Statistik Parametrik dan Nonparametrik
Sebelum
membahas statistik parametrik dan nonparametrik, tidak akan lepas untuk
membahas mengenai statistik inferensial. Seperti yang telah diketahui, bahwa statistik
inferensial digunakan untuk menggambil kesimpulan kesimpulan (to infer) yang
lebih luas untuk populasi.
Secara
umum terdapat dua kegiatan yang dilakukan dalam statistik inferensial, yaitu :
- Menaksir (to estimate), yaitu menaksir parameter populasi berdasarkan ukuran-ukuran sampel.
- Menguji (to test), yaitu menakasir suatu hipotesis
Terdapat
dua tipe statistik inferensial, yaitu statistik parametrik dan nonparametrik.
A. Statistik Parametrik
1.
Pengertian
Statistik
Parametrik, yaitu ilmu
statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu
apakah data menyebar secara normal atau tidak.
Statistik parametrik
digunakan untuk menguji hipotesis dan variabel yang terukur. Dengan kata lain,
data yang akan dianalisis menggunakan statistik parametrik harus memenuhi
asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data
seharusnya dikerjakan dengan metode statistik non-parametrik, atau
setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti
sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.
Misal :
“Berapa menit rata-rata waktu layanan pelanggan di restoran cepat saji X?”.
variabel waktu layanan pelanggan dapat diukur
dalam menit.
2.
Syarat-syarat statistik parametrik :
a.
Data
dengan skala interval dan rasio
b.
Data
menyebar/berdistribusi normal
3.
Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or
two-way anova parametrik), dll.
4.
Keunggulan dan kelemahan statistik parametrik
a.
Keunggulan
1)
Syarat
syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji
dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
2)
Observasi
bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta
memiliki varian yang homogen.
b.
Kelemahan
1) Populasi harus memiliki varian yang
sama.
2) Variabel-variabel yang diteliti
harus dapat diukur setidaknya dalam skala interval.
3) Dalam analisis varian ditambahkan
persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus
merupakan kombinasi linear dari efek-efek yang ditimbulkan.
B. Statistik Nonparametrik
1.
Pengertian
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak
mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain
itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial,
yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.
Misal : “Berapa
besar kepuasan pelanggan terhadap pelayanan restoran cepat saji X?”. variabel
kepuasan tidak memiliki satandar pasti.
2. Syarat
statistik non-parametrik
a. Data tidak berdistribusi normal
b. Umumnya data berskala nominal dan
ordinal
c. Umumnya dilakukan pada penelitian social
d. Umumnya jumlah sampel kecil
3. Contoh
metode statistik non-parametrik :
a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll
4. Keunggulan
dan kelemahan statistik non-parametrik
a. Keunggulan
:
1) Tidak membutuhkan asumsi normalitas.
2) Secara umum metode statistik
non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika
dibandingkan dengan statistik parametrik karena ststistika non-parametrik
tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik
parametrik.
3) Statistik non-parametrik dapat
digantikan data numerik (nominal) dengan jenjang (ordinal).
4) Kadang-kadang pada statistik
non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering
dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.
5) Pengujian hipotesis pada statistik
non-parametrik dilakukan secara langsung pada pengamatan yang nyata.
6) Walaupun pada statistik
non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat
digunakan pada populasi berdistribusi normal.
b. Kelemahan
1) Statistik non-parametrik terkadang
mengabaikan beberapa informasi tertentu.
2) Hasil pengujian hipotesis dengan
statistik non-parametrik tidak setajam statistik parametrik.
3) Hasil statistik non-parametrik tidak
dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik.
Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel
kecil dan umumnya membandingkan dua kelompok tertentu
Tidak ada komentar:
Posting Komentar