PARAMETRIC STATISTIC

Metode statistik yang digunakan dalam penelitian kuantitatif dapat dijelaskan sebagai
parametrik atau nonparametrik. Istilah-istilah ini sering disalahpahami dan dianggap
menggambarkan data. Mereka sebenarnya digunakan untuk menggambarkan asumsi yang
mendasari metode statistik tertentu. Secara umum, jika metode statistik telah dikembangkan
dengan menggunakan sifat-sifat distribusi tertentu, dihasilkan suatu asumsi yang harus
dipatuhi demi keabsahan penggunaannya. Metode statistik tersebut kemudian digambarkan
sebagai parametrik. Istilah “parametrik” mengacu pada parameter distribusi statistik yang
mendasarinya.

Statistik parametrik mengasumsikan bahwa data berasal dari distribusi probabilitas tertentu
(distribusi normal) dan membuat kesimpulan tentang parameter distribusi.

Untuk misalnya, uji-t telah dikembangkan dengan menggunakan teori distribusi normal,
sehingga memiliki asumsi yang mendasari bahwa distribusi dari rata-rata sampel (yang
merupakan parameter) adalah normal. Ini tidak berarti bahwa data populasi atau data sampel
harus terdistribusi secara normal. Kami berasumsi bahwa jika kami mengambil sampel acak
berulang dari populasi dan dihitung rata-rata masing-masing, berarti ini akan mengikuti
distribusi normal. Oleh karena itu, uji-t adalah metode parametrik.

Kesalahpahaman yang umum adalah bahwa "parametrik" selalu merujuk dengan asumsi
distribusi normal. Meskipun umum untuk banyak prosedur statistik dasar untuk
mengasumsikan normalitas (dari sampling berarti), istilah parametrik juga mengacu pada
prosedur yang mengasumsikan jenis distribusi lain seperti binomial atau distribusi Poisson.

Tes parametrik didasarkan dengan asumsi bahwa data mengikuti normal atau distribusi
"berbentuk lonceng". Metode parametrik adalah sering mereka yang kita tahu bahwa populasi
kira-kira normal, atau kita dapat memperkirakan menggunakan distribusi normal setelah kita
menerapkan Teorema Lim Pusat. Ada dua parameter untuk normal distribusi: rata-rata dan
standar deviasi.

Manfaat dan Biaya:

1. Karena statistik parametrik memerlukan normal distribusi probabilitas, mereka tidak
bebas distribusi.
2. Metode parametrik membuat lebih banyak asumsi daripada metode non parametrik.
Jika asumsi tambahan adalah benar, metode parametrik memiliki kekuatan statistik
lebih (menghasilkan perkiraan yang lebih akurat dan tepat.)
3. Namun, jika asumsi tersebut tidak benar, metode parametrik bisa sangat menyesatkan.
Mereka bisa menyebabkan positif palsu (kesalahan tipe –I). Jadi, mereka sering tidak
dianggap kuat.

Tes parametrik berdasarkan normal distribusi menganggap:

1. Pengamatan Independen
2. Data Interval atau Rasio (bukan binomial/nominal)
3. Biasanya Didistribusikan
 a. Distribusi Sampling
b. Residu Tes
4. Banyak tes: Homogenitas Varians

UJI T

Uji t adalah jenis uji statistik yang digunakan untuk membandingkan rata-rata dua kelompok.
Ini adalah salah satu tes hipotesis statistik yang paling banyak digunakan dalam studi nyeri.
Ada dua jenis inferensi statistik: metode parametrik dan nonparametrik. Metode parametrik
mengacu pada teknik statistik di mana seseorang mendefinisikan distribusi probabilitas
variabel probabilitas dan membuat kesimpulan tentang parameter distribusi. Dalam kasus di
mana distribusi probabilitas tidak dapat ditentukan, metode nonparametrik digunakan. Tes T
adalah jenis metode parametrik; mereka dapat digunakan ketika sampel memenuhi kondisi
normalitas, varian yang sama, dan independensi.

Uji T pada dasarnya adalah suatu pengujian untuk melihat apakah nilai tengah (nilai rata-rata)
suatu distribusi nilai (kelompok) berbeda secara nyata (siginificant) dari nilai tengah dari
distribusi nilai (kelompok) lainnya. Uji t ini juga dapat melihat dua beda nilai koefisien
korelasi.

keterangan:

x : nilai rata rata

0 : nilai acuan
s : standar deviasi
n : jumlah data

Dasar pengambilan keputusan:

1. Jika probabilitas (signifikansi)> 0,05 (α) atau T hitung < T tabel berarti hipotesa tidak
terbukti maka H0 diterima Ha ditolak, bila dilakukan uji secara parsial.
2. Jika probabilitas (signifikansi)< 0,05 (α) atau T hitung > T tabel berarti hipotesa
terbukti maka H0 ditolak dan Ha diterima, bila dilakukan uji secara parsial.

Contoh Soal:

2
Telah dilakukan pengumpulan data untuk menguji hipotesis yang menyatakan bahwa
daya tahan berdiri pramuniaga di Jakarta adalah 4 jam/hari. Berdasarkan sampel 31 orang
yang diambil random dari pramuniaga menunjukkan data sebagai berikut:
3234567853456678853456234563233
Lakukan uji hipotesis apakah benar daya tahan berdiri pramuniaga di Jakarta adalah 4
jam/hari!
Pembahasan:
Diketahui: µ0 = 4 jam/hari
n = 31
Ditanyakan: Apakah uji hipotesis tersebut benar ?
Jawab:
• H0 dan Ha dalam bentuk kalimat:
1. Ho: Daya tahan berdiri pramuniaga di Jakarta adalah 4 jam/hari
2. Ha: Daya tahan berdiri pramuniaga di Jakarta bukan 4 jam/hari
• H0 dan Ha dalam bentuk statistic:
1. Ho: µ = 4 jam/hari
2. Ha: µ ≠ 4 jam/hari
• Menentukan rata-rata data:
x = ∑xi 𝑛
= 144
31
= 4,645
Rata-rata data tersebut adalah 4,645.
• Menentukan simpangan baku
𝑠 = √ 𝑛 ∑ 𝑥 2 − (∑𝑥)2 / 𝑛 (𝑛 − 1)
𝑠 = √ 31 (768) − (∑144)2 / 31 (30)
𝑠 = √ 23808 – 20736 / 930
𝑠 = √ 3072/ 930 = 1,81
Hasil yang didapat menggunakan rumus simpangan baku sampel adalah 1,81.
• Menghitung harga t x
𝑡 = x − µ0 / 𝑠 / √𝑛
𝑡 = 4,645−4 / 1,81 / √31 = 1,98
Dari perhitungan di atas didapat thitung sebesar 1,98
• Melihat harga tabel t
Taraf siginifikan (α) = 0,05

3
 Derajat kebebasan = n – 1 = 31 – 1 = 30
Dilihat dari tabel distribusi t dengan uji dua pihak, diperoleh besarnya ttabel= 2,042
• Meletakkan kedudukan thitung dan ttabel dalam kurva yang telah dibuat
Dengan kriteria penguian dua pihak:
Jika –ttabel ≤ thitung ≤ +ttabel, maka H0 diterima dan Ha ditolak.
Ternyata hasil perhitungannya -2,042 ≤ 1,98 ≤ 2,042, sehingga H0 diterima.
• Membuat keputusan pengujian hipotesis
Kesimpulan yang didapat dari pengujian hipotesis dua pihak yaitu, H 0 yang berbunyi
“daya tahan berdiri pramuniaga di Jakarta = 4 jam/hari “ diterima. Sedangkan H a yang
berbunyi: “Daya tahan berdiri pramuniaga di Jakarta ≠ 4 jam/hari” ditolak.

UJI ANOVA
A. Devinisi Uji Anova
Analisis varians (analysis of variance) atau ANOVA adalah suatu metode analisis
statistika yang termasuk ke dalam cabang statistika inferensi. Uji dalam anova
menggunakan uji F karena dipakai untuk pengujian lebih dari 2 sampel. Dalam praktik,
analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupunpendugaan
(estimation, khususnya di bidang genetika terapan). Anova (Analysis of variances)
digunakan untuk melakukan analisis komparasi multivariabel. Teknik analisis
komparatif dengan menggunakan tes “t” yakni dengan mencari perbedaan yang signifikan
dari dua buah mean hanya efektif bila jumlah variabelnya dua. Untuk mengatasi hal
tersebut ada teknik analisis komparatif yang lebih baik yaitu Analysis of variances yang
disingkat anova.
Anova digunakan untuk membandingkan rata-rata populasi bukan ragam populasi.
Jenis data yang tepat untuk anova adalah nominal dan ordinal pada variabelbebasnya,jika
data pada variabel bebasnya dalam bentuk interval atau ratio maka harus diubah dulu
dalam bentuk ordinal atau nominal. Sedangkan variabel terikatnya adalah data interval
atau ratio. Adapun asumsi dasar yang harus terpenuhi dalam analisis varian adalah:
1. Kenormalan: Distribusi data harus normal, agar data berdistribusi normal dapat
ditempuh dengan cara memperbanyak jumlah sampel dalam kelompok.
2. Kesamaaan variansi: Setiap kelompok hendaknya berasaldari popolasi yang sama
dengan variansi yang sama pula. Bila banyaknya sampel sama pada setiap
kelompok maka kesamaan variansinya dapat diabaikan. Tapi bila banyak sampel

4
 pada masing masing kelompok tidak sama maka kesamaan variansi populasi
sangat diperlukan.
3. Pengamatan bebas: Sampel hendaknya diambil secara acak (random), sehingga
setiap pengamatan merupakan informasi yang bebas.
Anova lebih akurat digunakan untuk sejumlah sampel yang sama pada setiap
kelompoknya, misalnya masing masing variabel setiap kelompok jumlah sampel atau
responden nya sama sama 250 orang.

B. Kriteria dan Rumus Analisis Varian (ANOVA)

a. Klasifikasi 1 arah (One Way ANOVA): Anova klasifikasi 1 arah merupakan ANOVA
yang didasarkan pada pengamatan 1 kriteriaatau satu faktor yang menimbulkan variasi.
Anova satu arah (one way anova) digunakan apabila yang akan dianalisis terdiri dari
satu variabel terikat dan satu variabel bebas. Interaksi suatu kebersamaan antar faktor
dalam mempengaruhi variabel bebas, dengan sendirinya pengaruh faktor-faktor secara
mandiri telah dihilangkan. Jika terdapat interaksi berarti efek faktor satu terhadap
variabel terikatakan mempunyai garis yang tidak sejajar dengan efek faktor lain
terhadap variabel terikat sejajar (saling berpotongan), maka antara faktor tidak
mempunyai interaksi.
Ada tiga bagian pengukuran variabilitas pada data yang akan dianalisis dengan anova,
yaitu:
1. Variabilitas antar kelompok (between treatments variability)
Variabilitas antar kelompok adalah variansi mean kelompok sampel terhadap rata-
rata total, sehingga variansi lebih terpengaruh oleh adanya perbedaan perlakuan
antar kelompok, atau Jumlah Kuadrat antar kelompok (Jka).

Rumus: atau
Keterangan:
k = banyaknya kelompok
T = total X masing-masing kelompok
G = total X keseluruhan
n = jumlah sampel masing-masing kelompok
N = jumlah sampel keseluruhan

5
 2. Variabilitas dalam kelompok (within treatments variability)
Variabilitas dalam kelompok adalah variansi yang ada dalam masing-masing
kelompok. Banyaknya variansi akan tergantung pada banyaknya kelompok.
Variansi tidak terpengaruh oleh perbedaan perlakuan antar kelompok, atau Jumlah
Kuadrat dalam (JKd).
Rumus: JKd = JKsmk
Keterangan:
JKsmk adalah Jarak kuadrat simpangan masing-masing kelompok

3. Jumlah kuadrat penyimpangan total (total sum of squares)

Jumlah kuadrat penyimpangan total adalah jumlah kuadrat selisih antara skor
individual dengan mean totalnya, atau JKT.

Rumus: atau

Daftar Pustaka

Armitage, P., Berry, G., & Matthews, J. N. S. (2008). Statistical methods in medical research
(4th ed.). Blackwell Science.

Turner dkk. 2020. Parametric vs nonparametric statistical methods:

which is better, and why?. Jurnal NZMS. 30. 61–62.

Sandhi, DT dan Budiwanto S. 2016. Perbedaan pengaruh latihan menggiring bola

menggunakan model variasi dan pengaruh latihan regular terhadap teknik menggiring
bola pada anak latih Sekolah Sepak Bola Pabrik gula Ngadirejo Kediri Usia 14 tahun.
Jurnal Kepelatihan Olahraga. Vol 1(1). 25–40.

Stojanović M, dkk. 2018. Parametric versus nonparametric tests in biomedical research.

Jurnal Acta Medica Medianae. Vol.57(2). 75 80.

Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2011). Probability & statistics for
engineers & scientists (9th ed.). Prentice Hall.

Rosenthal, R., Rosnow, R. L., & Rubin, D. B. (2000). Contrasts and effect sizes in behavioral
research: A correlational approach. Cambridge University Press.