parametric test lebih menguji kepada

menguji hipotesis deskriptif satu variabel (univariabel) bila datanya berbentuk interval atau ratio maka digunakan t-test satu sampel.
menguji hipotesis komparatif dua sampel berpasangan, bila datanya berbentuk interval atau ratio, digunakan t-test dua sample.
Untuk pengujian hipotesis komparatif tiga sampel dapat dilakukan dengan menggunakan Analisis Varian Satu Jalan (One Way ANOVA).

Contoh metode statistik parametric :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametric)

Ciri-ciri dari statistik parametric
– Data dengan skala interval dan rasio
– Data menyebar/berdistribusi normal

Keunggulan dari statistik parametric
– Syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
– Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.

*Kelemahan :
– Populasi harus memiliki varian yang sama.
– Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
– Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

——————————————————————————————————————————————————
sedangkan
non parametric test lebih kepada pengujian normalitas data dan dapat menggunakan Kertas Peluang Normal atau dengan Chi Kuadrat.

contoh
a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test

Ciri-ciri statistik non-parametrik :
– Data tidak berdistribusi normal
– Umumnya data berskala nominal dan ordinal
– Umumnya dilakukan pada penelitian sosial
– Umumnya jumlah sampel kecil

Keunggulan dari statistik non-parametrik
– Tidak membutuhkan asumsi normalitas.
– Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.
– Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).
– Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.
– Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.
– Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

Kelemahan dari statistik non parametric
– Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
– Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.
– Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.