STATISTIK PARAMETRIK

Statistik parametrik adalah suatu teknik statistik yang dapat digunakan untuk menguji hipotesis
dengan melibatkan parameter populasi.

Statistik parametrik memiliki keterbatasan penggunaan jenis data yaitu minimal menggunakan data
interval dan rasio.

Kita dapat menggunakan statistik parametrik apabila kita mengetahui distribusi dari populasi yang
kita amati berdistribusi normal.

Statistik parametrik merupakan yang paling dianjurkan, karena memiliki banyak kelebihan dari segi
hasil namun sulit untuk dilakukan.

Banyak syarat yang harus dipenuhi untuk dapat diuji menggunakan metode statistik parametrik.

Pasti kita akan bertanya kenapa sesulit itu?

Jawabannya tidak lain adalah agar hasilnya benar-benar menghampiri karakter populasinya
(parameter populasi yang akan di duga).

UKURAN SAMPEL
Banyak yang berpendapat bahwa jika sampel berukuran kecil maka pasti digunakan uji non
parametrik.

Pernyataan tersebut belum tentu “Ya”, tergantung distribusi dari populasi asalnya.

Meskipun sampel berukuran kecil namun jika diketahui bahwa sampel

diambil dari populasi yang berdistribusi normal maka tetap yang
digunakan adalah prosedur statistik parametrik.
Lagipula ukuran besar kecilnya sampel sangat relatif.

Sehingga besar kecilnya sampel tidak serta-merta menjadi patokan apakah kita menggunakan
statistik parametrik atau non parametrik.

Banyak literatur yang mengatakan bahwa ukuran sampel yang dikatakan besar lebih besar dari 40,
ada juga yang berpendapat bahwa sampel dikatakan besar jika lebih besar atau sama dengan 30.

Dalam artikel ini kita mengasumsikan sampel besar atau kecil dibatasi 30 ketas
dikategorikan “besar” dan jika 29 kebawah berarti digolongkan sebagai sampel “kecil”.

Asumsi diatas berdasarkan central theorem limit (teorema limit terpusat).

Identifikasi

Statistik parametrik termasuk ke dalam bagian statistik inferensia. Dalam statistik parametrik perlu
dipertimbangkan nilai satu atau lebih parameter populasi.

Terdapat beberapa persyaratan yang perlu kita cermati dalam statistik parametrik.

1. Sebaran data harus berdistribusi normal: Artinya jika kita mengambil sebuah sampel,
maka populasi harus berdistribusi normal. Baik diketahui secara pasti melalui pengukuran uji
normalitas, maupun diasumsikan berdistribusi normal.
 2. Skala data Numerik: skala data variabel harus berupa skala numerik (interval dan skala
interval).
3. Variasi datanya sama dan mengikuti ketentuan sebagai berikut:

a. Kesamaan varians bukan menjadi salah satu syarat untuk uji kelompok berpasangan.

b. Kesamaan variansi adalah syarat yang tidak wajib untuk dua kelompok tidak berpasangan.

c. Kesamaan variansi menjadi syarat wajib untuk kasus lebih dari 2 kelompok tidak berpasangan.

[o[otw_shortcode_info_box border_type=”bordered” border_color_class=”otw-blue-border”

border_style=”dashed” shadow=”shadow-outer” icon_type=”general foundicon-plus”]m>Kelompok
data yang dapat digunakan dalam teknik statistik parametrik memiliki ciri berupa populasi yang
berdistribusi normal dengan varian-varian yang sama.[/[/otw_shortcode_info_box]p>

Baca Juga: Stochastic Frontier Analysis : Metode Untuk Estimasi Batas Produksi

Berikut beberapa contoh statistik parametrik yang dapat digunakan sebagai statistik uji:

[o[otw_shortcode_info_box border_type=”bordered” border_style=”bordered” shadow=”shadow-

outer”]mg class="aligncenter wp-image-633 size-full" src="https://statmat.id/wp-
content/uploads/2017/05/Jenis-jenis-uji-parametrik.png" alt="Jenis jenis uji parametrik" width="531"
height="168" srcset="https://statmat.id/wp-content/uploads/2017/05/Jenis-jenis-uji-parametrik.png
531w, https://statmat.id/wp-content/uploads/2017/05/Jenis-jenis-uji-parametrik-300x95.png 300w"
sizes="(max-width: 531px) 100vw, 531px">[/[/otw_shortcode_info_box]p>

KELEBIHAN STATISTIK PARAMETRIK

 Tidak perlu dilakukan pengujian terhadap parameter populasi karena sudah dianggap
memenuhi syarat.
 Data observasi dianggap saling bebas dan diambil dari populasi yang memiliki distribusi
normal dengan varian yang homogen. Asumsi-asumsi yang rumit tersebut membuat pengujian
menggunakan metode parametrik dapat diandalkan akurasinya.

KEKURANGAN STATISTIK PARAMETRIK

 Populasi harus memiliki varian yang sama.Tentu hal ini merupakan hal yang sulit karena
kenyataannya semua varian dari populasi tidak diketahui.
 Variabel variabel yang diteliti terbatas hanya untuk jenis data dengan skala paling tidak
adalah interval dan rasio.
 Distribusi populasi harus diketahui berdistribusi normal. Jika belum diketahui tentu harus
dicari terlebih dahulu menggunakan uji normalitas.

STATISTIK NON PARAMETRIK

Pendugaan parameter atau nilai-nilai populasi disebut dengan statistik parametrik sedangkan
statistik non parametrik tidak melibatkan pendugaan nilai nilai populasi.

Contohnya:
Jika uji parametrik dapat digunakan untuk melihat perbedaan antara rata-rata nilai Tengah 2
kelompok daratan yang sudah diberi ranking, dengan data yang sama metode uji statistik non
parametrik dapat digunakan untuk melihat perbedaan antara median mediannya.

Statistik non parametrik adalah salah satu metode statistik yang dapat
digunakan sebagai alternatif apabila metode statistik parametrik tidak
dapat dilakukan.
Statistik non parametrik tidak memiliki syarat seperti statistik parametrik.

Tidak ada asumsi kenormalan yang wajib kita nangis seperti pada statistik parametrik.

Dalam statistik non parametrik tidak syarat mengenai karakteristik populasi induknya.

Berikut beberapa uji statistik non parametrik

1. Uji tanda (sign test)

2. Rank sum test (wilcoxon)
3. Rank correlation test (spearman)
4. Fisher probability exact test.
5. Chi-square test, dll

Ciri- kelompok data yang dapat diuji dengan statistik non parametrik:

1. Kelompok data tidak berdistribusi normal

2. Umumnya data yang dimiliki memiliki skala nominal dan ordinal
3. Sering ditemukan pada kasus penelitian ilmu sosial
4. Ukuran sampel kecil dan tidak berdistribusi normal

KEUNGGULAN STATISTIK NON-PARAMETRIK

1. Mudah dilakukan karena tidak membutuhkan asumsi normalitas
2. Secara umum metode perhitungan yang digunakan tidak menggunakan perhitungan
perhitungan matematik yang rumit.
3. pengujian hipotesis dilakukan secara langsung pada pengamatan nyata
4. Karena data umumnya bersifat kualitatif sehingga terkadang tidak dibutuhkan jenjang atau
urutan
5. Dapat juga digunakan untuk kelompok populasi berdistribusi normal sebagai uji pembanding
statistik parametrik

KELEMAHAN STATISTIK NON-PARAMETRIK

1. Pengujian dengan menggunakan metode statistik non parametrik seringkali mengabaikan
beberapa informasi.
2. Kemampuan Uji metode Statistik non parametrik tidak sekuat metode parametrik
3. Hasil uji metode statistik non parametrik tidak dapat digunakan untuk mengestimasi karakter
populasi. Karena prosesnya sederhana dan cenderung menggunakan sampel kecil dan tidak
 berdistribusi normal. Selain itu penggunaan metode statistik non parametrik hanya
membandingkan dua kelompok tertentu.
4. Tidak melibatkan parameter populasi dalam uji hipotesis
5. Skala yang digunakan bersifat lebih lemah.
6. Asumsi pada metode statistik parametrik tidak dipenuhi.

Baca Juga: Stratified Random Sampling: Pengertian dan Konsep Dasar

BEBERAPA UJI NON PARAMETRIK

Berikut beberapa uji non parametrik yang bisa digunakan sebagai pengujian alternatif uji parametrik.

Kelompok Uji Statistik Uji

 Uji Binomial

 χ2
Deskriftif
 Run test

 χ2goodness of Fit

 Kolmogorov Semirnov satu sampel

Dua sampel berhubungan
 Mc Nemar
 Wilcoxon sampel berpasangan
 Uji Tanda

Dua sampel independen

 Uji median
 Mann-Whitney
Komparatif
 Kolmogorov Semirnov dua sampel
 Wald Wolfowidsz

Kasus lebih dari dua sampel independen

 χ2 k Sampel
 Uji median

 Kruskal Wallis
Asosiatif  Koefisien Kontingensi C
  Koefisien ϕ untuk tabel 2×2

 Rank Spearman

 τ – Kendall (Kendall-Tau)

 dll
Perbandingan Metode statistik Parametrik dan Non Parametrik

Berikut beberapa pasangan uji yang dapat dipakai dan sepadan antara uji parametrik dan non
parametrik.

Jenis Uji Parametrik Non Parametrik

Uji Korelasi Pearson,regresi Spearman

Uji 2 Kelompok Indpenden Independen Sampel t-Test Mann Whitney

Uji lebih dari 2 Kelompok Indpenden Anova satu arah Kruskall Wallis

Uji berulang kasus 2 sampel Uji T sampel berpasangan Wilcoxon

Uji Berulang Kasus lebh dari 2 Sampel Anova satu arah berulang Friedman

LANGKAH-LANGKAH MENENTUKAN STATISTIK UJI

1. Mengidentifikasi : lakukan pengamatan mengenai karakter data yang akan diuji, apakah
jenis data nominal, ordinal, interval atau rasio.
2. Perhatikan ukuran sampel yang diambil dari populasi, apakah berukuran besar atau kecil*.
Besar kecilnya sampel mengikuti ketentuan literatur.
3. Pastikan anda mengetahui apakah data yang akan di uji memiliki distribusi tertentu.

RANGKUMAN
Prioritas statistik uji adalah penggunaan uji statistik parametrik, apabila tidak dapat diterapkan maka
pilih statistik non parametrik sebagai alternatifnya.

Perbedaan antara penggunaan statistik parametrik dan non parametrik dapat dilihat pada tabel dibawah
ini.

Parametrik Non parametrik

 Tidak butuh asumsi kenormalan, sehingga
Dibutuhkan asumsi kenormalan
disebut juga bebas sebaran

Jenis data kuantitatif atau memiliki skala interval Selain data kuantitatif juga dapat
atau rasio digunakan untuk data kualitatif.

Jumlah data ≥ 30 (berukuran besar). Karena ≥ 30 Biasanya data yang digunakan adalah
akan mengikuti central limit theorem (teorema limit berukuran kecil dan tidak berdistribusi
terpusat) normal
Demikian artikel mengenai perbedaan antara statistik parametrik dan statistik non parametrik.
Semoga bermanfaat, jika ada yang salah atau kurang dipahami, silahkan di tuliskan di kolom
komentar.

Jika ada pertanyaan terkai yang merupakan pengembangan, silahkan submit di forum untuk kami
dan tim jawab.

Terima kasih.

Sumber :

 Sydney Siegel : statistik nonparametrik untuk ilmu-ilmu sosial: Gramedia – 1992

 R. E. Walpole : Pengantar Statistika edisi ke 3 : Gramedia – 1993