Perbedaan Statistik Parametrik dan Statistik NonParametrik

Saat kita hendak melakukan suatu riset, seringkali kita dihadapkan

pada pilihan metode. Metode statistik apakah yang cocok digunakan dalam
riset kita tersebut. Dalam mempelajari statistik, biasanya kita langsung
dihadapkan pada metode statistik parametrik, padahal tidak semua data
cocok diolah dengan statistik parametrik. Walaupun perkembangan statistik
parameter sudah sedemikian canggih namun statistik parametrik memiliki
beberapa kekurangan, misalnya pada masalah-masalah sosial yang memiliki
skala nominal dan rasio, statistik parametrik tidak mampu mengukur dengan
baik. Kalaupun bisa, hal tersebut merupakan upaya yang berlebihan
(excessively method). Maka Statistik parametrik digunakan jika kita telah
mengetahui model matematis dari distribusi populasi suatu data yang akan
dianalisis. Jika kita tidak mengetahui suatu model distribusi populasi dari
suatu data dan jumlah data relatif kecil atau asumsi kenormalan tidak selalu
dapat dijamin penuh,maka kita harus menggunakan statistik non parametrik
(statistik bebas distribusi).
Berikut ini adalah ringkasan yang memuat perbedaan antara Statistik
Parametrik dan Statistik Non Parametrik. Dengan memahami perbedaan
antara keduanya, diharapkan kita bisa menemukan metode statistik yang
tepat dalam mengolah data riset yang tepat.

STATISTIK PARAMETRIK
Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis
sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau
tidak. 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.

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.

Ciri-ciri statistik parametrik :

- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametrik :

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.

Kelemahan :
1.
2.

Populasi harus memiliki varian yang sama.

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.

STATISTIK NON-PARAMETRIK
Statistik Non-Parametrik adalah test yang modelnya tidak menetapkan
syarat-syaratnya yang mengenai parameter-parameter populasi yang
merupakan induk sampel penelitiannya. Oleh karena itu observasi-observasi
independent dan variabel yang diteliti pada dasarnya memiliki kontinuitas. Uji
metode non parametrik atau bebas sebaran adalah prosedur pengujian
hipotesa yang tidak mengasumsikan pengetahuan apapun mengenai sebaran
populasi yang mendasarinya kecuali selama itu kontinu.
Pendeknya: Statistik Non-Parametrik adalah 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.

Contoh metode statistik non-parametrik (selengkapnya dapat

dilihat disini) :
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

Ciri-ciri statistik non-parametrik

- Data tidak berdistribusi normal

- Umumnya data berskala nominal dan ordinal
- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil

Keunggulan dan kelemahan statistik non-parametrik :

Keunggulan :
1.
2.

3.
4.

5.
6.

Tidak membutuhkan asumsi normalitas.

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.
Statistik non-parametrik dapat digantikan data numerik (nominal)
dengan jenjang (ordinal).
Kadang-kadang pada statistik non-parametrik 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.

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 nonparametrik mendekati eksperimen dengan sampel kecil dan umumnya
membandingkan dua kelompok tertentu. (Khairul Amal)

Dalam implementasi, penggunaan prosedur yang tepat merupakam tujuan

dari peneliti. Beberapa parameter yang dapat digunakan sebagai dasar dalam
penggunaan statistik non parametrik adalah:
1.

Hipotesa yang diuji tidak melibatkan parameter populasi.

2.

Skala yang digunakan lebih lemah dari skala prosedur parametrik.

3.

Asumsi-asumsi parametrik tidak terpenuhi.

Statistika deskriptif adalah bagian dari ilmu statistika yang hanya

mengolah, menyajikan data tanpa mengambil keputusan untuk populasi. Dengan
kata lain hanya melihat gambaran secara umum dari data yang didapatkan. Statistika
deskriptif berusaha menjelaskan atau menggambarkan berbagai karakteristik data, seperti
berapa rata-ratanya, seberapa jauh data bervariasi dari rata-ratanya, berapa median data
dan sebagainya.

Statistika inferensial/Induktif adalah statistik yang digunakan untuk menganalisa data

sampel, dan hasilnya akan digeneralisasikan untuk populasi dimana sampel berada.
Statistika inferensial berusaha membuat berbagai inferensi terhadap sekumpulan data
yang berasal dari suatu sampel. Tindakan inferensi tersebut seperti melakukan perkiraan
besaran populasi, uji hipotesis, forecasting dsb.