Tes parametrik adalah tes yang mengasumsikan bahwa data mengikuti distribusi
normal. Contohnya termasuk ANOVA dan Uji-T. Ada banyak metode berbeda yang
tersedia untuk melakukan tes non-parametrik. Tes ini juga dapat digunakan dalam
pengujian hipotesis.
PERBEDAAN UJI NON PARAMETRIK
& PARAMETRIK
Bergantung pada jenis distribusi data yang diperoleh dari keduanya, uji parametrik
dan uji non-parametrik dapat digunakan dalam pengujian hipotesis. Tabel yang
diberikan di bawah ini menguraikan perbedaan utama antara tes parametrik dan
non-parametrik.
KELEBIHAN & KEKURANGAN UJI
NON PARAMETRIK
Tes non-parametrik digunakan ketika kondisi untuk tes parametrik tidak terpenuhi.
Dalam beberapa kasus ketika data tidak sesuai dengan asumsi yang dibutuhkan
tetapi memiliki ukuran sampel yang besar maka uji parametrik tetap dapat
digunakan. Beberapa keuntungan dan kerugian dari tes non-parametrik tercantum
sebagai berikut:
1. Kelebihan Uji Non Parametrik
Pengetahuan tentang distribusi populasi tidak diperlukan.
Perhitungan yang terlibat dalam tes semacam itu lebih singkat.
Tes non-parametrik mudah dipahami.
Tes ini berlaku untuk semua tipe data.
KELEBIHAN & KEKURANGAN UJI
NON PARAMETRIK
2. Kekurangan Uji Non Parametrik
Mereka tidak seefisien rekan parametrik mereka.
Karena ini adalah tes bebas distribusi, tingkat akurasi berkurang.
CATATAN PENTING
UJI NON PARAMETRIK
Uji non-parametrik adalah uji statistik yang dilakukan pada data milik distribusi
yang parameternya tidak diketahui.
Ini digunakan pada distribusi miring dan ukuran tendensi sentral yang
digunakan adalah median.
Uji Kruskal Wallis, uji tanda, uji bertanda Wilcoxon dan uji Mann Whitney u
adalah beberapa uji nonparametrik penting yang digunakan dalam pengujian
hipotesis.
WASSALAMU’ALAIKUM Wr. Wb.