Saat kita hendak melakukan suatu riset, seringkali kita dihadapkan pada pilihan metode. Metode statistik apakah yang cocok digunakan dalam riset kita tersebut. Dalam mempelajari statistik, biasanya kita langsung dihadapkan pada metode statistik parametrik, padahal tidak semua data cocok diolah dengan statistik parametrik. Walaupun perkembangan statistik parameter sudah sedemikian canggih namun statistik parametrik memiliki beberapa kekurangan, misalnya pada masalah-masalah sosial yang memiliki skala nominal dan rasio, statistik parametrik tidak mampu mengukur dengan baik. Kalaupun bisa, hal tersebut merupakan upaya yang berlebihan (excessively method). Maka Statistik parametrik digunakan jika kita telah mengetahui model matematis dari distribusi populasi suatu data yang akan dianalisis. Jika kita tidak mengetahui suatu model distribusi populasi dari suatu data dan jumlah data relatif kecil atau asumsi kenormalan tidak selalu dapat dijamin penuh,maka kita harus menggunakan statistik non parametrik (statistik bebas distribusi). Oleh sebab itu, akan dijelaskan perbedaan mendasar antara statistik parametrik dan non parametrik.
Statistik Parametrik dan Non Parametrik
Statistik Parametrik
Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik nonparametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.
Statistik Parametrik dapat digunakan untuk menguji parameter populasi melalui statistik, atau menguji ukuran populasi melalui data sampel. Statistik parametrik memerlukan terpenuhinya banyak asumsi, antara lain berdistribusi normal, data homogen, harus terpenuhi asumsi linieritas.
Statistik parametrik banyak digunakan untuk menganalisis data interval dan rasio, contohnya: uji-z, uji-t, korelasi pearson, anova, dll.
Keunggulan Statistik Parametrik
Keunggulan statistik parametrik antara lain syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi Syarat. pengukuran terhadap data dilakukan dengan kuat. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.
Kelemahan Statistik Parametrik
Sedangkan kelemahan dari statistik parametrik antara lain populasi harus memiliki varian yang sama. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama. Dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.
Statistik Non-parametrik
Statistik Non-Parametrik adalah test statistik yang modelnya tidak menetapkan syarat-syaratnya mengenai parameter-parameter populasi yang merupakan induk sampel penelitian. Oleh karena itu observasi-observasi independent dan variabel yang diteliti pada dasarnya memiliki kontinuitas. Uji metode non parametrik atau bebas sebaran adalah prosedur pengujian hipotesa yang tidak mengasumsikan pengetahuan apapun mengenai sebaran populasi yang mendasarinya.
Singkatnya, Statistik Non-Parametrik adalah statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal. Tidak menuntut terpenuhi banyak asumsi, misalnya data yang dianalisis tidak harus berdistribusi normal. Oleh karena itu statistik non parametrik sering disebut sebagai distribusi bebas (free distribution).
Keunggulan Statistik Non-Parametrik
Keunggulan non parametrik antara lain tidak membutuhkan asumsi normalitas. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti. Statistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik. Statistik non-parametrik dapat menggunakan data numerik (nominal) dengan jenjang (ordinal). Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.
Kelemahan Statistik Non-Parametrik
Sedangkan kelemahan dari statistik non-parametri antara lain statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik nonparametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.
Sumber:
Singgih Santoso, 2005. Mengatasi Berbagai Masalah Statistik dengan SPSS. PT. Elex Media Komputindo, Kelompok Gramedia, Jakarta
W. J. Conover, 1980. Practical Nonparametric Statistics, John Wiley & Sons, New York
