JAGOSTAT.COM

JAGOSTAT.COM

Website Belajar Statistika: Konsep, Teori, dan Penerapan

Website Belajar Statistika: Konsep, Teori, dan Penerapan

Metode Statistika II » Klasifikasi Statistika › Statistika Parametrik dan Nonparametrik
Klasifikasi Statistika

Statistika Parametrik dan Nonparametrik

Jika data berdistribusi normal, maka metode statistik parametrik dapat diterapkan. Namun, jika data tidak berdistribusi normal maka metode parametrik tidak dianjurkan untuk digunakan. Kegiatan inferensi sebaiknya menggunakan metode statistik nonparametrik.


Oleh Tju Ji Long · Statistisi

Seperti telah dijelaskan pada artikel sebelumnya bahwa pada umumnya, analisis statistik dapat dibagi menjadi dua bidang, yaitu statistik deskriptif dan statistik inferensial.

Jika analisis dilakukan dengan tujuan menggambarkan atau mengkarakterisasi data, maka kita berada dalam domain statistik deskriptif. Namun, jika kita menggunakan data sampel untuk menarik kesimpulan tentang populasi, maka kita ada dalam domain statistik inferensial.

Metode statistik inferensial dalam praktek cukup beragam, dan salah satu kriteria penting dalam pemilihan metode statistik adalah berdasarkan distribusi data.

Jika data berdistribusi normal atau mendekati distribusi normal, maka data-data tersebut bisa dilakukan berbagai inferensi atau pengambilan keputusan dengan metode statistik parametrik.

Namun, jika data tidak berdistribusi normal atau jauh dari kriteria distribusi normal, maka metode parametrik tidak dianjurkan untuk digunakan. Dalam hal ini, kegiatan inferensi sebaiknya menggunakan metode statistik nonparametrik.

Pengujian parametrik merupakan cara menguji hipotesis yang didasarkan pada bebarapa asumsi:

  1. Observasi sampel harus dipilih dari populasi yang memiliki distribusi normal.
  2. Dalam kasus pengujian beda 2 parameter atau lebih, populasi-populasi tersebut bukan saja perlu memiliki distribusi normal, tetapi juga varians yang sama (asumsi homoskedastisitas).

Keabsahan asumsi tersebut akan menentukan sejauh mana hasil uji parametrik tersebut berarti atau tidak. Asumsi-asumsi tersebut perlu diuji sehingga dikenal dengan uji asumsi normalitas, uji homogenitas, dan uji asumsi multikolinearitas.

Contoh analisis dalam statistik parametrik yaitu analisis korelasi (misalkan korelasi pearson), analisis regresi linear, analisis komparasi seperti uji perbedaan rata-rata/mean dari dua kelompok (uji Z dan uji t) dan analisis varians (analysis of variance).

Berbeda halnya dengan statistik nonparametrik yang mana tidak pernah merumuskan asumsi mengenai populasi darimana sampelnya dipilih. Statistik nonparametrik adalah prosedur statistik yang tidak bergantung pada asumsi tentang bentuk distribusi dari mana data diambil.

Metode statistik yang digunakan pada statistik nonparametrik adalah metode yang berhubungan dengan data yang berbentuk ranking atau data kualitatif (skala nominal atau ordinal) atau data kuantitatif yang tidak berdistribusi normal.

Oleh karena itu, statistik nonparametrik seringkali disebut dengan statistik bebas distribusi. Pada statistik nonparametrik, kita akan menguji karakteristik populasi tanpa menggunakan spesifik parameter.

Hal yang perlu disadari bahwa uji nonparametrik selayaknya tidak digunakan apabila uji paarmetrik dapat diterapkan, karena tingkat keampuhan uji nonparametrik lebih rendah daripada uji parametrik. Namun, Anda sebagai pengambil keputusan atau peneliti jangan salah menafsirkan bahwa derajat kegunaan metode statistik nonparametrik berada di bawah metode statistik parametrik.

Tentu saja tidak demikian, masing-masing metode dibuat dengan spesifikasi khusus sesuai dengan kondisi data yang digunakan. Peningkatan keampuhan uji nonparametrik harus dengan memperbesar sampel. Namun, seperti kita ketahui memperbesar sampel berarti akan menambah biaya, waktu, dll.

Contoh uji statistik pada statistika nonparametrik yaitu analisis korelasi (misalnya korelasi peringkat spearman), analisis komparasi seperti uji tanda dua sampel berpasangan, uji Mann-Whitney U untuk menguji apakah 2 mean populasi sama atau tidak, dan uji chi-square dan regresi nonparametrik.

Artikel Terkait

There are many ways of going forward, but only one way of standing still.

A PHP Error was encountered

Severity: Core Warning

Message: PHP Startup: Unable to load dynamic library 'imagick.so' (tried: /opt/alt/php72/usr/lib64/php/modules/imagick.so (libMagickWand-7.Q16HDRI.so.7: cannot open shared object file: No such file or directory), /opt/alt/php72/usr/lib64/php/modules/imagick.so.so (/opt/alt/php72/usr/lib64/php/modules/imagick.so.so: cannot open shared object file: No such file or directory))

Filename: Unknown

Line Number: 0

Backtrace: