PROMO PUNCAK LEBARAN DISKON 99%
Belajar Data Science 6 Bulan BERSERTIFIKAT hanya Rp 99K!

1 Hari 15 Jam 27 Menit 32 Detik

Pahami Statistik Parametrik untuk Penelitian Kuantitatif

Belajar Data Science di Rumah 04-November-2021
https://dqlab.id/files/dqlab/cache/2f85b46dddf17303a871bbf7a6ef4369_x_Thumbnail800.png

Ketika melakukan penelitian tentunya kita memerlukan data untuk menunjang penelitian kita bukan? Data yang kita peroleh untuk penelitian tersebut perlu dianalisis, baik itu data kualitatif maupun data kuantitatif. Pada penelitian yang menggunakan data kuantitatif memerlukan beberapa tipe uji statistik. Tipe uji statistik terbagi menjadi dua, yaitu statistik parametrik dan statistik non parametrik. Apakah perbedaan dari kedua tipe uji statistik tersebut serta kapan waktu yang tepat untuk menggunakannya?


Uji statistik merupakan salah satu hal yang penting dilakukan dalam penelitian dengan tujuan mendapatkan hasil analisis yang benar-benar sesuai. Pemilihan tipe uji statistik pun harus dipilih dengan tepat sesuai dengan jenis data yang dilihat dari beberapa pertimbangan seperti tujuan penelitian, jumlah sampel, dan beberapa hal lainnya. Untuk mengetahui lebih lanjut terkait uji statistik parametrik, yuk simak artikel berikut ini!


1. Statistik Parametrik

Statistik parametrik merupakan tipe uji statistik yang berhubungan dengan statistik inferensial yang menguji hipotesis dengan menggunakan beberapa parameter populasi, jenis data interval dan rasio. Umumnya statistik parametrik menggunakan data yang berdistribusi normal atau mendekati normal. Selain itu, terdapat beberapa orang yang mengemukakan pendapat bahwa data yang digunakan pada uji statistik parametrik harus memiliki jumlah sampel yang besar. Padahal hal tersebut tidak bisa menjadi acuan mutlak dikarenakan ukuran sampel itu cenderung relatif. 


Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik


2. Metode Identifikasi

Pada statistik parametrik kita perlu mempertimbangkan nilai-nilai parameter populasi sehingga terdapat beberapa syarat yang perlu diperhatikan, antara lain 

  1. Sebaran data berdistribusi normal, dapat dilakukan melalui uji normalitas atau diasumsikan berdistribusi normal

  2. Skala data numerik, baik jenis data interval maupun rasio

  3. Variansi data sama, dengan mengikuti beberapa ketentuan seperti kesamaan variansi bukan menjadi salah satu syarat untuk uji kelompok berpasangan, kesamaan variansi adalah syarat yang tidak wajib untuk dua kelompok tidak berpasangan, dan kesamaan variansi menjadi syarat wajib untuk kasus lebih dari dua kelompok tidak berpasangan


3. Contoh Uji Statistik Parametrik

Setiap uji statistik baik itu parametrik dan non parametrik memiliki beberapa contoh uji yang sering digunakan. Pada statistik parametrik, uji statistik yang sering digunakan antara lain a) Uji-t, digunakan untuk menguji signifikansi dalam satu atau dua kelompok sampel; b) anova, digunakan untuk menguji signifikansi perbedaan dua rerata atau lebih; c) regresi, digunakan untuk menguji suatu pengaruh atau untuk mengestimasi variabel bebas terhadap variabel terikat; d) korelasi, digunakan untuk menguji hubungan antar variabel; e) analisis jalur, digunakan untuk menguji hubungan sebab akibat.


4. Kelebihan dan Kekurangan Statistik Parametrik

Statistik parametrik memiliki beberapa kelebihan dan kekurangan yang menjadi pertimbangan dalam pemilihan tipe uji statistik. Kelebihan statistik parametrik antara lain tidak perlu dilakukan pengujian terhadap parameter populasi dan data observasi dianggap saling bebas dengan varian yang homogen sehingga dapat diandalkan akurasinya. Adapun kekurangan dari statistik parametrik antara lain populasi harus memiliki varian yang sama, distribusi populasi harus diketahui berdistribusi normal atau mendekati normal, serta variabel-variabel yang diteliti terbatas hanya untuk jenis data dengan skala paling tidak adalah interval dan rasio


Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika


5. Coba Yuk, Belajar Statistik di DQLab!

Statistik dapat kita pelajari dimana saja baik itu secara teori maupun praktik. Tapi, di DQLab , kita bisa mencoba keduanya sekaligus. Selain mendapatkan teori kita juga belajar secara live code serta memecahkan beberapa contoh kasus. Selain itu kita juga bisa membuat portofolio dan mendapatkan sertifikat dari hasil belajar kita. Mau tau caranya? Langsung aja coba DQLab.id/signup dan tentunya ada modul gratis loh di DQLab serta dilengkapi dengan bahasa pemrograman penunjang lainnya seperti Python, R, dan SQL.


Penulis : Latifah Uswatun Khasanah

Editor : Annissa Widya Davita



Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login