Parametrik dan Non-Parametrik dalam Statistik Inferensi

Statistik inferensi merupakan cabang statistik yang membantu penyelidik membuat kesimpulan mengenai populasi berdasarkan sampel. Dalam proses ini, terdapat dua pendekatan utama iaitu ujian parametrik dan ujian non-parametrik. Kedua-duanya digunakan untuk menguji hipotesis penyelidikan, menilai hubungan antara variabel, serta menentukan signifikan sesuatu dapatan kajian.

Artikel ini akan menghuraikan beberapa aspek penting berkaitan parametrik dan non-parametrik dengan fokus kepada perhubungan variabel, hipotesis, ujian signifikan, dan syarat pemilihan ujian statistik.

---

1. Perhubungan antara Variabel-variabel

Dalam penyelidikan, hubungan antara variabel sangat penting kerana ia menentukan bentuk analisis yang digunakan. Variabel boleh berbentuk:

• Variabel bebas (independent variable) – faktor yang dimanipulasi atau menjadi punca.

• Variabel bersandar (dependent variable) – hasil atau kesan yang diukur.

• Variabel pengganggu / moderator / mediator – variabel yang mempengaruhi hubungan antara variabel bebas dan bersandar.

Contohnya, seorang guru ingin mengkaji hubungan gaya pembelajaran (variabel bebas) dengan pencapaian pelajar (variabel bersandar). Hubungan ini boleh diuji menggunakan ujian statistik parametrik (seperti Pearson correlation) jika data bersifat berskala interval/rasio dan berdistribusi normal. Jika data berbentuk ordinal atau tidak normal, ujian non-parametrik (seperti Spearman correlation) lebih sesuai.

---

2. Menyatakan Hipotesis Penyelidikan dan Hipotesis Nol dalam Statistik Inferensi

Dalam statistik inferensi, hipotesis memainkan peranan utama. Terdapat dua bentuk hipotesis yang sering digunakan:

1. Hipotesis Penyelidikan (H₁ / Hipotesis Alternatif)

   • Pernyataan yang menggambarkan jangkaan penyelidik tentang hubungan atau perbezaan antara variabel.

   • Contoh: “Terdapat hubungan signifikan antara motivasi pelajar dengan pencapaian akademik.”

2. Hipotesis Nol (H₀)

   • Pernyataan yang menafikan adanya hubungan atau perbezaan.

   • Contoh: “Tidak terdapat hubungan signifikan antara motivasi pelajar dengan pencapaian akademik.”

Proses pengujian statistik akan menentukan sama ada H₀ diterima atau ditolak berdasarkan bukti data.

---

3. Ujian Signifikan

a) Pengujian Hipotesis Nol

Ujian signifikan dilakukan untuk menilai sama ada data sampel menyokong atau menolak H₀. Statistik ujian (contohnya nilai-t, nilai-khi kuasa dua, atau nilai-z) dibandingkan dengan nilai kritikal atau nilai-p (p-value) untuk membuat keputusan.

b) Menolak atau Tidak Menolak Hipotesis Nol

• Jika p < 0.05, H₀ ditolak → terdapat bukti signifikan untuk menyokong hipotesis penyelidikan.

• Jika p ≥ 0.05, H₀ tidak ditolak → tiada bukti mencukupi untuk menyokong hipotesis penyelidikan.

c) Maksud Ujian Signifikan

Ujian signifikan bukan bermaksud hasil kajian adalah “penting” dalam konteks dunia sebenar, tetapi hanya menunjukkan bahawa perbezaan atau hubungan yang wujud tidak berlaku secara kebetulan semata-mata.

---

4. Syarat Asas Pemilihan Ujian Statistik

Pemilihan ujian parametrik atau non-parametrik bergantung pada syarat tertentu:

1. Jenis data

   • Parametrik: data berskala interval/rasio.

   • Non-parametrik: data nominal/ordinal.

2. Taburan data

   • Parametrik: memerlukan taburan normal.

   • Non-parametrik: tidak memerlukan taburan normal.

3. Saiz sampel

   • Parametrik lebih sesuai untuk saiz sampel yang besar.

   • Non-parametrik sesuai untuk sampel kecil.

4. Homogeniti varians

   • Parametrik memerlukan varians data yang hampir sama (homogen).

   • Non-parametrik lebih fleksibel apabila syarat homogeniti tidak dipenuhi.

Contoh:

• Jika seorang penyelidik ingin membandingkan pencapaian akademik dua kumpulan pelajar:

  • Ujian parametrik: Independent t-test (jika data normal dan homogen).

  • Ujian non-parametrik: Mann-Whitney U test (jika data tidak normal atau berbentuk ordinal).

---

Kesimpulan

Pemahaman mengenai ujian parametrik dan non-parametrik sangat penting bagi pelajar dan penyelidik kerana ia menentukan ketepatan hasil kajian. Ujian parametrik lebih berkuasa apabila syarat statistik dipenuhi, manakala ujian non-parametrik menjadi alternatif yang lebih sesuai apabila syarat-syarat tersebut tidak dipenuhi.

Oleh itu, pemilihan ujian statistik perlu dibuat dengan teliti berdasarkan jenis data, taburan, saiz sampel, dan homogeniti varians. Dengan penguasaan konsep ini, penyelidik dapat menghasilkan dapatan kajian yang lebih sahih, relevan, dan bermakna untuk diaplikasikan dalam bidang masing-masing.