“Statistik Parametrik”
Oleh:
Kelompok 3
1. Rani Setyahadi Karno
2. Michaelis Diana Anggriani
3. Maria Faustina Arvidiani
4. Maria Anne Febiani
5. Maria Laura Diwi Niron
6. Maria M. R. Nelle
7. Oliva Yunita Campu
8. Helmina Noyana Bagul
9. Noldi Amelia Modok
10. Reza Meilianti Messakh
11. Yufliyati Yuliana Lona
12. Giovani Kristin Uy
13. Anastasia Irene
14. Yurnike Kalerci Anakay
15. Bernadete Anansia Nuren Kelen
2
5. Sugiyono (2014)
Statistik parametrik adalah statistik yang digunakan untuk
menganalisis data interval atau rasio, yang diambil dari pupulasi yang
berdistribusi normal.
Parametrik berarti parameter. Parameter adalah indikator dari suatu
distribusi hasil pengukuran. Indikator dari distribusi pengukuran
berdasarkan statistik parametrik digunakan untuk data berdistribusi normal
dan berbentuk interval dan ratio. Skala interval yaitu skala yang
menunjukkan jarak antara satu data dengan data yang mempunyai bobot
yang sama. Contohnya adalah IPK mahasiswa (interval 0 sampai 4); usia
produktif (interval 15 sampai 55 tahun); suhu udara dalam celcius (interval
0 sampai 100 derajat). Sedangkan, skala ratio yaitu skala yang mempunyai
nilai nol mutlak dan mempunyai jarak yang sama. sebagai contoh adalah
presentase jumlah pengangguran di propinsi Nusa Tenggara timur; tingkat
inflasi Indonesia pada tahun 2000; presentase penduduk miskin di Nusa
Tenggara Timur; pertumbuhan ekonomi Nusa Tenggara Timur. Distribusi
normal dikenal juga dengan istilah Gaussian Distribution. Distribusi
normal mengandung dua parameter, yaitu rata-rata (mean) dan ragam
(varians).
Prinsip-prinsip dari distribusi normal adalah:
1. Distribusi dari suatu sampel yang dijadikan obyek pengukuran berasal
dari distribusi populasi yang diasumsikan terdistribusi secara normal.
2. Sampel diperoleh secara random, dengan jumlah sampel yang dianggap
dapat mewakili populasi.
3. Distribusi normal merupakan bagian dari distribusi probabilitas yang
kontinyu (continuous probability distribution). Implikasinya, skala
pengukuran pun harus kontinyu. skala pengukuran yang kontinyu
adalah skala rasio dan interval. kedua skala ini memenuhi syarat untuk
menggunakan uji statistic parametric.
3
Bila syarat-syarat ini semua terpenuhi, maka metode statistik
parametrik dapat digunakan. Namun, jika data tidak menyebar normal
maka metode statistik non parametrik dapat digunakan.
Kebanyakan cara pengujian hipotesis didasarkan pada anggapan
bahwa sampel acak diambil dari populasi normal. Kebanyakan uji tersebut
masih dapat diandalkan bila penyimpangannya dari kenormalan hanya
sedikit, terutama sekali bila ukuran sampelnya besar. Untuk kasus ini data
sebaiknya ditransformasikan terlebih dahulu. Transformasi data perlu
dilakukan agar data mengikuti sebaran normal. Transformasi dapat
dilakukan dengan mengubah data ke dalam bentuk logaritma natural,
menggunakan operasi matematik (membagi, menambah, atau mengali
dengan bilangan tertentu), operasi matematik (membagi, menambah, atau
mengali dengan bilangan tertentu), dan mengubah skala data dari nominal
menjadi interval. Contoh metode statistika parametrik: uji-z (1 atau 2
sampel), uji-t (1 atau 2 sampel), korelasi pearson, Perancangan Percobaan
(1 or 2-way ANOVA parametrik), dll.
4
C. Contoh Kasus Penelitian Statistik Parametrik
1. Studi Kasus A
Seorang guru melakukan penelitian terkait dengan penerapan jenis
model pembelajaran (Contextual Learning) terhadap keterampilan
berpikir kritis siswa. Populasi dari penelitian ini adalah seluruh siswa
kelas XI SMA N 1 Gianyar, dimana sampel yang digunakan sebanyak
30 orang siswa yang diambil secara acak dan dianggap sudah dapat
mewakili keseluruhan populasi. Diduga bahwa: “ keterampilan berpikir
kritis siswa yang diajar dengan model pembelajaran Contextual
Learning adalah 70”.
a. Teknik Pengambilan Data
Data dalam penelitian ini diperoleh dari hasil post test yang
dilakukan setelah perlakuan dilaksanakan. Dimana tes yang digunakan
dalam penelitian ini adalah tes keterampilan berpikir kritis.
b. Hipotesis Penelitian
H0 = Keterampilan berpikir kritis siswa yang diajar dengan model
pembelajaran Contextual Learning sama dengan 70
HA = Keterampilan berpikir kritis siswa yang diajar dengan model
pembelajaran Contextual Learning tidak sama dengan 70
c. Data hasil penelitan
Nilai Keterampilan Nilai Keterampilan Berpikir
No Berpikir Kritis dengan No Kritis dengan penerapan
penerapan CTL CTL
1 75 16 69
2 81 17 70
3 80 18 68
4 77 19 63
5 73 20 65
6 75 21 87
7 72 22 85
8 80 23 77
9 89 24 75
10 87 25 88
11 89 26 81
12 79 27 80
13 83 28 77
5
14 81 29 86
15 74 30 83
d. Analisis Manual
Nilai Keterampilan Nilai Keterampilan Berpikir
No Berpikir Kritis dengan No Kritis dengan penerapan
penerapan CTL CTL
1 75 16 69
2 81 17 70
3 80 18 68
4 77 19 63
5 73 20 65
6 75 21 87
7 72 22 85
8 80 23 77
9 89 24 75
10 87 25 88
11 89 26 81
12 79 27 80
13 83 28 77
14 81 29 86
15 74 30 83
Jumlah 2349
Rata-rata 78,3
Standar deviasi 7,071799
Derajat kebebasan 29
x 0
t
s/ n
6
Keterangan:
t = Nilai t yang dihitung, selanjutnya disebut thitung
𝑥̅ = Rata-rata data sampel
µ0 = Nilai yang dihipotesiskan
sd = Standar devisiasi data sampel
n = Jumlah sampel
Setelah memperoleh nilai t hitung, maka nilai tersebut dibandingkan
dengan nilai ttabel dengan kriteria sebagai berikut.
Tolak H0 bila t1 1
t atau t t1 1
2 2
7
Diketahui :
Standar deviasi s = 7,071799
Rata-rata x = 78,3
Jumlah sampel n = 30
Taraf signifikan α = 5% (0,05)
0 = 70 dan derajat kebebasan dk = 29 pada daftar distribusi t
diperoleh 2,045
Penyelesaian :
x 0
t
s/ n
78,3 70
t
7,071799 / 30
8,3
t
7,071799 / 5,477
8,3
t
1,291
t 6,429
f. Kesimpulan
Berdasarkan hasil perhitungan t di atas maka dapat diambil
keputusan sebagai berikut. Tolak H0 bila t1 1
t atau t t1 1
2 2
2. Studi kasus B
Pada suatu kegiatan rekayasa genetik, dilakukan pengembangan
tanaman tomat transgenik miraculin (gen miraculin/memodifikasi rasa
asam menjadi manis). Sebelum tanaman ini dibudidayakan secara luas,
dilakukan sebuah penelitian untuk mengetahui potensi keamanan hayati
8
tanaman tomat transgenik miraculin, melalui pengujian dampak
tanaman tersebut terhadap populasi mikroflora (bakteri, jamur dan
acytomycetes). Pengamatan populasi mikroflora dilakukan perhitungan
jumlah koloni sebanyak 2 kali yaitu, sebelum penanaman tomat dan
setelah masa panen tomat. Adapun metode eksperimen sederhana
dilakukan dengan 8 ulangan. Peneliti ingin melihat apakah terdapat
perbedaan rata-rata pada masing-masing populasi mikroflora sebelum
penanaman dan panen dari tomat transgenic miraculin dan tomat
a. Teknik Pengambilan Data
Data dalam penelitian ini diperoleh dari hasil pengamatan
terhadap populasi mikroflora pada eksperimen tanaman tomat
transgenik miraculin dengan perlakuan sebelum penanaman dan
setelah masa panen.
b. Hipotesis Penelitian
H0 = Tidak ada perbedaan populasi bakteri tanah sebelum dan setelah
penanam tomat transgenik miraculin
HA =Ada perbedaan populasi bakteri tanah sebelum dan setelah
penanaman tomat transgenik miraculin
c. Data Hasil Penelitian
Tabel 1. Pengukuran Populasi Mikroflora (cfu/mg) pada Tanaman
Tomat Transgenik, Metode 8x Pengulangan
Pengulang Pengulang Pengulang Pengulang Pengulang Pengulang Pengulang Pengulang
an 1 an 2 an 3 an 4 an 5 an 6 an 7 an 8
Tomat Tomat Tomat Tomat Tomat Tomat Tomat Tomat
trans trans trans trans trans trans trans trans
Bakteri Bakteri Bakteri Bakteri Bakteri Bakteri Bakteri Bakteri
Sblum: 6,8 Sblum: 6,6 Sblum: 6,6 Sblum: 7,0 Sblum: 6,0 Sblum: 6,6 Sblum: 6,6 Sblum: 7,0
Stlah: 5,0 Stlah: 4,8 Stlah: 5,0 Stlah: 4,5 Stlah: 6,5 Stlah: 4,8 Stlah: 5,0 Stlah: 4,5
9
d. Jenis Pengujian Hipotesis
Pengujian hipotesis pada penelitian ini dilaukan dengan uji t
dependent (paried t test). Pemilihan uji t-dependent dapat dilakukan
dengan syarat, kaidah-kaidah distribusi normal terpenuhi dan skala
data berbentuk numerik, umumnya adalah rerata. Pada uji t-dependent
sampel yang terpilih dilakukan perlakukan terlebih dahulu.
Rumus uji t-berpasangan
𝑑̅
𝑇=
𝑆𝑑 − 𝑑⁄
√𝑛
Keterangan:
𝑑̅ = rata-rata deviasi/ selisih sampel 1 dan sampel 2
Sd – d = Standar deviasi dari deviasi/selisih sampel 1 dan sampel 2
df = n-1
Penyelesaian:
Menghitung t-dependent
Pengulangan sebelum Setelah d (D - 𝑑̅)2
1 6,8 5,0 -1,8 ((-1,8) – (-1,6))2
2 6,6 4,8 -1,8 ((-1,8) – (-1,6))2
3 6,6 5,0 -1,6 ((-1,6) – (-1,6))2
4 7,0 4,5 -2,5 ((-2,5) – (-1,6))2
5 6,0 6,5 +0,5 ((+0,5) – (-1,6))2
6 6,6 4,8 -1,8 ((-1,8) – (-1,6))2
7 6,6 5,0 -1,6 ((-1,6) – (-1,6))2
8 7,0 4,5 -2,5 ((-2,5) – (-1,6))2
jumlah -13,1 6,138
∑(𝐷−𝑑̅)2
𝑆𝑑 = √ 𝑛−1
6,138
= √ 8−1
= 0,93
𝑑̅ −1,63
t-dependent hitung = 𝑆𝑑 = = −1,75
0,93
10
e. Kesimpulan
Ditetapkan pada uji t-depedent ini bersifat 2 arah, nilai α sebesar
5% / 0,05 dengan nilai dk = n -1 = 8-1 = 7. Maka berdasarkan tabel-t
(terlampir) didapatkan nilai t-tabel adalah 2,365. Berdasarkan
perbandingan nilai t-tabel dan t-hitung, didapatkan nilai t-hitung < t-
tabel, sehingga Ho ditolak.
Kesimpulannya adalah rata-rata populasi mikroflora, yaitu
populasi bakteri sebelum dan setelah penanaman tanaman tomat
transgenic berbeda secara signifikan
11
DAFTAR PUSTAKA
Buku:
Sugiyono. 2009. Statistika Untuk Penelitian. Bandung : CV. Alfabeta
Tyastirin, Esti, dkk. 2017. Statistik Parametrik Untuk Penelitian Kesehatan.
Surabaya: Program Studi Arsitektur UIN Sunan Ampel
Internet:
12