Konsep Statistik Parmaterik dan Non Parametrik

Asiksaja.com - Riset | Analisa data yang kita lakukan harus di dasarkan pada kaidah-kaidah statistika. Misalnya jumlah sampel yang kita gunakan, distribusi sebaran data, dan jenis-jenis data yang dipakai akan menentukan pemilihan alat analisis yang digunakan.

Lazimnya dikenal dua pendekatan dalam statistik inferensial, yaitu statistik Parametrik dan Non Parametrik. Statistik inferensial merupakan metoda statistik yang berhubungan dengan analisis sebagian data dari populasi, atau dikenal sebagai analisis data yang menggunakan sampel. Metode statistik inferensial disebut juga sebagai statistika induktif di sebabkan generalisasi kesimpulan ditarik berdasarkan informasi-informasi dari khusus ke umum. Statistik inferensial dikenal adanya pendugaan parameter, membuat hipotesis, serta melakukan pengujian hipotesis tersebut sehingga diambil simpulan.

Parametrik merupakan metode statistik yang menggunakan yang mensyaratkan asumsi sebaran data berdistribusi normal. Disebut parametrik karena data yang digunakan untuk dianalisis dalam kelompok jenis data metrik yaitu miniaml data berjenis data interval atau rasio [Baca juga jenis-jenis data].

Beberapa contoh analisis statistik yang masuk dalam pendekatan parametrik yang menuntut adanya sebaran data berdistribusi normal antara lain: Regresi linier, ANOVA, uji Z, uji T (t-test), uji F (F test), Korelasi Pearson, Analisis Faktor dan lain-lain.

Keunggulan Statistik Parametrik: 

1. Tidak perlu dilakukan uji parameter karena dianggap telah memenuhi syarat. pengukuran terhadap data dilakukan dengan kuat.
2. Observasi independen satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen. 

Kelemahan Statistik Parametrik: 

1. Mensyaratkan populasi harus mempunyai varian yang sama
2. Peubah-peubah 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 ditimbulka

Sementara pendekatan statistik non parametrik merupakan statistik kebalikan dari pendekatan parametrik. Jadi statistik non parametrik adalah statistik yang mengabaikan asumsi-asumsi dasar dalam pendekatan parametrik. Seperti tidak memerlukan keharusan data berdistribusi normal, data tidak harus besar dan jenis data yang digunakan bisa dalam bentuk dibawah jenis data interval seperti data ordinal atau nominal.

Beberapa analisis statistik yang menggunakan metode pendekatan non parametrik antara lain Uji tanda (sign test), Rank sum test (Uji wilcoxon),  Rank correlation test (Rank Spearman) , Uji Fisher probability, dan Chi-square test. Ciri-ciri umum dari statistik non-parametrik antara lain data tidak berdistribusi normal, berskala nominal dan ordinal, kebanyakan digunakan di analisis penelitian sosial dan sampel umumnya kecil. 

Keunggulan dari statistik non parametrik antara lain: 

1. Tidak harus terpenuhi asumsi normalitas.
2. Umumnya non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik. Statistik non-parametrik tidak membutuhkan perhitungan yang terlalu rumit, dibandingkan dengan pendekatan 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.

Sementara itu kelemahannya adalah : 

1. Terkadang mengabaikan beberapa informasi tertentu yang penting.
2. Hasil uji hipotesis tidak sekuat dan setajam uji parametrik.
3. Karena sampel umumnya kecil maka hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik.