Statistik Parametrik

Diskon : Teh Daun Jati Cina:78%.

Hai Sobat pembaca, semoga sehat dan tetap semangat. Kali ini saya akan mencoba mereview salah satu topik dari materi Ahmad Darmawi,ST.M.Eng. tentang Statistik Parametrik. Baiklah kita langsung saja.

Metode statistika sudah berkembang sangat luas, untuk mengakomodasi berbagai kondisi data. Karena dalam aplikasinya hampir tidak bisa lepas dari peranan komputer, sebagian besar metode tersebut telah diimplementasikan dalam berbagai paket statistika.

Statistika adalah Metode yang berhubungan dengan penyajian dan penafsiran kejadian yang bersifat peluang dalam suatu penyelidikan terencana atau penelitian ilmiah.
Dalam statistika tercakup dua pekerjaan penting, yaitu : Penyajian dan penafsiran data
Fungsi Statistik :

• Teknik statistik mampu melakukan tiga tugas penting dalam ilmu pengetahuan, yaitu menerangkan gejala, meramalkan kejadian dan mengontrol keadaan.
• Statistik deskriptif merupakan bagian statistik yang memikul tugas untuk menerangkan suau gejala.
• Statistik inferensia merupakan bagian lain dari statistik yang membuat ramalan dan mengontrol kejadian.

Metode Statistika adalah prosedur-prosedur atau cara-cara penyajian dan penafsiran data.
Metode statistika dapat dibedakan menjadi dua bagian yaitu:

1. Statistika Deskriptif (Descriptive Statistics): Metode pengumpulan, peringkasan dan penyajian data Descriptive : bersifat memberi gambaran. Contoh: Tabulasi data, diagram, grafik perkembangan harga komputer dari tahun-ke tahun.
2. Statistika Inferensia = Statistika Induktif (Inferential Statistics): Metode analisis, peramalan, pendugaan dan penarikan kesimpulan Inferential: bersifat melakukan generalisasi (penarikan kesimpulan). Contoh: Pendugaan parameter, pengujian hipotesis, peramalan dengan regresi/korelasi.

Sehingga konsep Statistika terlihat sebagai berikut :

Statistik inferensial atau statistik induktif ada dua macam, yaitu:

1. Statistik parametrik, yang digunakan untuk menganalisis data interval dan rasio, yang diambil dari populasi yang berdistribusi normal.
2. Statistik non parametrik,yang digunakan untuk menganalisis data nominal dan ordinal, yang diambil dari populasi yang bebas disribusi (tidak harus normal).

Pada pembahasan kali ini yaitu tentang Statistika Parametrik.
Sebagaimana telah diuraikan diatas Statistik parametrik merupakan uji beda bila datanya berskla interval atau rasio dan memenuhi persyaratan analisanya, yaitu datanya berdistribusi normal dan variasi datanya homogen.
Uji prasyarat : Normalitas Data dan Homogenitas

Uji Normalitas adalah uji statistik yang dilakukan untuk mengetahui bagaimana sebaran sebuah data.
Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah dikembangkan oleh para ahli.
Kita sebenarnya sangat beruntung karena tidak perlu mencari-cari cara untuk menguji normalitas, dan bahkan saat ini sudah tersedia banyak sekali alat bantu berupa program statistik yang tinggal pakai.
Berikut adalah salah satu pengujian normalitas dengan menggunakan teknik Kolmogorov Smirnov.

Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai, terutama setelah adanya banyak program statistik yang beredar.
Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik.

Konsep Uji Kolmogorov Smirnov
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku.
Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal.
Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku.

Signifikansi Uji Kolmogorov
Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang signifikan antara data yang akan diuji dengan data normal baku, artinya data yang kita uji normal tidak berbeda dengan normal baku.

CONTOH KASUS
Seorang mahasiswa kebidanan yang bernama Citra, akan menguji normalitas dan homogenitas data persepsi terhadap KB suntik sebelum dan sedudah diberikan pemahaman tentang KB suntik.
Penyelesaian :
1) Normalitas Data
Siapkan penyajian data pada lembar excel.

Buka lembar kerja SPSS, ikuti langkah-langkah dibawah ini :

• Persiakan data yang akan di uji dalam file excel untuk mempermudah tahapannya nanti.
• Buka program spss, klik variabel view, dibagian pojok kiri bawah.
• Selanjutnya, pada bagian Name tulis saja pretes dan postest, pada bagian label tuliskan pretes pemahaman KB suntik kemudian postest pemahaman KB suntik, pada decimal ubah semua angka ke 2, dan pada Measure ubah menjadi Scale, abaikan yang lain.

• Setelah itu, klik data view, dan masukkan data pretes pemahaman KB suntik dan postest pemahaman KB suntik yang sudah dipersiapkan dengan cara copy-paste.

• Selanjutnya mengubah data tersebut dalam bentuk unstandadizet residual, caranya : dari menu spss pilih Analyze, kemudian klik Regression, dan pilih linear

• Muncul kotak dialog dengan nama Linier Regression, selanjutnya masukkan variabel posttest (Y) ke Dependen, masukkan variabel pretest (X) ke kotak Independen (s), lalu klik save

• Muncul kotak dialog dengan nama Linier Regression:save, pada bagian residuals, centang (v) Unstandardized (abaikan kolom yang lain), selanjutnya klik continue, lalu klik ok, maka akan muncul variabel baru dengan nama RES_1, abaikan saja output yang muncul dari program spss.

• Langkah selanjutnya, pilih menu Analyze, lalu pilih Non- parametric test, klik legaci dialog, kemudian pilih submenu 1-Sample K-s

• Muncul kotak dialog lagi dengan nama One-Sample kolmogorov-smirnov test, selanjutnya, masukkan variabel Unstandardizet Residual ke kotak Test Variabel List, pada Test distribution centang (v) Normal

• Terakhir klik ok untuk mengakhiri perintah, selanjutnya lihat tampilan outputnya, tinggal interpretasikan supaya lebih jelas.

Berdasarkan output diatas dapat interprestasikan bahwa nilai signifikansi sebesar 0,961 lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data yang di uji berdistribusi normal.

2) Homogenitas
Homogenitas digunakan untuk mengetahui varian dari beberapa populasi sama atau tidak, uji ini biasanya dilakukan sebagai prasyarat dalam analisis independen sample t- test dan Anova.
Asumsi yang mendasari dalam analisis of varians (Anova) adalah bahwa varian dari beberapa populasi adalah sama.
Dasar pengambilan keputusan dalam uji homogenitas adalah

1.  Jika nilai signifikansi < 0,05, maka dikatakan bahwa varian dari dua atau lebih kelompok populasi data adalah tidak sama
2. Jika signifikansi > 0,05, maka dikatakan bahwa varian dari dua atau lebih kelompok populasi data adalah sama.

Masih menggunakan data diatas, Siapkan penyajian data pada lembar excel.

Buka lembar kerja SPSS, ikuti langkah-langkah dibawah ini :

• Persiakan data yang akan di uji dalam file excel untuk mempermudah tahapannya nanti.
• Buka program spss, klik variabel view, dibagian pojok kiri bawah.
• Selanjutnya, pada bagian Name tulis saja pretes dan postest, pada bagian label tuliskan pretes pemahaman KB suntik kemudian postest pemahaman KB suntik, pada decimal ubah semua angka ke 2, dan pada Measure ubah menjadi Scale, abaikan yang lain.

• Setelah itu, klik data view, dan masukkan data pretes pemahaman KB suntik dan postest pemahaman KB suntik yang sudah dipersiapkan dengan cara copy-paste.

• Selanjutnya pada menu SPSS, pilih Analyze, kemudian klik Compare Means, dan One Way Anova

• Muncul kotak dengan One Way Anova, selanjutnya masukkan variabel Y Postest ke kotak Dependen List dan variabel X Pretest kekotak Factor, lalu klik Options

• Pada menu Options, beri tanda pada Homogeneity of variance, lalu klik Continue

• Klik Ok untuk mengakhiri perintah. Selanjutnya akan muncul output SPSS

• Berdasarkan output SPSS diatas dapat di interprestasikan bahwa nilai signifikansi variabel persepsi postes KB suntik (Y) berdasarkan variabel pretes KB suntik (X) = 0,212 > 0,05, artinya data variabel postes persepsi KB suntik (Y) berdasarkan variabel pretes persepsi KB suntik (X) mempunyai varian yang sama.

3) Uji Paired Sample T-Test
Paired sample t-test digunakan untuk mengetahui apakah terdapat perbedaan rata-rata dua sampel (dua kelompok) yang berpasangan atau berhubungan. Uji paired sample t- test merupakan bagian dari statistik parametrik, oleh karena itu, sebagaimana aturan dalam statistik parametrik data penelitian haruslah terditribusi normal.
Jika data penelitian tidak normal maka alternatif uji yang bisa dilakukan sebagai pengganti paired sample t-tes adalah uju wilcoxon.
Sedangkan untuk varian data boleh homogen atau tidak, hal ini bukanlah merupakan permasalahan dalam uji paired sample t-tes.

Masih menggunakan data diatas, Siapkan penyajian data pada lembar excel.

Buka lembar kerja SPSS, ikuti langkah-langkah dibawah ini :

• Persiakan data yang akan di uji dalam file excel untuk mempermudah tahapannya nanti.
• Buka program spss, klik variabel view, dibagian pojok kiri bawah.
• Selanjutnya, pada bagian Name tulis saja pretes dan postest, pada bagian label tuliskan pretes pemahaman KB suntik kemudian postest pemahaman KB suntik, pada decimal ubah semua angka ke 2, dan pada Measure ubah menjadi Scale, abaikan yang lain.

• Setelah itu, klik data view atau cara pintasnya dapat menekan CTRL_T pada keyboard., dan masukkan data pretes pemahaman KB suntik dan postest pemahaman KB suntik yang sudah dipersiapkan dengan cara copy-paste.

• Selanjutnya dari menu bar yang terdapat pada SPSS klik menu analyze, lalu pilih compare means, kemudian klik Paired- Sample T Test

• Akan muncul kotak dialog dengan nama Paired-Sample T Test. Karena disini kita akan menguji data pretes dan postes, maka klik pada data pretes kemudian klik tombol yang tersedia untuk memasukkan data pretes ke kotak sebelah kanan (paired variabel), setelah data pretes masuk, lakukan cara yang sama pada postes.

• Setelah semua prosedur cara melakukan uji sample t test dengan spss dilakukan dengan cermat, langkah terakhir adalah klik ok. Maka akan muncul output spss (hasil sample uji paired sample t test sebagai berikut :

• Interpretasi Data SPSS

1. Output Data SPSS ke 1

Pada output diatas, diperlihatkan hasil ringkasan statistik dari kedua sampel atau data pretes dan postes. Untuk nilai pretes diperoleh rata-rata persepsi KB suntik 2,25794. sedangkan untuk nilai postes diperoleh nilai rata-rata hasil belajar sebesar 2,24733. jumlah sample atau responden sebanyak 12 orang.

2. Output Data SPSS ke 2

Pada bagian kedua output adalah hasil korelasi atau hubungan antara kedua data atau variabel yakni pretes dan postes, dimana korelasi yang terjadi sebesar 0,796 dengan nilai signifikansi 0,002.

3. Output Data SPSS ke 3

Bagian output ini adalah output yang terpenting, karena pada bagian inilah kita menemukan jawaban atas apa yang menjadi pertanyaan atau contoh kasus diatas, yakni mengenai ada atau tidaknya pengaruh persepsi KB suntik sebelum (pretes) dan sesudah (postes).

• Jika nilai probabilitas atau sig.(2-tailed) < 0,05, maka terdapat perbedaan yang signifikan antara persepsi KB suntik pretes dan postes yang artinya terdapat pengaruh persepsi KB suntik terhadap frekuensi penggunaanya pada masyarakat
• Sebaliknya jika nilai probabilitas atau sig.(2-tailed)> 0,05, maka tidak terdapat perbedaan yang signifikan.

Pengambilan keputusan berdasarkan output diatas, dimana nilai sig.(2-tailed) sebesar 0,000<0,05, karena nilainya lebih kecil dari 0,05 dapat disimpulkan bahwa penggunaan KB suntik setelah postes dapat meningkatkan persepsi masyarakat terhadap KB suntik pada ibu atau remaja putri.

4) Uji Independent Sample T-Test
Perhatikan kata independent atau bebas maknanya adalah tidak ada hubungan antara dua sample yang akan di uji. Uji ini berfungsi sebagai uji hipotesis perbedaan dua variabel yang tidak mempunyai hubungan.