke kiri.
Segala sesuatu yang ada di dunia ini mengikuti hukum distribusi normal, seperti skor IQ, tinggi badan, berat badan, dll. Orang yang skor IQ rendah sekali (kurva sebelah kiri) dan tinggi sekali (kurva sebelah kanan) lebih sedikit dibanding skor IQ rata-rata (puncak kurva ditengah).
Uji Linieritas
Uji linieritas dilakukan untuk mengetahui apakah hubungan antara variabel independen (IV) dengan variabel dependen (DV) bersifat linier (garis lurus). Jika tidak linier atau tetap dianalisis dengan teknik statistik parametrik, maka korelasi yang didapatkan bisa sangat rendah, meskipun sebenarnya korelasinya bisa tinnggi kalau teknik statistik parametriknya diganti dengan statistik nonparametrik.
Uji homogenitas
Uji homogenitas dilakukan untuk mengetahui variansi antara kelompok yang diuji berbeda atau tidak, variansinya homogen atau heterogen. Data yang diharapkan adalah homogen.
Uji multikolinieritas
Uji multikolinieritas dilakukan untuk mengetahui apakah ada korelasi antarvariabel independen (IV) pada model regresi. Korelasi antarvariabel independen (IV) sebaliknya kecil. Korelasi antar-IV (r<0,8), lebih baik lagi kalau (r<0,5). Makin kecil korelasi antar-IV makin baik untuk model regresi yang dipergunakan.
Deteksi adanya multikolinieritas:
- Nilai R2 sangat tinggi, tetapi secara sendiri-sendiri regresi antara variabel-variabel independen (IV) dengan dependen (DV) tidak signifikan.
- Korelasi antara variabel-variabel independen (IV) sangat tinggi (di atas 0,80)
Uji Autokorelasi
Uji autokorelasi dilakukan untuk mengetahui apakah ada korelasi kesalahan pengganggu pada periode t dengan kesalahan pada periode t sebelumnya pada model regresi linier yang dipergunakan. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Dalam model regresi yang baik adalah tidak terjadi autokorelasi.
Uji homoskedastisitas (homosedatistisitas) vs. Uji heteroskedastisitas (heteroskedastisitas)
Uji homoskedastisitas dilakukan untuk mengetahu apakah sebuah data (group) mempunyai variansi yang sama di antara data (group) tersebut. Data yang diharapkan adalah yang memiliki variansi yang sama, dan disebut dan disebut homoskedastisitas. Sedangkann jika variansi tidak sama, disebut heteroskedastisitas.
Uji Levene Test
Melihat grafik Plot antara nilai prediksi variabep terikat (dependen), yaitu ZPRED (sumbu X) dengan residualnya SRESID (sumbu Y). Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudia menyempit) maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas atau teratur, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
2.8 Uji Hipotesis
Pada esensinya, inferensi statistik mempelajari pengambilan keputusan tentang parameter populasi (rata-rata, proporsi) berdasar karakteristik sampel yang
Jumlah Variabel?
Mulai
Analisis Univariat
Analisis Multivariat
Statistik Parametrik
Statistik Non Parametrik Jenis
Data
Satu Dua atau Lebih
Nominal
Ordinal Interval
Rasio
Pembagian Metode Statistik
ada. Statistik non parametrik, kegiatan inferensi statistik atau biasa disebut statistik induktif adalah berkaitan dengan uji hipotesis.
Menurut Dahlan (2005:8), uji hipotesis adalah metode untuk mengetahui hubungan (association) antara variabel yang bisa dilakukan dua cara, yaitu secara komparatif (comparation) dan korelatif (correlation). Hal tu yang mendasari pembagian uji hipotesi menjadi hipotesis komparatif dan korelatif. Perbedaan mendasar pada kedua uji di atas adalah pada output yang ingin diperoleh. Bila peneliti ingin mengetahui asosiasi itu dengan parameter koefisien korelasi (r), maka gunakanlah hipotesis korelatif. Namun apabila parameter yang dinginkan bukan koefisien korelasi tetapi ‘parameter yang lain’ maka gunakanlah hipotesis komparatif. Perlahan-perhalan anda akan belajar kapan memilih hipotesis korelatif dan kapan memilih hipotesis komparatif.
Tujuan uji hipotesis statistik adalah untuk menguji apakah data dari sampel yang ada sudah cukup kuat untuk menggambarkan populasinya, atau apakah bisa dilakukan generalisasi tentang populasi berdasar hasil sampel.
Sebagai contoh, jika 20 remaja sebagai sampel mempunyai sikap sangat suka terhadap permen merk XYZ, maka apakah semua remaja sebagai populasi juga menyukai permen merk XYZ tersebut?
Ada beberaapa tahapan Uji Hipotesis, yaitu:
Menentukan Ho dan Hi, yang pada prisipnya adalah menguji karakteristik populasi berdasar informasi yang diterima dari suatu sampel.
Menentukan tingkat signifikansi (a), yaitu probabilitas kesalahan menolak hipotesis yang ternyata benar. Jika dikatakan a=5% berarti resiko kesalahan mengambil keputusan adalah 5% semakin keci a berarti semakin mengurangi resiko salah
Menentukan apakah akan dilakukan uji sisi atau dua sisi.
Menentukan statistik tabel dan statistik uji. Jika alat analisis adala Chi square test, maka akan dicari Chi square tabel dan Chi Square hitung. (Santosom, 2006:21)
BAB III PENUTUP
3.1 Kesimpulan
Bagaimana memilih uji statistik? Walaupun ini persoalan yang tidak sulit, akan tetapi ada saja mahasiswa yang bingung dan tidak memahami cara-cara memilih uji statistik yang benar, yang sesuai dengan karakteristik data dan besarnya sampel penelitian yang di tenturkan pada saat pengambilan data. Secara ringkas dan sederhana dibawah ini dijelaskan cara-cara memilih uji statistik.
Pertama, apabila kita mencoba mencari hubungan, maka itu maksudnya kita mencari korelasi. Untuk itu digunakan statistik korelasi. Apabila kita mencari perbedaan, maka kita harus menggunakan uji satistik untuk perbedaan.
Selanjutnya, kita juga harus menentukan apakah menggunakan statistik parametrik atau non-parametrik. Secara umum apabila data yang telah dikumpulakan melalui instrumen adalah jenis data berupa skor berskala (interval) dengan kurva normal, dengan besar sampel diatas 25, maka kita mungkin perlu menggunkan statistik parametrik. Apabila menggunkan survei atau uji yang dikembangkan sendiri atau ukuran sampelnya di bawah 23, maka kita mungkin perlu menggunkan statistik non-parametrik. Apabila kita memiliki data campuran, maka kita lebih baik menggunakan statistik non-parametrik. Kedua jenis statistik itu mampu menjawab masalah kita. Kebutuhan untuk menggunkan statistik terletak kepada uji statistik mana yang kita anggap tepat.
Tanpa menguasai statistika adalah tak mungkin untuk dapat menarik kesimpulan induktif dengan sah. Statistika harus mendapat tempat yang sejajar dengan matematika agar keseimbangan berpikir deduktif dan induktif yang merupakan ciri dari berpikir ilmiah dapat dilakukan dengan baik. Statistika merupakan sarana berpikir yang diperlukan untuk memproses pengetahuan secara ilmiah. Statistika membantu untuk melakukan generalisasi dan menyimpulkan karakteristik suatu kejadian secara lebih pasti dan bukan terjadi secara kebetulan.
3.2 Saran
Ada satu hal yang perlu diperhatikan, yaitu bahwa dikalangan ilmuan sendiri terjadi pro-kontra tentang uji statistik mana yang paling tepat. Jangan
terlalu khawatir tentang hal itu. Masing-masing perguruan tinggi mungkin sudah memiliki peraturan untuk menentukan pemilihan uji-uji statistik tertentu.
Peraturan intern tersebut tentunya tetap berdasarkan teori dan ketentuan baku dalam analisis statistik. Jika hal ini sudah ada, tentunya akan sangat memudahkan anda ketika bekerja untuk menganalisis data.
DAFTAR RUJUKAN
Dahlan, S.2010. Statistik untuk Kedokteran dan Kesehatan. Jakarta:Penerbit Saleba Medika.
Herinaldi. 2005. Prinsip-prinsip Statistik untuk Teknikni dan Sains. Jakarta:
Penerbit Erlangga.
Nisfiannoor, M. 2009. Pendekatan Statitika Modern untuk Ilmu sosial. Jakarta:
Penerbit Salemba humanika.
Santoso,S.2005. Seri Solusi bisnis Berbasis IT: menggunakan SPSS untuk Statistika Non Parametrik. Jakarta: PT Elex Media Komputindo.
Santoso,S.2010. Statistik Nonparametrik Konsep dan Aplikasi dengan SPSS.
Jakarta: PT Elex Media Komputindo.
Santoso,S.2010. Statistik Parametrik Konsep dan Aplikasi dengan SPSS. Jakarta:
PT Elex Media Komputindo.
Siregar, S.2010. Statistika Deskrpitif untuk Penelitian dilengkapi Perhitungan Manual dan Aplikasi SPSS versi 17.Jakarta: Rajawali Pers.
Subana&Sudarajat.2000. Statistika Pendidikan. Bandung: Pustaka Setia.
Suciptawati, N.L. 2010. Metode Statistika Non Parametrik. Bali.Udayana University Press.
Sugiyono. (2013). Statistika untuk Penelitian. Bandung: CV Alfabeta.
Supardi, 2013. Aplikasi Statitiska dalam Penelitian Edisi revisi, Konsep Statitiska yang lebih Komprehensif. Jakarta : CHANGE PUBICATION.
Thoifah, I. 2016. Statitiska Pendidikan dan Metode Penelitian Kuantitatif.
Malang: Madani
