Anda di halaman 1dari 6

BAB 2

LANDASAN TEORI

Statistik Parametrik
Parametrik berarti parameter.Parameter adalah indikator dari suatu distribusi hasil
pengukuran.Indikator dari distribusi pengukuran berdasarkan statistik parametrik
digunakan untuk parameter dari distribusi normal.Apa yang dimaksud dengan distribusi
normal? Bagaimana mengetahui sebuah data berdistribusi normal atau tidak?Hal ini
penting sekali untuk diketahui karena berdasarkan normal atau tidaknya distribusi ini baru
dapat ditentukan apakah uji statistik parametrik atau nonparametrik yang digunakan (Tavi
& Riantri, 2010:9).
Suatu tes 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 anggapan-
anggapan tadi (Siegel,Sidney,1986:38).

Statistik Nonparametrik
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 statistik
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 nonparametrik banyak digunakan pada penelitian-penelitian sosial.Data yang diperoleh dalam penelitian sosial
pada umumnya berbentuk kategori atau berbentuk ranking (Tavi & Riantri, 2010:10)
.Menurut Suharyadi dan Purwanto dalam bukunya Statistika untuk Ekonomi dan
Keuangan Modern (2009:262) mengemukakan bahwa beberapa kalangan mempunyai
pandangan yang skeptis terhadap statistik parametrik tersebut.Hal ini terjadi apabila
asumsinya dipandang tidak relevan, seperti distribusi yang bersifat normal, mungkin saja
tidak selalu sesuai dengan kondisi nyata
Siegel,Sidney dalam bukunya Statistik Nonparametrik Untuk Ilmu-Ilmu Sosial
(1986:39) mengemukakan bahwa tes statistik parametrik adalah paling kuat apabila
semua anggapan model statistiknya dipenuhi dan bila variabel-variabel yang dianalisis
diukur setidaknya dalam suatu skala interval. Tetapi, meskipun semua anggapan tes
parametrik mengenai populasi dan syarat-syarat mengenai kekuatan pengukuran
dipenuhi, kita ketahui dari konsep kekuatan efisiensi bahwa dengan memperbesar ukuran
sampel dengan banyak elemen yang sesuai kita dapat menggunakan suatu tes
nonparametrik sebagai ganti tes parametrik dengan masih
Terlebih lagi, anggapan-anggapan yang harus dibuat untuk memberikan pembenaran
terhadap penggunaan tes parametrik biasanya hanya didasarkan atas dugaan dan
anggapan, sebab pengetahuan tentang parameter-parameter populasinya hampir selalu
tidak ada. Akhirnya untuk beberapan distribusi populasi, tes statistik nonparametrik jelas
lebih unggul dalam kekuatan dibandingkan dengan tes parametrik (Siegel,Sidney,
1986:40).
diberi ranking, kemudian menjumlahkan ranking berdasarkan masing-masing
sampel.Setelah menjumlahkan ranking untuk masing-masing sampel, kemudian
menentukan nilai dari statistik uji Mann-Whitney.

Keterangan :1 adalah jumlah elemen pada sampel pertama.

1adalah jumlah ranking pada sampel pertama.

uji statistik Mann-Whitney digunakan untukujimenentukanMann-Whitney.hipotesis akan


diterima atau ditolak. Nilai dari uji statistik Mann-Whitney dibandingkan dengan nilai
kritis Mann-Whitney berdasarkan tabel nilai kritis Mann-Whitney.Berikut aturan
dalam pengambilan keputusan berdasarkan uji statistik Mann-Whitney.

Whitney pada tahun 1947. Uji Mann-Whitney merupakan uji nonparametrik yang

< , .
Untuk masing-masing sampel berukuran besar, yakni lebih dari 20, maka

Whitney terlebih dahulu ditransformasi ke dalam bentuk nilai peubah acak normal .

-122Berikut rumus untuk mentransformasi nilai dari uji statistik Mann-Whitney ke bentuk

2
12

Keterangan : adalah nilai dari uji statistik Mann-Whitney.

2adalah jumlah elemen pada sampel kedua.


1 = 12 + (1)(1 + 1) 1

(2)(2 + 1)
= 12peubah
Setelah memperoleh2nilai + kemudian
acak normal , 2 pengambilan
2
-122keputusan terhadap hipotesis dapat dilakukan dengan cara membandingkan nilai

normal.Cara
2adalah
lainjumlah
denganelemen
menentukan
pada sampel
nilai probabilitas
kedua. kumulatif dari nilai peubah

2adalah jumlah ranking pada sampel kedua.


kumulatif dari nilai peubah acak normal kemudian dibandingkan dengan nilai

-122tingkat signifikansi.
Nilai yang Berikut
terkecil adalah aturan
nilai daridalam pengambilan
statistik apakah keputusan
Nilai dariberdasarkan uji


> , .

2.4 Uji Chi Kuadrat

pendekatan normal
Uji chi atau
kuadrat goodness of fit merupakan
uji statistik dapat digunakan. Nilai yang
uji statistik dari uji statistik Mann-
dikembangkan oleh Karl
Pearson pada tahun 1900.Uji chi kuadrat goodness of fit digunakan untuk menguji
keselarasan antara frekuensi harapan atau teori dan frekuensi pengamatan.Data yang
dianalisis
nilai peubahpada
acakuji chi kuadrat
normal . dapat berupa data nominal atau data ordinal.Hipotesis
nol pada uji chi kuadrat menyatakan terjadi keselarasan antara frekuensi harapan dan
ferkuensi pengamatan.
12
=
(1)(2)(1 + 2 + 1)
Uji statistik yang digunakan adalah uji statistik chi kuadrat.Nilai dari uji
statistik chi kuadrat digunakan untuk menentukan apakah hipotesis diterima atau
ditolak.Berikut rumus untuk menghitung nilai uji statistik chi kuadrat.

1adalah jumlah elemen pada sampel pertama.

Keterangan : merupakan
adalah nilai peubah frekuensi
acak normal . pengamatan.

2merupakan nilai uji statistik chi kuadrat.


Nilai uji statistik chi kuadrat kemudian dibandingkan dengan dengan nilai
peubahkritis normal dengan
acak berdasarkan tabel nilai
nilai krits
kritisyang diperoleh berdasarkan
chi kuadrat.Berikut tabel distribusi
aturan keputusan berdasarkan
uji statistik chi kuadrat.
acak normal berdasarkan tabel distribusi kumulatif normal. Nilai probabilitas

2 < , .
statistik .

2.5 Teknik Quota Sampling


> , .

Sugiarto, dkk (2001:42) menyatakan Quota sampling bahwa sampel yang diambil
< ,
harus sejumlah tertentu yang dijatah . dari setiap subgroup yang telah
(quotum)
ditentukan dari suatu populasi.

Menurut Sugiarto,dkk (2001) kelebihan dari teknik sampling ini adalah pada
rendahnya biaya penelitian. Kelebihan lainnya adalah dengan keleluasaan peneliti
untuk menentukan elemen-elemen untuk setiap quotanya.Bahkan pada kondisi-kondisi
tertentu, hasil penelitian dengan teknik quota sampling dapat menyamai hasil
penelitian yang dilakukan dengan salah satu teknik sampling yang termasuk rumpun
probability sampling.

Kekurangan dari teknik Quota sampling menurut Sugiarto,dkk (2001) adalah


permasalahan bertambah lagi dengan kenyataan dilapangan bahwa pewawancara
cenderung mencari lokasi/tempat-tempat dimana sampel dapat ditemukan dan kadang
pewawancara memilih-milih responden untuk diwawancarai berdasarkan kriteria yang

tidak dapat diterima seperti penampilan (gaya berpakaian, sikap), jenis kelamin, ras,
dan lain sebagainya.
2
=

2.6 Menentukan Besar Sampel

MenurutRoscoe
merupakan frekuensi
dalam bukuharapan atauMethods
Research teori. For Bussines (1992:253) memberikan
saran-saran tentang ukuran sampel sebagai berikut :

1. Ukuran sampel yang layak digunakan dalam penelitian adalah antara 30


sampai dengan 500.

2. Bila sampel dibagi dalam kategori (pria-wanita, pegawai negeri-swasta) maka


jumlah anggota sampel setiap kategori minimal 30.
2 > , .

3. Bila dalam penelitian akan melakukan analisis dengan multivariat (korelasi


atau regresi ganda misalnya), maka jumlah anggota sampel minimal 10 kali
dari jumlah variabel yang diteliti. Misalnya variabel penelitiannya ada 5
(independen + dependen) maka jumlah anggota sampel = 10 x 5 = 50.

4. Untuk penelitian eksperimen yang sederhana, yang menggunakan kelompok


eksperimen dan kelompok kontrol maka jumlah anggota sampel masing-
masing 10 s/d 20.