PERBEDAAN STATISTIK PARAMETRIK DAN STATISTIK

NONPARAMETRIK
April 20, 2013

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?

Setidaknya dengan menjawab tiga pertanyaan diatas anda sudah mampu menentukan
jenis statistik apa yang akan Anda gunakan.
Semoga Bermanfaat!
STATISTIK PARAMETRIK VS STATISTIK NONPARAMETRIK
Posted on January 17, 2014 by Andi HM

Seringkali pada saat melakukan riset, kita dihadapkan pada metode

statistik apa yang cocok untuk penelitian tersebut. Dari jenis data maupun jumlah sampel yang
digunakan dalam penelitian dikenal ada motde statistik yang biasa digunakan yaitu statistik
parametrik dan nonparametrik.
Untuk data-data yang bersifat kuantitatif dan mengunakan hipotesis yang mengasumsikan bahwa
distribusi populasi bersifat normal, maka digunakan statistik parametrik dan sebaliknya. Namun
untuk lebih jelasanya, 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 statistik yang mengunakan data interval atau selang dan rasio
berdasarkan fakta yang bersifat pasti dan berdasarkan sampel. Data diambil dengan memberi
peluang yang sama atau independen, serta tidak bias.

Data Parametrik juga dicirikan oleh suatu populasi yang berdisribusi normal dan mempuyai
varians yang sama.

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.

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 statistik yang tidak memerlukan pembuatan asumsi tentang
bentuk distribusi atau bebas distribusi, sehingga tidak memerlukan asumsi terhadapa populasi
yang akan diuji.

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.
Dalam implementasi, penggunaan prosedur yang tepat merupakan 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 nominal, ordinal, interval atau rasio?
2. Apakah data berjumlah besar?
3. Apakah data memiliki distribusi tertentu?
Setidaknya dengan menjawab tiga pertanyaan diatas anda sudah mampu menentukan jenis statistik apa yang
akan anda gunakan.
Demikian, semoga bermanfaat