Statistik dan statistika parametrik merupakan salah satu perumusan uji statistik yang didasarkan pada asumsi tentang distribusi populasi dari mana teknik pengambilan sampel diambil. Sedangkan disisi lain untuk statistik non parametrik tidak didasarkan pada asumsi, yaitu data dapat dikumpulkan dari sampel yang tidak mengikuti distribusi tertentu. Adapun untuk statistik parametrik yang umum, misalnya saja uji-t student.
Tetapi yang pasti, metode parametrik membuat lebih banyak asumsi daripada metode non parametrik. Jika banyaknya asumsi dalam metode parametrik benar, maka itu dapat menghasilkan estimasi yang lebih akurat dan tepat. Namun, jika asumsi tersebut salah, maka itu bisa menyesatkan.
Statistik Parametrik
Statistik parametrik merupakan salah satu cabang statistik yang mengasumsikan bahwa data berasal dari jenis distribusi probabilitas dan membuat jenis kesimpulan penelitian tentang parameter distribusi. Oleh karena alasan demikinalah dalam statistik parametrik mencakup parameter seperti mean, deviasi standar, korelasi pearson, varians, dan lain-lain.
Adapun bentuk uji statistik ini menggunakan data yang diamati untuk memperkirakan parameter distribusi. Dimana dalam statistik parametrik data sering diasumsikan berasal dari distribusi normal dengan parameter yang tidak diketahui μ (mean populasi) dan σ2 (varians populasi), yang kemudian diperkirakan menggunakan mean sampel dan varians sampel.
Pengertian Statistik Parametrik
Statistik parametrik adalah rumus penghitungan uji statistik yang mengasumsikan bahwa data sampel berasal dari populasi yang dapat di modelkan secara memadai oleh distribusi probabilitas yang memiliki sekumpulan parameter tetap.
Untuk metode statistik yang paling terkenal adalah parametrik. Sedangkan, terkait model nonparametrik dan semiparametrik senantiasa melibatkan lebih sedikit asumsi struktur dan bentuk distribusi tetapi biasanya mengandung asumsi yang kuat tentang independensi.
Pengertian Statistik Parametrik Menurut Para Ahli
Adapun definisi statistik parametrik menurut para ahli, antara lain;
- Encyclopedia of Bioinformatics and Computational Biology (2019), Statistik parametrik adalah bagian dari statistik yang mengasumsikan data sampel mengikuti distribusi probabilitas berdasarkan serangkaian parameter tetap.
- Encyclopedia of Research Design (2010), Definisi statistik parametrik adalah jenis statistik inferensial yang paling umum dimana proses penghitungan dilakukan dengan tujuan menggeneralisasi temuan sampel ke populasi yang diwakilinya, dan dapat diklasifikasikan sebagai parametrik atau non-parametrik. Uji parametrik membuat asumsi tentang parameter suatu jenis populasi dan sampel, sedangkan uji nonparametrik tidak memasukkan asumsi seperti itu atau menyertakan lebih sedikit.
Contoh Statistik Parametrik
Sebagai contoh untuk penggunaan uji statistik parametrik dalam metode penelitian. Misalnya saja;
- Pengujian Sampel
Misalnya saja terkait dengan teknik pengambilan sampel untuk 99 skor tes dengan mean 100 dan standar deviasi 1. Jika kita mengasumsikan semua 99 skor tes adalah observasi acak dari distribusi normal, maka kita memperkirakan ada kemungkinan 1% bahwa tes ke-100 skor akan lebih tinggi dari 102, 33 (yaitu, mean ditambah 2,33 standar deviasi), dengan asumsi bahwa skor tes ke-100 berasal dari distribusi yang sama dengan yang lain.
Disisini metode uji statistik parametrik digunakan untuk menghitung nilai 2, 33 di atas, dengan 99 pengamatan independen dari distribusi normal yang sama. Estimasi non-parametrik untuk hal yang sama adalah nilai maksimum dari 99 skor pertama.
Kita tidak perlu berasumsi apa-apa tentang distribusi nilai tes untuk alasan bahwa sebelum kita memberikan tes, kemungkinan besar skor tertinggi adalah salah satu dari 100 pertama. Jadi, ada 1% kemungkinan bahwa skor ke-100 adalah lebih tinggi dari 99 yang sebelumnya.
Nah, demikinalah artikel yang bisa kami kemukakan pada segenap pembaca berkenaan dengan pengertian statistik parametrik menurut para ahli, teknik uji, dan contohnya dalam penelitian. Semoga memberikan wawasan bagi kalian yang sedang membutuhkannya.
