Uji Parametik (Yang Terabaikan)

Uji parametrik merupakan uji penting dalam statistik, namun sering terabaikan. Uji parametrik menentukan alat statistik yang relevan dan membantu dalam pemilahan data. Secara umum uji ini meliputi outlier dan normalitas. Lebih spesifik hasilnya adalah kita dapat merasakan data. Rasa data berkaitan dengan mean (rata-rata), standar deviasi, skewness (kemenjuluran), kurtosis (keruncingan) serta diagram pencar untuk outlier serta pola sebaran data.

SPSS membantu secara luas untuk pengujian parametrik. Istilah yang digunakan adalah Exploratory Data Analysis. Prosedurnya adalah sebagai berikut:

Analyze > Descriptive Statistics > Explore.....

Menu explore muncul.

Masukkan variabel Y pada variabel dependen. Variabel X pada factor list.  

Pada menu ini lanjutkan dengan klik statistics... 
Lalu, conteng M-estimators and Outliers, continue

Kembali ke menu explore klik plot...
contenglah Steam Leaf Plots, Normality plots with tests, continue
Lalu Ok.

Hasilnya adalah:

Tabel Deskriptif: tabel ini berisi mean dan standar deviasi, skewness, kurtosis dll
Tabel M-Estimators: menunjukkan M-estimators dan  Huber's, Turkey's, Hampel's, Andrew's. interpreatasinya adalah jika nilai jauh dari nilai rata-rata maka cenderung data tidak normal.
Tabel Extreme Values: Biasanya menggambarkan lima nilai standar deviasi dibawah dan diatas nilai rata-rata.
Tabel kolmogorov-Smirnov dan Shapiro-Wilk: Berisi hasil uji normalitas data. kriteria silahkan cek uji normalitas di dalam web ini.
Steam Leaf Plots: menunjukkan secara visual bentuk distribusi. visualisasi skewness (kemenjuluran data) serta arah penyebaran data.
Q-Q Plot: Menggambarkan penyimpangan atau bentuk data ketika dikaitkan dengan garis lurus Q-Q Plot. Bila mengikuti garis lurus maka normal dan tidak ada penyimpangan. (ini bergun untuk pemilahan data) 
Box Plot: Grafik ini menggambarkan lima angka tersebut adalah median, percentil (25 dan 75) serta nilai maksimum dan minimum yang bukan merupakan outlier. Outleier juga digambarkan dalam bentuk bulatan kecil. Nilai ekstrem juga diungkap yaitu berupa tanda bintang. 

Outcome dari itu semua adalah kita dapat menentukan statistik apa yang relevan. selain itu sejauh mana data relevan dalam analisa. Data mana yang harus dipilah untuk analisa juga dapat diketahui.