Parametrik dan Non-Parametrik dalam Statistik Inferensi

Statistik inferensi membantu penyelidik membuat kesimpulan mengenai populasi berdasarkan data sampel. Dalam bidang 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 (Field, 2018).

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

---

1. Perhubungan antara Variabel-variabel

Dalam penyelidikan, hubungan antara variabel menentukan jenis analisis yang akan digunakan. Variabel boleh berbentuk:

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

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

• Variabel moderator/mediator – variabel yang mempengaruhi kekuatan atau arah hubungan.

Contohnya, seorang guru ingin mengkaji hubungan gaya pembelajaran (variabel bebas) dengan pencapaian pelajar (variabel bersandar). Hubungan ini boleh diuji menggunakan ujian parametrik seperti Pearson correlation jika data berbentuk interval/rasio dan berdistribusi normal. Jika data ordinal atau tidak normal, maka ujian non-parametrik seperti Spearman correlation lebih sesuai (Gravetter & Wallnau, 2017).

---

2. Menyatakan Hipotesis Penyelidikan dan Hipotesis Nol dalam Statistik Inferensi

Dalam statistik inferensi, hipotesis memainkan peranan penting (Creswell & Creswell, 2018):

1. Hipotesis Penyelidikan (H₁ / Hipotesis Alternatif)

   • Menyatakan jangkaan penyelidik tentang hubungan atau perbezaan antara variabel.

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

2. Hipotesis Nol (H₀)

   • Menyatakan tiada hubungan atau perbezaan.

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

Pengujian statistik dilakukan untuk menentukan sama ada H₀ diterima atau ditolak berdasarkan data kajian.

---

3. Ujian Signifikan

a) Pengujian Hipotesis Nol

Ujian signifikan melibatkan pengiraan statistik ujian (seperti nilai-t, nilai-khi kuasa dua, atau nilai-z) dan dibandingkan dengan nilai kritikal atau p-value untuk membuat keputusan (Howell, 2013).

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 tidak semestinya bermaksud hasil kajian adalah “penting” secara praktikal, sebaliknya ia hanya menunjukkan bahawa hubungan atau perbezaan yang wujud tidak berlaku secara kebetulan (Pallant, 2020).

---

4. Syarat Asas Pemilihan Ujian Statistik

Pemilihan ujian parametrik atau non-parametrik bergantung pada beberapa syarat asas (Field, 2018; Gravetter & Wallnau, 2017):

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 sampel besar.

   • Non-parametrik sesuai untuk sampel kecil.

4. Homogeniti varians

   • Parametrik memerlukan varians data homogen.

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

Contoh:
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 amat penting kerana ia mempengaruhi ketepatan dapatan kajian. Ujian parametrik memberikan kuasa statistik lebih tinggi apabila syarat dipenuhi, manakala ujian non-parametrik menjadi pilihan yang lebih sesuai apabila syarat tersebut tidak dipenuhi.

Oleh itu, penyelidik perlu menilai jenis data, taburan, saiz sampel, dan homogeniti varians sebelum memilih ujian statistik. Dengan pemilihan yang tepat, hasil kajian akan lebih sahih, bermakna, dan boleh diaplikasikan secara praktikal.

---

Rujukan

• Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). Sage.

• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). Sage.

• Gravetter, F. J., & Wallnau, L. B. (2017). Statistics for the behavioral sciences (10th ed.). Cengage Learning.

• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Cengage Learning.

• Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM SPSS (7th ed.). Routledge.