Kenali Beberapa Hal Terkait Statistik Parametrik

Halo teman-teman apakah kalian pernah mendengar istilah statistik? Mungkin sebagian besar dari kita sudah sering mendengarnya. Statistik merupakan kumpulan data baik berupa angka atau catatan lainnya yang dikumpulkan dan dikelompokkan. Ilmu yang mempelajari tentang statistik disebut dengan statistika. Dalam statistika kita dapat mempelajari beberapa hal salah satunya adalah teknik-teknik pengolahan data statistik, yang terbagi menjadi dua tipe pengujian data, yaitu statistik parametrik dan statistik non-parametrik.

Sebelum kita mengenal lebih lanjut terkait statistik parametrik, kita perlu mengerti terlebih dahulu apa itu statistik parametrik dan statistik non parametrik. Kedua hal tersebut merupakan dua tipe pengujian data yang disesuaikan dengan tujuan penelitian, jenis data, dan jumlah sampel yang digunakan. Statistik parametrik merupakan teknik statistik yang digunakan untuk menguji hipotesis yang berkaitan dengan populasi. Sedangkan statistik non parametrik merupakan teknik statistik yang tidak melibatkan pendugaan dalam nilai populasi. Pada artikel kali ini kita akan mengenali lebih dalam terkait statistik parametrik.

1. Ukuran Sampel

Pada sesi perkenalan sebelumnya kita telah mengetahui pengertian singkat dari statistik parametrik. Dari pengertian tersebut biasanya banyak orang beranggapan bahwa jika sampel yang digunakan sedikit maka harus menggunakan uji statistik non parametrik. Namun pernyataan tersebut belum tentu benar, karena ukuran sampel adalah hal yang relatif jadi besar kecilnya sampel tidak selalu menjadi patokan apakah kita harus menggunakan uji statistik parametrik atau non parametrik, dikarenakan banyak literatur yang mengatakan bahwa ukuran sampel dikatakan besar jika lebih dari 40, namun ada yang berpendapat bahwa sampel dikatakan besar jika lebih dari 30. Justru sebenarnya yang perlu diperhatikan apakah sampel tersebut diambil dari populasi yang berdistribusi normal atau tidak. Jika diambil dari populasi yang berdistribusi normal maka yang digunakan tetaplah statistik parametrik.

Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik

2. Model Identifikasi

Seperti yang telah kita ketahui bahwa metode statistik terbagi menjadi dua, yaitu metode statistik deskriptif dan metode statistik inferensia. Statistik parametrik merupakan bagian dari statistik inferensia. Dalam statistik parametrik perlu mempertimbangkan nilai satu atau lebih parameter populasi. Beberapa syarat yang perlu diperhatikan dalam statistik parametrik antara lain:

1. Sebaran data harus berdistribusi normal

2. Skala data numerik

3. Variasi datanya sama

3. Kelebihan dan Kekurangan

Setiap uji statistik tentunya memiliki kelebihan dan kekurangan masing-masing. Begitu pula dengan uji statistik parametrik, beberapa kelebihan statistik parametrik adalah :

1. Tidak perlu melakukan pengujian terhadap parameter populasi

2. Data observasi dianggap saling bebas dan diambil dari populasi yang memiliki distribusi normal dengan varian yang homogen

Sedangkan beberapa kekurangan dari statistik parametrik adalah :

1. Populasi harus memiliki varian yang sama

2. Variabel yang diteliti terbatas hanya untuk jenis data dengan skala paling tidak adalah interval dan rasio

3. Distribusi populasi harus diketahui berdistribusi normal

4. Contoh Jenis Uji

Terdapat beberapa contoh uji statistik parametrik, antara lain:

1. Uji-t, merupakan uji statistik yang digunakan untuk menguji bagaimana pengaruh masing-masing variabel bebasnya terhadap variabel terikatnya

2. Anova, merupakan uji statistik yang menguji perbedaan rata-rata antar grup

3. Regresi, merupakan metode yang digunakan untuk menentukan hubungan sebab akibat antara variabel satu dengan lainnya

4. Korelasi, merupakan ukuran dari seberapa dekat dua variabel berubah dalam hubungan satu dengan lainnya

5. Analisis jalur, merupakan suatu teknik analisis statistika yang dikembangkan dari analisis regresi berganda

Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika

5. Yuk, Mulai Belajar Statistik untuk Jadi Data Scientist

Profesi data scientist merupakan salah satu profesi yang paling diminati di masa kini. Data scientist memerlukan beberapa keahlian dalam bidang ilmu seperti matematika, statistika, pemrograman, dan ilmu bisnis. Semua itu dapat kita pelajari di DQLab . Caranya sangat mudah, yaitu cukup signup di DQLab.id/signup dan kita bisa mulai dengan belajar gratis di DQLab serta dapat mengakses modul-modul dari bahasa pemrograman R, Python, Excel, dan SQL!

Penulis : Latifah Uswatun Khasanah

Editor : Annissa Widya Davita