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.

• 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