Statistik Inferensial

Prosedur statistik digunakan untuk menarik kesimpulan mengenai populasi (generalisasi)

berdasarkan hasil penelitian pada sampel. Hal ini dapat diperoleh melalui tes parametrik dan
non-parametrik.

A. PARAMETRIK

Asumsi-asumsi Parametrik

a. Sampel (data) diambil dari populasi yang memiliki distribusi normal (yang nanti diuji melalui
uji normalitas)

b. Pada Uji Perbedaan (t dan uji F) untuk dua sampel atau lebih, kedua sampel diambil dari dua
populasi yang mempunyai varians sama (Homoskedastic)

c. Variabel (data) yang diuji harus data bertipe interval atau rasio, yang tingkatnya lebih tinggi
dari data tipe nominal atau ordinal

d. Ukuran sampel yang memadai (direkomendasikan > 30 per kelompok, atau berapapun
jumlahnya yang penting memiliki distribusi normal setelah uji normalitas) -- central limit
theorem

e. Pada statistik parametrik, peneliti akan menggeneralisirkan / menerapkan / mengestimasi

populasi yang diambil dari sampel.

Keuntungan (+)

+ Informasi yang diperoleh lebih tajam dan akurat

+ Data bebas diambil dari populasi yang memiliki distribusi normal dan homogen

(dengan teknik sampling tertentu)

Kerugian (-)

- Menuntut data berdistribusi normal (perlu dilakukan uji normalitas)

- Variabel yang diteliti sebatas jenis interval dan rasio

- Membutuhkan jumlah sampel yang lebih besar

B. NON-PARAMETRIK

Statistik yang tidak perlu asumsi-asumsi yang melandasi metode statistik parametrik, terutama
tentang bentuk distribusinya, dan juga tidak memerlukan uji hipotesis yang berhubungan dengan
parameter-parameter populasinya (tidak dituntut adanya distribusi normal), oleh karena itu
teknik ini dikenal juga dengan distribution-free statistics dan assumption-free test.

Keuntungan (+)

+ Tidak peduli bentuk distribusi populasi

+ Dapat digunakan untuk jumlah sampel kecil

+ Untuk data berbentuk ranking, plus, atau minus

+ Dapat digunakan pada data yang hanya mengklasifikasikan sesuatu (skala nominal).

Kerugian (-)

- Mengabaikan informasi yang penting, karena nilai variabel diganti dengan nilai ranking

- Hasil pengujian tidak setajam uji parametrik

- Tidak dapat digunakan untuk mengestimasi apa yang terjadi pada populasi

PERBEDAAN STATISTIK PARAMETRIK DAN NONPARAMETRIK

a. Bentuk Distribusi: pada statistik parametrik harus diketahui bentuk distribusinya, sedangkan
pada statistik non-parametrik tidak mempermasalahkan bentuk distribusinya.

b. Skala Pengukuran: pada statistik parametrik skala interval dan rasio, sedangkan pada non-
parametrik pada umumnya skala nominal dan ordinal
c. Jumlah Sampel: pada statistik parametrik jumlah sampel dituntut lebih besar atau bisa dengan
sampel kecil, namun memenuhi asumsi salah satu bentuk distribusi, sedangkan pada statistik
non-parametrik jumlah sampel kecil.

Analisis statistik pada desain 2 kelompok (Within subject design/ repeated measure/ dependent
sample T-test/ Paired sample T-test)
1. Skala Pengukuran DV  Ratio dan interval menggunakan paired sample T-test
(Parametric test)
2. Skala pengukuran DV  Ordinal menggunakan Wilcoxon signed ranks test dan nominal
menggunakan Mc Nemar’s (Non parametric test).
Paired sample T-test
Merupakan parametric test yang digunakan untuk membandingkan mean dua kelompok, dimana
satu subjek memperoleh treatment sebanyak dua kali. Digunakan juga ketika variabel dependen
memiliki skala interval/rasio, terdapat 2 kelompok yang dibandingkan dengan desain within
repeated measures design.
1. Melakukan uji asumsi (sebagai syarat yang harus dimiliki sebelum suatu analisis
inferensial dijalankan). Uji asumsi untuk analisis komparasi/uji perbedaan yang
digunakan pada paired sample t-test adalah uji normalitas dan uji homogenitas.
- Uji asumsi normalitas: distribusi skor variabel Y (dependent variabel) membentuk
kurva norma. Cara: menggunakan kolmogorov smirnov/Shapiro-Wilk.
 - Uji asumsi homogenitas: sampel penelitian diambil dari populasi yang homogen
(variabilitas nilai dalam kelompok cenderung sama/equal). Cara: menggunakan
levene test.
Analisis Paired Sample T-test

Kasus 1

- Seorang peneliti ingin melihat peran penyuluhan terhadap pengetahuan responden

- Pertanyaan penelitian: Apakah terdapat perbedaan pengetahuan responden sebelum
diberi penyuluhan dengan setelah diberi penyuluhan?
- Masing-masing sampel diukur tingkat pengetahuannya saat sebelum dan sesudah
penyuluhan
- Analisisnya:
1. Buka File “Data_Analisis_paired_t_test” yang ada di Psyche
2. Lihat dulu bagian “variable view” untuk mempelajari variabel yang ada →
mengetahui skala numerik/kategorikal
3. Lakukan Uji Asumsi yaitu Uji Normalitas (wajib) → Jika terdistribusi normal,
lanjutkan analisis dengan Paired Sample T-test
4. Uji Homogenitas tidak perlu dilakukan karena kelompok data berpasangan
5. Uji Normalitas: Analyze → Descriptive Statistics → Explore
6. Interpretasi Uji Normalitas:

Output
Langkah Analisis Paired Sample T-test :
1. Analyze → Compare Means → Paired-Samples T-test
2. Masukan variabel

Effect Size → Menunjukkan seberapa besar kekuatan dari pengaruh treatment

terhadap DV.
Power Analysis → A priori power digunakan untuk memperkirakan jumlah sampel
yang dibutuhkan untuk mendeteksi effect size sebesar n

UJI KOMPARASI NON PARAMETRIK DUA KELOMPOK BERPASANGAN

Jika uji asumsi yaitu uji normalitas tidak terpenuhi, lakukan transformasi data terlebih dahulu,
dan jika setelah transformasi tetap distribusinya tidak normal, maka pilih Uji Wilcoxon Signed-
Rank Test (untuk menggantikan paired sample t-test / data 2 kelompok berpasangan)

WILCOXON SIGNED-RANKS TEST

Tes Non-Parametrik yang digunakan untuk membandingkan dua kelompok dengan desain
repeated measures/berpasangan, dimana data pada DV: merupakan skala ordinal atau diubah dari
skala interval menjadi skala ordinal, karena tidak memenuhi asumsi tes parametrik (tidak
berdistribusi normal).

Berdasarkan kasus yang dijelaskan sebelumnya:

 Contoh pertanyaan penelitiannya : Apakah terdapat perbedaan pengetahuan responden

sebelum diberi penyuluhan dengan setelah diberi penyuluhan?
 Langkah analisis McNemar
1. Klik analyze – descriptive statistics – crosstabs
2. Masukkan variabel pre dalam row dan pos dalam colomns
3. Aktifkan statistics, pilih McNemar, klik Continue
4. Klik Ok
 Output di tabel 1 menunjukkan hasil tabel silang (berapa responden yang baik pre dan
pos, dan sebagainya)
 Output di tabel 2 menunjukkan hasil uji McNemar, angka signfikansi

INDEPENDENT SAMPLE T TEST (VIDEO 4)

 Desain untuk 2 kelompok tidak berpasangan (tergantung skala pengukuran variabel
terikat)
1. Skala ratio, parametric test = Independent sample t-test
2. Skala interval, parametric test = independent sample t-test
3. Skala ordinal, non-parametric test = mann-whitney test
4. Skala nominal, non-parametric test = chi-square for independence
 Independent sample t-test
o Membandingkan mean dua kelompok yang diberi treatment berbeda
o Untuk menguji hipotesis apakah ada perbedaan mean yang signifikan antara 2
kelompok berbeda
 Dasar pemikirannya adalah bahwa perhitungan yang dilakukan pada dasarnya
ingin melihat apakah perbedaan yang diperoleh pada sampel juga akan ditemui
pada populasi lain
  t = (sample mean difference – population mean difference ) : estimated standard
error
 Standard error = seberapa akurat sample statistic menggambarkan population
parameter
 Asumsi :
1. Observasi yang dilakukan pada setiap sampel harus independent
2. Kedua populasi dari kelompok sampel yang dipilih harus terdistribusi normal
3. Kedua populasi dari kelompok sampel yang dipilih harus memiliki varians
yang sama
 Analisis dengan jamovi
1. Klik analyses-t test- independent samples t test
2. Isi kotak dependent variable dengan variabel dependennya dan grouping
variable dengan kelompok
3. Dalam opsi tests, pilih student’s
4. Pilih hypothesis sesuai hipotesis yang diajukan
5. Dalam additional statistic, centang mean differences, effect sie, confidence
interval (95%) dan descriptive
 Hasilnya
1. Ada tabel assumption, jika p > 0,05 maka data terdistribusi secara normal
2. Pada tabel 1, jika p < 0,05 maka signifikan
 Pada tabel group descriptive, dapat dilihat perbandingan mean kedua kelompok
 Dari tabel descriptive paling bawah tertulis mean kedua kelompok
 Effect size
o Effect size pada independent sample t test menunjukkan seberapa besar kekuatan
dari pengaruh treatment terhadap dependent variable
o Metode yang dapat digunakan adalah Cohen’s d (d)
o Jika 0 < d < 0,2 berarti small effect (mean difference < 0,2 SD)
o Jika 0,2 < d < 0,8 berarti medium effect (mean difference +- 0,5 SD)
o Jika d > 0,8 berarti large effect (mean difference > 0,8 SD)
 Power analysis
o A priori power digunakan untuk memperkirakan jumlah sampel yang dibutuhkan
untuk mendeteksi effect size sebesar n dengan diketahui alpha = 0,05 dan power =
0,8
o Penggunaan g power
1. Dalam opsi “Test Family” pilih “t-test”
2. Dalam opsi “Statistical Test” pilih “Means : Differences between two
independent means (two groups)”
3. Dalam opsi “ Type of power analysis” pilih “A priori : Compute requires
sample size – fiven alpha, power, and effect size”
4. Pada input parameters, masukkan “Two tailed test. Masukkan nilai effect size,
alpha – 0,05 dan power – 0, 8
5. Sampel yang tertera adalah minimal sampel pada masing-masing kelompok