Perbedaan Metode Statistik Parametrik dan Nonparametrik
Tutorial Laporan Penelitian - Peneliti menambang data yang muncul di sebagian besar wilayah penelitian seperti tekanan darah, fraksi ejeksi, kolesterol serum hingga pengukuran antropometri.
Metode analisis data jatuh ke dalam dua kelas yang berpijak pada asumsi tentang distribusi data. Asumsi menjadi dasar untuk mengklasifikasi apakah menggunakan metode parametrik atau nonparametrik.
Metode nonparametrik populer untuk sejumlah alasan. Alasan utama bahwa peneliti tidak dibatasi asumsi-asumsi tentang populasi seperti pada metode parametrik. Banyak metode nonparametrik mudah untuk diterapkan dan dipahami.
Tapi kebanyakan metode parametrik lebih efisien daripada metode nonparametrik. Meskipun perbedaan dalam efisiensi biasanya tidak banyak masalah, ada kasus di mana perlu mempertimbangkan metode yang lebih efisien.
Uji mengetahui data berdistribusi normal atau tidak dilakukan uji normalitas Kolmogorov-Smirnov. Berikut tabel berisi poin-poin umum analisis data statistik terkait perbedaan antara metode parametrik dan nonparametrik:
Metode analisis data jatuh ke dalam dua kelas yang berpijak pada asumsi tentang distribusi data. Asumsi menjadi dasar untuk mengklasifikasi apakah menggunakan metode parametrik atau nonparametrik.
- Statistik Parametrik
Parametrik dalam arti harfiah yaitu asumsi tentang parameter dari distribusi data populasi yang digunakan untuk menguji hipotesis mendekati normal atau mendekati distribusi normal setelah teorema limit sentral.
- Statistik Nonparametrik
Non-parametrik adalah metode yang tidak mendasarkan pada asumsi distribusi populasi. Dalam arti sempit non-parametrik adalah sebuah kategori nol karena hampir semua uji statistik mengasumsikan satu atau lain hal tentang sifat-sifat populasi.
Metode nonparametrik populer untuk sejumlah alasan. Alasan utama bahwa peneliti tidak dibatasi asumsi-asumsi tentang populasi seperti pada metode parametrik. Banyak metode nonparametrik mudah untuk diterapkan dan dipahami.
Tapi kebanyakan metode parametrik lebih efisien daripada metode nonparametrik. Meskipun perbedaan dalam efisiensi biasanya tidak banyak masalah, ada kasus di mana perlu mempertimbangkan metode yang lebih efisien.
Uji mengetahui data berdistribusi normal atau tidak dilakukan uji normalitas Kolmogorov-Smirnov. Berikut tabel berisi poin-poin umum analisis data statistik terkait perbedaan antara metode parametrik dan nonparametrik:
PARAMETRIK | NONPARAMETRIK | |
Deskriptif | ||
Asumsi Distribusi | Normal | - |
Asumsi Varian | Homogen | - |
Jenis Data | Rasio atau Interval | Ordinal atau Nominal |
Hubungan data set | Independent | - |
Ukuran central | Mean | Median |
Manfaat | Lebih banyak kesimpulan | Sederhana dan sedikit outlier |
Tes | ||
Uji korelasi | Pearson, Regresi | Spearman |
Uji 2 Kelompok, berbeda | Independent Sample t test | Mann-Whitney |
Uji 2 Kelompok lebih, berbeda | Independent One Way ANOVA | Kruskal-Wallis |
Uji berulang, 2 kondisi | Paired Sample t Test | Wilcoxon |
Uji berulang, 2 kondisi lebih | Repeated One Way ANOVA | Friedman |
ok, thanks min
ReplyDeleteKang, tanyak nih, apakah Q-Q-plot titik pd garis dalam kurva menunjukkan jumlah pertanyaan?? cth pd variabel x ada 11 pertanyaan, ketika uji normalitas, titik2-nya hny berjumlah 9, jd yg kedua diluar kotak, begitu maksudnya kah, lah kalo begitu bgmn menghitung jumlah pertanyaan yg lebih dr 100, maka terlihat kecil dan ruwet deh, apakh pernyataan sy mmg benar? cari2 n googling2 gag ada solusi .. heee maf newbi sebuah spss 17 :)
ReplyDeletekalau penelitian saya tentang perbandingan merek A & B, dan setelah uji normalitas data yang A normal & yang B tidak, saya harus menggunakan Independent Sample t test atau Mann-Whitney
ReplyDelete? terimakasih
assalamu'alaikum...ka mau nnya ,, kalu judul kita tentang pengaruh trus 2 variabel,, semua skala ordinal...rumus untuk uji bevariatenya apa ya?? trima kasih
ReplyDeleteTafaddal. Shukron Jazeelan. Sangat bermanfaat..
ReplyDeletethanks
ReplyDeletekak, kalau boleh tau literatur artikel tutorial ini dari mana?
ReplyDeleteThank you very much for seeing good information.
ReplyDeleteThank you very much for seeing good information.
Great post.
ReplyDelete