Nama : Prisca Maria Wunghe M

NIM : 2015.C.07a.0717
Tingkat : III B S1 Keperawatan

STATISTIK PARAMETRIK DAN NONPARAMETRIK

1. Statistik Parametrik
Parametrik adalah ujian statistik yang melibatkan data normal, sebagaimana data dalam
populasi untuk menganggar parameter. Oleh itu, operasi yang melibatkan data normal
dinamakan statistik parametrik.Sebaliknya jika data tidak normal, dinamakan bukan parametrik
(nonparametric). Sebab itu ujian parametrik perlukan beberapa andaian (assumption) dipenuni
supaya dapat menjadi penganggar kepada parameter / populasi, khususnya syarat kernormalan.
Contoh kaedah statistik parametrik diantaranya adalah uji-z (1atau 2 sampel ), uji-t (1 atau 2
sampel), korelasi pearson,perancang percubaan (2-way ANOVA), dan lain-lain.
2. Statistik Non Parametrik
Statistik non parametrik disebut juga statistic bebas sebaran.Statistik non parametrik tidak
mensyaratkan bentuk sebaran parameter populasi. Statistik nonparametrik boleh digunakan pada
data yang mempunyai sebaran normal atau tidak. Statistik nonparametrik biasanya digunakan
untuk melakukan analisis pada data muka atau ordinal. Contoh kaedah statistik nonparametrik
diantaranya adalah Chi-square test, Median test, Friedman test, dan lain-lain
3. Langkah-Langkah PemilihanKaedah Statistik
Bilakah kaedah statistik nonparametrik digunakan? Kaedahujian ini digunakan apabila
salah satu syarat dalam statistik parametrik tidak dipenuhi. Syarat-syarat yang perlu
diperhatikanuntuk menentukan statistik apa yang akan digunakan dalam analisis, iaitu:
Apakah pengedaran data diketahui?Jika pengedaran data tidak diketahui maka statistik yang
sesuaiadalah statistik nonparametrik. Jika pengedaran data diketahui,maka kita harus melihat
jenis pengedaran datatersebut.
1. Apakah data berdistribusi normal?Jika data tidak berdistribusi normal, maka statistik
yang sesuaiadalah statistik nonparametrik. Jika data berdistribusi normal,maka statistik
yang sesuai adalah statistik parametric
2. Apakah sampel ditarik secara random?Jika sampel tidak ditarik secara random, maka
statistik yangsesuai adalah statistik nonparametrik. Jika sampel ditarik secararandom,
maka statistik yang sesuai adalah statistik parametrik.
3. Apakah varians kumpulan sama?Jika varians kumpulan tidak sama, maka statistik yang
sesuaiadalah statistik nonparametrik. Jika varians kumpulan sama,maka statistik yang
sesuai adalah statistik parametric
4. Bagaimana jenis skala pengukuran data? Jika skala pengukuran data nominal dan ordinal,
maka statistik yang sesuai adalah statistik nonparametrik. Jika skala pengukuran data
selang dan nisbah, maka statistik yang sesuai adalah statistik parametrik. Langkah-
langkah pemilihan kaedah statistik dapat dilihat pada Gambar 1.
 Distribusi Tidak
Data populasi
diketahui?
?

Ya

Distribusi Tidak
populasi
normal??

Ya

Sampel STATISTIK
ditarik Tidak
secara BUKAN
random??? PARAMETRIK

Ya

Varians Tidak
kelompok
sama??

Ya

STATISTIK
Rajah Selang dan pemilihan kaedah
1: Carta alir langkah-langkah Skala
statistic Muka dan
Nisbah Ordinal
Parametrik pengukuran??
Selain sebaran, salah satu penunjuk penggunaan kaedahstatistik parametrik atau nonparametrik
adalah jenis data. Pengedarannormal merupakan sebahagian daripada pengedaran kebarangkalian
yangberterusan (continuous probability distribution).Oleh itu skalapengukurannya pun haruslah
berterusan. Jenis data yang mempunyaiskala ukuran yang berterusan adalah data nisbahdan
selang.Kerana dalam pemilihan kaedah statistik jenis datamerupakan salah satu penunjuk, maka
perlu dijelaskan kembalipengertian dan jenis-jenis data.
JENIS JENIS DATA:
JENIS JENIS DATA Umumnya data dibahagikan kepada 2 jenis iaitu Data Kuantitatif dan Data
Kualitatif Data Kuantitatif - data yang diukur dengan nilai numerik seperti tinggi, berat, halaju,
pendapatan dll Data ini dapat dipecahkan kepada dua- data diskrit dan data selenjar. Data diskrit
hanya mengambil nilai tertentu berbentuk angka bulat seperti bilangan anak, kereta dll Bil.anak
= 3 orang Pelajar = 56 orang

Data selenjar boleh mengambil apa-apa nilai di dalam sesuatu selang (perpuluhan atau
pecahan) seperti jumlah pendapatan, tinggi, berat dll. Tinggi = 1.67 m Pendapatan = RM 1575.35
CGPA = 3.75 Data Kualitatif – data yang merujuk kepada jenis, sifat atau pangkat sesuatu
perkara seperti jantina, bangsa, jenama pakaian dan sebagainya. Data ini tidak diukur atau
dinyatakan di dalam bentuk angka/nombor Bangsa = Melayu Jantina = lelaki

JENIS SKALA UKURAN DATA:

Data dikumpul atau dicerap di dalam pelbagai skala ukuran.Teknik menganalisis dan
memaparkan sesuatu data bergantung kepada skala ukuran data tersebut. Kesilapan memilih
teknik analisis dan memaparkan data terhadap jenis data yang tidak sesuai akan membawa
kepada ralat yang tidak disedari. Skala ukuran data boleh dibahagikan kepada 4 jenis ukuran
iaitu Skala Norminal , Skala Ordinal , Skala Intervel (Selang) dan Skala Ratio (Nisbah)
Skala Norminal:
Data norminal ialah data yang dikelaskan kepada kumpulan tertentu atau kategori
nilai.Contohnya jantina responden dikelaskan kepada 2 kategori iaitu lelaki dan perempuan.Pada
kebiasaanya, data jantina ini diberi kod angka atau label iaitu 1 bagi lelaki dan 2 bagi perempuan.
Kod 1 dan 2 ini hanyalah sebagai label semata-mata dan tidak memiliki apa-apa erti. Oleh itu
operasi- operasi matematik tertentu seperti min, sisihan piawai dan sebaianya tidak boleh
digunakan terhadap data jenis ini
Skala Ordinal:
Skala Ordinal Skala ordinal tidak hanya mengkelaskan data kedalam kumpulan, tetapi
juga meletakan pangkat terhadap kumpulan tersebut. Contohnya: Kumpulan kereta Pangkat (1
paling disukai) SUV 1 Pancuan 4 roda 2 Sedan 3 Mini 4 Kumpulan kereta SUV lebih disukai
daripada Pacuan 4 roda dan kumpulan kereta Sedan lebih disukai daripada Mini (perbezaan satu
pangkat).
Walaupun perbezaan antara MPV dengan Pancuan 4 roda dan Sedan dengan Mini adalah
sama (perbezaan satu pangkat sahaja), kita dapat mengatakan bahawa nilai atau tahap perbezaan
tersebut adalah sama. Kategori nilai pangkat tidak menggambarkan perbezaan yang sama (equal
differences) dari segi ukuran atribut. Variabel atau pemboleh ubah yang diukur dengan skala
Norminal dan Ordinal biasanya dikenali bukan metrik ( non-metrik/non-parametrik).
Skala Interval/Selang:
Nilai yang dicerap/kumpul di dalam nilai asal sebenar Contohnya umur – perbezaan umur
antara 90 tahun dengan 89 tahun dan antara 14 tahun dengan 13 tahun adalah sama (iaitu
setahun). Tiap-tiap satu unit perbezaan membawa makna yang sama tanpa mengira di mana
ukuran tersebut berada Dalam ukuran selang, kita dapat menerangkan bukan sahaja siapa yang
lebih tinggi kedudukannya, malah dapat menunjukkan sejauh manakah perbezaan kedudukan
tersebut (berapa unit).
Skala Ratio:
Nilai yang dikumpul/cerap di dalam nilai asal sebenar Apa yang membezakan dengan
ukuran Intervel ialah ukuran Ratio mempunyai nilai dasar atau nilai sifar dan kebiasaanya tidak
mempunyai nilai negatif. Seseorang tidak boleh menyatakan bahawa beratnya ialah kurang dari
sifar (negatif) atau pendapatnya adalah negatif (kalau berhutang macam mana ???)Skala Interval
dan Ratio sering menimbulkan kekeliruan (contohnya umur) dan terdapat pengkaji yang
mengandaikan ukuran Intervel dan Ratio sebagai satu satu kumpulan ukuran data sahaja.
Statistik Deskriptif:
Satu kaedah yang digunakan untuk memerihalkan taburan sesuatu data Terdapat 2 ukuran
yang digunakan untuk memerihalkan taburan sesuatu data iaitu Ukuran Kecenderungan Memusat
dan Ukuran Sukatan Ubahan Ukuran Kecenderungan Memusat yang selalu digunakan ialah min,
mod dan median Ukuran Sukatan Ubahan yang selalu diguna ialah varians, sisihan piawai dan
julat

MIN/PURATA:
Nilai yang diperolehi daripada hasil bahagi jumlah semua nilai dengan bilangan kes Ianya
bukan suatu angka mutlak tapi anggaran semata-mata.Kebiasaanya terdapat dua jenis min iaitu
min bagi populasi dan min bagi sampel. Min sampel boleh dinyatakan seperti berikut : min
sampel = ∑x n Di mana ∑x = jumlah semua nilai-nilai n = ialah bilangan sampel X
Data Menurut Sumbernya
Berdasarkan sumbernya, data dapat digolongkan menjadi:
a. Data dalaman dan data luaran.
Data dalaman iaitu data yang berpunca dari dalam organisasi. Data luaran yaitu data yang
berpunca dari luar organisasi.
b. Data primer dan data sekunder
Data primer adalah data yang diperoleh melalui survey lapangan dengan menggunakan
kaedah pengumpulan data tertentu. Data sekunder adalah data yang telah dikumpulkan oleh
lembaga pengumpul data dan diterbitkan kepada masyarakat pengguna data. Data sekunder akan
lebih mempermudah dan mempercepat jalannya penyelidikan. Namun kerana umumnya data
sekunder dimaksudkan untuk pengguna penyelidik dalam jumlah yang besar, seringkali data
yang tersedia tidak sesuai dengan keinginan penyelidik. Hal yang sering dikeluhkan apabila kita
menggunakan data sekunder adalah:
(1) ragam data statistik yang tersedia semakin banyak tetapi kelompok data yang diperlukan bagi
suatu kajian sering tidak cukup;
(2) Data runtut waktu tidak konsisten dan tidak selalu dapat dipertahankan;
(3) angka-angka mengenai masalah tertentu yang dikeluarkan oleh pelbagai sumber rasmi
tidak konsisten satu sama lain. Uji keboleh percayaan data, penyederhanaan, agregasi, dan
penyesuaian mutlak diperlukan agar diperoleh hasil yang dapat dipertanggungjawabkan
KLASIFIKASI DATA DAPAT DIPERHATIKAN DALAM RAJAH DI BAWAH:

Statistik Parametrik
Parametrik bermakna parameter. Parameter adalah penunjukdari suatu pengedaran hasil
pengukuran. Indikator dari pengedaranpengukuran berdasarkan statistik parametrik digunakan
untuk parameter dari pengedaran normal. Apa yang dimaksudkan denganpengedaran
normal? Bagaimana mengetahui sebuah databerdistribusinormal atau tidak? Hal ini penting
sekali untuk diketahui keranaberdasarkan normal atau tidaknya pengedaran ini baru
dapatditentukan apakah uji statistik parametrik atau nonparametrik yang digunakan.Distribusi
normal dikenal juga dengan istilahGaussian Distribution. Pengedaran normal mengandung dua
parameter, yaitu rata-rata (mean= M, varians= S2). Parameter-paramete rini memberikan ciri-ciri
yang unik pada suatu pengedaran berdasarkan "Lokasi"-Nya (central tendency). Berbagai kaedah
statistik bergantung kepada kedua parameter tersebut.Penggunaan kaedah statistik parametrik
mengikuti prinsip-prinsip pengedaran normal. Prinsip-prinsip dari pengedaran normal adalah:
a. Pengedaran dari suatu sampel yang dijadikan objek pengukuranberasal dari pengedaran
penduduk yang diandaikan terdistribusi secara normal.
b. Sampel diperoleh secara random, dengan jumlah sampel yangdianggap dapat mewakili
populasi.
c. Pengedaran normal merupakan sebahagian daripada pengedaran kebarangkalianyang
berterusan (continuous probability distribution).Impilkasinya, skala pengukuran pun
harus berterusan. Skalaukuran yang berterusan adalah skala nisbah dan selang.Kedua
skala ini memenuhi syarat untuk menggunakan ujistatistik parametric.Bila syarat-syarat
ini semua dipenuhi, maka kaedah statistik parametrik boleh digunakan.
Statistik nonparametrik
Istilah nonparametrik pertama kali digunakan olehWolfowitz, pada tahun 1942. Kaedah
statistik nonparametrik merupakan kaedah statistik yang boleh digunakan dengan mengabaikan
andaian-andaian yang melandasi penggunaan kaedah statistik parametrik, terutama yang
berkaitan dengan pengedaran normal. Istilah lain yang sering digunakan untuk
statistik nonparametrik adalah statistik bebas pengedaran (distribution-free statistics) Dan uji
bebas andaian (assumption-free test). Statistik nonparametrik banyak digunakan pada penelitian-
penelitian sosial.Data yang diperolehi dalam kajian sosial pada umumnya berbentuk kategori
atau berbentuk rangking.Uji statistik nonparametrik ialah suatu uji statistik yang tidak
memerlukan adanya andaian-andaian mengenai sebaran datapenduduk. Uji statistik ini disebut
juga sebagai statistik bebas sebaran (distribution free). Statistik nonparametrik
tidak mensyaratkan bentuk sebaran parameter populasi berdistribusi normal. Statistik
nonparametrik boleh digunakan untuk menganalisis data yang berskala muka atau ordinal kerana
pada umumnya data berjenis muka dan ordinal tidak merebak normal. Dari segi jumlah data,
pada umumnya statistic nonparametrik digunakan untuk data berjumlah kecil (n <30).
Kelebihan Statistik Nonparametrik
Kelebihan statistik nonparametrik diantaranya:
1) Andaian dalam uji-uji statistik nonparametrik relatif lebih longgar. Jika ujian data
menunjukkan bahawa salah satu atau beberapa andaian yang mendasari uji statistik
parametric(Misalnya mengenai sifat pengedaran data) tidak dipenuhi, maka statistik
nonparametrik lebih sesuai diterapkan dibandingkan statistik parametrik.
2) Perhitungan-perhitungannya dapat dilaksanakan dengan cepatdan mudah, sehingga hasil
penelitian segera dapat disampaikan.
3) Untuk memahami konsep-konsep dan kaedah-kaedah tidak memerlukan asas matematik
serta statistic yang mendalam.
4) Ujian pada statistik nonparametrik dapat diterapkan jika kitamenghadapi keterbatasan
data yang tersedia, misalnya jika datatelah diukur menggunakan skala ukuran yang
lemah(muka atau ordinal).
5) Kecekapan statistik nonparametrik lebih tinggi berbandingdengan kaedah parametrik
untuk jumlah sampel yang sedikit.

Kelemahan Statistik Nonparametrik

Disamping kelebihan, statistik nonparametrik jugamempunyai kelemahan. Beberapa
kelemahan statistik nonparametrik antara lain:
Jika andaian uji statistik parametrik dipenuhi, penggunaan ujian nonparametrik akan
menyebabkan pembaziran maklumat walaupun lebih cepat dan mudah.
Jika jumlah sampel besar, tahap kecekapan nonparametrik relative lebih rendah berbanding
dengan kaedah parametrik.
Statistik nonparametrik tidak dapat dipergunakan untuk membuat ramalan (peramalan).
 DAFTAR PUSTAKA

Sudijono, Anas (2008). Pengantar statistic pendidikan, Jakarta: Rajawali Pers

Sudjana, (2005), Metode Statistika, Bandung: Tarsito

W.W. Daniel, (2011) Statistika Non Parametrik Terapan, Jakarta: PT. Gramedia