Uji Statistik: Jenis-jenis dan Bagaimana Memilihnya

Uji statistik merupakan langkah yang sangat penting untuk menganalisis data kuantitatif yang dihasilkan dalam studi penelitian. Banyaknya uji statistik membuat kita sulit untuk mengingat uji statistik mana yang paling tepat untuk digunakan.

Uji statistik adalah perhitungan untuk menentukan apakah ada cukup bukti menolak atau menerima hipotesis. Terdapat banyak jenis uji statistik, antara lain z test, t-test, mann withney, kruskal wallis, anova, dan ancova. Beberapa hal yang perlu kita pertimbangkan saat memilih uji statistik, yaitu tujuan atau pertanyaan uji statistik, jumlah variabel, tipe data, desain penelitian, dan asumsi statistik.  

Kita akan bersama-sama memahami bagaimana cara memilih uji statistik yang paling tepat dengan melihat faktor tersebut satu persatu.

Namun sebelumnya, kita akan mengawalinya dengan memahami apa itu uji statistik dan kapan kita perlu menggunakannya.

Pengertian uji statistik

Uji statistik mengasumsikan hipotesis nol tidak ada hubungan atau tidak ada perbedaan antara kelompok. Kemudian mereka menentukan apakah data yang diamati berada di luar kisaran nilai yang diprediksi oleh hipotesis nol.

Uji statistik menyediakan mekanisme untuk membuat keputusan kuantitatif tentang suatu proses atau proses.

Tujuan melakukan uji statistik adalah untuk menentukan apakah ada cukup bukti untuk “menolak” dugaan atau hipotesis tentang proses tersebut.

Uji statistik dapat digunakan untuk:

• menentukan apakah variabel prediktor memiliki hubungan yang signifikan secara statistik dengan variabel hasil.
• memperkirakan perbedaan antara dua atau lebih kelompok.

Kapan menggunakan uji statistik

Uji statistik dilakukan ketika kita ingin menguji hipotesis kita menggunakan data yang sudah kita kumpulkan.

Untuk lebih memahami kapan uji statistik digunakan, pahami dulu proses pengujian hipotesis, yaitu:

1. Menyatakan hipotesis nol dan hipotesis alternatif
2. Mengumpulkan data sebagai dasar uji hipotesis
3. Menentukan Significance Level (alpha)
4. Menentukan kriteria pengujian dan daerah penolakan
5. Memilih uji statistik yang sesuai
6. Menarik kesimpulan

Uji statistik dilakukan pada langkah kelima.

Untuk memahami proses ini, silakan baca artikel mengenai Uji Hipotesis ini. Dalam tulisan tersebut, saya membahas mengenai pengertian, proses melakukan uji hipotesis, beserta contoh kasusnya.

Saya sangat merekomendasikan artikel ini untuk dibaca sebelum lebih lanjut membaca lanjutan dari artikel ini.

BACA JUGA: Uji Hipotesis

Pengujian hipotesis dimulai dengan asumsi bahwa hipotesis nol (null hypothesis) benar dalam populasi, dan kita perlu menggunakan uji statistik untuk menilai apakah hipotesis nol dapat ditolak atau tidak.

Uji statistik menentukan di mana data sampel akan berada pada distribusi data sampel yang diharapkan jika hipotesis nol itu benar.

Selain itu, agar uji statistik valid, ukuran sampel harus cukup besar untuk mendekati distribusi sebenarnya dari populasi yang sedang diteliti.

Jenis-jenis uji statistik

Terdapat banyak jenis uji statistik, antara lain z test, t-test, mann withney, kruskal wallis, anova, ancova, dan masih banyak lagi.

Setiap uji statistik memiliki karakteristik dan syarat-syarat tertentu dalam pemakaiannya.

Banyaknya uji statistik membuat kita sulit untuk mengingat uji statistik mana yang paling tepat untuk digunakan.

Maka pertanyaan selanjutnya adalah: bagaimana kita memilih uji statistik yang tepat untuk penelitian kita?

Bagaimana memilih uji statistik yang tepat

Untuk dapat menentukan uji statistik mana yang paling tepat, kita perlu mempertimbangkan:

• Tujuan uji
• Jumlah variabel
• Desain studi
• Tipe data
• Asumsi statistik

#1 Tujuan atau pertanyaan yang diajukan

Terdapat beberapa tujuan uji statistik yang dapat dibedakan berdasarkan pertanyaan yang kita ajukan, yaitu:

• Mendeskripsikan
• Membandingkan dan mengukur perbedaan
• Mengukur hubungan

Mendeskripsikan

Jika tujuan kita adalah untuk melakukan deskripsi pada data kita, maka kita bisa gunakan analisis deskriptif.

Untuk lebih jelasnya mengenai analisis statistik deskriptif, silahkan baca tulisan berikut:

BACA JUGA: Statistika deskriptif.

Mengukur hubungan/ asosiasi

Untuk tujuan mengukur hubungan, ada dua jenis uji atau analisis yaitu:

• Uji korelasi
• Uji regresi

Uji korelasi

Tes korelasi memeriksa apakah variabel terkait tanpa menghipotesiskan hubungan sebab-akibat.

Artinya, dalam uji ini, kita tidak memiliki variabel terikat.

Biasanya kita menggunakan uji korelasi untuk mengukur adanya hubungan antara 2 atau lebih variabel bebas dalam penelitian kita.

Uji regresi

Dalam uji regresi, kita memiliki variabel terikat dan bebas.

Analisis regresi mencari hubungan sebab-akibat.

Lebih tepatnya kita gunakan analisis regresi untuk memperkirakan efek dari satu atau lebih variabel kontinue sebagai variabel bebas pada variabel terikat.

Hasilnya dapat kita gunakan untuk memprediksi nilai variabel bebas berdasarkan variabel terikat.

Membandingkan perbedaan

Uji beda digunakan untuk mencari perbedaan suatu kelompok sampel dibandingkan dengan kelompok lain.

Dalam prakteknya, sangat banyak uji beda yang bisa digunakan sesuai dengan desain studi dan tipe data.

Uji beda juga dapat dibagi menjadi uji parametrik dan non parametrik. Biasanya suatu uji beda parametrik untuk suatu karakteristik metode pengukuran dan tipe data tertentu memiliki alternatif dalam bentuk uji non parametrik.

#2 Jumlah variabel

Tes dan prosedur statistik dapat dibagi sesuai dengan jumlah variabel yang dirancang untuk dianalisis.

Oleh karena itu, ketika memilih tes, penting bagi kita untuk mempertimbangkan berapa banyak variabel yang ingin dianalisis.

Untuk memudahkan pemilihan uji statistik, kita perlu mengidentifikasi jumlah variabel yang kita punya, apakah satu, dua, atau lebih dari dua.

Selain itu, kita juga harus benar-benar bisa membedakan mana variabel bebas/ independent/ x dan mana variabel terikat/ dependent/ Y dalam penelitian kita.

#3 Desain studi

Terkait desain studi, kita perlu menjawab bagaimana data dalam variabel kita berhubungan.

Kita perlu mengidentifikasi jika variabel kita apakah variabel yang saling independent (tidak berhubungan, unpaired), atau merupakan pengamatan berpasangan (paired) yang datang dari kelompok sampel/ pengamatan yang sama.

Sebagai contoh untuk variabel merupakan pengamatan berpasangan (paired) dari kelompok pengamatan yang sama adalah hasil ujian dari kelas yang sama sebelum dan sesudah menjalani sebuah training.

Sedangkan contoh untuk variabel yang berbeda atau independent adalah jumlah kalori yang dibutuhkan laki-laki vs  jumlah kalori yang dibutuhkan perempuan.

#4 Tipe data

Tipe data yang kita miliki biasanya dapat menentukan jenis uji statistik yang dapat kita gunakan.

Data dapat kita bedakan menjadi:

• Data kuantitatif
• Data kualitatif

Data kuantitatif menunjukkan jumlah atau besaran sesuatu. Data kuantitatif dapat dibagi menjadi data:

• Kontinu (alias variabel rasio): mewakili ukuran dan biasanya dapat dibagi menjadi unit yang lebih kecil dari satu (misalnya 0,75 gram).
• Diskrit (alias variabel integer): mewakili jumlah dan biasanya tidak dapat dibagi menjadi unit yang lebih kecil dari satu (misalnya 1 pohon).

Data kualitatif atau kategorikal meliputi:

• Ordinal: mewakili data dengan urutan (misalnya peringkat).
• Nominal: mewakili nama kelompok (misalnya merek atau nama spesies).
• Biner: mewakili data dengan hasil ya/tidak atau 1/0 (misalnya menang atau kalah).

Untuk menentukan mana uji statistik yang tepat, kita perlu melakukan identifikasi tipe data variabel dependent dan variabel independent kita.

#5 Asumsi statistik

Pengujian statistik membuat beberapa asumsi umum tentang data yang diuji:

• Pengamatan independen/ tidak ada autokorelasi): Pengamatan/variabel yang akan kita uji tidak saling terkait.
• Normalitas data: data mengikuti distribusi normal. Asumsi ini hanya berlaku untuk data kuantitatif
• Homogenitas varians: varians dalam setiap kelompok yang dibandingkan adalah serupa di antara semua kelompok.

Untuk melihat distribusi data apakah normal atau tidak, kita dapat menggunakan uji normalitas yaitu uji Saphiro-Wilk (untuk sampel kecil atau kurang dair 30) atau uji Kolmogorof Smirnov (untuk sampel besar atau lebih dar 30).

Selain menggunakan uji tersebut, normalitas distribusi data dapat kita lihat dengan menggunakan QQ plot.

Sedangkan untuk menguji homogenitas varians, kita bisa gunakan uji F.

Jika data kita memenuhi asumsi normalitas atau homogenitas varians, kita dapat melakukan uji statistik parametrik, yaitu uji yang dilakukan dengan asumsi data memiliki distribusi normal.

Jika data kita tidak memenuhi asumsi normalitas atau homogenitas varians, kita dapat melakukan uji statistik nonparametrik, yaitu uji yang dilakukan tanpa asumsi tentang distribusi data.

Jika data kita tidak memenuhi asumsi independensi pengamatan, kita mungkin dapat menggunakan pengujian yang memperhitungkan struktur dalam data kita.

Berdasarkan uji asumsi ini, kita dapat menentukan mana jenis uji yang bisa kita lakukan, apakah uji parametrik, atau non parametrik.

Uji parametrik biasanya memiliki persyaratan yang lebih ketat daripada uji nonparametrik, dan mampu membuat kesimpulan yang lebih kuat dari data.

Uji non-parametrik tidak membuat banyak asumsi tentang data, dan berguna ketika satu atau lebih asumsi statistik umum dilanggar. Namun, kesimpulan yang mereka buat tidak sekuat hasil dari uji parametrik.

Pedoman dalam memilih uji statistik

Setelah melakukan identifikasi terhadap 5 faktor yang mempengaruhi pemilihan uji statistik, kita dapat menentukan uji statistik mana yang paling sesuai menggunaan diagram alir di bawah ini.

Untuk melihat gambar ukuran aslinya, silahkan klik kanan dan pilih: Open image in new tab.

Jika pedoman menggunakan diagram alir dirasa membingungkan, silahkan menggunakan pedoman dalam format tabel di bawah ini.

Pedoman ini merupakan pedoman yang sangat dasar. Sangat sulit untuk merangkum semua jenis uji statistik dalam satu grafik atau tabel.

Kesimpulan

Setelah membaca tulisan ini, kita dapat memahami uji statistik meliputi pengertian, jenis-jenis, kapan digunakan, dan bagaimana memilih uji statistik yang paling sesuai untuk penelitian kita.

Uji statistik adalah perhitungan untuk menentukan apakah ada cukup bukti menolak atau menerima hipotesis.

Untuk dapat menentukan uji statistik mana yang paling tepat, kita perlu mempertimbangkan:

• Tujuan uji
• Jumlah variabel
• Tipe data
• Desain studi
• Asumsi statistik