Statistik Parametrik dan Non Parametrik

Telah diketahui bersama bahwa dalam statistik inferensial kita mengenal ada dua pendekatan untuk melakukan analisis data. Pertama adalah statistik parametris dan statistik non parametris. Dalam statistik parametris akan terdapat asumsi-asumsi yang mendasari digunakannya rumus yang tergabung dalam kelompok parametris. Asumsi-asumsi untuk beberapa rumus statistik berbeda-beda. Dalam model analisis regresi secara umum ada 5 asumsi yang disebut dengan asumsi klasik yakni: normalitas, linieritas, multikolinieritas, heteroskedastisitas, autokorelasi.

Statistika non parametris diciptakan sebagai alternatif yang dapat digunakan jika peneliti/analis mengalami berbagai keterbatasan. Keterbatasan yang dimaksud dapat berupa tidak terpenuhinya asumsi parametris. Contohnya adalah keterbatasan sebaran data yang tidak normal, tidak homogen maupun asumsi-asumsi lain.  Teknik non parametris cocok digunakan untuk jumlah sampel yang kecil maupun karena tidak dapat diketahui parameter populasi.  Statistik non parametris bekerja tidak berdasarkan atas parameter estimasi dari populasi, seperti rerata, simpangan baku maupun varian. Karena keterbatasan-keterbatasan dimaksud maka sampai saat ini analisis statistika yang banyak dipakai adalah statistika parametris.