See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/341270858

Dasar pemilihan statistik parametrik dan nonparametrik

Preprint · May 2020

DOI: 10.13140/RG.2.2.17241.75360

CITATIONS READS

0 2,791

1 author:

Yudi Guntara
UNTIRTA
20 PUBLICATIONS   7 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Augmented Physics Animation (APA) View project

All content following this page was uploaded by Yudi Guntara on 09 May 2020.

The user has requested enhancement of the downloaded file.

 DASAR PEMILIHAN
STATISTIK PARAMETRIK
DAN NONPARAMETRIK

Catatan Kuliah
Yudi Guntara
 Kapan kita menggunakan statistik
inferensial (parametrik & nonparametrik)

Jika tujuan penelitian kita akan membuat kesimpulan mengenai

parameter (ukuran) suatu populasi berdasarkan nilai statistik/
ukuran yang diperoleh dari sampel.

Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 2

 Parametrik vs Nonparametrik
(Santoso, 2019)

Statistik Parametrik Statistik Nonparametrik

Berhubungan dengan inferensi statistik Inferensi statistik tidak membahas
(pengambilan keputusan atas masalah parameter-parameter populasi.
tertentu) yang membahas parameter-
parameter populasi, seperti rata-rata,
simpangan baku, variansi, dsb. Ciri nonparametrik adalah skala data
nominal/ordinal, serta distribusi data
(populasi) tidak diketahui atau bisa disebut
Ciri parametrik adalah skala data tidak normal.
interval/rasio, serta distribusi data
(populasi) normal.

Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 3

 Parametrik vs Nonparametrik
KELEBIHAN

Statistik Parametrik Statistik Nonparametrik

1. Kesimpulan/ hasil secara natur 1. Penggunaan fleksibel, dapat
lebih kuat (powerful) digunakan pada tipe data apapun,
jumlah data berapapun.
2. Hasil analisis dapat diekstrapolasi
ke populasi 2. Dapat digunakan pada data yang
berasal dari populasi berdistribusi
3. Observasi bebas satu sama lain
normal ataupun tidak.
3. Mudah dipelajari

Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 4

 Parametrik vs Nonparametrik
KELEMAHAN

Statistik Parametrik Statistik Nonparametrik

1. Populasi harus memiliki varian 1. Terkadang mengabaikan beberapa
yang sama informasi tertentu
2. Variabel yang diteliti harus 2. Pengujian hipotesis tidak setajam
memiliki tipe data kontinuum parametrik
3. Distribusi populasi harus normal 3. Hasil analisis tidak dapat
diekstrapolasi ke populasi

Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 5

 Jawab pertanyaan berikut ini
Jawaban
No Pertanyaan
Ya Tidak
Apakah tipe data variabel dalam penelitian berupa
1
kontinuum?
Apakah desain penelitian yang akan Anda lakukan
2
merupakan eksperimen murni (true experiment)?
Apakah data berasal dari populasi yang
3
berdistribusi normal?

*Pertanyaan ini dijawab dengan syarat bahwa metode penelitian yang digunakan adalah metode kuantitatif

Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 6

 Interpretasi jawaban pertanyaan

Jika Anda menjawab seluruh pertanyaan dengan kata “Ya”, maka

Anda dapat menggunakan statistik parametrik untuk
menganalisis data penelitian.

Namun, jika ada salah satu pertanyaan yang dijawab secara

berurutan, terdapat kata “Tidak”, maka analisis dialihkan ke
statistik nonparametrik.

Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 7

 True Experiment vs Quasi Experiment
(Kirk, 1995)

True Experiment Quasi Experiment

An experiment is characterized by the:
(1) Manipulation by the researcher of one or
more independent variable
Quasi experiment are similar to experiments
except that the subjects are not randomly
assigned to the independent variable.

(2) Use of controls such as the random

assignment of subjects to experimental
conditions to minimize the effects of
nuisance variables

(3) Careful observation or measurement of

one or more dependent variables.

Penjelasan pertanyaan nomor 1 Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 8

 True Experiment vs Quasi Experiment
Dalam true experiment, sampel yang digunakan baik dalam kelompok eksperimen maupun
kelompok kontrol diambil secara random dari populasi tertentu. Peneliti dapat mengontrol
semua variabel luar yang mempengaruhi jalannya eksperimen (Sugiyono, 2012: 112).

Sedangkan dalam penelitian quasi experiment, pelaksanaan penelitian tidak

memungkinkan untuk melakukan seleksi sampel secara acak/ non-random, karena sampel
secara alami telah terbentuk dalam satu kelompok utuh (naturally formed intact group),
seperti kelompok peserta didik dalam satu kelas. Quasi experiment menggunakan seluruh
subjek dalam kelompok belajar (intact group) untuk diberi perlakuan, bukan menggunakan
subjek yang diambil secara acak (Arifin, 2011: 85-86).

Penjelasan pertanyaan nomor 1 Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 9

 True Experiment vs Quasi Experiment
KESIMPULAN

True Experiment,
menggunakan teknik Statistik Parametrik
sampling acak (random)
Quasi Experiment,
menggunakan teknik
Statistik Nonparametrik
sampling tidak acak
(nonrandom)

Penjelasan pertanyaan nomor 1 Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 10

 Tipe Data
Data diskrit:
Data yang diperoleh dari
hasil menghitung atau
membilang (bukan
mengukur), tidak ada
kesinambungan antar
bilangan

Data kontinuum:
Data yang diperoleh dari
hasil mengukur, adanya
kesinambungan
bilangan.

Penjelasan pertanyaan nomor 2 Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 11

 Tipe Data

Penjelasan pertanyaan nomor 2 Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 12

 Tipe Data
KESIMPULAN

Tipe data: Kontinuum Statistik Parametrik

Tipe data: Diskrit Statistik Nonparametrik

Tipe data berkaitan dengan syarat statistik parametrik yang mengharuskan data berasal dari populasi
yang berdistribusi normal.
Tipe data diskrit adalah hasil kategorisasi, sehingga tidak mungkin berdistribusi normal. Selain itu, tipe
data ini adalah hasil kategorisasi yang tidak menunjukkan kenyataan sesungguhnya. Hal ini berbeda
dengan tipe data kontinuum, yang memang benar-benar mengukur sesuatu yang riil (Santoso, 2019)

Penjelasan pertanyaan nomor 2 Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 13

 Ukuran Sampel dan Distribusi Populasi
Jumlah Sampel
Berdasarkan pengalaman empiris beberapa pakar statistik, jika ukuran sampel
lebih dari sama dengan 30 (N >= 30), maka sudah dapat diasumsikan data berasal
dari populasi berdistribusi normal. Atau biasa dikatakan sebagai sampel besar.
Namun pernyataan tersebut tidak dapat dijadikan patokan, karena ada juga
penelitian menggunakan ukuran sampel lebih dari 30, tapi tidak berdistribusi
normal. Kesimpulannya, yang terpenting adalah data harus berasal dari populasi
yang berdistribusi normal.

Penjelasan pertanyaan nomor 3 Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 14

 Ukuran Sampel dan Distribusi Populasi
Mengapa disyaratkan data berasal dari data yang berdistribusi normal?
Alasan pertama, distribusi normal itu penting adalah banyak variabel psikologis
dan pendidikan terdistribusi secara normal. Ukuran kemampuan membaca,
introversi, kepuasan kerja, dan memori adalah beberapa variabel psikologis yang
terdistribusi normal.
Alasan kedua, karena mudah bagi ahli statistik matematika untuk bekerja data
berdistribusi normal. Ini berarti bahwa banyak jenis tes statistik dapat diturunkan
untuk distribusi normal, terutama statistik parametrik.

Penjelasan pertanyaan nomor 3 Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 15

 Ukuran Sampel dan Distribusi Populasi
KESIMPULAN

Data berasal dari

populasi yang Statistik Parametrik
berdistribusi normal
Data bukan berasal
dari populasi yang Statistik Nonparametrik
berdistribusi normal

Penjelasan pertanyaan nomor 3 Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 16

KESIMPULAN
Tahapan yang disajikan pada flowchart
didasarkan pada tahapan penelitian yang
sering dilakukan oleh penulis.

Tahapan pengecekkan disesuaikan dengan

kebiasaan peneliti, yang terpenting, semua
syarat terpenuhi.

*Fleksibel, harus dipenuhi atau tidak,

disesuaikan dengan kebijakan peneliti.

Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 17

 Daftar Pustaka
Arifin, Z. (2011). Penelitian pendidikan. Bandung: Remaja Rosdakarya.
Krik, R.E. (1995). Experimental design: procedures for the behavioral science. California:
Brooks/ Cole Publishing Company
Santoso, S. (2019). Mahir statistik parametrik. Jakarta: Elex Media Komputindo. Retrieved
from https://books.google.co.id/books?id=fVNbamuPVugC
Sugiyono. (2012). Metode Penelitian Kuantitatif, Kualitatif dan R & D. Bandung: Alfabeta.

Catatan Kuliah_Yudi Guntara_guntaray@untirta.ac.id 18

View publication stats