Seringkali pada ketika melaksanakan riset, kita dihadapkan pada metode statistik apa yang cocok untuk penelitian tersebut. Dari jenis data maupun jumlah sampel yang dipakai dalam penelitian dikenal ada motde statistik yang biasa dipakai yaitu statistik parametrik dan nonparametrik.
Untuk data-data yang bersifat kuantitatif dan mengunakan hipotesis yang mengasumsikan bahwa distribusi populasi bersifat normal, maka dipakai statistik parametrik dan sebaliknya. Namun untuk lebih jelasanya, berikut ini yakni ringkasan yang memuat perbedaan antara Statistik Parametrik dan Statistik Non Parametrik. Dengan memahami perbedaan antara keduanya, dibutuhkan kita bisa menemukan metode statistik yang sempurna dalam mengolah data riset yang tepat.
STATISTIK PARAMETRIK
Statistik Parametrik, yaitu statistik yang mengunakan data interval atau selang dan rasio menurut fakta yang bersifat niscaya dan menurut sampel. Data diambil dengan memberi peluang yang sama atau independen, serta tidak bias.
Data Parametrik juga dicirikan oleh suatu populasi yang berdisribusi normal dan mempuyai varians yang sama.
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.
Keunggulan dan kelemahan statistik parametrik :
Keunggulan :
- Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
- Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta mempunyai varian yang homogen.
Kelemahan :
- Populasi harus mempunyai varian yang sama.
- Variabel-variabel yang diteliti harus sanggup diukur setidaknya dalam skala interval.
- 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 statistik yang tidak memerlukan pembuatan perkiraan perihal bentuk distribusi atau bebas distribusi, sehingga tidak memerlukan perkiraan terhadapa populasi yang akan diuji.
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
Ciri-ciri statistik non-parametrik :
a. Data tidak berdistribusi normal
b. Umumnya data berskala nominal dan ordinal
c. Umumnya dilakukan pada penelitian sosial
d. Umumnya jumlah sampel kecil
Keunggulan dan kelemahan statistik non-parametrik :
Keunggulan :
- Tidak membutuhkan perkiraan normalitas.
- Secara umum metode statistik non-parametrik lebih gampang dikerjakan dan lebih gampang dimengerti bila dibandingkan dengan statistik parametrik alasannya yakni ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit menyerupai halnya statistik parametrik.
- Statistik non-parametrik sanggup digantikan data numerik (nominal) dengan jenjang (ordinal).
- Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal alasannya yakni sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.
- Pengujian hipotesis pada statistik non-parametrik dilakukan secara eksklusif pada pengamatan yang nyata.
- Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi sanggup dipakai pada populasi berdistribusi normal.
Kelemahan :
- Statistik non-parametrik terkadang mengabaikan beberapa isu tertentu.
- Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.
- Hasil statistik non-parametrik tidak sanggup diekstrapolasikan ke populasi studi menyerupai pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.
Dalam implementasi, penggunaan mekanisme yang sempurna merupakan tujuan dari peneliti. Beberapa parameter yang sanggup dipakai sebagai dasar dalam penggunaan statistik non parametrik adalah:
- Hipotesa yang diuji tidak melibatkan parameter populasi.
- Skala yang dipakai lebih lemah dari skala mekanisme parametrik.
- Asumsi-asumsi parametrik tidak terpenuhi.
LANGKAH MENENTUKAN STATISTIK YANG AKAN DIGUNAKAN DALAM RISET
- Apakah jenis skala pengukuran data nominal, ordinal, interval atau rasio?
- Apakah data berjumlah besar?
- Apakah data mempunyai distribusi tertentu?
Setidaknya dengan menjawab tiga pertanyaan diatas anda sudah bisa memilih jenis statistik apa yang akan anda gunakan.
Demikian, agar bermanfaat
| | PARAMETRIK | NONPARAMETRIK |
| Deskriptif | | |
| Asumsi Distribusi | Normal | - |
| Asumsi Varian | Homogen | - |
| Jenis Data | Rasio atau Interval | Ordinal atau Nominal |
| Hubungan data set | Independent | - |
| Ukuran central | Mean | Median |
| Manfaat | Lebih banyak kesimpulan | Sederhana dan sedikit outlier |
| Tes | ||
| Uji korelasi | Pearson, Regresi | Spearman |
| Uji 2 Kelompok, berbeda | Independent Sample t test | Mann-Whitney |
| Uji 2 Kelompok lebih, berbeda | Independent One Way ANOVA | Kruskal-Wallis |
| Uji berulang, 2 kondisi | Paired Sample t Test | Wilcoxon |
| Uji berulang, 2 kondisi lebih | Repeated One Way ANOVA | Friedman |
Advertisement