Parametrik dan Non Parametrik
Dua jenis statistic yang dikenal saat ini adalah parametric dan non parametric. Statistic parametric bergantung pada asumsi-asumsi atau anggapan mengenai populasi dimana kita telah menarik sampel dari populasi tersebut. Adapun statistic non parametric tidak bergantung pada asumsi manapun. Asumsi-asumsi itu antara lain adalah normalitas dan homogenitas data.
Masalah asumsi ini adalah masalah yang cukup menarik. Hal ini dikarenakan ada juga statistikawan yang berpendapat pelanggaran terhadap asumsi-asumsi bukan masalah serius. Sehingga meskipun asumsi tidak terpenuhi, statistic parametric seperti t-test dan f-test tetap bias digunakan. Kajian tentang masalah ini bias dibaca pada P. Gardner: Scales and Statistics, review of educational research yang mengulas tentang ikhwal kekokohan tes.
Menurut saya, penggunaan asumsi normalitas dan heterogenitas data pada akhirnya dikembalikan kepada kita sendiri. Akan tetapi apabila ada petunjuk kuat bahwa ketidaknormalan populasi cukup serius, maka akan sangat bijak apabila kita menggunakan statistic non parametric sebagai ganti parametric. Hal ini dikarenakan statistic parametric lebih kuat dari non parametric. Kekuatan suatu tes statistic ialah probabilitasnya untuk menolak hipotesis-nol ketika hipotesis-nol itu memang keliru. Salah satu hal penting yang ditemukan boneau adalah apabila ada heterogenitas varian dan perbedaan ukuran sampel dalam kelompok-kelompok eksperimen, tes signifikansi menderita akibat yang parah.
2008 Desember 25 08:00
Salam kenal pak...saya mahasiswa sekolah tinggi ilmu statistik di jakarta. Saya setuju sampai saat ini statistik dan matematik masih dianggap sebagai momok yang mengerikan, kami yang kuliah di STIS dianggap anak2 jenius padahal kenyataannya kita sama dengan semua. Pertama mengenal statistik di SMA memang cukup membuat illfeel untuk menyentuh statistik, namun setelah kuliah dan langsung ketemu sama statistiknya ternyata menyenagkan juga (meski agak stress). Statistik sebenarnya untuk terapannya sangat mudah, cuma ilmu2 yang membangunnya itu yang sulit,seperti: mathematic statistic. multivariate, analisis regresi, dll. Ngomongin soal paramterik dan nonparametrik, benar bahwa parametrik membutuhkan suatu asumsi-asumsi yang harus dipenuhi seperti kenormalan dan homogenitas dan kalau saya boleh menambahkan yang utama adalah kerandoman data. Jika ada sebagian statistikawan yang menganggap asumsi tdk terlalu penting dan sebagian yang lain mengutamakan asumsi. Maka saya termasuk pengikut yang kedua, namun bukan berarti ketika kita menemukan data yang tidak normal langsung kita bekerja dengan nonparametrik. Kita lihat kembali apa tujuan penelitian kita, lihat sebaran datanya, lihat jumlah sampelnya, dan lihat puka kajian teorinya...barangkali teknik sampling kita kurang baik atau sebab lain. Seandainya teknik sampling kita sudah baik sedang teori mendukung untuk ber"parametrik", maka masih ada solusi lain yaitu transformasi data maupun penambahan sampel. Transformasi membantu kita menormalkan data, sedang penambahan sampel semakin memperjelas sebaran data (dengan plotting). Maaf kepanjangan, kalau ada yang salah, saya minta koreksi, terima kasih.
2009 Februari 25 19:50
Ass pak selamat pagi saya yani mahasiswa statistika IPB
lagi sibuk ga pak?ada yang mau saya tanyakan?
sebenarnya saya masih sedikit bingung... kalau kita memiliki data, dan kita cek data itu tidak menyebar normal. seberarnya data itu harus kita transformasi agar menjadi normal atau langsung kita klaim bahwa data tidak mengikuti sebaran normal. seberarnya pada kondisi apa kita bisa mengklaim data tidak mengikuti sebaran normal?
terima kasih
mohon tanggapannya