Uji beda grup (uji prasyarat, t test, dan non parametrik yang relevan)

 

Nama               : Atika Nur Fadhilah

Mata Kuliah    : Metodologi Penelitian Kuantitatif

Topik               : Uji beda grup (uji prasyarat, t test, dan non parametrik yang relevan)

Pertemuan 11

Judul Penelitian
The Role of Data Assumptions in Selecting Between Parametric and Nonparametric Tests

Link Here

Tujuan Penelitian
Penelitian ini bertujuan untuk menganalisis peran asumsi data, khususnya normalitas, dalam menentukan penggunaan uji statistik parametrik dan nonparametrik yang tepat. Secara khusus, studi ini membandingkan kekuatan, ukuran efek, dan performa antara uji Independent t-test dengan Mann–Whitney U test, serta Paired t-test dengan Wilcoxon Signed-Rank test menggunakan data berskala Likert yang disimulasikan dalam kondisi distribusi normal dan tidak normal, guna memberikan panduan berbasis bukti bagi peneliti dalam memilih metode uji yang sesuai dengan karakteristik data.

Metode Penelitian
Penelitian ini menggunakan desain kuantitatif komparatif dengan data simulasi 100 responden yang mewakili mahasiswa dalam konteks pendidikan tinggi. Data Likert disimulasikan menggunakan perangkat lunak SPSS dengan dua kondisi distribusi—normal dan tidak normal. Uji normalitas dilakukan menggunakan Shapiro–Wilk test. Selanjutnya, uji Independent dan Paired t-test diterapkan pada data normal, sedangkan uji Mann–Whitney U dan Wilcoxon Signed-Rank digunakan pada data tidak normal. Ukuran efek dihitung menggunakan Cohen’s d dan rank-biserial correlation untuk menilai kekuatan serta stabilitas uji dalam menghadapi pelanggaran asumsi.

 

Hasil Penelitian
Hasil penelitian menunjukkan bahwa pada data berdistribusi normal, uji parametrik seperti Independent t-test menghasilkan ukuran efek lebih besar (d = –3.75) dibandingkan Mann–Whitney U test (r = 0.997). Namun, pada data tidak normal, kedua uji tetap signifikan (p = 0.001) tetapi Mann–Whitney U test menunjukkan kestabilan yang lebih tinggi (r = 0.921). Untuk data berpasangan, Paired t-test (d = –0.217) dan Wilcoxon Signed-Rank test (r = –0.291) menghasilkan hasil yang konsisten, namun uji Wilcoxon lebih robust terhadap pelanggaran normalitas. Dengan demikian, uji nonparametrik direkomendasikan saat asumsi normalitas tidak terpenuhi.

Kelebihan

Kelebihan utama penelitian ini terletak pada pendekatan simulasi yang sistematis untuk membandingkan performa uji parametrik dan nonparametrik di bawah kondisi distribusi yang berbeda. Desain ini memungkinkan analisis terkontrol terhadap pengaruh pelanggaran asumsi normalitas dan memberikan bukti empiris yang dapat dijadikan acuan praktis bagi peneliti sosial dan pendidikan. Selain itu, penggunaan ukuran efek serta uji robustitas meningkatkan kekuatan metodologis penelitian ini dalam menilai keandalan hasil statistik.

Kekurangan

Keterbatasan penelitian ini adalah penggunaan data simulasi Likert berskala kecil (n=100) yang mungkin tidak sepenuhnya mencerminkan variasi dan kompleksitas data nyata di lapangan. Karena data yang digunakan bersifat tiruan, hasilnya memiliki keterbatasan dalam hal generalisasi terhadap populasi sebenarnya. Penelitian lanjutan disarankan menggunakan dataset empiris yang lebih besar dan beragam agar dapat menguji kembali validitas dan robustitas hasil pada kondisi penelitian yang lebih realistis.

Novelty dengan menampilkan penelitian sebelumnya

No	Peneliti & Tahun	Judul / Fokus Penelitian	Hasil atau Temuan Utama
1	Ghasemi & Zahediasl (2012)	Normality Tests for Statistical Analysis: A Guide for Non-Statisticians	Menjelaskan pentingnya uji normalitas (mis. Shapiro–Wilk, Kolmogorov–Smirnov) sebelum menerapkan uji parametrik seperti t-test. Pelanggaran normalitas dapat menimbulkan kesalahan interpretasi hasil.
2	de Winter & Dodou (2010)	Five-point Likert Items: t-test versus Mann–Whitney–Wilcoxon	Melalui simulasi, menunjukkan bahwa uji t-test cukup robust terhadap sedikit penyimpangan dari normalitas pada data Likert 5 poin, tetapi Mann–Whitney lebih aman untuk data yang sangat menyimpang.
3	Kim (2015)	T-test as a Parametric Statistic	Menjelaskan bahwa t-test mengasumsikan data berdistribusi normal dan berskala interval; pelanggaran terhadap asumsi ini dapat menurunkan validitas hasil.
4	Delacre, Lakens & Leys (2017)	Why Psychologists Should by Default Use Welch’s t-test Instead of Student’s t-test	Menyarankan penggunaan Welch’s t-test karena lebih kuat terhadap pelanggaran homogenitas varians, dibandingkan Student’s t-test.
5	Orcan (2020)	Parametric or Nonparametric: Skewness to Test Normality for Mean Comparison	Menunjukkan bahwa ukuran kemiringan (skewness) saja tidak cukup untuk menentukan apakah uji parametrik bisa digunakan; harus ada uji formal normalitas.
6	Şimşek (2023)	The Power and Type I Error of Wilcoxon–Mann–Whitney, Welch’s t, and Student’s t Tests for Likert-type Data	Menemukan bahwa perbedaan daya uji dan tingkat kesalahan tipe I sangat dipengaruhi oleh bentuk distribusi data; uji nonparametrik cenderung lebih stabil pada data Likert.
Novelty Kebaruan penelitian Rachelle P. Tapio (2025) terletak pada pendekatan komparatif terpadu yang secara simultan membandingkan performa uji parametrik (Independent dan Paired t-test) dengan uji nonparametrik (Mann–Whitney U dan Wilcoxon Signed-Rank) menggunakan data simulasi berskala Likert di bawah kondisi distribusi normal dan tidak normal. Berbeda dari penelitian sebelumnya yang hanya meninjau satu jenis uji atau bersifat teoretis, studi ini secara empiris menilai pengaruh pelanggaran asumsi data terhadap hasil uji, ukuran efek, dan robustitas analisis dalam konteks penelitian pendidikan tinggi. Dengan demikian, penelitian ini memberikan kontribusi baru berupa panduan berbasis bukti untuk pemilihan uji statistik yang tepat sesuai karakteristik data, sekaligus memperkuat literasi metodologis peneliti sosial dan pendidikan dalam pengambilan keputusan analitis yang valid dan reliabel.