Adakalanya kita tidak ingin menguji hipotesis dengan
alat uji hipotesis statistik nonparametrik dengan berbagai pertimbangan, baik
dari segi biaya, waktu maupun dasar teori.
Misalnya kita ingin melakukan uji
statistik parametrik Pearson Korelasi Product Moment, Partial Correlation,
Multiple Correlation, Partial Regresion dan Multiple Regression, padahal data yang
kita miliki adalah hasil pengukuran dengan skala ordinal, sedangkan persyaratan
penggunaan statistik parametrik adalah selain data harus berbentuk interval
atau ratio, data harus memiliki distribusi normal. Jika kita tidak ingin
melakukan uji normalitas karena data yang kita miliki adalah data ordinal, hal
itu bisa saja kita lakukan dengan cara menaikkan data dari pengukuran skala
ordinal menjadi data dalam skala interval dengan metode Suksesive Interval.
Menuruti Al-Rasyid, menaikkan data dari skala ordinal menjadi skala interval dinamakan transformasi data. Transformasi data itu dilakukan diantaranya adalah dengan menggunakan Metode Suksesive Interval (MSI).
Tujuan dari dilakukannya
transformasi data adalah untuk menaikkan data dari skala pengukuran ordinal
menjadi skala dengan pengukuran interval yang lazim digunakan bagi kepentingan
analisis statistik parametrik.
Transformasi data ordinal menjadi interval itu,
selain merupakan suatu kelaziman, juga untuk mengubah data agar memiliki
sebaran normal. Artinya, setelah dilakukan transformasi data dari ordinal
menjadi interval, penggunaan model dalam suatu penelitian tidak perlu melakukan
uji normalitas. Karena salah satu syarat penggunaan statistik parametrik,
selain data harus memiliki skala interval (dan ratio), data juga harus memiliki
distribusi (sebaran) normal. Dengan dilakukannya transformasi data, diharapkan
data ordinal sudah menjadi data interval dan memiliki sebaran normal yang
langsung bisa dilakukan analisis dengan statistik parametrik. Berbeda dengan
ststistik nonparametrik, ia hanya digunakan untuk mengukur distribusi. (Ronald
E. Walpole)
Tidak ada komentar:
Posting Komentar