Assalamualaikum warrahmatullahi wabarakatuhu,
Kali ini penulis ingin berbagi ilmu statistik mengenai perbedaan antara statistik parametrik dan non parametrik. Bagi sobat blogger yang pernah menimba ilmu statistik atau pernah mengikuti pelatihan six sigma, biasa dijumpai istilah ini yang digunakan pada phase analysis terhadap masalah yang akan kita perbaiki. Untuk lebih jelasnya silahkan baca artikel dibawah ini.
Dalam terminologi ilmu statistika, statistik parametrik dan non parametrik merupakan dua hal yang sering digunakan. Lantas apa perbedaan keduanya? Secara sederhana sebetulnya antara statistik parametrik dan non parametrik mudah dibedakan dari istilahnya saja. Statistik non parametrik adalah statistik yang ditidak mendasarkan pada parameter-parameter statistik. apa itu parameter-parameter statistik? jika anda melakukan penelitian, tentu anda melakukan pengukuran-pengukuran, nah ukuran-ukuran tersebut diistilahkan dengan parameter. dalam statistik kita mengenal mean, median, modus dan standar deviasi. itulah parameter-parameter statistik. dalam statistik non parametrik, parameter tersebut tidak dijadikan acuan. Mengapa? ketika kita menggunakan skala data nominal atau ordinal, parameter-parameter tersebut menjadi tidak relevan. itu lebih kepada membuat ranking pada data. selain itu, statistik non parametrik tidak mendasakan pada distribusi data tertentu.
STATISTIK PARAMETRIK
Statistik Parametrik, yaitu statistik yang mengunakan data interval atau selang dan rasio berdasarkan fakta yang bersifat pasti dan berdasarkan sampel. Data diambil dengan memberi peluang yang sama atau independen, serta tidak bias.
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:
- Distribusi data normal
- Mempunyai varians yang sama
Keunggulan statistik parametrik:
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.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.
Kelemahan statistik parametrik::
1. Populasi harus memiliki varian yang sama.
2. 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.
2. 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 statistik yang tidak memerlukan pembuatan asumsi tentang bentuk distribusi atau bebas distribusi, sehingga tidak memerlukan asumsi 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:
- Distribusi data tidak normal
- Umumnya data berskala nominal dan ordinal
- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil
Keunggulan statistik non-parametrik:
1. Tidak membutuhkan asumsi normalitas.
2. 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.
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.
Kelemahan statistik non-parametrik:
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 non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.
Penggunaan statistik non parametrik
Statistik non parametrik banyak digunakan pada kondisi di mana peneliti dihadapkan pada data yang berupa ranking, misalnya data untuk menilai peringkat mana yang lebih penting diantara beberapa atribut produk. Begitupun ketika hendak menganalisis data berupa data nominal atau data dikotomus, misalnya kita hanya menggunakan skala 1 dan 2 untuk membedakan jenis kelamin laki-laki dan perempuan. Parameter-parameter statistik seperti rata-rata dan standar deviasi menjadi tidak relevan. Jika kita paksakan untuk menggunakannya maka tentu rata-rata data hanya menyebar di antara angka 1 dan 2.
Ketika peneliti menggunakan skala ordinal dalam mengukur suatu variabel, statistik non parametrik merupakan metode yang cocok untuk menganalisis data tersebut. Namun, kebanyakan peneliti menggunakan statistik parametrik melalui penghitungan parameter mean dan standar deviasi terlebih dahulu. Memang, dalam hal interpretasi, statistik parametrik lebih mudah dipahami dibandingkan statistik non parametrik. Kita tentu akan lebih mudah membaca rata-rata atau penyimpangan suatu data dibandingkan ranking dari data itu sendiri. Alasan kemudahan membaca hasil inilah yang sering dijadikan justifikasi untuk menghindari statistik non parametrik.
Alasan kedua penggunaan statistik non parametrik adalah ketika data peneliti dihadapkan pada data yang tidak berdistribusi normal atau peneliti tidak memiliki cukup bukti yang kuat data berasal dari distribusi data seperti apa. Kita sering dihadapkan pada kondisi di mana data tidak berdistribusi normal, misalnya distribusi data terlalu miring ke kiri atau ke kanan. Berbagai usaha dapat dilakukan dengan mereduksi data outlier atau data ekstrim. Namun, jika hal tersebut tidak merubah distribusi data menjadi terdistribusi normal, maka metode non parametrik dapat dilakukan.
Contoh metode analisis non parametrik
Kedua metode ini tentu memiliki konsekuensi terhadap pendekatan analisis yang digunakan. Untuk menganalisis pengaruh suatu variabel penyebab terhadap variabel respon, biasanya kita menggunakan analisis regresi linier sederhana atau berganda. Dalam metode non parametrik, metode tersebut tidak lagi relevan. Pendekatan yang cocok adalah regresi non parametrik.
Begitu pun ketika kita menganalisis hubungan antara dua variabel. Biasanya kita menggunakan analisis korelasi Pearson Product Moment. Namun, dalam metode non parametrik analisis korelasi lebih dikenal dengan korelasi Rank spearman. Teknik perhitungannya berbeda. Dalam Rank spearman, kita terlebih dahulu membuat ranking dari data yang akan dikorelasikan sementara dalam Pearson product moment tidak dilakukan. Metode korelasi non parametrik populer lainnya adalah Kendall Tau.
Ketika kita hendak melakukan uji perbandingan antara kelompok, maka metode analisis yang digunakan dalam statistik parametrik adalah uji t (ketika yang kita bandingkan 2 kelompok), atau uji anova (ketika kelompok yang kita bandingkan lebih dari 2). Berbeda dengan statistik parametrik, dalan non parametrik ada uji Kruskall wallis yang sebaiknya digunakan.
Kesimpulannya, parametrik adalah parameter yang biasa digunakan dalam ilmu statistik seperti mean, median, modus dan standar deviasi. sementara non parametrik semua parameter didalam parametrik tersebut tidak dapat dijadikan acuan dan tidak relevan untuk menganalisa data kita.
Dalam menentukan jenis statistik apa yang akan anda gunakan maka kita hendaknya bisa menjawab tiga pertanyaan dibawah ini:
1. Apakah jenis skala pengukuran data nominal, ordinal, interval atau rasio?
2. Apakah data berjumlah besar?
3. Apakah data memiliki distribusi tertentu?
Demikian sekilas penjelassan tentang perbedaan statistik parametrik dan non parametrik, semoga sobat blogger semua bisa memahaminya, bagi yang belum memahami, sebaiknya perlu mengikuti pelatihan six sigma terlebih dahulu.
Wassalam,
No comments:
Post a Comment