Saat kamu melakukan penelitian dan menganalisis data, kamu akan menemukan istilah “uji parametrik” dan “uji non-parametrik”. Kedua jenis tes statistik ini digunakan untuk menganalisis data dan membuat inferensi (perkiraan) tentang populasi. Memlih tes mana yang akan digunakan merupakan langkah yang sangat penting untuk memastikan validitas analisis data. Jadi, apa perbedaan antara uji parametrik dan non parametrik?
Ringkasan Uji Parametrik dan Non Parametrik
Uji parametrik adalah tes statistik yang membuat asumsi tentang distribusi data yang dianalisis. Asumsi tersebut biasanya melibatkan data yang memiliki distribusi normal dan memiliki varian yang homogen. Contoh dari uji parametrik termasuk t-test dan ANOVA.
Uji non-parametrik, di sisi lain, tidak membuat asumsi tentang data tersebut. Sebaliknya, uji ini mengandalkan peringkat data dan menggunakan sifat bebas distribusi dari statistik peringkat. Contoh dari uji non-parametrik termasuk uji Mann-Whitney U dan uji Kruskal-Wallis.
Penting untuk memahami perbedaan antara dua jenis tes ini, karena tes yang kamu pilih dapat mempengaruhi hasil dan kesimpulan analisis data. Berikut adalah beberapa contoh dari uji parametrik dan uji non-parametrik yang sering digunakan.
| Uji Parametrik | Uji Non parametrik | |
|---|---|---|
| Membandingkan sampel dengan populasi | Uji t satu sampel | Uji Wilcoxon untuk satu sampel |
| Membandingkan 2 sampel dependen | Uji t berpasangan | Uji Wilcoxon |
| Membandingkan 2 sampel independen | Uji t sampel independen | Uji Mann-Whitney U |
| Membandingkan 2+ sampel dependen | ANOVA Ukuran Berulang | Uji Friedman |
| Membandingkan 2+ sampel independen | ANOVA Faktorial Satu | Uji Kruskal-Wallis |
| Korelasi antara dua variabel | Korelasi Pearson | Korelasi Spearman |
Baca juga: Apa perbedaan sampel independen dan dependen
Uji Parametrik
Mari kita bahas uji parametrik terlebih dahulu. Sebelum itu, penting untuk dicatat bahwa uji parametrik paling cocok untuk menganalisis data yang memenuhi beberapa kriteria. Kriteria tersebut meliputi:
- Data dengan distribusi normal
- Varian homogen
- Data level interval atau rasio
Jika data yang kamu miliki memenuhi kriteria tersebut, maka kamu dapat menggunakan uji parametrik untuk menganalisisnya.
Contoh dari uji parametrik termasuk t-test dan ANOVA. Uji t digunakan untuk membandingkan rerata dari dua kelompok, sedangkan ANOVA digunakan untuk membandingkan rerata dari tiga atau lebih kelompok.
Keuntungan menggunakan uji parametrik termasuk statistical power yang lebih tinggi dan kemampuan untuk membuat perkiraan (inferen) yang lebih tepat. Namun, uji parametrik juga lebih sensitif terhadap outlier dan dapat dipengaruhi oleh pelanggaran asumsi.
Dalam banyak kasus, data level interval atau rasio yang kamu miliki mungkin tidak memiliki distribusi normal. Namun, kamu masih dapat menggunakan uji parametrik untuk jenis data ini berkat teorema limit sentral (central limit theorem/CLT). CLT menyatakan bahwa distribusi rerata sampel akan mendekati distribusi normal saat ukuran sampel meningkat, apapun distribusi asal populasi. Aturan umum dari CLT adalah teorema ini berlaku ketika kamu setidaknya memiliki 30 sampel atau lebih.
Uji Non Parametrik
Sekarang, mari kita beralih ke uji non-parametrik. Tes ini lebih cocok untuk data yang tidak memenuhi kriteria untuk uji parametrik. Hal ini termasuk data yang:
- Tidak memiliki distribusi normal
- Tidak memiliki varian homogen
- Bukan level interval atau rasio
Contoh dari uji non-parametrik termasuk uji Mann-Whitney U dan uji Kruskal-Wallis. Uji Mann-Whitney U digunakan untuk membandingkan median dari dua kelompok, sedangkan uji Kruskal-Wallis digunakan untuk membandingkan median dari tiga atau lebih kelompok.
Keuntungan menggunakan uji non-parametrik termasuk ketahanannya terhadap pelanggaran asumsi dan kemampuannya untuk menangani data yang tidak normal. Namun, uji non-parametrik sering memiliki daya statistik yang lebih rendah daripada uji parametrik, yang dapat membuat lebih sulit untuk mendeteksi perbedaan antara kelompok.
Perbedaan Utama Antara Uji Parametrik dan Non Parametrik
Sekarang bahwa kami telah membahas dasar-dasar uji parametrik dan non-parametrik, mari kita bicarakan tentang perbedaan utama antara keduanya.
Asumsi
Seperti yang telah kita bahas sebelumnya, uji parametrik membuat asumsi tentang distribusi data yang dianalisis, sementara uji non-parametrik tidak. Ini berarti bahwa jika data tidak memenuhi asumsi dari uji parametrik, kamu harus menggunakan uji non-parametrik.
Jenis Data
Uji parametrik paling cocok untuk data level interval atau rasio yang memiliki distribusi normal, sedangkan uji non-parametrik dapat menangani data ordinal atau nominal yang tidak memiliki distribusi normal.
Statistik Uji
Uji parametrik menggunakan rerata dan standar deviasi untuk menghitung statistik uji, sedangkan uji non-parametrik menggunakan peringkat atau median.
Interpretasi Hasil
Interpretasi hasil dari uji parametrik biasanya straightforward – jika nilai p-nilai kurang dari tingkat alpha (biasanya 0,05), maka hipotesis nol dapat ditolak. Uji non-parametrik, di sisi lain, sering lebih sulit untuk diinterpretasikan karena menggunakan peringkat atau median.
[…] juga: Apa perbedaan sampel independen dan dependenApa perrbedaan antara Uji Parametrik dan Non ParametrikApa perbedaan antara variabel kategorikal, ordinal, interval, dan […]
wow very helpful, keren kak!