Statistik Sosial - Web Kuliah : HM. Rohmadi

Statistik Parametrik
Statistik Parametrik



Adalah suatu tes yang modelnya menetapkan
adanya syarat-syarat tertentu tentang parameter
populasi yang merupakan sumber sampel
penelitiannya.
Syarat-syarat itu biasanya tidak diuji dan
dianggap sudah dipenuhi. Seberapa jauh makna
hasil suatu tes parametrik bergantung pada
validitas anggapan-anggapan tadi.
Tes parametrik juga menuntut bahwa skor yang
dianalisis merupakan pengukuran yang sedikitnya
berkekuatan skala interval.
Statistik Parametrik



Teknik-teknik statistika yang didasarkan atas
asumsi mengenai populasi yang diambil
sampelnya.
Contoh: pada uji t diasumsikan populasi
terdistribusi normal. Sebutan parametrik
digunakan karena pada uji t ini yang diuji adalah
parameter (yaitu rata-rata populasi)
Membutuhkan data kuantitatif dengan level
interval atau rasio yang diambil dari populasi
yang berdistribusi normal.
Statistik Parametrik



Teknik-teknik statistika yang didasarkan atas
asumsi mengenai populasi yang diambil
sampelnya.
Contoh: pada uji t diasumsikan populasi
terdistribusi normal. Sebutan parametrik
digunakan karena pada uji t ini yang diuji adalah
parameter (yaitu rata-rata populasi)
Membutuhkan data kuantitatif dengan level
interval atau rasio yang diambil dari populasi
yang berdistribusi normal.
Persyaratan Analisis Statistik
Parametrik




Dipilih secara acak (random)
Homogen artinya data yang dibandingkan
(dikomparasikan) sejenis (bersifat homogen),
maka perlu uji homogenitas.
Normal artinya data yang dihubungkan berbentuk
garis linier maka perlu uji linieritas.
Berpasangan artinya data yang dihubungkan
mempunyai pasangan yang sama sesuai dengan
subjek yang sama, kalau salah satu tidak
terpenuhi untuk persyaratan analisis korelasi atau
regresi tidak dapat dilakukan.
Macam Data
Interval
Rasio
Bentuk Hipotesis
Deskriptif
(satu
variabel)
Komparatif (dua sampel)
Komparatif (lebih dari 2
sampel)
Related
Related
T
Test*
T-test of* T-test of* One-Way One-Way Pearson
Related
independ Anova* Anova* Product
ent
Moment
Two Way Two Way *
Independen
Anova*
Asosiatif
(hubungan)
Independen
Anova*
Partial
Correlati
on*
Multiple
Correlati
on*
Pengujian Normalitas Data ; t-test ;
Korelasi Product Moment (1)





Dalam Statistik Parametrik diperlukan syarat bahwa data yang akan
dianalisis harus berdistribusi normal. Untuk itu perlu dilakukan pengujian
normalitas data.
Pengujian normalitas data antara lain dilakukan dengan : t-test
T-test : 1) untuk menguji hipotesis deskriptif satu sampel bila datanya
berbentuk interval dan ratio , maka digunakan t-test satu sampel.
2) untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya
berbentuk interval dan ratio, digunakan t-test sampel berpasangan.
t = x - μ0
s/√n
di mana : t = nilai t yang dihitung , x = rata-rata , μ0 =nilai yang
dihipotesiskan s = simpangan baku sampel , n = jumlah anggota sampel.
Pengujian Normalitas Data : t-test,
Korelasi Product Moment (2)








Korelasi : menunjukkan adanya hubungan antara dua variabel atau
lebih serta menunjukkan besarnya (kuat/lemahnya) hubungan antara dua
variabel tersebut.
Koefisien Korelasi ( r ) merupakan kriteria untuk mengukur hubungan
antar variabel secara kuantitatif yang nilainya terletak antara – 1 dan 1
r = 1 , hubungan variabel X dan Y adalah sangat kuat dan positif
r = - 1 , hubungan variabel X dan Y adalah sangat lemah dan negatif
r = 0 , hubungan variabel X dan Y lemah sekali atau tidak ada hubungan.
Berikut ini adalah rumus Karl Pearson (Product Moment) :
r = n . Σ XY - ΣX . ΣY .
√n.ΣX2 - (ΣX)2. √n.ΣY2 - (ΣY)2
Koefisien Determinasi (Kd) : menunjukkan berapa persen fluktuasi atau
variasi variabel Y yang disebabkan oleh variabel X , dengan rumus :
Kd = r2

Analisis Regresi Linear Sederhana

Analisis Regresi : suatu proses melakukan estimasi untuk
memperoleh suatu hubungan fungsional antara variabel X dengan
variabel Y.
Analisis Regresi Linear Sederhana : adalah analisis regresi
antara satu variabel X dan satu variabel Y.
Persamaan Regresi Linear Sederhana : Y’ = a + bX , di mana : Y’
= Nilai Y prediksi , a = Intercept atau nilai Y pada saat X = 0 b =
Slope / kemiringan , X = Independent Variable (variabel bebas).
Untuk menghitung nilai a dan b digunakan rumus :
b = n(ΣXY) – (ΣX) (ΣY)
n (ΣX2) – (ΣX)2



a = ΣY – b=ΣX
n
n
TeRiMa KaSiH