MAKALAH

UJI STATISTIK PARAMETRIK

Andi Priadani
3018016
Kelas V A Sejarah

Dosen Pengampu: Hepi Aprianti, M.Pd. Mat

Mata Kuliah: Statistika Penelitian Pendidikan Sejarah

PROGAM STUDI PENDIDIKAN SEJARAH

SEKOLAH TINGGI KEGURUAN ILMU PENDIDIKAN
PERSATUAN GURU REPUBLIK INDONESIA
(STKIP-PGRI) LUBUKLINGGAU
TAHUN AJARAN 2020
 KATA PENGANTAR

Syukur Alhamdulillah atas segala limpahan karunia Allah SWT. Atas izin-Nya lah
kami dapat menyelesaikan makalah ini tepat waktu. Tak lupa pula kami kirimkan
shalawat serta salam kepada junjungan Nabi Besar Muhammad SAW. Beserta
keluarganya, para sahabatnya, dan seluruh ummatnya yang senantiasa istiqomah hingga
akhir zaman.
Penulisan makalah ini bertujuan untuk memenuhi tugas dosen pengampu Hepi
Aprianti, M.Pd.Mat dalam mata kuliah Statistika Penelitian Pendidikan Sejarah yang
berjudul “Uji Statistik Parametrik”.
Akhirul kalam, penulis menyadari bahwa makalah ini masih jauh dari sempurna.
Karena itu penulis mengharapkan saran dan kritik konstruktif demi perbaikan makalah
di masa mendatang. Harapan penulis semoga makalah ini bermanfaat dan memenuhi
harapan berbagai pihak. Aamiin.

Lubuklinggau, 3 Desember 2020

Penulis,
 BAB I
PENDAHULUAN

Statistika memiliki sejarah yang panjang dalam sejarah peradaban manusia. Pada
jaman sebelum masehi, bangsa-bangsa di Mesopotamia, Mesir, dan Cina telah
mengumpulkan data statistik untuk memperoleh informasi tentang berapa pajak yang
harus dibayar oleh setiap penduduk, berapa hasil pertanian yang mampu diproduksi,
berapa cepat atlet lari dan sebagainya. Pada abad pertengahan, lembaga Gereja
menggunakan statistika untuk mencatat jumlah kelahiran, kematian, dan perkawinan
[ CITATION Suh03 \l 1033 ].
Statistika yang dimulai dengan pengumpulan dan penyajian data, kemudian
semakin berkembang dengan ditemukannya teori probabilitas dan teori pengambilan
keputusan yang sangat dibutuhkan dalam kehidupan sehari-hari agar efisien pada semua
bidang, baik sosial, ekonomi, politik, manajemen, maupun teknik. Pada tahun 1950-an,
statistika memasuki wilayah pengambilan keputusan melalui proses generalisasi dan
peramalan dengan memperhatikan faktor risiko dan ketidakpastian. Kenyataan itu
sebenarnya sudah diramalkan oleh seorang ahli statistik H. G. Wells yang hidup pada
tahun 1800-an yang mengatakan “berpikir secara statistika suatu saat akan menjadi
suatu kemampuan atau keahlian yang sangat diperlukan dalam masyarakat yang efisien,
seperti halnya kebutuhan manusia untuk membaca dan menulis” [ CITATION Lin02 \l
1033 ]
Kemajuan jaman dan peradapan yang semakin hari semakin pesat, serta
teknologi yang sangat canggih berdampak positif terhadap perkembangan ilmu
pengetahuan. Kita perlu bersyukur atas berbagai kenikmatan dan kemudahan hidup
berkat kemajuan ilmu dan teknologi. Banyak hal yang dahulu sulit sekarang menjadi
sangat mudah sekali, dan dulu diyakini sebagai sesuatu yang mustahil menjadi menjadi
sesuatu yang lumrah.
Peranan penelitian atau riset dalam perkembangan ilmu pengetahuan dan
teknologi sangatlah penting. Inilah yang membedakan antara masyarakat modern dan
masyarakat tradisional, dan merupakan cirri yang paling menonjol pada masyarakat
ilmiah dan masyarakat awam. Masyarakat modern lebih menghargai dan mempercayai
bukti-bukti empiris ketimbang pendapat perorangan atau kelompok tertentu, sedangkan
masyarakat tradisional seringkali merasa puas dengan doktrin dan kebenaran otoratif.
 BAB II
PEMBAHASAN

A. Statistik Parametik
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 :

1. Uji-z (1 atau 2 sampel)
2. Uji-t (1 atau 2 sampel)
3. Korelasi pearson
4. Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik:

1.   Data dengan skala interval dan rasio
2. Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametric:

1. 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.
2. 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.
Statistik parametrik digunakan untuk menganalisis data interval dan rasio,
yang diambil dari populasi yang berdistribusi normal. Distribusi normal dikenal
juga dengan istilah Gaussian Distribution. Distribusi normal mengandungdua
parameter, yaitu rata-rata (mean) dan ragam (varians). Parameter-parameter ini
memberikan karakteristik yang unik pada suatu distribusi berdasarkan “lokasi”-nya
(central tendency). Berbagai metode statistik mendasarkan perhitungannya pada
kedua parameter tersebut.
Penggunaan metode statistik parametrik mengikuti prinsip-prinsip distribusi
normal. Prinsip-prinsip dari distribusi normal adalah: Distribusi dari suatu sampel
yang dijadikan obyek pengukuran berasal dari distribusipopulasi yang diasumsikan
terdistribusi secara normal, sampel diperoleh secara random, dengan jumlah sampel
yang dianggap dapat mewakili populasi.
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 statistik parametrik.
Bila syarat-syarat ini semua terpenuhi, maka metode statistik parametrik
dapat digunakan. Namun, jika data tidak menyebar normal maka metode statistik
nonparametrik dapat digunakan. Apa yang dapat dilakukan jika data tidak
menyebar normal, namun statistik parametrik ingin tetap digunakan. 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), dan
mengubah skala data dari nominal menjadi interval. Ukuran uji dalam statistik
parametrik antara lain: T-test, Anova, Regresi, Korelasi, dll.

B. Distribusi Normal
Salah satu asumsi yang harus dipenuhi dalam statistik parametris adalah data
yang dianalisis harus berdistribusi normal.Dalam banyak hal distribusi normal
dapat dipandang sebagai model atau dasar bagi teori statistika modern. Distribusi
normal banyak digunakan untuk menghampiri distribusi data hasil penelitian.
Distribusi normal memegang peranan yang sangat penting dalam statistik
inferensial, yaitu sebagai model distribusi peluang (probability distribution).
Tiga alasan yang mendasari tingkat kepentingan distribusi normal pada
statistika inferensial yaitu:
1. Distribusi normal merupakan model yang baik untuk mendekati frekuensi
distribusi fenomena alam dan sosial jika sampelnya besar. Populasi berbagai
perilaku dan karakteristik alam dan sosial yang berskala interval dan rasio
umumnya diasumsikan berdistribusi Normal.
2. Ada hubungan yang kuat antara besarnya sampel dengan distribusi rata-rata
yang diperoleh dari sampel-sampel acak yang diambil dari suatu populasi yang
sama. Semakin besar sampel, distribusi rata-rata sampel semakin mendekati
distribusi normal.  Lebih jauh, central limit theorem menyatakan bahwa
distribusi rata-rata yang diperoleh dari sampel yang besar cenderung normal
walaupun populasi sampel itu diambil tidak normal.
3. Distribusi normal memberikan penghampiran (aproksimasi) yang baik terhadap
distribusi teoritis lainnya yang pada umumnya lebih sulit digunakan untuk
memodelkan distribusi peluang. Distribusi normal adalah mendefinisikan
frekuensi relatif skor x tertentu pada suatu distribusi bergantung kepada dua
parameter (μ dan σ 2 dan dua konstanta, π Є μ, dan bilangan dasar sistem
logaritma asli, e = 2,7183) . Distribus normal dirumuskan sebagai berikut:
2
−1 x−μ
1 2( )
σ
f ( x )= e
σ √2 π
C. Karakteristik Distribusi Normal
Distribusi normal berbentuk sebuah lonceng (bell-shape) oleh karena itu
distribusi normal sering disebut sebagai bell shape distribution. Sebagai model
teoritik distribusi normal memiliki empat karakteristik yang bersifat komulatif yaitu
unimodal, simetrik, identik dan asimtotik.
1. Unimodal, terdiri dari dua kata yaitu Uni = satu dan modal = modus, distribusi
normal memiliki hanya satu modus.
2. Simetrik, yaitu jika data dibagi menjadi dua pada bagian median, maka
distribusi frekuensi skor yang berada di atas median sama dengan distribusi
frekuensi skor di bawah median.
3. Identik, yaitu nilai modus, median dan rata-rata pada distribusi normal adalah
sama. ( modus = median = rata rata)
4. Asimtotik, yaitu kurva distribusi normal tidak akan pernah menyentuh
absisnya, yaitu distribusi normal terbentuk dari perangkat dari skor yang
bersifat kontinu dari mulai data yang tak hingga sampai dengan nilai yang tak
hingga pula.

Model Distribusi Normal dapat berbeda-beda, hal tersebut tergantung pada

nilai simpangan baku dan rata-rata data. Pada Gambar di bawah berikut distribusi A
dan B memiliki nilai rata-rata (μ) yang sama tetapi memiliki nilai simpangan baku
(σ ) yang berbeda. Sedangkan distribusi A dan C memiliki simpangan baku (σ)
yang sama tetapi nilai rata-ratanya (μ) berbeda. Distribusi B dan C memiliki nilai
rata-rata dan simpangan baku yang berbeda.

D. Distribusi Normal Baku

Distribusi normal baku adalah distribusi normal yang memiliki empat ciri-ciri
sebagaimana Distribusi Normal dengan ditambah syarat rata-rata μ = 0 dan
simpangan baku σ Є 1, sehingga syarat-syarat Distribusi Normal baku adalah
sebagai berikut:
1. Unimodal
2. Simetrik
3. Identik
4. Asimtotik
5. Rata-rata nilai = 0
 6. Simpangan Baku nilai = 1
E. Dibawah Kurva Normal
Distribusi normal dimanfaatkan sebagai rujukan dalam menafsirkan data
apabila distribusi data itu dapat dihampiri oleh model distribusi normal. Daerah di
bawah kurva normal, luasan daerah itu menunjukan peluang munculnya nilai
perubah acak yang memiliki distribusi normal baku pada interval 0 sampai dengan
z untuk z = 0,0; 0,01; 0,02.....009 dst. Oleh karena distribusi normal bersifat
simetrik terhadap rata-ratanya, maka kita tidak perlu menghitung luas daerah dari 0
ke skor z yang bertanda negatif.
Luas daerah dibawah kurva normal dari 0 s/d z dapat diperoleh dengan
mengintegrasikan persamaan 0 ke z pada persamaan. Distribusi normal baku
mempunyai rata-rata = 0 dan simpangan baku = 1, maka persamaan menjadi :
Luas daerah dibawah kurva normal dari 0 s/d z dapat diketahui dengan
menggunakan tabel z, tabel luas dibawah lengkungan normal standar dari 0 ke z,
bilangan dalam daftar menyatakan desimal.
Cara menggunakan tabel z tersebut adalah misalnya untuk mengetahui luas
daerah di bawah kurva normal antara 0 ke z = 1,96. Dengan menggunakan tebel z,
dilihat pada kolom 1 dicari nilai z = 1,9 dan pada bari pertama dilihat pada nilai
0,06, pertemuan barisdan kolom tersebut adalah nilai = 4750,
maka berarti luas daerah dibawah kurva normal antara 0 ke z = 1,96 adalah =
0,750.

F. Macam-Macam Uji Statistik Parametrik

1. One-sample t test
One-Sample T Test digunakan untuk menguji perbedaan rata-rata suatu
sampel dengan suatu nilai hipotesis.
2. Independent sampel t test
Independent Sampel T Test untuk menguji signifikansi beda rata-rata 2
kelompok. Biasanya digunakan untuk menguji pengaruh 1 variabel independen
terhadap 1 variabel dependen atau lebih.
3. Paired-sampel t test
Paired-Sampel T Test adalah 2 pengukuran pada subjek yang sama
terhadap suatu pengaruh. Yaitu pengaruh dari sebelum dan sesudah
menagalami perngaruh (perlakuan)
4. Analisis variance (one-way anova)
Analisis Variance (One-Way Anova) : Analisis Varian untuk satu
variabel Independen digunakan untuk menentukan apakah rata-rata dua/lebih
kelompok berbeda secara nyata.
5. Analisis general linear model (glm)- univariate
Analisis General Linear Model (GLM) – Univariate merupakan analisis
regresi dan varian variabel dependen dengan 2/lebih variabel faktor atau
variabel lainnya.
 BAB III
KESIMPULAN

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. 
Statistik dapat digunakan untuk menguji suatu hipotesis dengan kebenaran
secara ilmiah yang sering disebut dengan statistik inferensial. Statistik dapat meramal
suatu kejadian di masa depan dengan menggunakan data yang ada di masa sekarang
yang sering disebut dengan probabilitas. Statistik parametrik merupakan salah satu
macam statistik, yang salah satu fungsinya untuk menghitung korelasi atau pengaruh
suatu variabel terhadap variabel lainnya yang tercakup dalam regresi linear berganda.
Statistik parametrik digunakan untuk menganalisis data interval dan rasio, yang
diambil dari populasi yang berdistribusi normal.
 DAFTAR PUSTAKA

Al-Rasyid, H. (2010). Teknik Penarikan Sampel dan Penyusunan Skala. Bandung:

Universitas Padjadjaran.

Herryanto Nar dan H.M. Akib Hamid. 2007. Statistika Dasar. Jakarta: Universitas
Terbuka.

Johanes, Kastolan dan Sulasim. 2007. Kompetensi Matematika Program IPA SMA
Kelas XI Semester Pertama. Jakarta: Yudistira.

Lind, A. D., Marchal, W. G., & Masson, R. D. (2002). Statistical Techniques in

Business & Economics. McGraw-Hill Irwin, 1.

Nurgiyantoro Burhan, dkk.. 2004. Statistik Terapan untuk Penelitian Ilmu-ilmu Sosial.
Yogyakarta: Gajahmada University Press.

Purwanto, S. (2003). Statitiska untuk Ekonomi dan Keuangan Modern. Jakarta: Salemba
Empat.

Sugiyono. (2006). Metode Penelitian Kuantitatif, Kualitatif dan R & D. Bandung:

Alfabeta.

Usman Husaini dan R. Purnomo Setiady Akbar. 2000. Pengantar Statistika. Jakarta: PT
Bumi Aksara.