STATISTIK PARAMETRIK DAN NON PARAMETRIK

DALAM APLIKASI SPSS

Disusun oleh:
Haqim Hasan Albana
(1111014000029)

FAKULTAS ILMU TARBIYAH DAN KEGURUAN
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
CIPUTAT, 21 MEI 2014
PERBEDAAN STATISTIK PARAMETRIK DAN STATISTIK
NONPARAMETRIK

Perbedaan Statistik Parametrik dan Statistik Non-Parametrik
Saat kita hendak melakukan suatu riset, seringkali kita dihadapkan pada pilihan metode.
Metode statistik apakah yang cocok digunakan dalam riset kita tersebut. Dalam mempelajari
statistik, biasanya kita langsung dihadapkan pada metode statistik parametrik, padahal tidak
semua data cocok diolah dengan statistik parametrik. Walaupun perkembangan statistik
parameter sudah sedemikian canggih namun statistik parametrik memiliki beberapa kekurangan,
misalnya pada masalah-masalah sosial yang memiliki skala nominal dan rasio, statistik
parametrik tidak mampu mengukur dengan baik. Kalaupun bisa, hal tersebut merupakan upaya
yang berlebihan (excessively method). Maka Statistik parametrik digunakan jika kita telah
mengetahui model matematis dari distribusi populasi suatu data yang akan dianalisis. Jika kita
tidak mengetahui suatu model distribusi populasi dari suatu data dan jumlah data relatif kecil
atau asumsi kenormalan tidak selalu dapat dijamin penuh,maka kita harus menggunakan statistik
non parametrik (statistik bebas distribusi).

Berikut ini adalah ringkasan yang memuat perbedaan antara Statistik Parametrik dan Statistik
Non Parametrik. Dengan memahami perbedaan antara keduanya, diharapkan kita bisa
menemukan metode statistik yang tepat dalam mengolah data riset yang tepat.

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 adalah test yang modelnya tidak menetapkan syarat-syaratnya
yang mengenai parameter-parameter populasi yang merupakan induk sampel penelitiannya.
Oleh karena itu observasi-observasi independent dan variabel yang diteliti pada dasarnya
memiliki kontinuitas. Uji metode non parametrik atau bebas sebaran adalah prosedur pengujian
hipotesa yang tidak mengasumsikan pengetahuan apapun mengenai sebaran populasi yang
mendasarinya kecuali selama itu kontinu.
Pendeknya: Statistik Non-Parametrik adalah 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 (selengkapnya dapat dilihat disini) :
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)
Dalam implementasi, penggunaan prosedur yang tepat merupakam tujuan dari peneliti. Beberapa
parameter yang dapat digunakan sebagai dasar dalam penggunaan statistik non parametrik
adalah:
1. Hipotesa yang diuji tidak melibatkan parameter populasi.
2. Skala yang digunakan lebih lemah dari skala prosedur parametrik.
3. Asumsi-asumsi parametrik tidak terpenuhi.
LANGKAH MENENTUKAN STATISTIK YANG AKAN DIGUNAKAN DALAM RISET
1. Apakah jenis skala pengukuran data Anda, nominal, ordinal, interval atau rasio?
2. Apakah data yang Anda miliki berjumlah besar?
3. Apakah data Anda memiliki distribusi tertentu?
4.
APLIKASI STATISTIK NON PARAMETRIK MENGGUNAKAN SPSS
Uji non-parametrik dilakukan bila persyaratan untuk metode parametrik tidak terpenuhi, yaitu
bila sampel tidak berasal dari populasi yang berdistribusi normal, jumlah sampel terlalu sedikit
(misal hanya 5 atau 6) dan jenis datanya kategorik (nominal atau ordinal).
Keuntungan penggunaan non-parametrik adalah bisa digunakan diberbagai bentuk distribusi
data & jenis data (bahkan nominal & ordinal) sehingga penggunaannya lebih luas, cenderung
lebih sederhana, dan mudah dimengerti.
Kekurangannya adalah tidak adanya sistematika yang jelas dan hasilnya bisa meragukan
karena kesederhanaan metodenya.
Seperti halnya uji parametrik, uji non-parametrik juga bisa dilakukan di berbagai situasi, yaitu :
1. Uji Data 2 sampel
a. Dua Sampel berhubungan
Uji Bertanda Peringkat Wilcoxon
Uji ini digunakan untuk kasus dua populasi berpasangan. Pengukuran berat badan
setelah diet tidak saling bebas dengan berat badan sebelum diet.
Data :
Before 60 65 67 75 74 80 89 74 68 70
After 59 60 68 76 68 72 86 70 70 65

Data dimasukkan ke dalam spss dengan 2 kolom (sebelum dan sesudah)
Prosedur SPSS : Klik Analyze > Nonparametric Tests > 2 related samples pada Data View.
Lalu klik 2 variable yang ingin dimasukkan >
Pada test type kita pilih wilcoxon
Selanjutnya klik OK.
H
0
: M
1
=M
2
(berat badan sebelum dan sesudah diet tidak berbeda)
H
1
: M
1
M
2
(berat badan sebelum dan sesudah diet berbeda)
Penjelasan Output :
Nilai asymp sig (2 tailed) menunjukkan p-value. Karena p-value yang diperoleh
sebesar 0.046< =5%, maka tolak H
0
yang berarti bahwa berat badan sebelum dan sesudah diet
berbeda pada taraf nyata 5%.
b. Dua Sampel Tidak Berhubungan
Uji Mann-Whitney
Uji ini digunakan untuk dua populasi yang saling bebas satu sama lain.
Data :
Sales Kelompok
20 tanpa training
23 tanpa training
25 tanpa training
14 tanpa training
16 tanpa training
24 tanpa training
10 tanpa training
23 tanpa training
17 tanpa training
29 tanpa training
20 tanpa training
16 tanpa training
22 tanpa training
18 tanpa training
30 Training
32 Training
35 Training
25 Training
27 Training
21 Training
36 Training
24 Training
29 Training

Masukkan data ke dalam spss dengan mengubah tanpa training =1 dan training=2. Setelah itu,
Prosedur SPSS : Klik Analyze > Nonparametric Tests > 2 independent samples pada Data
View.
Lalu klik 2 variable yang ingin dimasukkan. Masukkan variable sales ke Test Variable
List dan kelompok sebagai Grouping variable. Pada test type kita pilih Mann-Whi

Lalu klik Define Groups dan tampil kotak di bawah in
Karena ada 2 group (training dan tanpa training). Selanjutnya klik OK.

H
0
: Kedua populasi identik ( Data penjualan kedua kelompok salesman tidak berbeda)
H
1
: Kedua populasi tidak identik ( Data penjualan kedua kelompok salesman berbeda)
Penjelasan Output :
Nilai asymp sig (2 tailed) menunjukkan p-value. Karena p-value yang diperoleh
sebesar 0.000< =5%, maka tolak H
0
yang berarti bahwa data penjualan kedua kelompok
salesman berbeda pada taraf nyata 5%.