Mengenal
Statistik Parametrik
Statistika
parametrik berhubungan dengan inferensi statistik (pengambilan keputusan atas masalah tertentu)
yang membahas parameter-parameter populasi, seperti rata-rata, proporsi dan
sebagainya. Adapun ciri parametrik dapat dilihat dari jenis datanya adalah
interval atau rasio, serta distribusi data (populasi) adalah normal atau
mendekati normal.
Terkait dengan
jumlah sampel yang dilibatkan dalam pengujian pada inferensi statistik maka
dapat dibedakan menjadi dua, yaitu :
Satu Sampel
Untuk
menguji apakah rata-rata dari suatu populasi (sampel) sama dengan suatu harga
tertentu. Uji ini biasa disebut dengan uji t
(t test) yaitu One sampel t-test dan dengan uji Chi Square yaitu uji kabaikan sesuai atau Goodness of Fit Test.
· Dua atau lebih sampel
Sedangkan uji
dua atau sampel akan menguji apakah rata rata dua populasi sama ataukah berbeda
secara nyata. Pada uji ini dapat dibedakan pula tergantung hubungan antara
kedua sampel, yaitu dua sampel bebas atau dua sampel berhubungan.
Macam-Macam
Pengujian Statistika Parametrik
ü Uji Satu Sampel dengan uji t
Merupakan
pengujian yang dilakukan hanya berdasarkan pada satu sampel yang ada; seperti
menguji apakah tinggi badan sekelompok pria adalah 170 cm. Untuk iti diambil
satu sampel saja, missal 10 pria, atau 50 pria, atau sejumlah pria lainya.
Penggunaan
uji t dan uji z pada pangujian hipotesa
satu sampel tergantung pada jumlah sampel yang diambil dan besaran standar
deviasi. Jika jumlah sampel diatas 30
(n ≥ 30) dan standar deviasi
populasi (σ) diketahui maka digunakan uji
z. Namu jika jumlah sampel dibawah 30 ( n ≤ 30) dan standar deviasi
populasi (σ)
tidak dietahui maka digunakan uji t, Asumsi dalam pengujian hipotesa satu
sampel adalah populasi dari mana sampel tersebut diambiladalah normal atau bisa
dianggap normal. Jika asumsi tersebut diragukan maka harus dilakukan uji
parametric untuk satu sampel.
Pengujian
hipotesa satu sampel pada prinsipnya ingin menguji apakah suatu nilai tertentu
(yang diberikan sebagai pembanding) berbeda secara nyata ataukah tidak dengan
rata rata sebuah sampel.
ü Uji Dua sampel Dengan Uji t
Pada
pemngujian dua sampel dibedakan menjadi sampel independen dan sampel dependen.Pengujian
dua sampel independen adalahpengujian terhadap dua sampel yang tidak
berhubungan satu dengan yang lain. Sebagai Contoh; sampel pria dan sampel
wanita; keduanya independen karena seorang pria tidak mungkin masuk dalam
sempel wanita, dan sebaliknya. Sementara pengujian dua sampeldependen
(berpasangan) adalah pengujian terhadap dua sampel yang berhubungan satu dengan
yang lain. Sebagai contoh, sampel pria belum minum obat A dengan sampel pria
(yang sama) setelah minum obat A. Keduanya dependen, karena pria yang sama
diteliti pada saat sebelum dan sesudah minum obat A. Jadi anggota sampel sama ,
hanya perlakuan yang diberikan berbeda.
Asumsi pada pengujian dua sampel
adalah :
a.
Kedua sampel berasal dari populasi
yang berdistribusi normal atau bisa dianggap normal.
b.
Varians kedua sampel sama ataubisa
dianggap sama.
Jika asumsi tidak
terpenuhi, dalam arti distribusi populasi jelas tidak normal, atau kedua
varians sangat berbeda, maka bisa digunakan metode statistika nonparametrik.
ü
Uji Anova
Anova merupakan lanjutan dari
uji-t independen dimana kita memiliki dua kelompok percobaan atau lebih. anova biasa digunakan untuk membandingkan mean dari dua kelompok sampel independen
(bebas). Uji anova ini juga biasa disebut sebagai One Way Analysis of
Variance. Asumsi yang digunakan
adalah subjek diambil secara acak menjadi satu kelompok n. Distribusi mean
berdasarkan kelompok normal dengan keragaman yang sama. Ukuran sampel antara
masing-masing kelompok sampel tidak harus sama, tetapi perbedaan ukuran
kelompok sampel yang besar dapat mempengaruhi hasil uji perbandingan keragaman.
Hipotesis yang digunakan adalah:
H0:
µ1 = µ2 … = µk (mean dari semua kelompok sama)
Ha:
µi <> µj (terdapat mean dari dua atau lebih kelompok tidak sama)
Statistik uji-F yang
digunakan dalam One Way Anova dihitung dengan rumus (k-1), uji F dilakukan dengan membandingkan nilai Fhitung (hasil output) dengan nilai Ftabel. Sedangkan derajat bebas
yang digunakan dihitung dengan rumus (n-k), dimana k adalah jumlah kelompok sampel, dan n adalah jumlah sampel. p-value
rendah untuk uji ini mengindikasikan penolakan terhadap hipotesis nol, dengan
kata lain terdapat bukti bahwa setidaknya satu pasangan mean tidak sama.
ü Uji Chi Square
Chi Square adalah
salah satu alat analisis yang paling sering digunakan pada statistic, dengan
tujuan untuk uji goodness of fit test,
uji homogenitas, dan uji indepedensi.
Uji
goodness of fit test pada prinsipnya
bertujuan untuk mengetahui apakah sebuah distribusi data dari sampel mengikuti
sebuah distribusi teoritis tertentu atau tidak. Sebagai contoh, jika sebuah
dadu dilempar maka kemungkinan mendapat angka 5 adalah 1/6, juga kemungkinan
untuk angka yang lain. Inilah yang disebut distribusi teoritis sebuah dadu,
karena terdiri atas 6 mata dadu yang memounyai kemungkinan seimbang untuk
muncul dalam sekali pelemparan. Dengan demikian, goodnes of fit akan membadingkan dua distribusi data, yakni yang
teoritis (frekuensi harapan) dan yang sesuai kenyataan (frekuensi observasi).
Uji ini hampir sama dengan uji binomial, hanya jika pada binomial ada dua
kemungkinan jawaban, sedangkan pada uji goodness of fit ada lebih dari dua
kemungkinan.
Uji
homogenitas bertujuan untuk menguji apakah proporsi data baris atau data kolom
pada sebuah tabulasi silang (crosstab)
mempunyai distribusi data populasi yang sama. Contoh, apakah komposisi pria-wanita
berdasar usia relatif sama di kota Surabaya dan Bandung.
Sementara
uji indepedensi bertujuan untuk menguji apakah ada hubungan antara data baris
dengan data kolom pada sebuah tabulasi silang. Misal, apakah gender seseorang
mempunyai hubungan dengan penghasilan yang diterimanya.
Untuk melihat contoh yang lebih jelas, silakan kunjungi link dibawah ini:
Uji
Dua sampel
Uji Anova
Uji Chi Square
Tidak ada komentar:
Posting Komentar