Dr. Masarina Flukeria, M.S.E., M.P.P.

Video ini membahas statistika inferensial pada mata kuliah Statistika Ekonomi Lanjutan dengan memperkenalkan konsep statistik parametrik dan non-parametrik. Statistik inferensial terbagi menjadi dua, yaitu parametric test yang mengasumsikan distribusi normal populasi, dan non-parametric test digunakan ketika asumsi tersebut tidak terpenuhi atau saat sampel size relatif kecil. Parametric test seperti T-test, F-test, dan ANOVA, sementara non-parametric test seperti kruskal walis test dan Spearman Rank Correlation Test digunakan pada data kualitatif. Pemahaman ini penting dalam melakukan estimasi dan hipotesis testing terhadap populasi.

Oke, di materi pelajaran statistik ke ekonomi dan bisnis lanjutan ini,

kamu akan mulai mengenal sesuatu yang baru.

Sesuatu yang baru dengan istilah yang namanya statistik parametrik dan statistik non-parametrik.

Tadi saya sudah sempat juga menyatakan apa yang kamu pelajari pada saat influensial statistik.

Di dalamnya ada dua aspek besar, estimation dan hipotesis testing.

Tapi mari kita lihat dulu, influensial statistik itu juga bisa dibagi menjadi dua,

yaitu parametric test dan non-parametric test.

Jadi selain tadi kamu melihat influensial statistik bicara estimation dan hipotesis testing,

kamu juga bisa membedahnya bahwa sesungguhnya influensial statistik itu juga bisa dibedakan menjadi dua bagian ini.

Lalu apa yang membuat mereka itu dibagi menjadi dua? Apa perbedaannya?

Ketika kita menelaah parametric test, itu artinya adalah test yang ada di sini,

itu kita uji dengan asumsi bahwa asumsi populasi berdistribusi normal.

Dan asumsi populasi berdistribusi normal, lalu kamu ambil sampelnya dan dari sampel itu kamu dapat statistik.

Dan dari statistik itu kamu berharap bisa melakukan konklusi terhadap populasi kamu.

Dan itulah disebabkan, itulah sebabnya dikatakan namanya parametric statistik.

Lalu bagaimana dengan non-parametric test?

Non-parametric test itu maksudnya adalah, kamu tuh sesungguhnya ingin bekerja seperti ini,

Namun sayangnya asumsi itu tidak berlaku untuk tes kamu,

karena kamu mengalami kendala bahwa populasi kamu tidaklah berdistribusi normal.

Jadi populasi kamu di sini tidak berdistribusi normal.

Kendala lainnya adalah, kamu melakukan penelitian tapi sampel size kamu itu relatif kecil.

dimana kecil di sini yang saya maksud adalah n kurang dari 30,

maka kamu juga akan diarahkan untuk menggunakan non-parametric test.

Lalu kemudian adalah ketika kamu menggunakan yang namanya categorical data

ataupun kamu menggunakan yang namanya nominal data,

ataupun kamu menggunakan yang namanya nominal data ataupun ordinal data,

dan kamu tidak lagi menggunakan kuantitatif data,

karena semuanya kategorical data, nominal data, ordinal data itu termasuk ke dalam kualitatif data.

Ketika kamu bekerja dengan bukan kuantitatif data tetapi kualitatif data,

maka di saat itulah kamu akan diarahkan untuk menggunakan non-parametric test.

Beberapa contoh terkait parametric test itu ketika kamu menggunakan T-test, F-test, ANOVA, dan sebagainya.

Dan kalau non-parametric test disini ketika kamu misalkan menggunakan yang namanya

ataupun ketika kamu menghitung korelasi dengan menggunakan Spearman Rank Test, Spearman Rank Correlation Test,

maka ini semua dan sebagainya, maka ini semua masuk ke dalam non-parametric test.

Sementara yang ini termasuk di dalamnya adalah regression, termasuk di dalamnya adalah correlation,

yang menggunakan person correlation, beda ya, dan kalau di sana person Spearman Rank Correlation,

kalau yang ini adalah person correlation,

maka ketika kamu menggunakan metode ini, ini semua masuk ke dalam parametric test,

tapi yang ini masuk ke dalam non-parametric test.

Non-parametric test terjadi ketika kamu berhadapan dengan populasi kamu yang tidak berdistribusi normal,

sampel size kamu yang relatif kecil, dan kamu berhadapan dengan data-data yang sifatnya kualitatif.

Tapi ketika kamu bekerja dengan parametric test, artinya adalah asumsi populasi berdistribusi normal,

itu terjadi dan kamu bisa melakukan estimasi statistik untuk membuat konklusi terhadap parameter populasi.

Demikian, semoga ini bisa memberikan insight kepada teman-teman.