Statistik Parametrik dan Non Parametrik

Telah diketahui bersama bahwa dalam statistik inferensial kita mengenal ada dua pendekatan untuk melakukan analisis data. Pertama adalah statistik parametris dan statistik non parametris. Dalam statistik parametris akan terdapat asumsi-asumsi yang mendasari digunakannya rumus yang tergabung dalam kelompok parametris. Asumsi-asumsi untuk beberapa rumus statistik berbeda-beda. Dalam model analisis regresi secara umum ada 5 asumsi yang disebut dengan asumsi klasik yakni: normalitas, linieritas, multikolinieritas, heteroskedastisitas, autokorelasi.

Statistika non parametris diciptakan sebagai alternatif yang dapat digunakan jika peneliti/analis mengalami berbagai keterbatasan. Keterbatasan yang dimaksud dapat berupa tidak terpenuhinya asumsi parametris. Contohnya adalah keterbatasan sebaran data yang tidak normal, tidak homogen maupun asumsi-asumsi lain.  Teknik non parametris cocok digunakan untuk jumlah sampel yang kecil maupun karena tidak dapat diketahui parameter populasi.  Statistik non parametris bekerja tidak berdasarkan atas parameter estimasi dari populasi, seperti rerata, simpangan baku maupun varian. Karena keterbatasan-keterbatasan dimaksud maka sampai saat ini analisis statistika yang banyak dipakai adalah statistika parametris.

Pengujian Hipotesis

Pengujian Hipotesis Menggunakan Output SPSS

Proses pengujian hipotesis dengan statistik inferensial secara umum dapat digambarkan sebagai berikut;

Hipotesis yang akan diuji adalah H₀. Pada dasarnya pengujian hipotesis adalah menguji taraf signifikansi. Dengan menggunakan tabel kita akan mendapatkan angka teoritis dari suatu distribusi, misalnya F, t,r. Secara konvensional semua hasil olahan statistika harus dibandingkan dengan nilai tabel. Setelah semua data dimasukkan dalam rumus–rumus statistika akan didapat nilai hitung. Dari tabel ini akan ditentukan apakah hipotesis diterima atau ditolak dengan kaidah yang berlaku. Pada pelaksanaan uji analisis nanti peneliti harus cermat dan hati–hati karena kaidah bandingan dengan tabel ini ada yang terbalik.

Maksud kaidah yang terbalik ini misalnya, untuk menguji asumsi penelitian, misalnya asumsi klasik, keputusan terkena atau tidaknya asumsi adalah jika H₀ diterima tetapi jika melakukan uji hipotesis yang kita butuhkan adalah penerimaan H_a.

Menginterpretasikan output SPSS kita menguji hipotesis dengan tidak perlu membandingkannya dengan harga teoritis (tabel). Komputer akan melakukan pengujian H₀ kemudian komputer akan melaporkan hasil apa adanya. Analis/penelitilah yang harus memutuskan apakah menerima atau menolak H₀. Statistik inferensial pada prinsipnya hanya menguji apakah H₀ diterima atau seberapa besar hasil penelitian kita dapat digeneralisasikan. Menerima H₀ berarti menolak Ha atau sebaliknya.

Pedoman yang Digunakan untuk Menyimpulkan Hipotesis

Cara menyimpulkan apakah menerima atau menolak adalah dengan berpedoman pada berapa tingkat signifikansi yang dipatok peneliti, misalnya 5 atau 1%. Setelah menetapkan taraf signifikansi yang dikehendaki peneliti hanya melihat berapa nilai “sig.”  yang dikeluarkan oleh SPSS.  Nilai “sig.” terkadang sering disebut dengan p-value.

Misalkan peneliti telah menetapkan bahwa akan menggunakan taraf signifikansi 5%, yang diubah dalam bilangan desimal adalah 0,05. Kemudian peneliti melakukan analisis data menggunakan SPSS dan didapatkan nilai sig. 0,025. Untuk memutuskan hipotesis apakah menerima atau menolak H₀ peneliti tinggal membandingkan nilai taraf signifikansi “sig.” yang didapatkan dengan hasil analisis SPSS. 0,05 > 0,025 oleh karenanya dapat diputuskan H₀ ditolak dan  H_a diterima. Secara umum kaidah penerimaan hipotesis nol (H₀) menggunakan SPSS adalah sebagai berikut:

·            Jika nilai sig < 0,05 maka H₀ ditolak dan H_a diterima.

·            Jika nilai sig > 0,05 maka H₀ diterima dan H_a ditolak.