1.

Statistika inferensial yakni sebuah metode yang bisa digunakan untuk bisa menganalisis kelompok
kecil dari data induknya atau sample yang diambil dari populasi sampai pada peramalan dan juga
penarikan kesimpulan pada kelompok data induknya atau populasi.

Statistika inferensial sendiri adalah rangkuman dari seluruh metode yang ada hubungannya dengan
analisis sebagian data yang selanjutnya akan sampai pada peramalan atau pun penarikan kesimpulan
mengenai keseluruhan data induk dari populasi tersebut.

Generalisasi yang memiliki hubungan dengan statistika inferensial mempunyai sifat yang tak pasti hal ini
dikarenakan berdasar pada informasi parsial yang didapatkannya dari sebagian data sehingga yang
diperoleh adalah peramalan saja.

Contoh gambar Statistika inferensi

Di dalam statistika inferensial diadakan pendugaan parameter yang membuat hipotesis juga melakukan
pengujian hipotesis tersebut sehingga sampai pada kesimpulan yang berlaku secara umum, metode ini
pun umumnya disebut sebagai statistika induktif dikarenakan kesimpulan yang ditarik berdasarkan pada
informasi dari sebagian datanya saja.

Pengambilan kesimpulan statistika inferensial ini juga hanya didasari pada sebagaian data yang dapat
menyebabkan sifatnya menjadi tidak pasti sehingga memungkinkan terjadinya kesalahan pada
pengambilan keputusan, sampai pengetahuan teori peluang mutlak diperlukan di dalam melakukan
metode – metide statistika inferensial.

Fungsi Statistika Inferensial

Statistika inferensial atau induktif adalah statistic yang memiliki tujuan untuk menaksir secara umum
suatu populasi dengan menggunakan hasil sampel, termasuk di dalamnya teori penaksiran dan juga
pengujian teori. statistika inferensial diperguankan untuk melakukan beberapa hal seperti:

Melakukan generalisasi dari sampel ke populasi

Melakukan uji hipotesis

2. PERBEDAAN PENELITIAN KUANTITATIF DAN KUALITATIF

Penelitian kualitatif berbeda dengan penelitian kuantitatif. Penelitian kuantitatif mengambil jarak antara
peneliti dengan obyek yang diteliti, menggunakan instrumen-instrumen formal, standar, dan bersifat
mengukur. Sedangkan penelitian kualitatif menyatu dengan situasi dan fenomena yang diteliti,
menggunakan peneliti sebagai instrumen.

Berdasarkan Williams (1988) ada lima pandangan dasar perbedaan antara pendekatan kuantitatif (istilah
Williams dengan kuantitatif positivistik) dan kualitatif. Kelima pendangan dasar perbedaan tersebut
adalah:

1. Bersifat realitas, pendekatan kuantitatif melihat realitas sebagai tunggal, konkrit, teramati, dan
dapat difragmentasi. Sebaliknya pendekatan kualitatif melihat realitas ganda (majemuk), hasil konstruksi
dalam pandangan holistik. Sehingga peneliti kuantitatif lebih spesifik, percaya langsung pada obyek
generalis, meragukan dan mencari fenomena pada obyek yang realitas.

2. Interaksi antara peneliti dengan obyek penelitiannya, pendekatan kuantitatif melihat sebagai
independen, dualistik bahkan mekanistik. Sebaliknya pendekatan kualitatif melihat sebagai proses
interaktif, tidak terpisahkan bahkan partisipasif.

3. Posibilitas generalis, pendekatan kuantitatif bebas dari ikatan konteks dan waktu (nomothetic
statements), sedangkan pendekatan kualitatif terikat dari ikatan konteks dan waktu (idiographic
statements).

4. Posibilitas kausal, pendekatan kuantitatif selalu memisahkan antara sebab riil temporal simultan
yang mendahuluinya sebelum akhirnya melahirkan akibat-akibatnya. Sedangkan pendekatan kualitatif
selalu mustahilkan usaha memisahkan sebab dengan akibat, apalagi secara simultan.

5. Peranan nilai, pendekatan kuantitatif melihat segala sesuatu bebas nilai, obyektif dan harus seperti
apa adanya. Sebaliknya pendekatan kualitatif melihat segala sesuatu tidak pernah bebas nilai, termasuk
si peneliti yang subyektif.

3. Rumus Statistik

Tanya Jawab
Home Statistik Inferensial Perbedaan Statistik Parametrik dan Nonparametrik

Perbedaan Statistik Parametrik dan Nonparametrik

Penjelasan tentang statistik parametrik bisa dibaca di artikel Statistik Parametrik.

Penjelasan tentang statistik nonparametrik bisa dibaca di artikel Statistik Nonparametrik.

Berikut ini ditampilkan secara sederhana perbedaan statistik parametrik dan nonparametrik.

No

Statistik Paramerik

Statistik Nonparametrik

(1)

(2)

(3)

1. Memerlukan asumsi distribusi dari data yang digunakan. Biasanya distribusi data yang diperlukan
adalah distribusi normal. Tidak memerlukan asumsi distribusi sehingga sebaran data bebas.

Memerlukan jenis data bersifat metrik (kuantitatif). Bisa dikatakan juga bahwa data yang digunakan
hanya data dalam bentuk data interval atau rasio. Memerlukan data metrik (kuantitaif) dan
nonmetrik (kualitatif). Atau bisa dikatakan bahwa data yang digunakan bisa dalam bentuk data nominal,
ordinal, interval atau rasio.

Biasanya jumlah data yang digunakan lebih atau sama dengan 30 (data berukuran besar), sebab data
yang lebih atau sama dengan 30 diasumsikan mengikuti teorema limit pusat (central limit teorema).
Biasanya jumlah data yang digunakan kurang dari 30.

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 :

Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap
memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.

Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian
yang homogen.

Kelemahan :

Populasi harus memiliki varian yang sama.

Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.

Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian
sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

STATISTIK NON-PARAMETRIK
Statistik Non-Parametrik adalah test yang modelnya tidak menetapkan syarat-syaratnya yang mengenai
parameter-parameter populasi yang merupakan induk sampel penelitiannya. Oleh karena itu observasi-
observasi independent dan variabel yang diteliti pada dasarnya memiliki kontinuitas. Uji metode non
parametrik atau bebas sebaran adalah prosedur pengujian hipotesa yang tidak mengasumsikan
pengetahuan apapun mengenai sebaran populasi yang mendasarinya kecuali selama itu kontinu.

Pendeknya: Statistik Non-Parametrik adalah 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.

4. prinsip uji beda rata-rata dua populasi adalah melihat perbedaan variasi dari kedua kelompok data.
Untuk melakukan uji ini (statistik parametrik), maka diwajibkan varians kedua populasi harus sama bagi
uji beda rata-rata populasi independen (variance homoegenity test) yang mengacu kepada nilai statistik
Levene.

Selain itu, yang terpenting sobat tau adalah setiap pengujian parametrik butuh asumsi kenormalan. Jadi,
untuk uji T baik uji beda rata-rata dua populasi berpasangan (paired) maupun uji beda rata-rata populasi
independen (independent) juga harus memenuhi asumsi kenormalan.

Kalau sobat mau tahu lebih dalam tentang uji kenormalan, lihat postingan saya sebelumnya. Terus
gimana kalau misalnya varians antar dua populasi gak sama dan atau uji asumsi kenormalannya gak
terpenuhi? Ya, akibatnya kita gak akan bisa pakai uji parametrik. Alternatifnya hanya dengan uji non
parametrik yakni uji Wilcoxon untuk uji beda rata-rata dua populasi berpasangan) dan uji U Man n
Whitney (uji beda rata-rata dua populasi independen)

Prinsip uji beda rata-rata dua populasi berpasangan adalah tiap observasi dalam populasi dilibatkan dua
kali; biasanya uji berpasangan ini melibatkan interaksi.

Gampangnya dengan contoh gini deh... Kalau misalnya kita mau tahu ada gak perbedaan rata-rata nilai
ujian mata kuliah Statistik mahasiswa Fak. Kedokteran sesudah dan sebelum diberi tutorial.

Nah, mahasiswa yang diteliti kan sama baik sebelum maupun sesudah populasi (masing-masing
observasi dilibatkan dua kali).
Prinsip uji beda rata-rata dua populasi independen adalah bahwa kedua populasi tidak memiliki
hubungan (saling independen). Artinya populasi satu tidak bergantung kepada populasi yang lain.
Misalnya kita ingin tahu apakah ada perbedaan rata-rata nilai mata kuliah Statistik antara mahasiwa Fak.
Kedokteran yang diberikan tutorial dengan mahasiswa Fak. Kedokteran yang tidak diberikan tutorial.