Dalam ilmu statistik, uji statistik digunakan untuk membuat generalisasi atau kesimpulan tentang populasi dari sampel yang diambil. Uji statistik adalah teknik formal yang mengandalkan distribusi probabilitas untuk mencapai kesimpulan tentang kewajaran hipotesis. Sebuah hipotesis dibuat berdasarkan aturan umum tertentu yang diterapkan pada suatu populasi. Pengujian hipotesis sendiri diklasifikasikan menjadi dua jenis, yaitu pengujian parametrik dan non-parametrik. 

Uji parametrik adalah pengujian yang memiliki informasi tentang parameter populasi, sedangkan uji non-parametrik adalah tes di mana peneliti tidak tahu tentang parameter populasi. Simak artikel berikut untuk mengetahui perbedaan lengkap antara uji parametrik dan non-parametrik.

Apa itu statistik parametrik?

Statistik parametrik adalah uji statistik di mana asumsi spesifik dibuat tentang parameter populasi. Contoh statistik parametrik yang umum adalah uji Student T Test, yakni uji komparatif untuk menilai perbedaan antara nilai tertentu dengan rata-rata kelompok populasi.

Uji hipotesis yang memberikan generalisasi untuk membuat pernyataan tentang mean populasi induk ini bertumpu pada asumsi dasar bahwa ada distribusi normal variabel dan rata-rata diketahui. Ada asumsi pada variabel yang menarik dalam populasi dan diukur pada skala interval. Berikut beberapa poin penting mengenai statistik parametrik:

• Proses pengujian relatif sederhana – Sebuah hipotesis dibangun berdasarkan asumsi bahwa hukum tertentu dapat diterapkan pada suatu populasi.
• Tes dan analisis – Tes dilakukan berdasarkan hipotesis dan data yang dikumpulkan akan dianalisis secara statistik.
• Grafik – Data yang dikumpulkan biasanya direpresentasikan sebagai grafik dan hukum hipotesis dianggap sebagai nilai rata-rata dari data tertentu.
• Asumsi – Tes parametrik digunakan di mana ada asumsi yang jelas tentang populasi dan ada banyak informasi yang tersedia tentangnya.

Apa itu statistik non-parametrik?

Uji non-parametrik didefinisikan sebagai uji hipotesis yang tidak didasarkan pada asumsi yang mendasarinya atau tidak mengharuskan distribusi populasi dilambangkan dengan parameter tertentu. Tes ini utamanya didasarkan pada perbedaan median. Oleh karena itu, secara umum dikenal juga sebagai uji bebas distribusi.

Tes ini mengasumsikan bahwa variabel diukur pada tingkat nominal atau ordinal, digunakan untuk variabel independen non-metrik. Contoh statistik non-parametrik yang umum adalah uji Mann-Whitney-Wilcoxon (MWW) atau uji Wilcoxon. Berikut beberapa poin penting mengenai statistik non-parametrik:

• Dibuat tanpa asumsi – Statistik non-parametrik tidak membuat asumsi. Tendensi sentralnya diukur dengan nilai median.
• Tidak perlu distribusi populasi – Dalam statistik non-parametrik, distribusi populasi tidak diperlukan dan penentuan populasinya menggunakan parameter yang berbeda.
• Tidak didasarkan pada hipotesis – Lebih didasarkan pada perbedaan median.
• Jenis metode – Metode pengujian yang digunakan dikenal sebagai uji bebas distribusi.
• Variabel – Variabel uji didasarkan pada tingkat ordinal atau nominal.

Kelebihan statistik parametrik dan non-parametrik

Kelebihan statistik parametrik adalah tidak diperlukannya pengujian terhadap parameter populasi karena sudah dianggap memenuhi syarat. Data observasi pada pengujian ini juga dinilai saling bebas, data diambil dari populasi yang memiliki distribusi normal dengan varian homogen. Berbagai asumsi rumit tersebut membuat pengujian parametrik dapat diandalkan akurasinya. 

Sementara itu, kelebihan statistik non-parametrik adalah kemudahan. Pengujian ini mudah dilakukan karena tidak membutuhkan asumsi normalitas. Umumnya, pengujian ini juga tidak menggunakan perhitungan matematik yang rumit sehingga bisa dilakukan secara langsung pada pengamatan nyata karena data umumnya bersifat kualitatif. Statistik non-parametrik juga bisa dipakai untuk kelompok populasi berdistribusi normal sebagai uji pembanding statistik parametrik.

Perbedaan utama statistik parametrik dan non-parametrik

Berikut rangkuman perbedaan utama antara statistik parametrik dan non-parametrik:

• Penerapan – Penerapan uji parametrik hanya untuk variabel, sedangkan uji non-parametrik berlaku untuk variabel dan atribut.
• Ukuran tendensi sentral – Secara umum, ukuran tendensi sentral dalam uji parametrik adalah mean, sedangkan dalam kasus uji non-parametrik adalah median.
• Informasi tentang populasi – Dalam uji parametrik, terdapat informasi lengkap tentang populasi. Sebaliknya, pada uji nonparametrik, tidak ada informasi tentang populasi.
• Cara mengukur derajat hubungan antara dua variabel kuantitatif – Koefisien korelasi Pearson digunakan dalam uji parametrik, sedangkan uji nonparametrik menggunakan korelasi peringkat spearman.
• Pengukuran variabel – Dalam uji parametrik, diasumsikan bahwa pengukuran variabel kepentingan dilakukan pada tingkat interval atau rasio. Sedangkan pada uji nonparametrik, variabel kepentingan diukur pada skala nominal atau ordinal.

Kesimpulan

Sederhananya, jika informasi tentang populasi tersedia saat melakukan suatu penelitian tertentu, maka statistik parametrik dapat digunakan. Pengujian yang dilakukan menggunakan analisis statistik parametrik disebut uji parametrik. Sebaliknya, jika hipotesis tentang populasi perlu diuji tanpa adanya informasi tentang populasi, maka statistik non-parametrik bisa dipakai. Pengujian yang dilakukan untuk menganalisis laporan statistik non-parametrik disebut uji non-parametrik.

Jika Anda tertarik mempelajari ilmu statistik atau hal-hal terkait data science lainnya, Anda bisa daftar kelas data science dari Algoritma Data Science School. Tersedia berbagai kelas mengenai data science dari Algoritma yang bisa Anda pilih sesuai kebutuhan atau level expertise dengan jadwal fleksibel.