statistik parametrik dan non par

1. Universitas Negeri Malang
Oleh :
SENO ISBIYANTORO (160551800727)
STATISTIK
PARAMETRIK
&
NON-PARAMETRIK

2. STATISTIKA
Distribus
i Data
Statistik Parametrik
Statistik Nom
Parametrik
Berdistribusi Normal Tidak berdistribusi Normal

3. IQ-Rendah IQ-Sedang IQ-Tinggi

4. CONTOH DATA YANG
BERDISTRIBUSI NORMAL
CONTOH DATA YANG TIDAK
BERDISTRIBUSI NORMAL

5. Contoh distribusi normal di SPSS

6. Statistik Parametrik
• Adalah suatu tes yang modelnya menetapkan adanya syarat-
syarat tertentu tentang parameter populasi yang merupakan
sumber sampel penelitiannya.
• Syarat-syarat itu biasanya tidak diuji dan dianggap sudah
dipenuhi. Seberapa jauh makna hasil suatu tes parametrik
bergantung pada validitas.
• Tes parametrik juga menuntut bahwa skor yang dianalisis
merupakan pengukuran yang sedikitnya berkekuatan skala
interval.

7. Statistik Parametrik
• Teknik-teknik statistika yang didasarkan atas asumsi mengenai
populasi yang diambil sampelnya.
• Contoh: pada uji t diasumsikan populasi terdistribusi normal.
Sebutan parametrik digunakan karena pada uji t ini yang diuji
adalah parameter (yaitu rata-rata populasi)
• Membutuhkan data kuantitatif dengan level interval atau rasio
yang diambil dari populasi yang berdistribusi normal.

8. Persyaratan Analisis Statistik
Parametrik
• Dipilih secara acak (random)
• Homogen artinya data yang dibandingkan (dikomparasikan)
sejenis (bersifat homogen), maka perlu uji homogenitas.
• Normal artinya data yang dihubungkan berbentuk garis linier
maka perlu uji linieritas.
• Berpasangan artinya data yang dihubungkan mempunyai
pasangan yang sama sesuai dengan subjek yang sama, kalau salah
satu tidak terpenuhi untuk persyaratan analisis korelasi atau
regresi tidak dapat dilakukan.

9. STATISTIK PARAMETRIK
UJI T Satu Sampel
Uji ANOVA
Uji t Dua sampel
Independen
Uji Dua Sampel Berpasangan
Jumlah
sampel
Hubungan
Sampel
Jumlah
Faktor
One Way
ANOVA
Two Way
ANOVA
Satu
Dua
Lebih dari
dua
Satu Faktor
Dua Faktor
Tidak Berpasangan Berpasangan

10. Statistik Non Parametrik
• Cocok untuk data yang tidak memenuhi asumsi statistika
parametrik atau yang berjenis kualitatif
• Disebut juga distribution-free statistics
• Didasarkan atas lebih sedikit asumsi mengenai populasi dan
parameter dibandingkan dengan statistika parametrik.
• Ada yang dapat digunakan untuk data nominal
• Ada yang dapat digunakan untuk data ordinal
• Populasi bebas distribusi.

11. Keuntungan Statistik Non
Parametrik
• Kadang-kadang tidak ada alternatifnya pada
statistika parametrik
• Uji nonparametrik tertentu dapat digunakan
untuk analisis data nominal
• Uji nonparametrik tertentu dapat digunakan
untuk analisis data ordinal
• Proses perhitungan pada statistika non
parametrik biasanya lebih sederhana
dibandingkan pada statistika parametrik,
khususnya untuk sampel kecil

12. Kerugian Statistik Non Parametrik
• Uji nonparametrik menjadi tak berguna
apabila uji parametrik untuk data yang sama
tersedia
• Uji nonparametrik pada umumnya tidak
tersedia secara luas dibandingkan dengan uji
parametrik
• Untuk sampel besar, perhitungan untuk
statistika nonparametrik menjadi rumit

13. Statistik Parametrik dan Nonparametrik
• Parametrik berasal dari kata parameter yaitu indikator dari suatu
distribusi hasil pengukuran.
Data
Distribusi populasi
diketahui?
Distribusi populasi
normal?
Sampel ditarik
secara random?
Varians kelompok
sama?
Skala pengukuran?
Ya
Ya
Ya
Ya
Interval dan
rasio
STATISTIK
PARAMETRIK
Nominal dan
ordinal
STATISTIK
NONPARAMETRIK
Tidak
Tidak
Tidak
Tidak

14. • Statistik parametrik digunakan untuk parameter dari
distribusi normal.
Contohnya uji-z (1 atau 2 sampel), uji-t (1 atau 2 sampel),
korelasi Pearson, perancang percobaan (2-way ANOVA).
• Statistik nonparametrik adalah statistik bebas distribusi
dan uji bebas asumsi.
Dari segi jumlah data, pada umumnya statistik
nonparametrik digunakan untuk data berjumlah kecil (n <
30).
Contohnya adalah Chi-square test, Median test, Friedman
test, Korelasi Peringkat Spearman
Statistik Parametrik dan Nonparametrik

16. Uji Normalitas
• Uji distribusi normal adalah uji untuk mengukur apakah data yang
didapatkan memiliki distribusi normal sehingga dapat dipakai dalam
statistik parametrik (statistik inferensial).
DATA LAPANGAN DATA TEORITIK
 Salah satu cara untuk melakukan uji kenormalan suatu data adalah dengan Kolmogorov-
Smirnov.
 Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan
distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku.
 Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-
Score dan diasumsikan normal.

17. Uji kenormalan digunakan uji Kolmogorov Smirnov dengan taraf
signifikansi 0,05.
uji Kolmogorov Smirnov adalah uji beda antara data yang
diuji normalitasnya dengan data normal baku
Penerapan pada uji Kolmogorov Smirnov adalah jika signifikansi di
bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang
signifikan dengan data normal baku, berarti data tersebut tidak normal.

19. Teknik
statistik
Normal Linier Homogen Multi
Kolinieritas
Auto
korelasi
Heteros
Kedasitas
Korelasi √ √
Regresi √ √ √ √ √
T Test √ √
Anava √ √
Anakova √ √ √ √ √ √
• Teknik statistik parametrik menghendaki data yang diperoleh merupakan hasil pengambilan data
secara random(acak).
• Bila data telah diambil secara random, maka masih ada beberapa asumsi yang seharusnya dipenuhi
sebelum melakukan analisis dengan teknik statistik parametrik, yaitu sebagai berikut
• UJI ASUMI