MAKALAH

KARAKTERISTIK PENELITIAN NARATIF, STATISTIKA DESKRIPTIF,

INFERENSIAL PARAMETRIK DAN NONPARAMETRIK

Disusun oleh
Kelompok 2
Galih Nur Pratomo (19725251040)
Ratna Dyah Hartanti (19725251045)
Adelina Gultom (19725259001)
Pendidikan Biologi C

JURUSAN PENDIDIKAN BIOLOGI

PROGRAM PASCASARJANA
UNIVERSITAS NEGERI YOGYAKARTA
2019
 BAB I
PENDAHULUAN

A. Latar Belakang
Statistika merupakan salah satu cabang pengetahuan yang banyak
dipelajari oleh ilmuan dari hampir semua bidang ilmu pengetahuan
seperti ilmu kedokteran, teknik, manajemen, sosial, dan semua
bidang yang mencakup pengetahuan manusia. Statistika adalah metode
atau ilmu yang mempelajari suatu proses dalam merencanakan,
mengumpulkan, menganalisis, dan mempresentasikan data.
Dalam banyak hal, pengolahan dan analisa data tidak luput dari penerapan
teknik dan metode statistik tertentu, yang mana kehadirannya dapat memberikan
dasar bertolak dalam menjelaskan hubungan-hubungan yang terjadi. Statistik dapat
digunakan sebagai alat untuk mengetahui apakah hubungan kausal antara dua atau
lebih variabel benar-benar terkait secara benar dalam suatu kausalitas empiris
ataukah hubungan tersebut hanya bersifat random atau kebetulan saja.
Statistik dapat menolong peneliti untuk menyimpulkan apakah suatu
perbedaan yang diperoleh benar-benar berbeda secara signifikan. Apakah
kesimpulan yang diambil cukup refresentatif untuk memberikan infensi terhadap
populasi tertentu dalam penelitian. Namun sebelum melakukan penelitian, penelitia
hendaknya sudah mengetahui dan memahami karakteristik penelitian yang akan
dilakukannya. Oleh karena itu, penting untuk mengetahui dan mempelajari
karakteristik penelitian sebelum melakukan penelitian.

B. Tujuan
1. Mengetahui karakteristik statistika naratif.
2. Mengetahui karakteristik statistika deskriptif.
3. Mengetahui karakteristik statistika inferensial parametrik.
4. Mengetahui karakteristik statistika inferensial nonparametrik.
 BAB II
PEMBAHASAN

A. Penelitian Naratif

Naratif (narrative) muncul dari kata to narrate yang artinya menceritakan

atau mengatakan (to tell) suatu cerita secara detail (Ehrlich, Flexner, Carruth, &
Hawkins, 1980: 442). Dalam desain penelitian naratif, peneliti mendeskripsikan
kehidupan individu, mengumpulkan, mengatakan cerita tentang kehidupan
individu, dan menuliskan cerita atau riwayat pengalaman individu tertentu.
Jelasnya, penelitian naratif berfokus pada kajian seorang individu “Narrative
research design is researchers describe the lives of individuals, collect, and tell
stories about people’s lives and write narratives of individual experiences”,
(Connelly & Clandinin, 1990).

Menurut Daiute & Lightfoot (2004) dalam Carswell (2007) penelitian

naratif mempunyai banyak bentuk dan berakar dari disiplin (ilmu) kemanusiaan
dan sosial yang berbeda. Naratif bisa berarti tema yang diberikan pada teks atau
wacana tertentu, atau teks yang digunakan dalam konteks atau bentuk
penyelidikan dalam penelitian kualitatif (Chase, 2005).

Penelitian Naratif menurut James Schreiber dan Kimberly Asner-Self

(2011) adalah studi tentang kehidupan individu seperti yang diceritakan melalui
kisah-kisah pengalaman mereka, termasuk diskusi tentang makna
pengalaman-pengalaman bagi individu. Menurut Webster dan Metrova, narasi
(narrative) adalah suatu metode penelitian di dalam ilmu-ilmu sosial. Inti dari
metode ini adalah kemampuannya untuk memahami identitas dan pandangan
dunia seseorang dengan mengacu pada cerita-cerita (narasi) yang ia dengarkan
ataupun tuturkan di dalam aktivitasnya sehari-hari. Jadi, penelitian naratif
adalah penelitian yang dianalisis dengan naratif, dimana data dianalisis dengan
deskriptif naratif.

Kajian biografi adalah bentuk kajian naratif di mana peneliti menulis dan
mencatat pengalaman kehidupan seseorang. Autobiografi ditulis dan dicatat
oleh individu sebagai subjek kajian. Sejarah hidup (life histories) memotret
seluruh kehidupan seseorang. Cerita pengalaman seseorang adalah kajian
 naratif terhadap pengalaman personal seseorang yang ditemukan dalam episode
majemuk atau tunggal, situasi pribadi, atau cerita rakyat komunal (communal
folklore). Sejarah lisan terdiri dari kumpulan refleksi personal terhadap kejadian
dan sebab akibat kejadian tersebut dari satu atau beberapa individu. Kajian
naratif bisa jadi memiliki fokus kontekstual yang spesifik, seperti guru atau
murid di kelas, cerita tentang organisasi, atau cerita yang diceritakan tentang
organisasi.

Karakteristik Kunci Penelitian Naratif

Berikut ini karakteritik kunci penelitian naratif antara lain (James

Schreiber dan Kimberly Asner-Self, 2011).
1. Penelitian Naratif berfokus pada pengalaman individu dan kronologi
mereka, serta studi kasus.
2. Penelitian Narasi menggunakan teknik restorying untuk membangun
account narasi berdasarkan data yang dikumpulkan melalui
wawancara.
3. Penelitian Narasi menggabungkan konteks dan tempat dalam cerita.

B. Statistika Deskriptif

- Descriptive statistics simplify our lives by organizing and summaring data

(Ary Donald et al., 2010:100).
- Descriptive statistics include measures of central tendency or averages
(mean, median and mode), measures of dispersion or variability (range, mean
deviation and standard deviation) and frequency counts (Lin S. Norton, 2009:
132).
- Descriptive statistical is concerned with numerical description of a particular
group observed and any similarity to those outside the group can not be taken
for granted (Singh, 2006:224).

Statistika deskriptif merupakan salah satu teknik analisis dari statistik

dengan menggunakan teknik sampling tetapi tidak untuk menarik kesimpulan
secara umum, adapun populasinya juga harus jelas artinya bahwa peneliti
benar-benar harus sudah memperoleh informasi, bagaimana sebenarnya
keadaan populasi yang ingin diteliti.
 Pengertian statistik deskriptif berbeda dengan statistik inferensial. Pada
statistik deskriptif penelitian hanya menggambarkan keadaan data apa adanya
melalui parameter-parameter seperti mean, median, modus, distribusi
frekuensi dan ukuran statistik lainnya. Pada statistika deskriptif kuantitatif
digunakan untuk mendeskripsikan parameter populasi, hal yang perlu
disajikan adalah:

1. Ukuran pemusatan data (measures of central tendency). Ukuran

pemusatan data yang sering digunakan adalah distribusi frekuensi.
Ukuran statistik ini cocok untuk data nominal dan data ordinal (data
kategorik). Sementara nilai mean adalah ukuran pemusatan data yang
cocok untuk data continuous. Ukuran deskriptif lain untuk pemusatan
data adalah median (nilai tengah), mean (rata-rata), dan modus (nilai yang
paling sering muncul).

2. Ukuran penyebaran data (measures of spread). Ukuran penyebaran data

yang sering digunakan adalah standar deviasi. Ukuran penyebaran data ini
cocok digunakan untuk data numerik atau continuous. Sementara untuk
data kategorik, nilai range merupakan ukuran yang cocok.

3. Data diperoleh dari populasi melalui sensus (yaitu data seluruh anggota
populasi), kemudian data diolah untuk memperoleh parameter populasi.

Sedangkan pda deskriptif kualitatif dengan menggali apa dibalik kejadian.

C. Statistika Inferensial
 An important characteristic of inferential statistics is the process of going
from the part to the whole (Ary Donald et al., 2010:147).
 Analisis statistika inferensial melibatkan proses pengambilan sampel,
pemilihan untuk studi kelompok kecil yang diasumsikan terkait dengan
kelompok besar dari mana ia diambil (Singh, 2006: 224).
Jadi, statistika inferensial digunakan untuk menarik kesimpulan dari hasil
dan pembahasan, dimana data diambil dari sampel (sampel yang acak yang
berarti sampel mewakili populasi).
Metode analisis statistik yang digunakan dalam statistik inferensial
adalah T-test, Anova, Anacova, Analisis regresi, Analisis jalur, Structural
 equation modelling (SEM) dan metode analisis lain tergantung tujuan
penelitian. Dalam statistik inferensial harus ada pengujian hipotesis yang
bertujuan untuk melihat apakah ukuran statistik yang digunakan dapat ditarik
menjadi kesimpulan yang lebih luas dalam populasinya. Ukuran-ukuran
statistik tersebut dibandingkan dengan pola distribusi populasi sebagai
normanya. Oleh sebab itu, mengetahui pola distribusi data sampel menjadi
penting dalam statistik inferensial.

Contoh yang baik untuk statistik inferensial adalah pada pemilu presiden
2014. Berbagai lembaga survei melakukan quick count untuk mengetahui
secara cepat kandidat presiden mana yang akan mendapatkan suara rakyat
lebih banyak. Lembaga survei tersebut mengambil sebagian sampel TPS
(Tempat Pemungutan Suara) dari total TPS populasi. Hasil sampel TPS
tersebut digunakan untuk generalisasi terhadap keseluruhan TPS. Katakanlah
diambil 2.000 sampel TPS dari 400.000 populasi TPS yang ada. Hasil dari
2.000 TPS adalah statistik deskriptif. Sedangkan jika kita mengambil
kesimpulan terhadap 400.000 TPS adalah statistik inferensial.Kekuatan
statistik inferensial tergantung pada teknik pengambilan sampel dan proses
randomisasi. Jika proses randomisasi dilakukan dengan benar, maka sampel
yang lebih sedikit dapat memprediksi nilai populasi dengan baik. Dengan
demikian dapat menghemat anggaran pengambilan / pengumpulan data.

1. Jenis statistika Inferensial

Statistik inferensial ada dua macam, yaitu:
a. 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.
Menurut Lin S. Nortonv (2009), karakteristik statistika parametrik
antara lain:
1. Data berdistribusi normal dan memiliki standar deviasi yang mirip.,
“Parametric tests, which are more powerful, should only be used
when the distributions are normal and the standard deviations are
roughly similar.”
2. Bentuk data numerik, misalnya tinggi badan, berat badan
“Data/scores have a true numerical value (weight, height, etc)”
3. Penyebaran skor pada sampel homogen yang berada di sekitar
tendensi sentral “The spread of scores in your sample/s are clustered
around the mean or measures of central tendency (sometimes this is
known as homogeneity)” (asumsi: populasi tersebar normal/
distribusi data tersebar normal).
4. Ukuran sampel besar dan berjumlah sama “Your sample size/s are
large and roughly equal (e.g. you were attempting to compare exam
results from a group of 100 students with another group of 110
students)”.

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),
Keunggulan dan kelemahan statistik parametrik:
Keunggulan:

a) Syarat syarat parameter dari suatu populasi yang menjadi sampel

biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran
terhadap data dilakukan dengan kuat.
b) Observasi bebas satu sama lain dan ditarik dari populasi yang
berdistribusi normal serta memiliki varian yang homogen.

Kelemahan:

a) Populasi harus memiliki varian yang sama.

b) Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam
skala interval.
 c) Dalam analisis varian ditambahkan persyaratan rata-rata dari
populasi harus normal dan bervarian sama, dan harus merupakan
kombinasi linear dari efek-efek yang ditimbulkan.

b. Statistik Non-Parametrik
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak
mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak).
Selain itu, statistik non-parametrik biasanya menggunakan skala
pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak
berdistribusi normal.

Karakteristik statistika nonparametrik (Lin S. Norton, 2009), antara

lain:

1) Data berdistribusi tidak normal, “If data did not show a normal
distribution uses non-parametric statistics.” (Lin S. Norton, 2009).
Jadi, distribusi data tidak normal atau populasi tidak diketahui.
2) Data berskala nominal dan ordinal
“Data do not have a true numerical value such as that produced by
Likert scales where SA = 5, A = 4, U = 3, D = 2 and SD = 1.”
3) Penyebaran skor mengindikasikan variabilitas yang besar.
The spread of your scores indicates a large variability.
4) Jumlah sampel kecil
“Your sample size/s are small, or unequal (e.g. you were attempting to
compare exam results from a group of ten students with another group
of 100 students).”
Populasi berlaku untuk research population. Simpulan yang belaku
untuk populasi target (berupa generalisasi/ penarikan kesimpulan
secara umum). Jika populasi tidak nyata, maka tidak dapat dibuat
daftar anggita populasi, sehingga populasi harus ditetapkan.

Contoh metode statistik nonparametrik:

a) Uji tanda (sign test)

b) Rank sum test (wilcoxon)
c) Rank correlation test (spearman)
d) Fisher probability exact test.
e) Chi-square test, dll.

Keunggulan dan kelemahan statistik non-parametrik :

Keunggulan:

a) Tidak membutuhkan asumsi normalitas.

b) Secara umum metode statistik non-parametrik lebih mudah
dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan
statistik parametrik karena ststistika non-parametrik tidak
membutuhkan perhitungan matematik yang rumit seperti halnya
statistik parametrik.
c) Statistik non-parametrik dapat digantikan data numerik (nominal)
dengan jenjang (ordinal).
d) Statistik non-parametrik terkadang tidak dibutuhkan urutan atau
jenjang secara formal karena sering dijumpai hasil pengamatan
yang dinyatakan dalam data kualitatif.
e) Pengujian hipotesis pada statistik non-parametrik dilakukan secara
langsung pada pengamatan yang nyata.
f) Walaupun pada statistik non-parametrik tidak terikat pada
distribusi normal populasi, tetapi dapat digunakan pada populasi
berdistribusi normal.

Kelemahan:

a) Statistik non-parametrik terkadang mengabaikan beberapa

informasi tertentu.
b) Hasil pengujian hipotesis dengan statistik non-parametrik tidak
setajam statistik parametrik.
c) Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke
populasi studi seperti pada statistik parametrik. Hal ini
dikarenakan statistik non-parametrik mendekati eksperimen
dengan sampel kecil dan umumnya membandingkan dua
kelompok tertentu.
 BAB III
PENUTUP

A. Kesimpulan
Penelitian Naratif adalah penelitian yang berfokus pada kajian yang
berisi tentang cerita atau riwayat pengalaman tertentu. Karakteristik penelitian
naratif yaitu penelitian yang berfokus pada pengalaman individu dan
kronologi mereka, menggunakan teknik restorying untuk membangun account
narasi berdasarkan data yang dikumpulkan melalui wawancara, dan
menggabungkan konteks dan tempat dalam cerita. Statistik deskriptif
berkaitan dengan deskripsi numerik dari kelompok tertentu yang diamati dan
kesamaan apa pun dengan yang di luar kelompok tidak dapat diterima begitu
saja, termasuk ukuran kecenderungan atau rata-rata pusat (rata-rata, median
dan mode), ukuran dispersi atau variabilitas (rentang, deviasi rata-rata dan
standar deviasi) dan jumlah frekuensi. Statistika inferensial parametrik
memiliki karakteristik yaitu data berdistribusi normal dan memiliki standar
deviasi yang mirip, bentuk data numerik, penyebaran skor pada sampel berupa
rata-rata atau tendensi sentral yang homogen, sampel berjumlah besar.
Sedangkan statistika inferensial nonparametrik memiliki karakteristik yaitu
data berdistribusi tidak normal, Data berdistribusi tidak normal, bentuk data
ordinal, penyebaran skor mengindikasikan variabilitas yang besar, sampel
berjumlah kecil.
 DAFTAR PUSTAKA

Carswell, John. 2007. Research Design. Singapore: SAGE Publications Ltd.

Chase, S.E. 2005. Narrative inquiry: multiple lenses, approaches, voices. In The Sage
Handbook of Qualitative Research, 3rd ed. Thousand Oaks, CA: SAGE
PublicationsConnelly & Clandinin, 1990.
Connelly, F. M., & Clandinin, D. J. 1990. Stories of experience and narrative inquiry.
Educational Researcher.
Donald, Ary et al. 2010. Introduction in Research Education 8th Edition. USA:
Wadsworth, Cengage Learning.
Lin S. Nortonthe. 2009. Action Research in Teaching and Learning. USA: Taylor &
Francis Group.
Schreiber, James and Kimberly Asner-Self. 2011. Educational Research. New Jersey:
John Wiley & Sons, Inc.
Singh. 2006. Fundamental of Research Methodology and Statistics. New Delhi: New
Age International (P) Ltd., Publishers.