Professional Documents
Culture Documents
Tutorial Laporan Penelitian - Peneliti menambang data yang muncul di sebagian besar
wilayah penelitian seperti tekanan darah, fraksi ejeksi, kolesterol serum hingga
pengukuran
antropometri.
Metode analisis data jatuh ke dalam dua kelas yang berpijak pada asumsi tentang
distribusi data. Asumsi menjadi dasar untuk mengklasifikasi apakah menggunakan
metode parametrik atau nonparametrik.
Statistik
Parametrik
Parametrik dalam arti harfiah yaitu asumsi tentang parameter dari distribusi data
populasi yang digunakan untuk menguji hipotesis mendekati normal atau mendekati
distribusi normal setelah teorema limit sentral.
Statistik
Nonparametrik
Non-parametrik adalah metode yang tidak mendasarkan pada asumsi distribusi populasi.
Dalam arti sempit non-parametrik adalah sebuah kategori nol karena hampir semua uji
statistik mengasumsikan satu atau lain hal tentang sifat-sifat populasi.
Metode nonparametrik populer untuk sejumlah alasan. Alasan utama bahwa peneliti tidak
dibatasi asumsi-asumsi tentang populasi seperti pada metode parametrik. Banyak
metode nonparametrik mudah untuk diterapkan dan dipahami.
Tapi kebanyakan metode parametrik lebih efisien daripada metode nonparametrik.
Meskipun perbedaan dalam efisiensi biasanya tidak banyak masalah, ada kasus di mana
perlu mempertimbangkan metode yang lebih efisien.
Uji mengetahui data berdistribusi normal atau tidak dilakukanuji normalitas KolmogorovSmirnov. Berikut tabel berisi poin-poin umum analisis data statistik terkait perbedaan
antara metode parametrik dan nonparametrik:
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
Lebih banyak
Sederhana dan sedikit
Manfaat
kesimpulan
outlier
Tes
Uji korelasi
Pearson, Regresi
Spearman
Uji 2 Kelompok,
Independent Sample t
Mann-Whitney
berbeda
test
Uji 2 Kelompok lebih, Independent One Way
Kruskal-Wallis
berbeda
ANOVA
Uji berulang, 2
Paired Sample t Test Wilcoxon
kondisi
Uji berulang, 2
Repeated One Way
Friedman
kondisi lebih
ANOVA
Tutorial Terkait : Statistik
http://tu.laporanpenelitian.com/2014/10/7.html
PERBEDAAN STATISTIK PARAMETRIK DAN STATISTIK NONPARAMETRIK
Perbedaan Statistik Parametrik dan Statistik Non-Parametrik
Saat kita hendak melakukan suatu riset, seringkali kita dihadapkan pada pilihan
metode. Metode statistik apakah yang cocok digunakan dalam riset kita tersebut. Dalam
mempelajari statistik, biasanya kita langsung dihadapkan pada metode statistik
parametrik, padahal tidak semua data cocok diolah dengan statistik parametrik.
Walaupun perkembangan statistik parameter sudah sedemikian canggih namun statistik
parametrik memiliki beberapa kekurangan, misalnya pada masalah-masalah sosial yang
memiliki skala nominal dan rasio, statistik parametrik tidak mampu mengukur dengan
baik. Kalaupun bisa, hal tersebut merupakan upaya yang berlebihan (excessively
method). Maka Statistik parametrik digunakan jika kita telah mengetahui model
matematis dari distribusi populasi suatu data yang akan dianalisis. Jika kita tidak
mengetahui suatu model distribusi populasi dari suatu data dan jumlah data relatif kecil
atau asumsi kenormalan tidak selalu dapat dijamin penuh,maka kita harus menggunakan
statistik non parametrik (statistik bebas distribusi).
Berikut ini adalah ringkasan yang memuat perbedaan antara Statistik Parametrik dan
Statistik Non Parametrik. Dengan memahami perbedaan antara keduanya, diharapkan
kita bisa menemukan metode statistik yang tepat dalam mengolah data riset yang tepat.
STATISTIK PARAMETRIK
Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau
distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain,
data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi
normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya
dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan
transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa
dikerjakan dengan statistik parametrik.
Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.
Ciri-ciri statistik parametrik :
- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal
Keunggulan dan kelemahan statistik parametrik :
Keunggulan :
1.
Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak
diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
2.
Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal
serta memiliki varian yang homogen.
Kelemahan :
1.
2.
3.
1.
2.
3.
4.
5.
6.
1.
2.
3.
1.
2.
3.
1.
2.
3.
Sign Test
Wilcoxon Matched Paired
2 Independent Sample
Median Test
Wilcoxon Mann-Whitney
Kol-Smirnov Two Sample
Wald Wolfowidz
More 2 Independent Sample
X2 k Sample
Median Test
Kruskall-Wallis
C. HIPOTESIS ASOSIATIF
Contigency Coef C
Phi Coef for 22 Tabel
Spearman Rank
Kendall-Tau
Kappa-Statistic K
Ordered Variable n Gamma Statistic G
Asymetric Association
Asymetric for Ordered Variable
http://bunda-bisa.blogspot.com/2013/03/jenis-teknik-analisis-statistik-non.html
STATISTIKA PARAMETRIK DAN NON PARAMETRIK
STATISTIKA PARAMETRIK DAN NON PARAMETRIK
Pendahuluan
Istilah parametrik dan non parametrik sering didengungkan dalam analisis statistika.
Dalam melihat persoalan dan melakukan analisis dengan menggunakan statistika perlu
dicermati pemanfaatan uji-uji yang tergolong statistika parametrik dan non parametrik.
Kesalahan dalam memilih uji ibarat memotong bawang dengan gunting atau
menggunting kertas dengan pisau. Pemahaman terhadap kedua jenis statistika ini mutlak
diperlukan sebelum membedah suatu persoalan yang memanfaatkan uji-uji statstika.
Modul ini bertujuan memberi pemahaman terhadap pengertian statistika parametrik dan
non parametrik, asumsi-asumsi yang menyertainya, jenis-jenis uji yang terlibat
didalamnya.
Pengertian Statistika Parametrik dan Statisika Non Parametrik
Statistika Parametrik adalah ilmu statistika yang mempertimbangkan jenis sebaran data,
yaitu data berdistribusi normal.
Statistika Non Parametrik adalah ilmu statistika yang tidak mensyaratkan datanya
berdistribusi normal.
Ciri-ciri Statistika Parametrik dan Non Parametrik
Ciri-ciri statistika parametrik adalah:
1.
2.
1.
2.
3.
3.
Uji independensi
Uji homogenitas
Uji tanda
Uji runtun
Oleh: M.A.Yulianto.*)
Secara umum statistik dapat diartikan sebagai suatu cara untuk mendapatkan informasi
dari data. Secara lebih detail, arti statistik dapat dikelompokan menjadi tiga yaitu:
1.
Statistik diartikan sebagai pelaporan sekumpulan data, misalnya statistik
sepakbola, statistik penduduk dan sebagainya.
2.
Statistik adalah kuantitas yang dihitung dari sekumpulan data, contohnya: proporsi,
rata-rata dan sebagainya..
3.
Statistik juga diartikan sebagai suatu disiplin ilmu dan seni dalam membuat
inferensia dari suatu spesifik unit untuk sesuatu yang general.
Data adalah sesuatu yang dianggap dapat memberikan gambaran tentang suatu
keadaan atau persoalan. Data dianggap sebagai sesuatu yang belum tentu benar,
namun dalam prakteknya anggapan atau asumsi sering digunakan sebagai dasar
pengambilan keputusan, misalnya karena pemerintah menganggap persediaan stok
beras cukup karena data produksi padi menunjukan adanya peningkatan, maka
diputuskan tidak mengimpor beras. Oleh karena suatu anggapan atau asumsi itu belum
tentu benar, maka apabila digunakan sebagai dasar pembuatan keputusan, keputusan itu
masih bisa keliru atau salah. Maka dari itu secara statistik anggapan yang merupakan
hipotesis harus diuji terlebih dahulu.
Bicara statistik berarti bicara sampel. Sampel adalah bagian anggota populasi yang
dijadikan objek penelitian. Populasi adalah sekumpulan objek yang lengkap dan jelas
yang ingin dipelajari sifat-sifatnya. Kegiatan untuk meneliti semua objek (populasi)
disebut kegiatan sensus, contoh: sensus penduduk, sensus pertanian, dsb. Kegiatan
meneliti sebagian populasi yang menjadi objek terpilih disebut survei. Ukuran deskriptif
dari sebuah populasi adalah parameter, sedangkan ukuran deskriptif dari sebuah sampel
adalah statistik. Jadi populasi mempunyai parameter sedangkan sampel mempunyai
statistik. Data hasil sensus dapat dianalisis dengan cara deskriptif. Data hasil survei
dapat dianalisis dengan cara deskriptif dan inferensia. Inferensiaadalah suatu bentuk
pengambilan keputusan di mana termasuk didalamnya pernyataan, penjelasan,
perbandingan, estimasi, proyeksi, dsb.
Metode statistik dapat dikelompokan menjadi dua, yaitu statistik parametrik dan statistik
nonparametrik. Pengujian parametrik merupakan cara menguji hipotesis yang
didasarkan pada beberapa asumsi:
1.
observasi sampel harus dipilih dari populasi yang dianggap memiliki distribusi
normal.
2.
Uji-t satu kelompok sampel menggunakan One Sample t-test. Uji-t dua kelompok
sampel dibedakan menjadi dua, independent sample t-test dan paired t-test.
Independen sample t-test digunakan untuk menghitung dua kelompok sample yang
tidak saling berhubungan. Sedangkan paired sample t-test digunakan untuk
menghitung dua kelompok sample yang bepasangan/berkorelasi.
2.
ANOVA
ANOVA adalah analisis yang digunakan untuk menguji signifikansi perbedaan dua
rerata atau lebih. Jenis-jenis ANOVA meliputi ANOVA satu jalan dan ANOVA dua jalan.
3.
Regresi
Regresi digunakan untuk uji asosiatif, lebih ditujukan untuk
mengestimasi/memprediksikan variabel bebas terhadap variabel terikat.
4.
Korelasi
Korelasi digunakan untuk menguji hubungan antar variabel.
5.
Analisis Jalur
Analisis jalur digunakan untuk menguji hubungan kausal (sebab akibat) yang
didapatkan melalui kajian teori yang telah dirumuskan.Analisis jalur digunakan dalam
rangka mempelajari saling ketergantungan antar variabel.
Ada beberapa hal yang perlu diperhatikan dalam memilih tool untuk pengujian statistik.
Uji pengaruh untuk penelitian sosial bukan menggunakan uji regresi. Uji regresi hanya
digunakan untuk uji hubungan antara variabel hingga ke tingkat memprediksikan.
Sedangkan uji pengaruh untuk penelitian sosial yang dimaksud misalnya: pengaruh
antara model pembelajaran tertentu terhadap hasil belajar dan minat belajar. Hal ini tidak
diuji menggunakan regresi, melainkan diuji dengan menggunakan Uji komparasi, selain
itu, pelaksanaan penelitiannya biasanya menggunakan metode eksperimen. Regresi
bukan untuk menguji penelitian eksperimen, tetapi untuk memprediksikan.
Sedangkan Statistika Non-Parametrik adalah statistika bebas sebaran (tidak
mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Statistik nonparametrik biasanya digunakan untuk analisis pada data berjenis Nominal atau Ordinal.
Data berjenis nominal atau ordinal tidak menyebar normal. Contoh metode Statistika
non-parametrik adalah Binominal Test, Chi-Square Test, dan Regresi Logistik.
http://satyaningdharma.blogspot.com/2013/09/uji-parametrik-dan-non-parametrikjenis.html
Uji Asumsi Klasik Model Regresi Linier Berganda
Estimasi yang peneliti ciptakan melalui model regresi linier berganda (multiple
regression) memberi hubungan antar beberapa variabel. Tapi hasil regresi tidak secara
otomatis
memberikan
hubungan
yang
handal.
Peneliti harus mengetahui sifat-sifat estimator dan menunjukkan beberapa asumsi dasar
di dalam dataset. Sebuah model disebut sebagai model yang baik jika memenuhi
beberapa
asumsi
yang
disebut
dengan
asumsi
klasik
(classical
assumptions).
Tidak ada variabel bebas memiliki hubungan linear sempurna dengan variabel
bebas lainnya atau tidak ada multikolinearitas.
Autokorelasi
apakah model memiliki korelasi antar error pada
t-1 (sebelumnya). Model yang baik tidak terjadi
menguji menggunakan Uji Durbin-Watson (DW test),
Uji Statistics Q Box-Pierce dan Ljung Box, serta Run
Uji
Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya
korelasi antar variabel bebas. Model yang baik seharusnya tidak terjadi yaitu
nilai Tolerance di
atas
0,1
dan
nilai
VIF
di
bawah
10.
Uji
Normalitas
Uji normalitas untuk mengetahui apakah error dalam model regresi memiliki distribusi
normal. Model yang baik mengasumsikan error tidak berdistribusi normal. Beberapa cara
untuk menguji yaitu menggunakan Analisis Grafik Histogram dan P-P Plot, Analisis Z
Skewness
dan
Z
Kurtosis
serta
One-Sample
Kolmogorov-Smirnov
Test.
Proses pengujian asumsi klasik dilakukan bersama dengan proses uji regresi sehingga
langkah-langkah yang dilakukan dalam pengujian asumsi klasik menggunakan langkah
kerja yang sama dengan uji regresi.
http://tu.laporanpenelitian.com/2014/10/8.html