Statistik Parametrik (skripsi dan tesis)

Pengujian data melalui statistik parametrik disyarati dengan adanya sejumlah anggapan-anggapan yang kuat yang mendasari penggunaanya. Manakala anggapan-anggapan itu terpenuhi, pengujian-pengujian parametrik inilah yang paling besar kemungkinannya untuk menolak H0 ketika H0 salah. Artinya, kalau data penelitian dianalisis secara tepat dengan pengujian parametrik, pengujian tersebut akan lebih kuat dari pengujian mana pun dalam hal penolakan terhadap H0 jika H0 salah. Oleh karenanya dalam penggunaan pengujian statistik parametrik perlu dipenuhi beberapa unsur-unsur dari model pengujian dengan statistik parametrik, diantaranya :

  • Objek pengamatan harus saling independen. Artinya pemilihan sembarang kasus dari populasi untuk dimasukan dalam sampel tidak boleh menimbulkan bias pada kemungkinan-kemungkinan bahwa kasus yang lain akan termasuk juga dalam sampel tersebut dan juga skor yang diberikan pada suatu kasus tidak boleh mempengaruhi skor yang diberikan kepada kasus lainnya.
  • Objek pengamatan harus ditarik dari populasi yang berdistribusi normal.
  • Populasi-populasi di mana objek pengamatan ditarik harus memiliki varians yang sama.
  • Variabel-variabel yang terlibat harus setidaknya dalam skala interval, sehingga memungkinkan digunakannya penanganan secara ilmu hitung terhadap skor-skornya (menambah, membagi, menemukan rata-rata, dst)
  • Rata-rata populasi normal dan bervarians sama itu harus juga merupakan kombinasi linier dari efek-efek yang ditimbulkan. Artinya, efek-efek itu harus bersifat penjumlahan. (khusus dalam analisis varians atau uji F)

Kalau kita cukup mempunyai alasan untuk percaya bahwa persyaratan tersebut terpenuhi oleh data yang sedang dianalisis, tentu kita akan memilih suatu tes statistik parametrik, untuk menganalisis data. Pemilihan ini adalah paling baik, sebab tes parametrik akan merupakan tes paling kuat untuk menolak H0 manakala H0 memang harus ditolak.

Contoh penggunaan statistik parametrik seperti pada uji t dan F, yang aplikasinya banyak diterapkan semisal pada analisi regresi, path analisis, rancangan percobaan, analisis faktor (CFA), struktural equation modeling (SEM), dll.