Statistik Parametrik vs Statistik Non-Parametrik

9:06 PM (Posted by Tommy Jomecho)

Berdasarkan jenisnya, secara umum statistik dibagi menjadi statistik parametrik dan statistik
non-parametrik.

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)
STATISTIK NON PARAMETRIK

Back ground

Dalam penelitian di bidang ilmu sosial kerapkali dijumpai kesulitan untuk memperoleh data
kontinyu yang menyebar mengikuti distribusi normal. Data yang diperoleh seringkali berupa data
kategori atau klasifikasi yang hanya dapat dihitung frekuensinya dan data yang dapat dibedakan
menurut tingkatan atau rankingnya. Dalam menghadapi kasus data kategorikal (data nominal)
dan data ordinal tersebut jelas analisis tidak mungkin dilakukan dengan menggunakan metode tes
statistik parametric. Sebagai alternatif tes lain yang dapat diaplikasikan dan telah diciptakan/
dikembangkan oleh para ahli statistik adalah metode statistik non paramatrik.

Metode tes statistik non parametrik sering juga disebut metode bebas sebaran (free distribution).
Penyebutan ini didasarkan pada kenyataan bahwa tes ini metode uji tes statistiknya tidak
menetapkan syarat-syarat tertentu tentang bentuk distribusi parameter populasinya. Artinya
metode statistik non parametrik tidak menetapkan syarat bahwa observasi-observasinya harus
ditarik dari populasi yang berdistribusi normal.

Banyak diantara sejumlah tes statistik non parametrik yang disebut sebagai tes “ uji ranking”,
sebab tes statistik yang digunakan bukan untuk skor eksak dalam pengertian keangkaan
melainkan skor yang berupa jenjang atau tingkatan. Selanjutnya hasil pemikiran para pakar
statistik menciptakan berbagai jenis tes statistik non parametrik ternyata menunjukkan hasil yang
cukup baik tidak jauh berbeda dari jenis tes statistik parametrik. Meski demikian tes statistik
dalam banyak hal juga memiliki kelemahan selain kelebihan.

Kelebihan Tes Statistik Non Parametrik

1. Tes ini dapat dimanfaatkan ketika sampel yang diambil dalam penelitian kecil atau
terpaksa kecil karena sifat hakekat dari sampel itu sendiri (misalnya n = 6).
2. Uji statistik non parametrik dapat digunakan untuk menganalisis data dalam bentuk
jenjang atau ranking dan data yang skor keangkaannya secara sepintas kelihatan memiliki
ranking. Bahkan dalam beberapa tes hanya dengan data dalam bentuk tanda plus atau
minus maka analisis dengan tes non parametrik dapat dilakukan.
3. Uji tes statistik non parametrik dapat digunakan untuk data dalam bentuk klasifikasi atau
kategorikal. Dalam hal ini data dimaksud adalah data nomnal.
4. Tersedia tes statistik non parametrik untuk menganalisis sampel yang terdiri dari
observasi dari beberapa populasi yang berlainan.
 5. Tes statistik non parametrik dalam kenyataan sederhana perhitungan atau analisisnya
sehingga mudah untuk dipelajari dan dipraktekkan.

Kelemahan Tes Statistik Non Parametrik

1. Apabila persyaratan bagi model tes statistik parametrik (terutama asumsi distribusi
normal) dapat dipenuhi dan jika pengukuran data memiliki kekuatan seperti
dipersyaratkan pemakaian uji tes statistik non parametrik maka kekuatan efisiensinya
menjadi lebih rendah.
2. Uji statistik non parametrik tidak dapat digunakan untuk menguji interaksi seperti dalam
model analisis variance.
3. Metode statistik non parametrik tidak dapat digunakan untuk membuat prediksi (ramalan)
seperti dalam model analisis regresi, karena asumsi distribusi normal tidak dapat
dipenuhi.
4. Selama ini dikenal banyak jenis tes statistik non parametrik (sedikitnya 37 jenis) dalam
berbagai kasus. Kondisi ini kadang menyulitkan peneliti atau analis data untuk memilih
tes yang tepat atau sesuai dengan kasus yang dihadapi.

Penggunaan dan Jenis Tes Statistik Non Parametrik

Tes statistik non parametrik digunakan dalam kondisi sebagai berikut:

1. Bentuk distribusi populasi yang menjadi asal sampel diambil tidak diketahui distribusi
penyebarannya secara normal.
2. Variabel penelitian hanya dapat diukur dalam skala nominal (hanya diklasifikasikan dan
dihitung frekuensinya).
3. Variabel penelitian yang diukur menghasilkan dapat berskala ordinal atau hanya dapat
disusun berdasarkan ranking atau tingkatan/jenjang.
4. Ukuran sampelnya kecil dan sifat distribusi populasinya tidak diketahui secara pasti.
Sejauh ini telah banyak tes statistik non parametrik yang dikembangkan.Siegel dan Castellan
dalam bukunya “ Non Parametric Statistic for The Behavioral Sciences” tahun (1988)
membahas sebanyak kurang lebih 37 jenis tes statistik. Uji statistik dimaksud antara lain; Uji Chi
Square, uji median, uji tanda (sign test), uji Wilcoxon; uji U Mann Whitney; Tes Kolmogorov
Smirnov; Uji Kruskall Wallis; Uji Friedman; Tes Mc Nemar, dan sebagainya. Untuk uji asosiasi
tes non parametrik yang digunakan adalah tes koefisien korelasi Rank Kendall, Rho Spearman;
koefisien kontigensi C, Koefisien phi dan sebagainya.

STATISTIK NON PARAMETRIK

Back ground

Dalam penelitian di bidang ilmu sosial kerapkali dijumpai kesulitan untuk memperoleh data
kontinyu yang menyebar mengikuti distribusi normal. Data yang diperoleh seringkali berupa data
kategori atau klasifikasi yang hanya dapat dihitung frekuensinya dan data yang dapat dibedakan
menurut tingkatan atau rankingnya. Dalam menghadapi kasus data kategorikal (data nominal)
dan data ordinal tersebut jelas analisis tidak mungkin dilakukan dengan menggunakan metode tes
statistik parametric. Sebagai alternatif tes lain yang dapat diaplikasikan dan telah diciptakan/
dikembangkan oleh para ahli statistik adalah metode statistik non paramatrik.

Metode tes statistik non parametrik sering juga disebut metode bebas sebaran (free distribution).
Penyebutan ini didasarkan pada kenyataan bahwa tes ini metode uji tes statistiknya tidak
menetapkan syarat-syarat tertentu tentang bentuk distribusi parameter populasinya. Artinya
metode statistik non parametrik tidak menetapkan syarat bahwa observasi-observasinya harus
ditarik dari populasi yang berdistribusi normal.

Banyak diantara sejumlah tes statistik non parametrik yang disebut sebagai tes “ uji ranking”,
sebab tes statistik yang digunakan bukan untuk skor eksak dalam pengertian keangkaan
melainkan skor yang berupa jenjang atau tingkatan. Selanjutnya hasil pemikiran para pakar
statistik menciptakan berbagai jenis tes statistik non parametrik ternyata menunjukkan hasil yang
cukup baik tidak jauh berbeda dari jenis tes statistik parametrik. Meski demikian tes statistik
dalam banyak hal juga memiliki kelemahan selain kelebihan.

Kelebihan Tes Statistik Non Parametrik

1. Tes ini dapat dimanfaatkan ketika sampel yang diambil dalam penelitian kecil atau
terpaksa kecil karena sifat hakekat dari sampel itu sendiri (misalnya n = 6).
2. Uji statistik non parametrik dapat digunakan untuk menganalisis data dalam bentuk
jenjang atau ranking dan data yang skor keangkaannya secara sepintas kelihatan memiliki
ranking. Bahkan dalam beberapa tes hanya dengan data dalam bentuk tanda plus atau
minus maka analisis dengan tes non parametrik dapat dilakukan.
3. Uji tes statistik non parametrik dapat digunakan untuk data dalam bentuk klasifikasi atau
kategorikal. Dalam hal ini data dimaksud adalah data nomnal.
4. Tersedia tes statistik non parametrik untuk menganalisis sampel yang terdiri dari
observasi dari beberapa populasi yang berlainan.
5. Tes statistik non parametrik dalam kenyataan sederhana perhitungan atau analisisnya
sehingga mudah untuk dipelajari dan dipraktekkan.

Kelemahan Tes Statistik Non Parametrik

1. Apabila persyaratan bagi model tes statistik parametrik (terutama asumsi distribusi
normal) dapat dipenuhi dan jika pengukuran data memiliki kekuatan seperti
dipersyaratkan pemakaian uji tes statistik non parametrik maka kekuatan efisiensinya
menjadi lebih rendah.
2. Uji statistik non parametrik tidak dapat digunakan untuk menguji interaksi seperti dalam
model analisis variance.
3. Metode statistik non parametrik tidak dapat digunakan untuk membuat prediksi (ramalan)
seperti dalam model analisis regresi, karena asumsi distribusi normal tidak dapat
dipenuhi.
 4. Selama ini dikenal banyak jenis tes statistik non parametrik (sedikitnya 37 jenis) dalam
berbagai kasus. Kondisi ini kadang menyulitkan peneliti atau analis data untuk memilih
tes yang tepat atau sesuai dengan kasus yang dihadapi.

Penggunaan dan Jenis Tes Statistik Non Parametrik

Tes statistik non parametrik digunakan dalam kondisi sebagai berikut:

1. Bentuk distribusi populasi yang menjadi asal sampel diambil tidak diketahui distribusi
penyebarannya secara normal.
2. Variabel penelitian hanya dapat diukur dalam skala nominal (hanya diklasifikasikan dan
dihitung frekuensinya).
3. Variabel penelitian yang diukur menghasilkan dapat berskala ordinal atau hanya dapat
disusun berdasarkan ranking atau tingkatan/jenjang.
4. Ukuran sampelnya kecil dan sifat distribusi populasinya tidak diketahui secara pasti.

Sejauh ini telah banyak tes statistik non parametrik yang dikembangkan.Siegel dan Castellan
dalam bukunya “ Non Parametric Statistic for The Behavioral Sciences” tahun (1988)
membahas sebanyak kurang lebih 37 jenis tes statistik. Uji statistik dimaksud antara lain; Uji Chi
Square, uji median, uji tanda (sign test), uji Wilcoxon; uji U Mann Whitney; Tes Kolmogorov
Smirnov; Uji Kruskall Wallis; Uji Friedman; Tes Mc Nemar, dan sebagainya. Untuk uji asosiasi
tes non parametrik yang digunakan adalah tes koefisien korelasi Rank Kendall, Rho Spearman;
koefisien kontigensi C, Koefisien phi dan sebagainya.