Universitas Negeri Malang Oleh : SENO ISBIYANTORO ( ) STATISTIK PARAMETRIK & NON-PARAMETRIK

STATISTIKA Distribusi Data Statistik Parametrik Statistik Nom Parametrik Berdistribusi Normal Tidak berdistribusi Normal

IQ-Rendah IQ-Sedang IQ-Tinggi

CONTOH DATA YANG BERDISTRIBUSI NORMAL CONTOH DATA YANG TIDAK BERDISTRIBUSI NORMAL

Contoh distribusi normal di SPSS

Statistik Parametrik Adalah suatu tes yang modelnya menetapkan adanya syarat-syarat tertentu tentang parameter populasi yang merupakan sumber sampel penelitiannya. Syarat-syarat itu biasanya tidak diuji dan dianggap sudah dipenuhi. Seberapa jauh makna hasil suatu tes parametrik bergantung pada validitas. Tes parametrik juga menuntut bahwa skor yang dianalisis merupakan pengukuran yang sedikitnya berkekuatan skala interval.

Statistik Parametrik Teknik-teknik statistika yang didasarkan atas asumsi mengenai populasi yang diambil sampelnya. Contoh: pada uji t diasumsikan populasi terdistribusi normal. Sebutan parametrik digunakan karena pada uji t ini yang diuji adalah parameter (yaitu rata-rata populasi) Membutuhkan data kuantitatif dengan level interval atau rasio yang diambil dari populasi yang berdistribusi normal.

Persyaratan Analisis Statistik Parametrik Dipilih secara acak (random) Homogen artinya data yang dibandingkan (dikomparasikan) sejenis (bersifat homogen), maka perlu uji homogenitas. Normal artinya data yang dihubungkan berbentuk garis linier maka perlu uji linieritas. Berpasangan artinya data yang dihubungkan mempunyai pasangan yang sama sesuai dengan subjek yang sama, kalau salah satu tidak terpenuhi untuk persyaratan analisis korelasi atau regresi tidak dapat dilakukan.

STATISTIK PARAMETRIK UJI T Satu Sampel Uji ANOVA Uji t Dua sampel Independen Uji Dua Sampel Berpasangan Jumlah sampel Hubungan Sampel Jumlah Faktor One Way ANOVA Two Way ANOVA Satu Dua Lebih dari dua Satu Faktor Dua Faktor Tidak Berpasangan Berpasangan

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 Populasi bebas distribusi.

Keuntungan Statistik Non Parametrik Kadang-kadang tidak ada alternatifnya pada statistika parametrik Uji nonparametrik tertentu dapat digunakan untuk analisis data nominal Uji nonparametrik tertentu dapat digunakan untuk analisis data ordinal Proses perhitungan pada statistika non parametrik biasanya lebih sederhana dibandingkan pada statistika parametrik, khususnya untuk sampel kecil

Kerugian Statistik Non Parametrik Uji nonparametrik menjadi tak berguna apabila uji parametrik untuk data yang sama tersedia Uji nonparametrik pada umumnya tidak tersedia secara luas dibandingkan dengan uji parametrik Untuk sampel besar, perhitungan untuk statistika nonparametrik menjadi rumit

Statistik Parametrik dan Nonparametrik Parametrik berasal dari kata parameter yaitu indikator dari suatu distribusi hasil pengukuran.

Statistik parametrik digunakan untuk parameter dari distribusi normal. Contohnya uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel), korelasi Pearson, perancang percobaan (2-way ANOVA). Statistik nonparametrik adalah statistik bebas distribusi dan uji bebas asumsi. Dari segi jumlah data, pada umumnya statistik nonparametrik digunakan untuk data berjumlah kecil (n < 30). Contohnya adalah Chi-square test, Median test, Friedman test, Korelasi Peringkat Spearman Statistik Parametrik dan Nonparametrik

Uji Normalitas Uji distribusi normal adalah uji untuk mengukur apakah data yang didapatkan memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). DATA LAPANGAN DATA TEORITIK  Salah satu cara untuk melakukan uji kenormalan suatu data adalah dengan Kolmogorov-Smirnov.  Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku.  Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal.

Uji kenormalan digunakan uji Kolmogorov Smirnov dengan taraf signifikansi 0,05. uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku Penerapan pada uji Kolmogorov Smirnov adalah jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal.

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 UJI ASUMI