6yuyihjan yuyh8ygyurikrtfvtyvtvtv (3).pptx

5rf6f6tf

1. STATISTIK PARAMETRIK DAN NON PARAMETRIK OLEH: DR. AGUNG SAPRASETYA DWI LAKSANA, M.SC.PH

2. TUJUAN PEMBELAJARAN Mahasiswa mampu menjelaskan definisi statistik parametrik dan non parametrik Mahasiswa mampu menjelaskan perbedaan uji statistik parametrik dan non parametrik

3. PENDAHULUAN Statistika adalah metode untuk mengumpulkan, menganalisis, meringkas, dan mengambil kesimpulan dari data penelitian.  Metode statistika  adalah prosedur-prosedur yang digunakan dalam pegumpulan, penyajian, analisis, dan penafsiran data. Metode-metode tersebut dikelompokkan dalam dua kelompok besar, yaitu: Statistik deskriptif Statistik inferensial

4. Pembagian ANALISIS Statistik Metode Statistik Statistik Deskriptif Statistik Inferensial Non Parametrik Parametrik

5. Statistik deskriptif  adalah metode-metode yang berkaitan dengan pengumpulan dan Penyajian suatu gugus data sehingga memberikan informasi yang berguna Statistika deskriptif memberikan informasi hanya mengenai data yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang data tersebut Penyajian data statistik deskriptif: Dalam Bentuk Grafis Histogram, pie chart, polygon, diagram batang dll Data Numerik Central Tredency, Dispersion / pencaran, Kurtosis, Skewness, dll

6. Statistik inferensial  adalah sebuah sebuah metode yang dapat digunakan untuk menganalisis kelompok kecil data dari data induknya (sample yang diambil dari populasi) sampai pada peramalan dan penarikan kesimpulan terhadap kelompok data induknya atau populasi. Penarikan kesimpulan terhadap populasi berdasarkan analisa data pada sampel populasi, disebut generalisasi.

7. Statistika & Metode Ilmiah METODE ILMIAH : Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi penerapannya, resiko untuk keliru paling kecil. LANGKAH-LANGKAH DALAM METODE ILMIAH : Merumuskan masalah Melakukan studi literatur Membuat dugaan-dugaan, pertanyaan-pertanyaan atau hipotesis Mengumpulkan dan mengolah data, menguji hipotesis, atau menjawab pertanyaan Mengambil kesimpulan PERAN STATISTIKA INSTRUMEN SAMPEL VARIABEL SIFAT DATA METODE ANALISIS

8. Pembagian ANALISIS Statistik Metode Statistik Statistik Deskriptif Statistik Inferensial Non Parametrik Parametrik

9. 3. Data DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF DATA KUALITATIF : Data yang dinyatakan dalam bentuk bukan angka . Contoh : jenis pekerjaan, status marital, tingkat kepuasan kerja DATA KUANTITATIF : Data yang dinyatakan dalam bentuk angka Contoh : lama bekerja, jumlah gaji, usia, hasil ulangan DATA JENIS DATA NOMINAL ORDINAL INTERVAL RASIO KUALITATIF KUANTITATIF

10. 4. Data DATA NOMINAL : Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi. CIRI : posisi data setara tidak bisa dilakukan operasi matematika (+, -, x, :) CONTOH : jenis kelamin, jenis pekerjaan DATA ORDINAL : Data berskala ordinal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara data tersebut terdapat hubungan CIRI : posisi data tidak setara tidak bisa dilakukan operasi matematika (+, -, x, :) CONTOH : kepuasan kerja, motivasi

11. DATA INTERVAL : Data berskala interval adalah data yang diperoleh dengan cara pengukuran , dengan jarak antara dua titik skala sudah diketahui . CIRI : Tidak ada kategorisasi bisa dilakukan operasi matematika CONTOH : temperatur yang diukur berdasarkan C dan F, sistem kalender DATA RASIO : Data berskala rasio adalah data yang diperoleh dengan cara pengukuran , dengan jarak antara dua titik skala sudah diketahui dan mempunyai titik 0 absolut . CIRI : tidak ada kategorisasi bisa dilakukan operasi matematika CONTOH : gaji, skor ujian, jumlah buku

12. PROSEDUR PENGOLAHAN DATA dibedakan bdrskn : PARAMETER Berdasarkan parameter yang ada statistik dibagi menjadi Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas parameter-parameter populasi; jenis data interval atau rasio; distribusi data normal atau mendekati normal . Statistik NON-PARAMETRIK : inferensi statistik tidak membahas parameter-parameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui atau tidak normal

13. JUMLAH VARIABEL data dibagi b erdasarkan jumlah variabel dibagi menjadi Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n sampel atau beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh : korelasi motivasi dengan pencapaian akademik. Analisis BIVARIAT (hanya ada 2 var) Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n sampel di mana analisis antar variabel dilakukan bersamaan. Contoh : pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor latar belakang pendidikan orang tua, faktor sosial ekonomi, faktor sekolah.

14. 6. Pengolahan Data MULAI Jumlah Variabel ? Analisis Univariat Analisis Multivariat Jenis Data ? Statistik Parametrik Statistik Non Parametrik SATU TIGA / LEBIH INTERVAL RASIO NOMINAL ORDINAL Analisis Bivariat DUA

15. 2. PERBEDAAN STATISTIK PARAMETRIK DAN NON PARAMETRIK STATISTIK PARAMETRIK STATISTIK NON PARAMETRIK PENGERTIAN asumsi tentang parameter dari distribusi data populasi yang digunakan untuk menguji hipotesis mendekati normal atau mendekati distribusi normal setelah teorema limit sentral 🡪 bdsrkn parameter ttt metode yang tidak mendasarkan pada asumsi distribusi populasi DESKRIPTIF Asumsi distribusi Normal - Asumsi Varian Homogen - Jenis Data Ratio dan Interval Nominal dan Ordinal Hubungan data set Independent - Ukuran central Mean Median Manfaat Lebih banyak kesimpulan Sederhana dan sedikit outlier

16. STATISTIK PARAMETRIK STATISTIK NON PARAMETRIK TEST Uji korelasi Pearson, Regresi Spearman Uji 2 kelompok, berbeda Independent Sample t test Mann-Whitney Uji lebih 2 kelompok, berbeda Independent One Way ANOVA Kruskal-Wallis Uji berulang, 2 kondisi Paired Sample t Test Wilcoxon Uji berulang, 2 kondisi lebih Repeated One Way ANOVA Friedman

17. STATISTIK PARAMETRIK STATISTIK NON PARAMETRIK KEUNGGULAN Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat Tidak membutuhkan asumsi normalitas 🡪 jadi kita harus memenuhi syarat ttt missal data terdistribusi normal Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen 🡪 kesimpulan yang ditarik lebih kuat lebih mudah dikerjakan dan lebih mudah dimengerti karena tidak membutuhkan perhitungan matematik yang rumit dapat digantikan data numerik (nominal) dengan jenjang (ordinal)

18. STATISTIK PARAMETRIK STATISTIK NON PARAMETRIK KEUNGGULAN tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal

19. STATISTIK PARAMETRIK STATISTIK NON PARAMETRIK KELEMAHAN Populasi harus memiliki varian yang sama mengabaikan beberapa informasi tertentu Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi (mean) harus normal dan bervarian sama , dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan Ada hub linealitas antar data, jika dibuat grafik data terbanyak akan ada di sekitar garis tengah Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik (tdk bisa menggenarilisasi pada kesimpulan) Hipotesa yang diuji tidak melibatkan parameter populasi Skala yang digunakan lebih lemah dari skala prosedur parametrik Asumsi-asumsi parametrik tidak terpenuhi

20. Metode nonparametrik populer untuk sejumlah alasan. Alasan utama bahwa peneliti tidak dibatasi asumsi-asumsi tentang populasi seperti pada metode parametrik. Banyak metode nonparametrik mudah untuk diterapkan dan dipahami. (data tidak perlu normal, variat ga harus sama) Metode parametrik kebanyakan lebih efisien daripada metode nonparametrik. Meskipun perbedaan dalam efisiensi biasanya tidak banyak masalah, ada kasus di mana perlu mempertimbangkan metode yang lebih efisien. (lebih sensitive dalam membedakan antar individu) ‹#›

21. TABEL UJI HIPOTESIS Skala Pengukuran Jenis hipotesis Komparatif Korelatif Tidak berpasangan Berpasangan 2 Kelompok >2 kelompok 2 kelompok >2 kelompok Numerik Uji t tidak berpasangan One way ANOVA Uji t berpasangan Repeated ANOVA Pearson Kategorik (ordinal) Mann Whitney Kruskal Wallis Wilcoxon Friedman Spearman Kategorik Chi-square Fisher Kolmogorov-Smirnov McNemar Wilcoxon Koefisien kontingensi

22. ‹#› Terima kasih