GIMANA MEMULAI KARIER JADI DATA ANALYST?
Simak caranya di webinar GRATIS dan raih DOORPRIZE menarik!
DAFTAR SEKARANG!
Pendaftaran ditutup dalam 1 Hari 0 Jam 29 Menit 16 Detik 

Mengetahui Perbedaan 2 Metode Statistik, Statistik Parametrik dan Non Parametrik

Belajar Data Science di Rumah 02-September-2021
https://dqlab.id/files/dqlab/cache/7f0484e6934b4d3ef11d1322716b5ff7_x_Thumbnail800.jpg

Halo sobat data, di era modern ini sering kita jumpai di berbagai media publikasi melakukan penyajian atau analisa terhadap sekumpulan data berdasarkan informasi yang mereka miliki. Tidak sedikit dari mereka yang menggunakan tools statistik, mulai dari statistik deskriptif hingga statistik yang lebih kompleks seperti statistik inferensi. Selain itu, ketika kita hendak melakukan suatu penelitian, seringkali kita dihadapkan pada pilihan metode statistik apa yang cocok digunakan dalam riset tersebut. 

Metode statistik atau statistik uji menjadi penting dalam suatu penelitian, karena statistik uji memberikan kekuatan terhadap hasil penelitian agar tetap di koridor ilmiah. Ilmiah artinya yaitu penelitian dapat diuji/dibuktikan oleh orang lain, siapapun yang menguji dengan cara yang sama pasti akan memperoleh hasil yang sama. Dalam dunia statistika, terdapat dua kelompok statistik yang bisa digunakan yaitu Statistik Parametrik dan Statistik Non Parametrik. Seperti apa ya kedua metode ini? Dan apa yang membedakannya? Untuk menjawab pertanyaan itu, simak baik-baik penjelasan berikut ini, ya!


1. Statistika Parametrik

Statistika parametrik merupakan bagian dari statistika inferensia yang mempertimbangkan nilai dari satu atau lebih parameter populasi. Statistik parametrik memiliki keterbatasan penggunaan jenis data yaitu minimal menggunakan data yang berskala interval dan rasio. Selain itu, kita dapat menggunakan statistik parametrik apabila asumsi spesifik mengenai bentuk distribusi populasi yang diamati berdistribusi normal. Statistik parametrik merupakan yang uji statistik yang paling dianjurkan, karena memiliki banyak kelebihan dari segi hasil namun sulit untuk dilakukan. Akan tetapi, terdapat beberapa syarat yang harus dipenuhi agar data dapat diuji menggunakan metode ini. Tujuannya adalah agar hasil penelitian benar-benar mendekati karakter dari populasinya. 


Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik


2. Statistika Non Parametrik

Statistika non parametrik merupakan bagian dari statistika inferensia yang tidak memperhatikan adanya asumsi-asumsi mengenai sebaran data populasinya (sebaran data belum diketahui dan tidak perlu berdistribusi normal). Istilah lain yang sering digunakan untuk statistik non parametrik adalah statistik bebas distribusi (Distribution Free Statistics) dan uji bebas asumsi (Assumption-Free Test). Umumnya data yang digunakan dalam metode ini tidak terlalu besar jumlahnya, sekitar kurang dari 30 data. Dalam statistika non parametrik, data yang dibutuhkan lebih banyak yang berskala ukur nominal atau ordinal.


3. Perbandingan Metode Statistik Parametrik dan Non Parametrik

Berikut beberapa contoh statistik parametrik dan non parametrik berdasarkan jenis uji yang dapat digunakan sebagai statistik uji:

Jenis Uji

Parametrik

Non Parametrik

Uji korelasi

Pearson, Regresi

Spearman

Uji 2 kelompok independen

Independent Sample t-Test

Mann Whitney

Uji lebih dari 2 kelompok independen

Anova satu arah

Kruskall Wallis

Uji berulang kasus 2 sampel

Uji T sampel berpasangan

Wilcoxon

Uji berulang kasus lebih dari 2 sampel

Anova satu arah berulang

Friedman




Berikut beberapa perbandingan yang dapat dilihat antara uji statistik parametrik dan non parametrik.

Statistik Parametrik

Statistik Non Parametrik


Tidak perlu dilakukan pengujian terhadap parameter populasi karena sudah dianggap memenuhi syarat.

Mudah dilakukan karena tidak membutuhkan asumsi normalitas.


Memerlukan jenis data bersifat metrik (kuantitatif). Bisa dikatakan juga bahwa data yang digunakan hanya data dalam bentuk data interval atau rasio.

Memerlukan data metrik (kuantitatif) dan non metrik (kualitatif). Atau bisa dikatakan bahwa data yang digunakan bisa dalam bentuk data nominal, ordinal, interval atau rasio.


Biasanya jumlah data yang digunakan lebih atau sama dengan 30 (data berukuran besar).

Biasanya jumlah data yang digunakan kurang dari 30.


Distribusi populasi harus diketahui berdistribusi normal. Jika belum diketahui tentu harus dicari terlebih dahulu menggunakan uji normalitas.

Hasil uji metode statistik non parametrik tidak dapat digunakan untuk mengestimasi karakter populasi. Karena prosesnya sederhana dan cenderung menggunakan sampel kecil dan tidak berdistribusi normal.



4. Teknik Analisis Statistik

Ada beberapa teknik analisis statistik yang dapat digunakan baik untuk parametrik maupun non parametrik, yaitu:

  • Korelatif

    Teknik analisis korelatif digunakan untuk mengetahui hubungan atau korelasi antara satu variabel dengan variabel lainnya.Misalnya pada analisis regresi linear sederhana yang mencari hubungan antara variabel dependen Y dan variabel independen X.

    Contoh untuk masing-masing metode:

    Parametrik: Regresi linear, Pearson.

    Non parametrik: Spearman Kendall, Kai.

  • Komparatif

    Teknik analisis komparatif digunakan untuk mengetahui perbedaan nilai (parameter) misalnya rata-rata dari suatu kelompok dengan kelompok lainya atau mengetahui perbedaan usia pensiun pegawai perusahaan A dan perusahaan B.

    Contoh untuk masing-masing metode:

    Parametrik: ANOVA.

    Non parametrik: Mann-whitney, Kruskal-wallis.


Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika


5. Belajar Statistik Parametrik Menggunakan Python dan R Bersama DQLab

Secara garis besar dalam Big Data akan ditemukan sekumpulan data dalam jumlah yang sangat banyak untuk dapat diolah dengan tepat dan menghasilkan informasi yang aktual untuk kebutuhan bisnis. Untuk bisa menemukan cara yang tepat dalam mengolah data, seseorang perlu memiliki kemampuan dan ketangkasan dalam ilmu Data Science.

Belajar metode statistik merupakan langkah awal yang tepat untuk memulai karir sebagai seorang Data Scientist. Bagi kamu pemula yang ingin belajar seputar dasar statistik dengan pemrograman Python atau R tetapi bingung harus mulai belajar dari mana, DQLab adalah pilihan yang tepat! Dengan materi-materi yang ditawarkan sangat lengkap dan sesuai dengan kebutuhan industri, disusun oleh mentor-mentor yang kompeten di bidangnya dari perusahaan unicorn dan startup. Jadi tunggu apalagi? Buruan SIGN UP di DQLab.id sekarang juga!



Penulis: Salsabila Miftah Rezkia

Editor: Annissa Widya Davita

Sign Up & Mulai Belajar Gratis di DQLab!