mencari signifikansi/kemaknaan perbedaan suatu variabel pada satu, dua atau lebih
kelompok sampel penelitian.
Uji komparasi secara umum dikelompokkan menjadi dua, yaitu uji untuk
statistik parametrik dan statistik nonparametrik. Pada uji statistik parametrik
dipersyaratkan data yang digunakan berskala interval atau ratio dan memenuhi asumsi
distribusi normal serta memiliki varians homogen. Pada uji statistik nonparametrik tidak
perlu persyaratan tertentu, hanya penggunaan rumus harus sesuai dengan skala data dan
peruntukannya (Cahyono 2015)
A. 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
nonparametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu
agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik
parametrik.
Digunakan untuk menguji parameter populasi melalui statistik, atau
menguji ukuran populasi melalui data sampel. Statistik parametrik memerlukan
terpenuhinya banyak asumsi, antara lain berdistribusi normal, data homogen,
harus terpenuhi asumsi linieritas. Statistik parametrik banyak digunakan untuk
menganalisis data interval dan rasio, contohnya: uji-z, uji-t, korelasi pearson,
anova (Susilawati et al. 2017)
Keunggulan Parametrik :
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 Parametrik :
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 (Susilawati et al. 2017).
B. Non Parametrik
Suatu uji statistika yang belum diketahui sebaran datanya dan tidak perlu
berdistribusi normal atau berasumsi bebas. Dalam penelitian ilmu-ilmu sosial
seringkali sulit mendapatkan data yang kontinyu dan menyebar mengikuti
sebaran normal. Karena data yang diperoleh seringkali berupa data nominal
(data klasifikasi) yang hanya dapat dihitung frekuensinya dan data ordinal (data
berperingkat). Dengan demikian tidak mungkin menerapkan analisis Statistika
Parametrik. Perlu Statistika yang bebas sebarannya artinya prosedur yang tidak
bergantung pada sebaran induk data. Bila tidak menspesifikasikan sifat sebaran
induknya, maka umumnya tidak berhubungan dengan parameter. Oleh karena
itu, sebagai penganti Statistika Parametrik, digunakan Statistika Non Parametrik.
Statistika Non Parametrik dapat digunakan pada kasus dengan data berjumlah
kecil atau kurang dari 30 kasus. Contoh uji Binomial, Chi Square, Kolmogorov-
Smirnov, Mc Nemar, Sign, Wilcoxon, Friedman, Runs, Cochran, Kendall, Mann
Whitney, Wald-Woldfowits, Moses, Kruskal-Wallis, dan lain-lain (Karmini
2020).
Keunggulan Non Parametrik :
Tidak membutuhkan asumsi normalitas.
Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan
lebih mudah dimengerti, ststistika non-parametrik tidak membutuhkan
perhitungan matematik yang rumit seperti halnya statistik parametrik.
Statistik non-parametrik dapat menggunakan data numerik (nominal) dengan
jenjang (ordinal).
Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung
pada pengamatan yang nyata.
Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal
Kelemahan Non Parametrik :
Statistik non-parametrik terkadang mengabaikan beberapa informasi
tertentu.
Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam
statistik parametrik.
Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi
seperti pada statistik parametrik. Hal ini dikarenakan statistik nonparametrik
mendekati eksperimen dengan sampel kecil dan umumnya membandingkan
dua kelompok tertentu (Susilawati et al. 2017)
c. Rumuskan hipotesis-hipotesis.
h. Susun laporannya.
Komparatif 2 sampel :
1. T-test adalah tes hipotesis yang digunakan oleh peneliti untuk membandingkan
rata-rata populasi untuk suatu variabel, diklasifikasikan ke dalam dua kategori
tergantung pada variabel interval kurang dari. Lebih tepatnya, uji-t digunakan
untuk menguji bagaimana cara yang diambil dari dua sampel independen
berbeda. Uji-T mengikuti distribusi-t, yang sesuai ketika ukuran sampel kecil,
dan standar deviasi populasi tidak diketahui. Bentuk distribusi-t sangat
dipengaruhi oleh tingkat kebebasan. Tingkat kebebasan menyiratkan jumlah
pengamatan independen dalam satu set pengamatan yang diberikan. Berdasarkan
hubungan antar populasinya, uji t dapat digolongkan kedalam dua jenis uji,
yaitu dependent sample t-test, dan independent sample t-test:
Data dinyatakan memiliki varian yang sama (equal variance) bila F-Hitung <
F-Tabel, dan sebaliknya, varian data dinyatakan tidak sama (unequal variance)
bila F-Hitung > F-Tabel.
Bentuk varian kedua kelompok data akan berpengaruh pada nilai standar
error yang akhirnya akan membedakan rumus pengujiannya.
Uji t untuk varian yang sama (equal variance) menggunakan rumus Polled
Varians:
2. Uji-Z mengacu pada analisis statistik univariat yang digunakan untuk menguji
hipotesis bahwa proporsi dari dua sampel independen sangat berbeda. Ini
menentukan sejauh mana suatu titik data jauh dari rata-rata set data, dalam
standar deviasi.Peneliti mengadopsi uji-z, ketika varians populasi diketahui,
pada dasarnya, ketika ada ukuran sampel yang besar, varians sampel dianggap
kira-kira sama dengan varians populasi. Dengan cara ini, diasumsikan diketahui,
meskipun faktanya hanya data sampel yang tersedia dan uji normal dapat
diterapkan.
3. UJI SAMPEL FISHER
Fisher test merupakan uji eksak yang diturunkan oleh seorang bernama Fisher,
karenanya disebut uji eksak Fisher. Uji ini dilakukan untuk menguji signifikansi
hipotesis komparatif dua sampel independen. Perbedaan uji fisher dengan uji chi
square adalah pada sifat kedua uji tersebut dan ukuran sampel yang diperlakukan. Uji
fisher bersifat eksak sedangkan uji chi square bersifat pendekatan. Uji chi square
dilakukan pada data dengan sampel besar, sedangkan uji Fisher dilakukan pada data
dengan sampel kecil. Data yang dapat diuji dengan fisher test ini berbentuk nominal
dengan ukuran sampel n sekitar 40 atau kurang, dan ada sel-sel berisikan frekuensi
diharapkan kurang dari lima. Perhitungan Fisher Test sama sekali tidak melibatkan chi-
square, akan tetapi langsung menggunakan peluang.
Uji peluang fisher merupakan salah satu uji statistik non-parametrik untuk
menganalisis data yang tertutup (diskrit) dengan cuplikan yang ditarik dari dua
populasi tersebut tidak begitu besar. Kegunaannya adalah bila data dari dua populasi
tersebut kedalam salah satu kelompok ataupun keduannya, dimana terdapat sifat
saling menenggang (mutually exclusive). Data yang diperoleh kemudian disusun dalam
bentuk tabel 2 x 2 sebagai berikut :
Table 1.1 tabel kontingensi 2 x 2
- + Total
Kelompok 1 A B A+B
Kelompok 2 C D C+D
Total A+C B+D N
Kelompok 1 dan kelompok 2 merupakan 2 kelompok yang bebas satu dengan
lainnya atau tidak berpasangan, misalnya antara kelompok dengan perlakuan terhadap
kelompok control, pria dengan wanita, penganggur dengan karyawan, Ibu dengan
ayah. Kolom untuk table diatas dapat diberi judul minus ( - ) dan plus ( + ) yang dapat
diklasifikasikan lagi dalam bentuk diatas dan dibawah median, seperti minat ilmu
dengan minat seni, setuju dan tidak setuju.
Uji ini dapat menentukan apakah kelompok yang pada table diatas dengan
masing – masing frekuensi A, B, C dan D akan dapat menentukan apakah kelompok 1
dan kelompok 2 berbeda nyata dalam perbandingan tanda ( + ) dan tanda ( - )
Adapun metodenya, peluang suatu frekuensi pengamatan dari suatu gugus
data dalam suatu table 2 x 2, bila marjinal totalnya tetap dapat diketahui dengan
sebaran hipergeometrik seperti berikut :
Dalam menggunakan analisa uji-t, hanya bisa dibandingkan dua kelompok saja.
Lebih dari dua kelompok, uji-t ytidak dapat digunakan. Padahal ada kalanya dituntut
untuk membedakan lebih dari dua kelompok sekaligus. Untuk menyelesaikan hal itu,
maka digunakan analisa varians.
Pada dasarnya Anava termasuk uji mean(rerata), tetapi lebih kompleks dan
mempunyai kemampuan lebih besar dari pada uji-t. dengan menggunakan Anava dapat
memperkecil besarnya ralat, sebab pada Anava, ralat diperhitungkan dari semua
kelompok. Untuk memperoleh kesimpulan adatidaknya antara perbedaan kelompok
yang dibedakan, digunakan uji signifikan F.
Ho : µ1 = µ2 = µ3=……µk
Susilawati, Luh Kadek Pande Ary, Supriyadi, Ni Made Ari Wilani, David Hizkia
Tobing, Dewi Puri Astiti, I Made Rustika, Komang Rahayu Indrawati, et al. 2017.
“Bahan Ajar Praktikum Statistik.” Universitas Udayana, 68.