Metode Statistik inferensi dibagi dua, yaitu statistik
parametrik dan statistik non parametrik .
Pertanyaan yang pasti muncul kemudian
adalah kapan kiuta menggunakan alat statistik parametrikdan kapan
kita menggunakan alat statistik non parametrik?
Perhatikan type data, distribusi data
dan jumlah data!
1.
Bila type data adalah nominal atau ordinal, distribusi data
tidak normal, jumlah data kecil (N<30), gunakan statistik non
parametrik.
2.
Bila type data adalah interval/rasio, distribusi datanya
normal, jumlah data besar (N>30), gunakan statistik parametrik.
Beberapa jenis statistik non
parametrik antara lain:
1.
Uji satu sampel,
2.
uji dua sampel,
3.
uji sampel berpasangan (Uji Wilcoxon, Uji Sign),
4.
uji lebih dari dua
sampel,
5.
korelasi Data
Nominal,
6.
Korelasi Spearman,
7.
Korelasi Parsial
Kendall
Beberapa jenis statistic
parametric:
1.
Uji t untuk satu sampel,
2.
Uji t untuk dua sampel bebas,
3.
Uji t untuk dua sampel berpasangan
4.
One way Anova
5.
Multivariate Anova
6.
Korelasi Regresi
7.
Chi-Square, dll
STATISTIK PARAMETRIK
Statistik Parametrik, yaitu ilmu statistik yang
mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar
secara normal atau tidak. Dengan kata lain, data yang akan dianalisis
menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada
umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan
dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan
transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa
dikerjakan dengan statistik parametrik.
Contoh
metode statistik parametrik :
a- Uji-z (1 atau 2 sampel)
b- Uji-t (1 atau 2 sampel)
c- Korelasi pearson,
d- Perancangan percobaan (one or
two-way anova parametrik), dll.
Ciri-ciri
statistik parametrik :
- Data dengan skala interval dan rasio
- Data
menyebar/berdistribusi normal
Keunggulan dan
kelemahan statistik parametrik
Keunggulan :
1. Syarat syarat parameter dari suatu
populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat,
pengukuran terhadap data dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan
ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.
Kelemahan :
1. Populasi harus memiliki varian yang
sama.
2. Variabel-variabel yang diteliti
harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi
harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari
efek-efek yang ditimbulkan.
STATISTIK NON-PARAMETRIK
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak
mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain
itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial,
yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.
Contoh
metode statistik non-parametrik :
a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll
Ciri-ciri
statistik non-parametrik :
- Data tidak berdistribusi normal
- Umumnya data berskala nominal dan
ordinal
- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil
Keunggulan dan kelemahan statistik non-parametrik :
Keunggulan dan kelemahan statistik non-parametrik :
Keunggulan :
1. Tidak
membutuhkan asumsi normalitas.
2. Secara umum
metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah
dimengerti jika dibandingkan dengan statistik parametrik karena
ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit
seperti halnya statistik parametrik.
3. Statistik
non-parametrik dapat digantikan data numerik (nominal) dengan jenjang
(ordinal).
4.
Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau
jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan
dalam data kualitatif.
5. Pengujian
hipotesis pada statistik non-parametrik dilakukan secara langsung pada
pengamatan yang nyata.
6. Walaupun pada
statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi
dapat digunakan pada populasi berdistribusi normal.
Kelemahan :
1. Statistik non-parametrik terkadang mengabaikan beberapa informasi
tertentu.
2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak
setajam statistik parametrik.
3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke
populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik
non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya
membandingkan dua kelompok tertentu. (Khairul Amal)
No comments:
Post a Comment