STATISTIK PARAMETRIS DAN NON PARAMETRIS

Bacaan Selanjutnya ...

Dalam statistik inferensial terdapat statistik parametris dan statistik nonparametris. Saat kita akan melakukan analisa data, seringkali kita terbentur untuk memilih statistik apa yang cocok untuk digunakan. Apakah statistik parametris atau statistik nonparametris. Namun seringkali kita menggunakan statistik parametris, padahal hal tersebut belum tentu bisa sepenuhnya. Banyak hal yang harus kita ketahui kapan menggunakan statistik parametris dan kapan menggunakan statistik nonparametris.

Salah satu hal yang membedakan statistik parametris dan nonparametris adalah distribusi dari data. Statistik parametris syarat utamanya adalah memenuhi asumsi kenormalan dalam artian data harus berdistribusi normal sedangkan statistik nonparametris tidak demikian, bebas distribusi.

Berikut akan dijelaskan sedikit mengenai statistik parametris dan statistik nonparametris.

1. Statistik parametris.

Statistik parametris digunakan untuk menguji parameter populasi melalui statistik data sampel. Penggunaannya harus memenuhi banyak asumsi. Asumsi utama adalah data yang akan dianalisis harus berdistribusi normal. Jika tidak berdistribusi normal, maka data seharusnya dikerjakan dengan metode statistik nonparametris atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa menggunakan analisis data dengan statistik parametris.

Ciri-ciri statistik parametris, sebagai berikut :

Data yang digunakan berskala interval atau rasio.
Data berdistribusi normal.
Harus memenuhi asumsi-asumsi yang ditentukan, seperti normalitas, liniearitas, multikolinearitas, homogenitas, heteroskedasitas, autokorelasi, dll.

Contoh metode statistik parametris sebagai berikut:

Uji satu sampel atau dua sampel dengan uji-Z
Uji satu sampel atau dua sampel dengan uji-t
Korelasi Pearson Product Moments
Korelasi Ganda
Analisis Regresi
Analisis of Varians (ANOVA) - parametrik
dll

Keunggulan statistik parametris, diantaranya :

Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.
Biasanya tidak menguji syarat parameter dari suatu populasi dan dianggap sudah memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.

Kelemahan statistik parametris, diantaranya:

Populasi harus memiliki varian yang sama.
Variabel yang diteliti harus dapat diukur minimal skala interval.
Dalam ANOVA harus ditambahkan persyaratan rata-rata populasi harus normal dan bervarian sama Harus merupakan kombinasi linier dari efek-efek yang ditimbulkan.

2. Statistik Nonparametris

Statistik nonparametris tidak menuntut terpenuhi banyaknya asumsi, misalnya data yang akan dianalisis tidak harus berdistribusi normal (distribution free). Sering digunakan untuk data berskala nominal dan ordinal.

Ciri-ciri statistik nonparametris, diantaranya :

Data tidak berdistribusi normal.
Data berskala nominal atau ordinal.
Umumnya jumlah sampel sedikit (n kecil).
Umumnya dilakukan pada penelitian sosial.

Contoh uji statistik non parametris, diantaranya :

Uji Binomial
Uji Mc Nemar
Run Test
Wilcoxon
Mann-Whitney
dll

Keunggulan statistik nonparametris, diantaranya:

Tidak membutuhkan banyak asumsi, seperti normalitas.
Tidak terikat pada data berdistribusi normal, namun dapat digunakan pada populasi berdistribusi normal.
Dapat digunakan untuk data yang tidak diketahui distribusinya.
Lebih mudah dikerjakan dan lebih mudah dimengerti.
Dapat dilakukan secara langsung pada pengamatan yang nyata.
Dapat digunakan untuk data yang berskala nominal atau ordinal.

Kelemahan statistik nonparametris, diantaranya:

Hasil pengujian statistik nonparametris tidak setajam atau sekuat analisis statistik parametris. Seperti dinyatakan oleh beberapa ahli :Emory (1985): "The parametric test are more powerful are generally the tests of choisce if their use assumptions are reasonably met". dan Phopan (1973) : " ...parametric procedures are often markedly more powerful than their nonparametric counterparts.
Hasil statistik nonparametris tidak dapat digeneralisasi ke populasi, karena hasil statistik nonparametris mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua sampel.

Dalam melakukan penelitian kuantitatif yang menggunakan statistik, ada dua hal utama yang harus diperhatikan yaitu :

Macam data, yaitu berskala nominal, ordinal, rasio atau interval.
Bentuk hipotesis, yaitu hipotesis komparatif (membandingkan), hipotesis asosiatif (hubungan) dan hipotesis deskriptif.