PERBANDINGAN

ANALISIS PARAMETRIK DAN

ANALISIS NON PARAMETRIK

Oleh:
dr. Agung S. Dwi Laksana, MSc.PH

1
 1. Konsep Statistika
STATISTIKA :
Kegiatan untuk :
• mengumpulkan data KEGUNAAN
• menyajikan data ?
• menganalisis data dengan metode tertentu
• menginterpretasikan hasil analisis
Melalui fase
STATISTIKA DESKRIPTIF :
Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagian
atau seluruh data (pengamatan) tanpa pengambilan kesimpulan

dan fase

STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil
kesimpulan. Statistika inferensi akan menghasilkan generalisasi (jika sampel
representatif)
 2. Statistika & Metode Ilmiah

METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila ditinjau
dari segi penerapannya, resiko untuk keliru paling kecil.
LANGKAH-LANGKAH DALAM METODE ILMIAH :
1. Merumuskan masalah
2. Melakukan studi literatur
3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau hipotesis
4. Mengumpulkan dan mengolah data, menguji hipotesis,
atau menjawab pertanyaan

5. Mengambil kesimpulan
INSTRUMEN

SAMPEL

SIFAT DATA
PERAN STATISTIKA
VARIABEL

METODE ANALISIS
 3. Data

DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF

DATA KUALITATIF : DATA KUANTITATIF :

Data yang dinyatakan dalam Data yang dinyatakan dalam
bentuk bukan angka. bentuk angka
Contoh : jenis pekerjaan, status Contoh : lama bekerja, jumlah
marital, tingkat kepuasan kerja gaji, usia, hasil ulangan

DATA

KUALITATIF JENIS KUANTITATIF

DATA

NOMINAL INTERVAL
ORDINAL RASIO
 4. Data

DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara
kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan

DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara
kategorisasi atau klasifikasi, tetapi di antara data tersebut
terdapat hubungan
CIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi
DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara
pengukuran, dengan jarak antara dua titik skala sudah
diketahui.
CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan 0C dan 0F,
sistem kalender

DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara
pengukuran, dengan jarak antara dua titik skala sudah
diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, skor ujian, jumlah buku

6
 5. Pengolahan Data

PROSEDUR PENGOLAHAN DATA :

A. PARAMETER : Berdasarkan parameter yang ada

statistik dibagi menjadi

• Statistik PARAMETRIK : berhubungan dengan

inferensi statistik yang membahas parameter-
parameter populasi; jenis data interval atau rasio;
distribusi data normal atau mendekati normal.

• Statistik NONPARAMETRIK : inferensi statistik

tidak membahas parameter-parameter populasi; jenis
data nominal atau ordinal; distribusi data tidak
diketahui atau tidak normal
B.JUMLAH VARIABEL :
berdasarkan jumlah variabel dibagi menjadi

• Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel)

untuk n sampel atau beberapa variabel tetapi masing-masing
variabel dianalisis sendiri-sendiri. Contoh : korelasi motivasi
dengan pencapaian akademik.
• Analisis BIVARIAT

• Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel)

untuk n sampel di mana analisis antar variabel dilakukan
bersamaan. Contoh : pengaruh motivasi terhadap pencapaian
akademik yang dipengaruhi oleh faktor latar belakang
pendidikan orang tua, faktor sosial ekonomi, faktor sekolah.

8
 6. Pengolahan Data

MULAI

Statistik NOMINAL Jenis INTERVAL Statistik

Non Parametrik ORDINAL Data ? RASIO Parametrik

SATU Jumlah TIGA / LEBIH

Analisis Analisis
Variabel
Univariat ?
Multivariat

DUA

Analisis
Bivariat
PEMBAGIAN ANALISIS STATISTIK

Statistik

Statistik Statistik
Deskriptif Inferensial

Non
Parametrik
Parametrik
PERBANDINGAN ANALISIS STATISTIK
STATISTIK PARAMETRIK STATISTIK NON
PARAMETRIK
PENGERTIAN asumsi tentang parameter metode yang tidak
dari distribusi data populasi mendasarkan pada
yang digunakan untuk asumsi distribusi
menguji hipotesis mendekati populasi
normal atau mendekati
distribusi normal setelah
teorema limit sentral
DESKRIPTIF
Asumsi distribusi Normal -
Asumsi Varian Homogen -
Jenis Data Ratio dan Interval Nominal dan Ordinal
Hubungan data set Independent -
Ukuran central Mean Median
Manfaat Lebih banyak kesimpulan Sederhana dan sedikit
outlier
 STATISTIK STATISTIK
PARAMETRIK NON PARAMETRIK
TEST
Uji korelasi Pearson, Regresi Spearman
Uji 2 kelompok, berbeda Independent Sample t Mann-Whitney
test
Uji lebih 2 kelompok, Independent One Way Kruskal-Wallis
berbeda ANOVA
Uji berulang, 2 kondisi Paired Sample t Test Wilcoxon
Uji berulang, 2 kondisi Repeated One Way Friedman
lebih ANOVA
 STATISTIK PARAMETRIK
KEUNGGULAN Syarat syarat parameter dari
suatu populasi yang menjadi
sampel biasanya tidak diuji
dan dianggap memenuhi
syarat, pengukuran terhadap
data dilakukan dengan kuat
Observasi bebas satu sama lain
dan ditarik dari populasi yang
berdistribusi normal serta
memiliki varian yang
homogen
STATISTIK
NON PARAMETRIK
Tidak membutuhkan asumsi
normalitas
lebih mudah dikerjakan dan
lebih mudah dimengerti
karena tidak membutuhkan
perhitungan matematik yang
rumit
dapat digantikan data numerik
(nominal) dengan jenjang
(ordinal)
 STATISTIK STATISTIK NON PARAMETRIK
PARAMETRIK
KEUNGGULAN tidak dibutuhkan urutan atau jenjang
secara formal karena sering dijumpai
hasil pengamatan yang dinyatakan
dalam data kualitatif
Pengujian hipotesis pada statistik
non-parametrik dilakukan secara
langsung pada pengamatan yang
nyata

Walaupun pada statistik non-

parametrik tidak terikat pada
distribusi normal populasi, tetapi
dapat digunakan pada populasi
berdistribusi normal
 STATISTIK
PARAMETRIK
KELEMAHAN Populasi harus memiliki
varian yang sama
Variabel-variabel yang diteliti
harus dapat diukur
setidaknya dalam skala
interval
Dalam analisis varian
ditambahkan persyaratan
rata-rata dari populasi harus
normal dan bervarian sama,
dan harus merupakan
kombinasi linear dari efek-
efek yang ditimbulkan
STATISTIK
NON PARAMETRIK
mengabaikan beberapa
informasi tertentu
Hasil pengujian hipotesis
dengan statistik non-parametrik
tidak setajam statistik
parametrik
Hasil statistik non-parametrik
tidak dapat diekstrapolasikan ke
populasi studi seperti pada
statistik parametrik
Hipotesa yang diuji tidak
melibatkan parameter populasi
Skala yang digunakan lebih
lemah dari skala prosedur
parametrik
Asumsi-asumsi parametrik tidak
terpenuhi
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.

Metode parametrik kebanyakan lebih efisien daripada metode

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

16
17