Statistika Parametrik dan Non Parakmetrik

Pengertian Statistika Parametrik dan Non Parakmetrik

Dalam membahas statistika parametrik dan nonparametrik,

seseorang tidak akan lepas dari pembahasan mengenai
statistika inferensial. Seperti yang telah diketahui, bahwa
statistika inferensial digunakan untuk menggambil
kesimpulan (to infer) yang lebih luas untuk populasi.
Secara umum terdapat dua kegiatan yang dilakukan dalam
statistika inferensial, yaitu:
Menaksir (to estimate), yaitu menaksir parameter populasi
berdasarkan ukuran-ukuran sampel.
Menguji (to test), yaitu menaksir suatu hipotesis.
Terdapat dua tipe statistika inferensial, yaitu statistika
parametrik dan non-parametrik.
A. Statistika Parametrik
1. Pengertian
Statistika Parametrik, yaitu ilmu statistika yang
mempertimbangkan jenis sebaran atau distribusi data, yaitu
apakah data menyebar secara normal atau tidak.

Statistika parametrik digunakan untuk menguji hipotesis dan

variabel yang terukur. Dengan kata lain, data yang akan
dianalisis menggunakan statistika parametrik harus memenuhi
asumsi normalitas. Pada umumnya, jika data tidak menyebar
normal, maka data seharusnya dikerjakan dengan metode
statistika non-parametrik, atau setidak-tidaknya dilakukan
transformasi data terlebih dahulu agar data mengikuti sebaran
normal, sehingga bisa dikerjakan dengan statistika parametrik.
2. Syarat-syarat penggunaan statistika parametrik
a. Data dengan skala interval dan rasio
b. Data menyebar/berdistribusi normal

3. Contoh metode statistika 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.
4. Keunggulan dan kelemahan statistika parametrik
a. 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.

b. 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, yaitu harus normal dan bervarian sama, dan harus
merupakan kombinasi linear dari efek-efek yang
ditimbulkan.
B. Statistika Nonparametrik
1. Pengertian
Statistika 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.
2. Syarat statistika non-parametrik:
a. Data tidak berdistribusi normal
b. Umumnya data berskala nominal dan ordinal
c. Umumnya dilakukan pada penelitian sosial
d. Umumnya jumlah sampel kecil

3. Contoh metode statistika 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.
4. Keunggulan dan kelemahan statistika non-parametrik
a. Keunggulan:
1) Tidak membutuhkan asumsi normalitas.
2) Secara umum metode statistika non-parametrik lebih mudah
dikerjakan dan lebih mudah dimengerti jika dibandingkan
dengan statistika 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 statistika non-parametrik tidak dibutuhkan
urutan atau jenjang secara formal karena sering dijumpai hasil
pengamatan yang dinyatakan dalam data kualitatif.
5) Pengujian hipotesis pada statistika non-parametrik dilakukan
secara langsung pada pengamatan yang nyata.
6) Walaupun pada statistika non-parametrik tidak terikat pada
distribusi normal populasi, tetapi dapat digunakan pada
populasi berdistribusi normal.
b. Kelemahan

1) Statistika non-parametrik terkadang mengabaikan

beberapa informasi tertentu.
2) Hasil pengujian hipotesis dengan statistika non-
parametrik tidak setajam statistika parametrik.
3) Hasil uji statistika non-parametrik tidak dapat
diekstrapolasikan ke populasi studi seperti pada
statistika parametrik. Hal ini dikarenakan statistika
non-parametrik mendekati eksperimen dengan
sampel kecil dan umumnya membandingkan dua
kelompok tertentu.