Uji statistik non parametrik adalah uji statistik yang tidak bergantung pada asumsi bahwa data yang mendasarinya terdistribusi normal. Dalam banyak kasus, tes ini menggunakan informasi urutan peringkat dalam data.
Tes non-parametrik sering lebih disukai daripada tes parametrik karena mereka kurang sensitif terhadap pelanggaran asumsi distribusi yang mendasari dan tidak ada cara tunggal untuk melakukannya.
Apa saja Manfaat dari Tes Non-Parametrik?
Tes non-Parametrik berguna dalam situasi di mana asumsi tes parametrik dilanggar. Mereka memberikan perkiraan cepat rata-rata dan distribusinya.
Tes non-parametrik dapat digunakan ketika tidak ada asumsi distribusi atau ketika distribusi tidak diketahui. Mereka juga berguna untuk sampel kecil, ketika ada ikatan atau nilai ekstrim, dan untuk mendapatkan perkiraan cepat dari tendensi sentral tanpa membuat asumsi tentang bentuk distribusi yang mendasarinya.
Bagaimana Anda Dapat Melakukan Tes Non-Parametrik?
Tes parametrik adalah tes statistik yang mengandalkan asumsi distribusi tertentu– misalnya, distribusi normal. Tes nonparametrik tidak memiliki asumsi ini dan dapat digunakan untuk menguji data ketika tidak ada alasan yang baik untuk meyakini bahwa data tersebut mengikuti distribusi tertentu.
Tes non-parametrik sangat berguna ketika Anda memiliki sampel data yang tidak memenuhi persyaratan untuk pengujian parametrik. Pengujian dengan metode non parametrik dapat memberikan hasil yang lebih akurat dan menghasilkan kesimpulan yang lebih substansial dibandingkan dengan metode parametrik.
Keterbatasan Tes Non-Parametrik
Tes non-Parametrik sering dikritik karena tidak memberikan tingkat kekuatan statistik yang sama dengan tes parametrik karena mereka tidak dapat menghasilkan probabilitas formal atau nilai-p. Selain itu, tidak ada cara yang jelas dan terbukti untuk menentukan seberapa besar perbedaan mean yang bermakna.
Seringkali, analisis non-parametrik digunakan ketika kita tidak memiliki asumsi tentang bagaimana data didistribusikan. Tetapi ketika menggunakan jenis statistik ini, penting untuk diingat bahwa Anda tidak dapat menarik kesimpulan tentang perbedaan kecil dalam hasil.
Tes Nonparametrik dan Pengujian Hipotesis – Mana yang Harus Anda Gunakan?
Dalam dunia statistik, ada dua jenis tes yang dapat digunakan untuk menentukan apakah perbedaan yang diamati antara dua kelompok atau variabel signifikan. Yang pertama adalah uji parametrik yang menguji data untuk asumsi dan menggunakan metode yang dikembangkan dari asumsi itu. Ini dapat mencakup uji-t atau analisis varians (ANOVA) yang akan berbeda dalam asumsi mereka tentang bagaimana data dibuat. Jenis kedua adalah tes nonparametrik, yang tidak memeriksa asumsi apa pun tentang bagaimana data dibuat dan sebagai gantinya hanya melihat nilai mentah dan membandingkannya.
Tes parametrik lebih sensitif daripada tes nonparametrik dan dapat mendeteksi perbedaan kecil antara kelompok atau variabel sedangkan nonparametrik tidak dapat mendeteksi perbedaan kecil ini. Tes parametrik juga kurang kuat daripada tes nonparametrik karena tes parametrik ini
Kesimpulan: Jenis Analisis Statistik Mana yang Digunakan dalam Penelitian Anda
Jenis analisis statistik yang Anda gunakan dalam penelitian Anda bergantung pada jenis data yang Anda kumpulkan, serta apa yang ingin Anda lakukan dengan data tersebut.
Untuk penghitungan frekuensi sederhana, seperti polling atau survei, Anda mungkin ingin menggunakan statistik deskriptif. Untuk ukuran sampel yang lebih kompleks (seperti menganalisis penyebab alami kematian), maka akan lebih baik menggunakan statistik inferensial.
