STATISTIK PARAMETRIK dan NON PARAMETRIK

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 :

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)