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%.