Perbedaan Metode Statistik Parametrik dan Nonparametrik

Peneliti menambang data yang muncul di sebagian besar wilayah penelitian seperti tekanan
darah, fraksi ejeksi, kolesterol serum hingga pengukuran antropometri.
Metode analisis data jatuh ke dalam dua kelas yang berpijak pada asumsi tentang distribusi
data. Asumsi menjadi dasar untuk mengklasifikasi apakah menggunakan metode parametrik
atau nonparametrik.

 Statistik Parametrik
Parametrik dalam arti harfiah yaitu asumsi tentang parameter dari distribusi data
populasi yang digunakan untuk menguji hipotesis mendekati normal atau mendekati
distribusi normal setelah teorema limit sentral.

 Statistik Nonparametrik
Non-parametrik adalah metode yang tidak mendasarkan pada asumsi distribusi
populasi. Dalam arti sempit non-parametrik adalah sebuah kategori nol karena hampir
semua uji statistik mengasumsikan satu atau lain hal tentang sifat-sifat populasi.

Metode nonparametrik populer untuk sejumlah alasan. Alasan utama bahwa peneliti tidak
dibatasi asumsi-asumsi tentang populasi seperti pada metode parametrik. Banyak metode
nonparametrik mudah untuk diterapkan dan dipahami.

Tapi kebanyakan metode parametrik lebih efisien daripada metode nonparametrik. Meskipun
perbedaan dalam efisiensi biasanya tidak banyak masalah, ada kasus di mana perlu
mempertimbangkan metode yang lebih efisien.

Uji mengetahui data berdistribusi normal atau tidak dilakukan uji normalitas Kolmogorov-
Smirnov. Berikut tabel berisi poin-poin umum analisis data statistik terkait perbedaan antara
metode parametrik dan nonparametrik:
 PARAMETRIK NONPARAMETRIK
Deskriptif

Asumsi Distribusi Normal -

Asumsi Varian Homogen -
Jenis Data Rasio atau Interval Ordinal atau Nominal
Hubungan data set Independent -
Ukuran central Mean Median
Manfaat Lebih banyak kesimpulan Sederhana dan sedikit outlier
Tes
Uji korelasi Pearson, Regresi Spearman
Uji 2 Kelompok, berbeda Independent Sample t test Mann-Whitney
Uji 2 Kelompok lebih, berbeda Independent One Way ANOVA Kruskal-Wallis
Uji berulang, 2 kondisi Paired Sample t Test Wilcoxon
Uji berulang, 2 kondisi lebih Repeated One Way ANOVA Friedman