Adinda Putri Azzahra

111811133170
Metode dan Analisis Data Penelitian Kuantitatif D-1
Tugas Catatan Kuliah Asynchronous 8.1

 Statistik Inferensial
Sangat berkaitan dengan hipotesis
1. Estimasi
Menaksir nilai parameter (nilai yang diperoleh dari populasi, biasanya tidak
dilakukan {sensus}) berdasarkan statistik
- Point estimate
- Interval estimate
2. Pengujian Hipotesis
Mengetahui keterkaitan atau hubungan antar variabel di populasi berdasarkan
data yang diperoleh dari sample. Sedangkan untuk mnegetahui sample terjadi
pada populasi dibutuhkan uji statistic. Hipotesis sendiri merupakan dugaan
sementara yang hendak diuji kebenarannya, dianggap benar apabila kenyataan
mendukung, dan dianggap salah apabila kenyataan menyangkal. Disusun
berdasarkan teori atau referensi yang relevan.
- Hipotesis penelitian : jawaban sementara terhadap rumusan masalah
- Hipotesis statistik : menduga kondisi populasi berdasarkan probabilitas
distribusi sampling dari populasi
3. Rumusan Hipotesis
- Deskriptif : mean, media, variasi, range
Contoh  berapa ipk mahasiswa unair
- Asosiatif : hubungan antar variabel
Contoh  apakah ada hubungan antara A dengan B
- Komparatif : membandingkan beberapa kelompok dalam variabel tertentu
Contoh  apakah ada perbedaan antara A dengan B
4. Kesalahan Hipotesis
- Menolak H0
a) H0 benar : Kesalahan Tipe 1
b) H0 salah : Keputusan Tepat
 - Menerima H0
a) H0 benar : Keputusan Tepat
b) H0 salah : Kesalahan Tipe 2

 Statistik Parametrik dan Non Parametrik

1. Asumsi Parametrik
- Sample data diambil dari populasi distribusi normal (uji statistic
normalitas)
- Uji perbedaan dua sample atau lebih, kedua sample diambil dari dua
populasi yang mempunyai varians sama
- Variabel data yang diuji harus bertipe interval atau rasio
- Ukuran sample disarankan lebih dari 30 per kelompok
2. Keuntungan Parametrik
- Informasi yang diperoleh tajam dan akurat
- Data bebas diambil dari populasi dengan distribusi normal dan homogen
3. Kekurangan Parametrik
- Menuntut data distribusi normal (perlu uji normalitas)
- Variabel teliti hanya interval dan ratio
- Jumlah sample harus besar
4. Asumsi Non Parametrik
- Tidak perlu memenuhi asumsi parametrik
- Tidak harus distribusi normal
- Tidak memerlukan uji hipotesis yang berhubungan dengan parameter
populasi
- Skala nominal dan ordinal
- Jumlah sample juga tidak harus banyak
- Biasa dikenal dengan distribution free statistic atau assumption free test.,
Tidak bisa mengestimasi apa yang terjadi dalam populasi, hanya menggambarkan apa
yang terjadi pada sample (Tidak Dapat Digeneralisasi).
5. Keuntungan Non Parametrik
- Tidak peduli bentuk distribusi
- Jumlah sample kecil
- Data nominal atau ordinal (ranking, plus, minus)
 - Data berbentuk mengklasifikasikan
6. Kekurangan Non Parametrik
- Mengabaikan informasi penting karena nilai variabel diganti ranking
- Hasil pengujian tidak setajam uji parametrik
- Tidak dapat digenralisasikan pada populasi