Statistik Parametrik dan Statistik Non-Parametrik

-

Statistik Parametrik dan Statistik Nonparametrik 

Salah satu hal penting dalam penelitian yaitu menentukan jenis uji statistik yang akan digunakan. Terdapat dua uji statistik pada dunia statistika, yaitu uji statistik parametrik dan uji statistik non-parametrik. Apa itu statistik parametric dan non-parametrik? Apa perbedaan dari kedua jenis uji statistik tersebut? Langsung aja mari kita bahas satu per satu. 

Pengertian Statistik Parametrik

Statistik parametrik adalah teknik statistik yang digunakan untuk menguji hipotesis dengan melibatkan parameter populasi. Pada statistik parametrik, pengujian hipotesis atau aturan pengambilan keputusan dipengaruhi oleh asumsi-asumsi tertentu. Asumsi-asumsi pada statistik parametrik seperti distribusi probabilitas untuk pengambilan sampel dan bentuk variansi. Asumsi distribusi probabilitas seperti data berdistribusi normal, binomial, distribusi F, atau distribusi student t. Sedangkan bentuk variansi untuk statistik parametrik yaitu variansi populasi yang dianalisis harus homogen. 

Namun dalam prakteknya, situasi yang sering muncul tidak memenuhi asumsi-asumsi tersebut. Salah satunya karena jumlah sampel data yang didapat tidak cukup banyak, sehingga tidak memenuhi distribusi normal. Tidak hanya itu, kesulitan pengukuran secara kuantitatif menyebabkan banyak pengukuran data dilakukan secara kualitatif, sehingga skala datanya adalah biner, ordinal, atau nominal. 

Memaksakan analisis statistik parametrik bila asumsi-asumsi yang disyaratkan belum dapat terpenuhi, maka akan menghasilkan suatu kesimpulan yang kurang bisa diandalkan. Oleh karena itu digunakan pendekatan lain, yaitu dengan statistik nonparametrik.

Baca Juga: 

Pengertian Statistik Nonparametrik

Statistik non-parametrik adalah teknik statistik yang digunakan untuk menguji hipotesis tanpa melibatkan pendugaan nilai populasi. Metode nonparametrik biasanya memanfaatkan beberapa aspek sederhana dari data sampel, seperti tanda aljabar observasi (tanda positif/negatif), hubungan urutan (data dengan skala ordinal), atau frekuensi kategori (data dengan skala nominal). 

Statistik parametrik termasuk salah satu bagian dari statistik inferensi dan disebut juga sebagai statistik bebas distribusi. Pada statistik nonparametrik tidak memerlukan asumsi distribusi data (data berdistribusi normal). Selain itu, kita tidak perlu mengubah skala data kualitatif menjadi skala data kuantitatif (numerik), karena tidak akan berpengaruh pada hasil analisis. 

Prosedur nonparametrik makin banyak digunakan oleh penganalisis data. Banyak terapannya dalam sains dan rekayasa yang datanya disajikan dalam bentuk skala ordinal, sehingga wajar menyajikannya dalam bentuk rangking. Namun demikian uji statistik nonparametrik mempunyai kelemahan, seperti tidak dipakainya semua keterangan yang tersedia pada sampel. Hal ini mengakibatkan dibutuhkannya jumlah sampel yang lebih banyak jika dibandingkan dengan menggunakan metode parametrik padanannya untuk mencapai kekuatan pengujian yang sama. 

Perbedaan Statistik Parametrik dengan Statistik Nonparametrik

Setelah membaca uraian-uraian paragraf sebelumnya, sudah mulai kebayang ya perbedaan statitistik parametrik dengan statistik nonparametrik. Berikut ini perbedaan statistik parametrik dan statistik nonparametrik.

Statistik Parametrik

1. Dibutuhkan asumsi kenormalan data
2. Jenis data kuantitatif atau memiliki skala interval atau rasio 
3. Ukuran tendensi sentral menggunakan mean
4. Cara mengukur derajat hubungan antara dua variabel kuantitatif menggunakan koefisien korelasi Pearson.

Statistik Non Parametrik

1. Tidak membutuhkan asumsi kenormalan data
2. Selain data kuantitatif, juga dapat digunakan untuk data kualitatif.
3. Ukuran tendensi sentral menggunakan median
4. Cara mengukur derajat hubungan antara dua variabel kuantitatif menggunakan korelasi peringkat Spearman.

Kelebihan Statistik Parametrik

  • Tidak memerlukan pengujian terhadap parameter populasi karena sudah dianggap memenuhi syarat.
  • Adanya asumsi-asumsi pada uji statistik parametrik, sehingga membuat pengujian metode parametrik dapat diandalkan akurasinya.

Kekurangan Statistik Parametrik

  • Populasi yang diteliti harus mempunyai varian yang sama. Hal ini merupakan sebuah kesulitan, karena kenyataannya semua varian dari populasi tidak diketahui. 
  • Variabel – variabel yang diteliti terbatas hanya untuk jenis data interval dan rasio.
  • Harus diketahui bahwa populasi berdistribusi normal.

Kelebihan Statistik Non-Parametrik

  • Perhitungan dapat dilakukan dengan cepat dan mudah.
  • Konsep dan metode statistik nonparametrik mudah dipahami bahkan oleh seseorang dengan kemampuan matematika yang minim.
  • Dapat diterapkan pada skala data nominal dan ordinal.
  • Distribusi data tidak harus normal.
  • Bisa digunakan untuk sampel kecil (misalnya n=8) walaupun distribusi populasinya tidak diketahui.

Kekurangan Statistik Non-Parametrik

  • Bila persyaratan untuk uji parametrik dapat dipenuhi, maka efisiensi pengujian non parametrik lebih rendah dibandingkan uji parametrik.
  • Uji non parametrik tidak dapat digunakan untuk menguji interaksi seperti dalam model analisis variansi. 
  • Uji non parametrik tidak dapat digunakan untuk membuat prediksi seperti analisis regresi linear karena asumsi kenormalan data tidak terpenuhi.

Langkah – Langkah Pemilihan Metode Statistik

Dalam memilih metode statistik yang tepat, harus disesuaikan dengan jenis/karakteristik data penelitiannya. Untuk memudahkan dalam memilih metode statistik yang tepat, Anda perlu menjawab lima pertanyaan berikut ini:

1. Apakah distribusi data diketahui?

Ya, maka menggunakan statistik parametrik
Tidak, maka menggunakan statistik non parametrik

2. Apakah data berditribusi normal?

Ya, maka menggunakan statistik parametrik
Tidak, maka menggunakan statistik non parametrik

3. Apakah sampel diambil secara random?

Ya, maka menggunakan statistik parametrik
Tidak, maka menggunakan statistik non parametrik

4. Apakah varian data kelompok sama?

Ya, maka menggunakan statistik parametrik
Tidak, maka menggunakan statistik non parametrik

5. Bagaimana jenis skala pengukuran data?

Interval, Rasio maka menggunakan statistik parametrik
Nominal, Ordinal maka menggunakan statistik non parametrik

Contoh Statistik Parametrik

Berikut ini contoh uji statistik parametrik:

1. Independent Sample t Test

Uji independent sample t test digunakan untuk menguji signifikansi perbedaan rata-rata dua kelompok.

2. One Sample t Test

Uji One sample t test digunakan untuk menguji perbedaan rata-rata suatu variabel dengan suatu konstanta tertentu atau nilai hipotesis. 

3. Paired Sample t Test

Uji paired sample t test merupakan analisis dengan melibatkan dua pengukuran pada subjek yang sama terhadap suatu perlakuan tertentu. Pengukuran pertama dilakukan sebelum dikenakan suatu perlakuan dan pengukuran kedua setelah dikenakan perlakuan.  

4. One Way ANOVA

Uji One way ANOVA digunakan untuk menentukan apakah rata-rata dua atau lebih kelompok (variabel dependen) berbeda secara nyata.

5. Regresi Linear 

Uji regresi linear digunakan untuk menguji pengaruh satu atau lebih variabel independen terhadap variabel dependen. 

Contoh Statistik Nonparametrik

Berikut ini beberapa contoh uji statistik nonparametrik:

1. Uji Tanda (sign test)

Uji tanda digunakan untuk menguji perbedaan rata-rata dua kelompak dengan sampel berpasangan. Didasarkan atas tanda-tanda positif atau negatif dari perbedaan sampel berpasangan.

2. Uji Wilcoxon 

Uji wilcoxon merupakan pengembangan dari uji tanda. Selain memperhatikan tanda positif (+) atau tanda negatif (-), uji ini juga menggunakan informasi mengenai besar selisih antara dua sampel berpasangan. 

3. Uji Korelasi Urutan Spearman (Rank Correlation Test)

Uji Korelasi Urutan Spearman adalah uji statistik yang digunakan untuk mengetahui hubungan antara dua atau lebih variabel dengan data berskala ordinal.

4. Uji Mann-Whitney (U test)

Uji Mann-Whitney digunakan untuk menguji rata-rata dari dua sampel yang berukuran tidak sama.

5. Uji Kruskall-Wallis (H test)

Uji Kruskall-Wallis digunakan untuk membandingkan rata-rata tiga sampel atau lebih. 


Sampai disini semoga Anda sudah paham ya. Demikian artikel yang berjudul Statistik Parametrik dan Statistik Nonparametrik. Terima kasih sudah berkunjung di blog faqirilmu.com


Referensi:

Trihendradi, C., 2013. Step by Step IBM SPSS 21: Analisis Data Statistik. Yogyakarta: Penerbit Andi.
https://www.statmat.net/statistik-parametrik-dan-statistik-non-parametrik/



Komentar

Posting Komentar

Postingan populer dari blog ini

Cara Membaca nilai R Tabel dan Download R Tabel (Tabel R)

-
Gambar
Pengertian R Tabel Apa yang dimaksud R Tabel? R tabel merupakan sebuah tabel angka yang biasa dipakai untuk melakukan uji validitas suatu instrumen penelitian.  Fungsi R Tabel Berdasarkan definisi di atas, maka dapat diambil kesimpulan bahwa r tabel ini mempunyai fungsi untuk melakukan suatu pengujian terhadap instrumen penelitian agar mengetahui apakah instumen penelitian tersebut valid atau tidak.  Dibawah ini merupakan R tabel. Gambar Tabel R ( R Tabel) Mau mendownload R tabel? Silahkan melalui link dibawah ini.  DOWNLOAD R Tabel Cara Membaca Nilai r Tabel dalam Uji Validitas Pearson Ada beberapa cara dalam mengambil keputusan uji validitas. Cara yang pertama dengan menggunakan r tabel dan cara kedua dengan menggunakan nilai signifikansi . Berikut ini pedoman pengambilan keputusan uji validitas SPSS: Membandingkan Nilai r Hitung dengan Nilai r Tabel Jika nilai r hitung > r tabel, maka item pertanyaan kuesioner valid Jika nilai r hitung < r tabel, maka item pertanyaan kuesione
Read more »

Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS

-
Gambar
Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS      Measure merupakan salah satu kolom yang berada di variable view IBM SPSS. Kolom measure harus ditetapkan terlebih dahulu sebelum melakukan analisis data lebih lanjut. Terdapat 3 tipe variabel pada kolom measure SPSS yaitu scale, nominal dan ordinal . Ketiga variabel tersebut memberikan jenis nilai serta informasi analisis yang berbeda. Berikut ini pengertian dan perbedaan scale, nominal dan ordinal pada SPSS.      Penentuan measure merupakan hal dasar yang sangat penting untuk diketahui saat bekerja menggunakan SPSS. Misalnya kita tidak boleh membuat variabel nominal untuk melakukan perhitungan nilai rata-rata dan standar deviasi.  Pilihan untuk mengubah tipe variabel suatu variabel terdapat pada lembar kerja Variabel View SPSS. Gambar dibawah ini merupakan ilustrasinya. A.  Variabel Nominal pada SPSS      Variabel nominal merupakan tipe variabel yang digunakan hanya sebatas memberi label pembeda pada suatu data. Variabel
Read more »

Analisis Crosstab dengan SPSS [Uji Chi-Square dan Correlation]

-
Gambar
Cara Analisis Crosstab Menggunakan SPSS  Pada artikel ini, Kita akan belajar analisis crosstabs menggunakan SPSS. Silahkan baca artikel ini sampai selesai ya, agar paham apa itu analisis crosstabs. Pada SPSS, analisis crosstab merupakan bagian dari statistik deskriptif . Lalu apa kegunaan analisis crosstabs? Analisis crosstab merupakan alat analisis untuk mendeskripsikan data dalam bentuk kolom dan baris. Selain itu digunakan untuk memeriksa hubungan antar variabel kategori (nominal atau ordinal). Analisis crosstab ini dibagi menjadi 2 bagian: Analisis Crosstab – Chi Square Analisis Crosstab – Correlations Lalu apa perbedaannya? Ok, kita langsung ke yang pertama, analisis Crosstab – Chi Square A. Analisis Crosstab Chi-Square Analisis Crosstab Chi-Square ini merupakan teknik analisis untuk melihat hubungan antar variabel data nominal. Syarat uji chi-squre ini variabel yang akan kita uji harus data nominal. Langsung aja ke contoh kasus, Suatu perusahaan mengamati apakah pelayanan karya
Read more »

Pengertian Data View dan Variabel View SPSS serta Fungsinya

-
Gambar
Pengertian Data View dan Variabel View serta Penggunaanya pada SPSS      IBM SPSS mempunyai dua lingkungan kerja yaitu data view dan variabel view. Untuk pembahasan yang pertama kita ke Data View dulu, setelah itu baru ke Variabel View. A.  Data View      Data View merupakan tampilan lembar kerja SPSS sebagai tempat kita memasukkan data hasil pengamatan. Data View pada SPSS menampilkan setiap baris sebagai suatu kasus (case) dan setiap kolom merepresentasikan suatu variabel. Berikut ini penjelasan mengenai variabel dan kasus yang terdapat pada data view. 1.  Kasus (case)      Kasus (case) pada SPSS merepresentasikan suatu hasil pengamatan terhadap suatu objek, dapat berupa pengamatan berdasarkan observasi atau eksperimen. Banyaknya kasus pada Data View dapat dilihat pada bagian baris, sedangkan untuk banyaknya variabel dapat dilihat pada bagian kolom. 2.  Variabel      Variabel merupakan suatu karakteristik yang akan diteliti atau apa yang akan menjadi titik perhatian suatu penelit
Read more »

Cara Analisis Regresi Linear Berganda dengan SPSS

-
Gambar
Analisis Regresi Linear Berganda dengan SPSS Pengertian Analisis Regresi Linear Berganda Analisis regresi linear berganda adalah analisis yang digunakan untuk mengetahui pengaruh dua atau lebih variabel independen terhadap variabel dependen . Selain itu analisis regresi linear berganda juga digunakan untuk meramalkan suatu variabel dependen berdasarkan beberapa variabel independen. Regresi linear berganda disebut juga dengan regresi berganda . Pada regresi linear, variabel independen disimbolkan dengan X dan variabel dependen disimbolkan dengan Y.  Perbedaan regresi linear berganda dengan regresi linear sederhana  Apakah Anda tahu perbedaan regresi linear berganda dengan regresi linear sederhana ?  Perbedaan regresi linear berganda dengan regresi linear sederhana terletak pada jumlah variabel independen. Apabila pada regresi linear sederhana hanya terdapat satu variabel independen , sedangkan pada regresi linear berganda terdapat dua atau lebih variabel independen yang mempengaruhi
Read more »