BELAJAR DATA SERU, AKSES PAKET DATA SCIENCE 6 BULAN 180K!
Diskon Spesial 90% + 50% Belajar Data Science Bersertifikat
DAFTARKAN DIRIMU
Pendaftaran ditutup dalam 0 Hari 11 Jam 1 Menit 17 Detik 

Perbedaan Statistik Parametrik dan Non Parametrik Pada Penelitian Statistik

Belajar Data Science di Rumah 26-November-2021
https://dqlab.id/files/dqlab/cache/fbae78e03b9c717b1f94d7076970144a_x_Thumbnail800.png

Tahukah kamu proses pengolahan data statistik? Secara umum, pengolahan data statistik meliputi pengumpulan data, pengelolaan data, validasi data, pengolahan data, analisis data, hingga menyajikan data. Tujuan dari pengolahan data adalah untuk menemukan informasi yang ada dibalik kumpulan data. Informasi tersebut diubah menjadi insight yang dapat digunakan dalam penarikan kesimpulan. Pada tahap pengumpulan data statistik, kita bisa menggunakan metode wawancara, observasi, dan lainnya tergantung dari penelitian yang dilakukan apakah termasuk penelitian kualitatif atau kuantitatif. 


Tahap validasi data juga penting karena peneliti harus mengetahui apakah sumber data untuk penelitian dapat dipertanggungjawabkan atau tidak karena mempengaruhi kualitas penelitian. Pada tahap analisis data, ada beberapa metode yang bisa digunakan. Seorang peneliti harus paham metode apa yang cocok untuk menganalisis datanya. Metode untuk analisis statistik diantaranya ada statistik parametrik dan statistik non parametrik. Seperti apa metodenya? Nah, kali ini kita akan bahas mengenai statistik parametrik dan non parametrik pada penelitian statistik. Yuk, simak bersama di bawah ini!


1. Statistik Parametrik

Statistik parametrik termasuk dalam metode pengolahan data statistik inferensial. Statistik parametrik digunakan untuk menguji parameter atau ukuran populasi melalui statistik atau data sampel. Jumlah data yang biasanya digunakan untuk menerapkan statistik parametrik yaitu diatas 30 dengan kondisi data terdistribusi dengan normal dan data bertipe rasio atau interval. Data rasio merupakan data yang memiliki nilai nol mutlak (true zero). Sedangkan data interval merupakan data yang diklasifikasikan berdasarkan ukuran yang sama. Kedua jenis data tersebut bersifat kontinu. Umumnya metode statistik parametrik lebih diutamakan karena hasil data dengan statistik parametrik dianggap lebih kuat dibandingkan dengan hasil data dengan statistik non parametrik. Pada statistik non parametrik tidak ada syarat asumsi kenormalan dan karakteristik populasi induknya. 


Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik


2. Statistik Non Parametrik

Statistik non parametrik merupakan bagian dari statistik inferensia yang mana tidak melibatkan pendugaan nilai populasi. Model statistik non parametrik tidak menetapkan syarat-syarat untuk parameter-parameter populasi yang menjadi sampel utama penelitian. Sehingga tidak ada asumsi kenormalan yang wajib dipenuhi seperti pada statistik parametrik. Ciri-ciri kelompok data yang dapat diuji dengan statistik non parametrik yaitu kelompok data tidak berdistribusi normal, data memiliki skala nominal dan ordinal, sering ditemukan pada penelitian ilmu sosial, serta ukuran sampel yang kecil. Statistik non parametrik biasanya menjadi alternatif jika metode statistik parametrik tidak dapat diterapkan. 


3. Metode Uji Data

Beberapa metode uji statistik yang dapat digunakan pada statistik parametrik yaitu antara lain:

  • Anova digunakan untuk melakukan perbandingan rata-rata populasi. Metode ini memungkinkan peneliti menguji hipotesis perbandingan lebih dari dua kelompok. Jenis data yang tepat untuk metode ini adalah jenis data nominal dan ordinal pada variabel bebasnya dan jenis data interval atau ratio pada variabel terikatnya.

  • Uji-t digunakan untuk mengetahui apakah variabel bebas atau variabel independen secara parsial berpengaruh terhadap variabel terikat atau variabel dependen. 

  • Regresi digunakan untuk menguji pengaruh yang ditujukan untuk mengestimasi variabel bebas terhadap variabel terikat.

  • Korelasi digunakan untuk menguji hubungan antar variabel. 


Sedangkan pada statistik non parametrik yaitu antara lain:

  • Uji-t berpasangan digunakan untuk menganalisis perbedaan data dalam sebuah kelompok.

  • Uji-t sampel bebas digunakan untuk membandingkan dua sampel bebas menggunakan uji Mann-Whitney U dan Wilcoxon.

  • Uji F digunakan untuk membandingkan tiga kelompok atau lebih menggunakan uji Kruskal-Wallis.

  • Analisis varian dua jalur digunakan untuk membandingkan lebih dari tiga kelompok menggunakan faktor yang berbeda. Uji yang digunakan yaitu Friedman.


4. Kelebihan dan Kekurangan

Statistik parametrik dan non parametrik sama-sama mempunyai kelebihan dan kekurangan ketika diterapkan dalam penelitian statistik yaitu sebagai berikut:


Kelebihan Statistik Parametrik

Kekurangan Statistik Parametrik

Tidak perlu pengujian terhadap parameter populasi karena sudah dianggap memenuhi syarat

Populasi harus memiliki varian yang sama


Data observasi diambil dari populasi dengan distribusi normal dan variannya homogen

Variabel terbatas hanya untuk jenis data berdasarkan skalanya seperti interval dan rasio

Data observasi dianggap saling bebas

Populasi harus berdistribusi normal


Kelebihan Statistik Non Parametrik

Kekurangan Statistik Non Parametrik

Tidak membutuhkan asumsi normalitas sehingga mudah dilakukan

Sering mengabaikan beberapa informasi

Tidak menggunakan metode perhitungan matematik yang rumit

Kemampuan ujinya kurang kuat dibanding statistik parametrik

Uji hipotesa dilakukan secara langsung

Hasil tidak dapat digunakan untuk pendugaan karakter populasi

Terkadang tidak diperlukan jenjang atau  urutan karena data bersifat kualitatif

Skala yang digunakan bersifat lemah

Dapat berfungsi sebagai uji pembanding statistik parametrik

Dalam uji hipotesis tidak melibatkan parameter


Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika


5. Metode Analisis Mana yang Harus Dipilih?

Pemilihan metode analisis tergantung pada tema dan tujuan penelitian. Oleh karena itu peneliti wajib untuk benar-benar memahami penelitian yang akan atau sedang dikerjakan. Hal ini akan mempengaruhi seluruh proses pengolahan data. Misalnya seorang peneliti melakukan penelitian kualitatif. Namun karena kurang paham, bisa jadi salah menggunakan metode analisis kuantitatif. Begitu pula dengan data science yang juga berdiri atas kolaborasi ilmu salah satunya statistik. Kita tidak akan mendapatkan hasil analisis yang maksimal jika kurang tepat menerapkan metode analisisnya. Pembelajaran ini bisa kamu dapatkan dengan mendaftar di DQLab.id. Kamu akan belajar secara mandiri menggunakan materi dari mentor yang ahli di bidang data. Ada fitur live code juga, loh untuk memudahkan kamu belajar pemrograman untuk data science!


Penulis: Dita Kurniasari

Editor: Annissa Widya


Mulai Belajar
Data Science Sekarang
Bersama DQLab

Buat Akun Belajarmu & Mulai Langkah
Kecilmu Mengenal Data Science.

Buat Akun Gratis Dengan :

https://dqlab.id/files/dqlab/file/data-web-1/data-user-2/50040333a3a5d46bf130664e5870ebc6/8be7fae4b69abead22aa9296bcab7b4b.jpg Sign-Up dengan Google

https://dqlab.id/files/dqlab/file/data-web-1/data-user-2/50040333a3a5d46bf130664e5870ebc6/d0aa879292fb427c0978d2a12b416e98.jpg Sign-Up dengan Facebook

Atau Buat Dengan :