Uji statistik biasanya dilakukan untuk membuat kesimpulan mengenai sampel populasi. Uji ini merupakan teknik formal menggunakan distribusi probabilitas agar mendapatkan kesimpulan tentang hipotesis. Untuk melakukannya, terdapat dua jenis, yaitu parametrik dan non parametrik.
Penasaran seperti apa uji statistik parametrik maupun non parametrik, kelebihan dan kekurangan, serta perbedaan antara keduanya? Selengkapnya di artikel satu ini!
Table of Contents
Sekilas tentang Parametrik dan Non Parametrik
Statistik parametrik dan non parametrik merupakan dua jenis uji statistik yang sering digunakan dalam penelitian. Keduanya memiliki kelebihan dan kekurangan dan terdapat perbedaan yang signifikan, termasuk data dan metode yang akan digunakan.
Melakukan uji statistik bertujuan memberikan kekuatan dari hasil penelitian agar tetap pada koridor ilmiah. Orang lain bisa membuktikan penelitian yang dilakukan melalui pengujian dengan cara yang sama dengan hasil yang sama. Jadi, sebelum melakukan penelitian, kamu dan tim harus memahami uji statistik mana yang paling tepat, apakah parametrik atau non parametrik.
Tentang Parametrik
Statistik parametrik adalah teknik pengujian data yang berguna untuk melakukan pengujian hipotesis dengan melibatkan populasi sebagai parameter. Akan tetapi, perlu kamu tahu bahwa uji statistik ini hanya bisa digunakan apabila sudah memenuhi asumsi analisis data. Termasuk data harus berdistribusi normal atau homogen.
Agar bisa melakukan uji parametrik, data harus memiliki jumlah sampel yang besar. Akan tetapi, hal tersebut belum tentu benar mengingat ukuran sampel bersifat relatif (menurut temuan dari Statmat.id).
Uji parametrik juga harus memenuhi beberapa persyaratan, di antaranya adalah sebagai berikut:
- Populasi untuk sampel harus berdistribusi normal
- Sampel memiliki varian yang sama
- Skala data berbentuk interval atau rasio
- Pengambilan sampel secara random atau acak
Tentang Non Parametrik
Apa sih statistik non parametrik itu? Uji satu ini tidak memerlukan asumsi parameter apapun untuk populasi yang diuji. Dengan kata lain, uji satu ini tidak bergantung pada populasi.
Dalam pengujian non parametrik, tidak ada parameter apapun dan tidak ada distribusi yang perlu diketahui. Sehingga disebut sebagai metode bebas distribusi.
Peneliti menggunakan analisis non parametrik apabila tidak tahu distribusi data yang diamati. Dalam kondisi lain, apabila data distribusi tidak normal, pengujian ini juga banyak dilakukan. Bahkan dalam jumlah data yang besar dengan distribusi yang tidak dapat dipastikan.
Apabila hipotesis tidak untuk generalisasi parameter dari populasi data, kamu juga bisa menggunakan uji non parametrik. Jenis uji statistik ini merupakan alternatif, namun tidak bisa diaplikasikan saat jenis data adalah kontinum. Dengan kata lain, apabila data berjenis kontinum maka harus terlebih dahulu diubah ke non kontinum.
Baca Juga: Pahami 4 Perbedaan Data Diskrit dan Kontinu Melalui Definisi dan Contohnya
Jenis-jenis Parametrik dan Non Parametrik
Selanjutnya, kamu bisa mengetahui aja saja jenis dari parametrik maupun non parametrik dari ulasan berikut!
| Parametrik | Non Parametrik |
| Anova untuk menguji signifikansi perbedaan antara dua rerata atau lebih | Uji-t berpasangan yang bertujuan untuk menganalisis perbedaan data dalam suatu kelompok dengan uji tanda |
| Uji-t dilakukan untuk menguji signifikansi satu atau dua kelompok sampel | Uji-t sampel bebas agar bisa membandingkan dua sampel bebas menggunakan uji Mann-Whitney U dan uji Wilcoxon jumlah peringkat |
| Regresi dapat menguji hubungan antar variabel | Analisis variasi satu jalur (uji F) digunakan apabila hendak membandingkan lebih dari tiga kelompok menggunakan faktor berbeda yaitu menggunakan uji analisis varian dua jalur Friedman |
| Korelasi digunakan agar bisa menguji hubungan antar variabel | Koefisien korelasi pearson untuk menguji koefisien korelasi peringkat spearman agar dapat melakukan analisis korelasi linier antara dua peubah |
| Analisis jalur dapat menguji hubungan sebab akibat yang peneliti dapatkan melalui kajian teori yang sudah dirumuskan |
Kelebihan dan Kekurangan Parametrik
Metode uji parametrik bisa menjadi pilihan dengan mempertimbangkan berbagai hal. Termasuk kelebihan dan kekurangan yang akan melengkapi pilihanmu. Apa saja?
Kelebihan Parametrik
- Sampel memiliki varian homogen dari populasi dengan distribusi normal
- Syarat-syarat parameter populasi yang menjadi sampel tidak perlu diuji dan dianggap memenuhi syarat
Kekurangan Parametrik
- Populasi harus memiliki variasi yang sama untuk mendapatkan data dengan distribusi normal yang merupakan syarat utama dalam menggunakan statistik parametrik
- Variabel penelitian harus berbentuk numerik dan bisa diukur agar skala data hanya skala interval dan rasio
- Terdapat persyaratan tambahan dalam analisis varian, yaitu rata-rata populasi harus normal, memiliki varian yang sama, serta merupakan kombinasi linear dari beberapa efek yang ditimbulkan
- Kelebihan dan Kekurangan Non Parametrik
Mempelajari parametrik dan non parametrik artinya kamu juga harus mengetahui kelebihan dan kekurangan keduanya, bukan? Selain parametrik, non parametrik juga menjadi pilihan untuk tujuan dan kondisi tertentu. Sebelum menggunakannya, sebaiknya ketahui apa saja kelebihan dan kekurangannya.
Kelebihan Non Parametrik
- Tingkat kesalahan yang kecil karena tidak memerlukan banyak asumsi
- Perhitungan cenderung sederhana dengan konsep yang mudah dipahami
- Bisa diaplikasikan ke data rank maupun hitungan
Kekurangan Non Parametrik
- Hasil analisis cenderung tidak bisa digeneralisasikan pada kelompok data yang lebih luas
- Perlu waktu perhitungan yang lama pada jumlah yang besar
- Belum dapat digunakan untuk uji anova atau analisis varian
- Perlu tabel statistik khusus yang tidak mudah untuk didapatkan
Contoh Penerapan Parametrik dan Non Parametrik
Analisis Korelasi dalam statistik parametrik bertujuan untuk mengukur hubungan antara variabel-variabel. Ini mencakup tingkat kekuatan dan arah hubungan antar variabel, tanpa mempertimbangkan sebab-akibat di antara variabel tersebut. Salah satu metode yang sering digunakan untuk analisis korelasi pada data parametrik adalah metode Pearson, yang juga dikenal sebagai koefisien korelasi Pearson. Metode ini cocok untuk data kuantitatif dan tersedia dalam software statistik seperti Minitab, termasuk versi 14 dan 15.
Baca juga: 3 Cara Menggunakan Rumus Median Excel untuk Data Ganjil dan Kelompok
Uji Chi Square, juga dikenal sebagai uji Kai Kuadrat, merupakan salah satu metode dalam statistik non-parametrik yang digunakan untuk mengevaluasi hubungan antara variabel-variabel yang diamati. Misalnya, dalam penelitian mengenai perilaku mahasiswa, kita dapat menggunakan uji ini untuk menentukan apakah ada hubungan antara perilaku mahasiswa terhadap program kampus.
Dalam contoh ini, perilaku mahasiswa dapat dibagi menjadi dua kategori: mereka yang mendukung program kampus dan mereka yang tidak tertarik dengan program tersebut. Dengan demikian, uji Chi Square memungkinkan kita untuk menguji hipotesis mengenai perbedaan perilaku mahasiswa berdasarkan frekuensinya.
Perbedaan Parametrik dan Non Parametrik
Agar lebih bisa memahami seperti apa parametrik dan non parametrik, berikut adalah beberapa perbedaan keduanya:
- Penerapan uji parametrik untuk satu variabel saja, sementara uji non parametrik bisa digunakan untuk variabel dan atribut
- Ukuran tendensi sentral dalam parametrik adalah mean dan non parametrik adalah median
- Terdapat informasi lengkap tentang populasi pada uji parametrik dan sebaliknya pada non parametrik
- Parametrik menggunakan korelasi pearson, non parametrik menggunakan korelasi peringkat spearman
- Pengukuran variabel diukur pada interval atau rasio pada parametrik, dan skala nominal atau ordinal pada non parametrik
Apakah kamu merasa bahwa parametrik dan non parametrik tidak sesederhana yang dibayangkan? Biasanya, melalui praktik atau langsung melakukan penelitian, kamu bisa lebih memahami keduanya.
Apabila nantinya ingin membagikan hasil berupa kesimpulan dalam bahasa yang lebih mudah dipahami oleh audiens tertarget, kamu bisa menggunakan jasa penulisan artikel SEO friendly dari Optimaise agar hasil penelitian bisa kamu bagikan kepada audiens yang lebih luas.
