Statistik Parametrik

Statistik parametrik merupakan jenis analisis inferensial lainnya yang umumnya digunakan dalam penelitian dengan menggunakan metode kuantitatif. Berbeda dengan statistik non paramaterik, statistik parametrik ini menguji parameter populasi melalui statistik, atau menguji parameter populasi melalui data sampel. Selain itu, uji ini juga digunakan untuk analisis jenis data interval dan rasio. Akan tetapi juga tidak mutlak, tergantung juga dengan tujuan penelitian dan alat analisis yang digunakan.

Penerapan analisis dengan parametrik ini menggunakan jumlah sampel dan tujuan penelitian.

  1. Untuk data satu sampel (deskriptif) dengan jenis data interval dan rasio maka menggunakan t-test
  2. Untuk data dua sampel (komparatif) yang berhubungan menggunakan t-test sampel berpasangan, sedangkan jika independen (tidak berhubungan) maka menggunakan t-test sampel independen.
  3. Untuk jumlah sampel sebanyak k (lebih dari 2) yang berhubungan menggunakan General Linear Model (Univariat, Multivariat, dan Repeat Measure), sedangkan jika independen (tidak berhubungan) maka menggunakan One-Way ANOVA
  4. Untuk penelitian asosiatif dengan sampel berapapun dapat menggunakan Korelasi Bivariate, Korelasi Parsial, Regresi Linear, atau Regresi Logistik (Biner, Multinomial, Ordinal).

Statistik parametrik lebih banyak persyaratan dibanding statistik non parametrik. Selain untuk analisis data interval atau rasion, beberapa hal yang harus terpenuhi untuk dapat menggunakan analisis ini yaitu:

  1. Data terdistribusi dengan normal (menggunakan uji normalitas)
  2. Sampel penelitian diambil secara random
  3. Sampel mempunyai varians yang sama (menggunakan uji homokedastisitas)

Sama halnya dengan statistik non parametrik, statistik parametrik juga memiliki kelebihan dan kekurangan. Kelebihan statistik ini yaitu:

  1. Parameter pada syarat-syarat sampel dalam populasi biasanya tidak perlu diuji karena dianggap memenuhi syarat
  2. Sampel berasal dari populasi dengan distribusi normal dan memiliki homogenitas varian

Adapun kelemahannya yaitu:

  1. Untuk dapat diambil sampel, seluruh populasi harus memiliki varian yang sama
  2. Variabel yang diteliti harus dapat diukur minimal dalam skala interval
  3. Selain persyaratan populasi harus terdistribusi normal dan varian yang sama, perlu adanya kombinasi linear dari efek-efek yang ditimbulkan

Leave a Reply

Your email address will not be published. Required fields are marked *

Scroll to top
Open chat