Page 158 - FullBook Pengantar Riset Keperawatan

144 Pengantar Riset Keperawatan

Hal penting yang perlu diingat dalam statistik inferensial adalah
mengidentifikasi jenis statistik yang akan digunakan antara statistik Parametrik
atau Non-Parametrik.
Semua analisis inferensial dalam kelompok statistik parametrik memiliki
beberapa asumsi atau syarat umum sebagai berikut:
1. Data berskala ukur interval atau rasio pada seluruh variabel yang
akan dianalisis.
2. Seluruh variabel memiliki data yang berdistribusi normal.
3. Ukuran sampel besar (> 30).

Ketika satu saja asumsi statistik parametrik tidak terpenuhi maka dapat
menggunakan alternatif analisis statistik non-parametrik (tanda panah [↑] pada
tabel 11.5). Asumsi yang tertera di atas akan bertambah pada analisis
multivariat seperti multikolinearitas, autokorelasi, dan heteroskedastisitas.

11.3.1 Analisis Korelasi

Analisis korelasi dilakukan ketika peneliti memiliki pertanyaan penelitian yang
membutuhkan pembuktian asosiasi atau hubungan, namun tidak sampai pada
analisis kausal (hubungan sebab-akibat) atau pengaruh. Ketika peneliti ingin
melanjutkan analisis korelasi menjadi analisis pengaruh maka dapat
menggunakan analisis regresi sebagai analisis lanjut dari korelasi. Regresi juga
dapat digunakan pada analisis korelasi multivariat.
Pada kerangka konsep kedua analisis ini sangat jelas ditunjukkan pada tanda
panah yang menghubungkan kedua variabel yang akan dianalisis. Pada
korelasi akan tampak tanda panah bolak-balik, sedangkan pada analisis
pengaruh tanda panah akan menuju ke satu arah, yaitu dari variabel bebas
(independen) ke variabel terikat (dependen).
Uji Pearson’s merupakan uji statistik yang paling banyak digunakan untuk
analisis korelasi statistik parametrik. Sebagai alternatifnya yaitu Spearman’s
rho dan Kendall’s tau (ordinal) atau Koefisien Phi dan Cramer’s V (nominal).
Perbedaan antara kedua analisis non-parametrik tersebut yaitu jenis kelompok
data. Spearman’s rho digunakan pada kelompok data dependen (berpasangan),
sedangkan Kendall’s tau pada kelompok data independen (tidak berpasangan).