Statistik Parametrik dan Non Parametrik dalam Ilmu Statistika
Untuk membuat suatu kesimpulan mengenai sampel dari sebuah populasi, kita bisa menggunakan uji statistik. Uji statistik adalah teknik formal yang menggunakan distribusi probabilitas untuk mencapai kesimpulan mengenai sebuah hipotesis. Pengujian hipotesis yang yang berkaitan dengan uji beda diklasifikasikan menjadi dua, yaitu uji statistik parametrik dan uji statistik non parametrik. Statistik parametrik adalah pengujian yang memanfaatkan informasi mengenai parameter populasi. Sedangkan statistik non parametrik adalah sebuah metode pengujian dimana kita tidak mengetahui parameter dalam populasi.
Statistik parametrik digunakan jika distribusi suatu populasi sudah diketahui. Dalam pengujian ini, tendency central yang digunakan adalah mean atau rata-rata. Pengujian ini merupakan pengujian yang paling umum digunakan dan tidak memakan waktu yang relatif lama. Statistik non parametrik tidak membutuhkan asumsi dan central tendency yang digunakan adalah median atau nilai tengah. Beberapa contoh metode statistik non parametrik adalah Kruskal-Wallis, Mann-Whitney, dan lain sebagainya. Pada artikel kali ini kita akan membahas apa yang dimaksud dengan statistik parametrik dan non parametrik, apa perbedaannya, dan metode-metode uji statistik ini secara mendalam. Jadi tunggu apa lagi? Yuk simak artikel ini sampai akhir!
1. Apa Itu Statistik Parametrik?
Statistik parametrik adalah uji hipotesis yang menguji perbedaan rata-rata pada populasi. Metode yang sering digunakan dalam statistik parametrik adalah uji-t yang didasarkan pada nilai student-t statistics. Uji t bertumpu pada asumsi bahwa data berdistribusi normal dan rata-rata data diketahui. Pada uji ini, varians populasi dihitung untuk mencari sampel dari populasi tersebut. Populasi diperkirakan dengan bantuan skala interval dan variabel yang yang akan diuji hipotesisnya.
Baca juga : Pengolahan Data Statistik Parametrik dan Non-Parametrik
2. Apa itu Statistik Non Parametrik?
Statistik non parametrik adalah uji yang tidak membutuhkan asumsi parameter apapun untuk populasi yang diuji atau dalam bahasa sederhana uji ini tidak bergantung pada populasi. Dalam uji statistik non parametrik, tidak ada parameter yang digunakan dan tidak ada distribusi yang harus diketahui. Hal ini menyebabkan uji statistik non parametrik juga disebut sebagai metode bebas distribusi.
3. Perbedaan Statistik Parametrik dan Non Parametrik
Jika sebuah uji memerlukan asumsi spesifik mengenai parameter populasi, maka uji tersebut dikenal dengan uji statistik parametrik sedangkan jika uji tersebut tidak membutuhkan asumsi spesifik seperti distribusi data, maka uji tersebut dikenal dengan uji statistik non parametrik. Dalam uji parametrik, diasumsikan bahwa pengukuran variabel dilakukan pada tingkat internal dan rasio, sedangkan pada uji non parametrik variabel diukur dengan skala nominal dan ordinal. Secara umum, ukuran central tendency dalam uji parametrik adalah rata-rata, sedangkan dalam uji statistik non parametrik adalah median. Terakhir, dalam uji statistik parametrik terdapat informasi lengkap mengenai populasi sedangkan pada uji statistik non parametrik tidak ada informasi mengenai populasi.
4. Kelebihan Uji Statistik Parametrik dan Non Parametrik
Dalam ilmu statistik, uji statistik parametrik dan non parametrik memiliki beberapa metode yang dibedakan berdasarkan tujuan penelitian. Beberapa metode uji statistik parametrik adalah paired t-test, unpaired t-test, pearson correlation, dan ANOVA. Sedangkan beberapa metode dalam uji statistik non parametrik adalah wilcoxon rank sum test, mann whitney u-test, spearman correlation, dan kruskal wallis test.
Baca juga : Yuk Pelajari Macam-Macam Metode Analisis Statistika
5. Belajar Statistik Parametrik dan Non Parametrik di Era Big Data
Di era big data, pengujian statistik parametrik maupun non parametrik membutuhkan tools yang mumpuni seperti bahasa pemrograman. Tools yang banyak digunakan di dunia big data adalah R dan Python. Kedua bahasa pemrograman ini sangat multifungsi sehingga tidak hanya digunakan untuk olah data saja, tetapi juga bisa digunakan untuk web developing, game developing, machine learning, artificial intelligence, dan lain sebagainya. Yuk mulai belajar bahasa pemrograman bersama DQLab! Klik button di bawah ini untuk bergabung bersama DQLab dan nikmati berbagai modul pembelajaran bahasa pemrograman untuk mempersiapkan diri sebelum melangkah ke industri big data.
Penulis: Galuh Nurvinda K
Editor: Annissa Widya Davita