Professional Documents
Culture Documents
Parametrik
Statistika parametrik adalah prosedur yang pengujian yang dilakukan berlandaskan distribusi. Salah satu karakteristiknya penggunaan prosedur ini melibatkan asumsi-asumsi tertentu. Contoh dari statistik parametrik adalah analisis regresi, analisis korelasi, analisis varians.
Non Parametrik
Statistika non parametrik adalah prosedur dimana kita tidak melibatkan parameter serta tidak terlibatnya distribusi. Contoh : uji keacakan, uji kecocokan (goodness of fit),dll. Kelebihan statistika non parametrik Asumsi yang digunakan dalam jumlah yang minimum maka kemungkina penggunaan secara salah juga kecil. Untuk beberapa prosedur perhitungan dapat dilakukan dengan mudah secara manual. Konsep-konsep dari prosedur ini menggunakan dasar matematika dan statistika yang mudah dipahami. Prosedur ini dapat digunakan pada skala ordinal maupun nominal.
Ringkatan skala
Nominal (paling rendah) Ordinal Interval Rasio
Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengecek apakah data penelitian kita berasal dari populasi yang sebarannya normal. Uji ini perlu dilakukan karena semua perhitungan statistik parametrik memiliki asumsi normalitas sebaran. Formula/rumus yang digunakan untuk melakukan suatu uji (t-test misalnya) dibuat dengan mengasumsikan bahwa data yang akan dianalisis berasal dari populasi yang sebarannya normal.
Data yang normal memiliki kekhasan seperti mean, median dan modusnya memiliki nilai yang sama. Selain itu juga data normal memiliki bentuk kurva yang sama, bell curve. dengan mengasumsikan bahwa data dalam bentuk normal ini, analisis statistik baru bisa dilakukan. cara melakukan uji asumsi normalitas ini yaitu menggunakan analisis Chi Square dan Kolmogorov-Smirnov.
Kita bisa membuang nilai-nilai yang ekstrem, baik atas atau bawah. Nilai ekstrem ini disebut outliers. Pertama kita perlu membuat grafik, dengan sumbu x sebagai frekuensi dan y sebagai semua nilai yang ada dalam data kita (ini tentunya bisa dikerjakan oleh komputer). Nah dari sini kita akan bisa melihat nilai mana yang sangat jauh dari kelompoknya (tampak sebagai sebuah titik yang nun jauh di sana dan nampak terasing...sendiri...). Nilai inilah yang kemudian perlu dibuang dari data kita, dengan asumsi nilai ini muncul akibat situasi yang tidak biasanya. Misal responden yang mengisi skala kita dengan sembarang yang membuat nilainya jadi sangat tinggi atau sangat rendah.
mentransform data kita. Ada banyak cara untuk mentransform data kita, misalnya dengan mencari akar kuadrat dari data kita, dll. Bagaimana jika semua usaha di atas tidak membuahkan hasil dan hanya membuahkan penyesalan (wah..wah.. nggak segitunya kali ya?) Maka langkah terakhir yang bisa kita lakukan adalah dengan menggunakan analisis nonparametrik. Analisis ini disebut juga sebagai analisis yang distribution free. Sayangnya analisis ini seringkali mengubah data kita menjadi data yang lebih rendah tingkatannya. Misal kalo sebelumnya data kita termasuk data interval dengan analisis ini akan diubah menjadi data ordinal.
Prosedur
Prosedur pengujian normalitas data : 1.Merumuskan formula hipotesis Ho : Data berdistribusi normal Ha : Data tidak berdistribusi normal 2. Menentukan taraf nyata (a) Untuk mendapatkan nilai chi-square tabel
Keterangan : Oi = frekuensi hasil pengamatan pada klasifikasi ke-i Ei = Frekuensi yang diharapkan pada klasifikasi ke-i
5. Memberikan
kesimpulan
Contoh
Hasil pengumpulan data mahasiswa yang mendapat nilai ujian Statistik Sosial, yang diambil secara acak sebanyak 64. Dicatat dalam daftar distribusi frekuensi. Hasilnya sebagai berikut :
Ujilah apakah data tersebut berdistribusi normal atau tidak dengan a = 0,05 ?
Jawab
1. Menentukan mean
4) Merumuskan formulasi hipotesis Ho : Data berdistribusi normal Ha : Data tidak berdistribusi normal 5) Menentukan taraf nyata dan chi-kuadrat tabel
Kesimpulan
Karena chi-kuadrat hitung = 3,67 < 9,49 = chi-kuadrat, maka Ho gagal ditolak Jadi, data tersebut berdistribusi normal untuk taraf nyata 5%