Anda di halaman 1dari 13

Tugas Mata Kuliah Statistik Nonparametrik

ANALISIS VARIAN RANKING SATU ARAH


KRUSKAL-WALLIS

Kelompok 5 Kelas 2E :

1. Imansyah

(11.6712)

2. Martha B. T. Napitupulu

(11.6773)

3. Martini Pratiwi

(11.6776)

4. Ni Putu Sumartini

(11.6811)

5. Salindri Trikusuma Wardhani (11.6892)


6. Yesdi Christian Calvin

Dosen :
Dewita Nasution, M.Sc.

(11.6958)

SEKOLAH TINGGI ILMU STATISTIK


2013

Analisis Varian Ranking Satu Arah Kruskal-Wallis


Analisis varian ranking satu arah Kruskal-Wallis atau biasa disebut Uji KruskalWallis pertama kali diperkenalkan oleh William H. Kruskal dan W. Allen Wallis pada
tahun 1952. Uji ini merupakan salah satu uji statistik nonparametrik dalam kasus k sampel
independen. Uji Kruskal-Wallis digunakan untuk menguji apakah k sampel independen
berasal dari populasi yang berbeda, dengan kata lain uji ini dapat digunakan untuk menguji
hipotesis nol bahwa k sampel independen berasal dari populasi yang sama atau identik
dalam hal harga rata-ratanya. Oleh karena itu, uji Kruskal-Wallis juga merupakan
perluasan dari uji Mann-Whitney.
Menurut D.C. Montgomery (2005), apabila asumsi kenormalan yang dibutuhkan
oleh metode statistika parametrik tidak dapat dipenuhi, maka peneliti dapat menggunakan
metode alternatif sebagai pengganti analisis varian satu arah (One way ANOVA) yaitu
Kruskal-Wallis Test. Sedangkan menurut Wayne W. Daniel dalam bukunya Applied
Nonparametric Statistic, beberapa syarat yang harus dipenuhi dalam menggunakan
Kruskal-Wallis Test adalah:
1. Pengamatan harus bebas satu sama lain (tidak berpasangan/independent).
2. Tipe data setidak-tidaknya adalah ordinal.
3. Variabel yang diamati merupakan variabel yang berdistribusi kontinyu.

Dasar Pemikiran dan Metode


Data untuk pengujian Kruskal-Wallis pada umumnya dituangkan dalam tabel N
baris dan k kolom. Banyaknya sampel yang terpilih dituliskan dalam tabel secara baris,
sedangkan kelompok atau kategori yang tersedia dituliskan secara kolom.
Dalam penghitungan uji Kruskal-Wallis ini, masing-masing nilai observasi diberi
ranking secara keseluruhan dalam satu rangkaian. Pemberian ranking diurutkan dari nilai
yang terkecil hingga nilai yang terbesar. Nilai yang terkecil diberi ranking 1 dan nilai yang
terbesar diberi ranking N (dimana N adalah jumlah seluruh observasi). Apabila terdapat
angka yang sama, maka ranking dari nilai-nilai tersebut adalah rata-rata ranking dari nilainilai observasi tersebut.
Jika seluruh nilai observasi telah diberi ranking, langkah selanjutnya adalah
menghitung jumlah ranking dari masing-masing kolom (Rj).
Samp
el

Kelompok / Kategori

X11

R11

X12

R12

X1k

R1k

X21

R21

X22

R22

X2k

R2k

Xn1
-

Rn1
R1

Xn2
-

Rn2
R2

Xnk
-

Rnk
Rk

.
.
.
nj
Rj

Selanjutnya, uji Kruskal-Wallis dapat didefinisikan dengan rumus:

2
k
12
R
j
H
3( N 1)

Rumus
N ( N 1) i 1 n j

dimana, H: nilai Kruskal-Wallis dari hasil penghitungan


Rj: jumlah rank dari kelompok/kategori ke-j
nj : banyaknya kasus dalam sampel pada kelompok/kategori
ke-j
k: banyaknya kelompok/kategori
N: jumlah seluruh observasi (N=n1+n2+n3+..+nk)
Jika ditemukan angka sama sebanyak lebih dari 25% nilai observasi sehingga
mengakibatkan banyak nilai ranking yang sama, maka perlu adanya koreksi pada rumus
penghitungan uji Kruskal-Wallis, dengan faktor koreksinya adalah:

1
dimana,

T
3
N N

t 3 t
Rumus
3
N N

t : banyaknya nilai observasi tertentu yang sama pada


serangkaian nilai observasi
N : jumlah seluruh observasi (N=n1+n2+n3+..+nk)

Sehingga rumus uji Kruskal-Wallis dengan kasus angka sama berjumlah banyak adalah:

k
12
R j 3( N 1)

N ( N 1) i 1 n j

T
3
N N

Rumus
(8.3)

Metode dan Prosedur


1. Penentuan Hipotesis Nol dan Hipotesis Alternatif
H0 : k sampel berasal dari populasi yang sama
H1 : k sampel berasal dari populasi yang berbeda
2. Menentukan Tes Statistik / Statistik Uji
Karena tujuannya adalah menguji apakah k sampel independen berasal dari
populasi yang sama maka uji statistik yang kita gunakan adalah uji Kruskal-Wallis
dengan statistik ujinya H yang berdistribusi Chi-Square dengan derajat bebas (k-1).
3. Menentukan Tingkat Signifikansi
Tingkat signifikansi adalah bilangan yang mencerminkan besarnya peluang
menolak hipotesis nol ketika hipotesis nol bernilai benar.
4. Distribusi Sampling
H mendekati distribusi Chi-Square dengan derajat bebas (k-1). Nilai H dapat
dihitung dengan Rumus (8.1). Adapun ketentuan penggunaan tabel adalah
sebagai berikut:
a. Jika k=3 dan nj 5 (j=1;2;3), Tabel O dapat digunakan untuk menentukan nilai
yang berkaitan dengan harga di bawah H0.
b. Dalam kasus lain, dapat digunakan Tabel C dengan derajat bebas (k-1).

5. Daerah Penolakan
Daerah penolakan terdiri dari semua harga H yang sedemikian besar sehingga
kemungkinan yang berkaitan dengan terjadinya harga harga itu di bawah H 0 sama
dengan atau kurang dari .
6. Keputusan
H0 akan ditolak jika nilai H (k-1) atau nilai p-value sebaliknya H0 akan gagal
ditolak jika nilai H < (k-1) atau nilai p-value > .

Ringkasan Prosedur
1. Berilah ranking pada masing masing nilai observasi dengan urutan dari ranking 1
hingga N.
2. Tentukan harga R (jumlah ranking) untuk masing masing kelompok atau
kategori.
3. Jika ditemukan angka sama sebanyak lebih dari 25% nilai observasi, maka
hitunglah harga H dengan menggunakan Rumus (8.3). Jika tidak, gunakanlah
Rumus (8.1).
4. Metode untuk menilai signifikansi harga observasi H bergantung pada besarnya k
dan banyaknya sampel pada setiap kelompok/kategori tersebut.
a. Jika k=3 dan nj 5 (j=1;2;3), Tabel O dapat digunakan untuk menentukan nilai
yang berkaitan dengan harga di bawah H0.
b. Dalam kasus lain, dapat digunakan Tabel C dengan derajat bebas (k-1).
5. Jika kemungkinan yang berkaitan dengan harga observasi H adalah sama atau
kurang dari , maka tolak H0 dan terima H1.

Contoh Soal Uji Kruskal-Wallis


Contoh 1
Untuk membandingkan tingkat keefektifan dari 3 macam metode diet, maka sebanyak 22
orang mahasiswi yang dipilih dari suatu universitas dibagi ke dalam 3 kelompok yang

mana masing-masing kelompok mengikuti program diet selama empat minggu sesuai
dengan metode yang telah dibuat. Setelah program diet berakhir, maka diperoleh
banyaknya berat badan yang hilang (dalam kg) dari mahasiswi-mahasiswi tersebut sebagai
berikut:
Metode Diet 1
Berat Badan
Samp
(BB) yg
el
hilang
1
5,3
2
4,2
3
3,7
4
7,2
5
6,0
6
4,8

Metode Diet 2
Berat Badan
Samp
(BB) yg
el
hilang
1
6,3
2
8,4
3
9,3
4
6,5
5
7,7
6
8,2
7
9,5

Metode Diet 3
Berat Badan
Samp
(BB) yg
el
hilang
1
2,4
2
3,1
3
3,7
4
4,1
5
2,5
6
1,7
7
5,3
8
4,5
9
1,3

Untuk menguji Ho yang menyatakan bahwa tingkat keefektifan dari ketiga metode diet di
atas adalah sama, terhadap hipotesis alternatif yang menyatakan bahwa tingkat keefektifan
ketiga metode di atas adalah tidak sama ( = 5%).
Jawaban :
o Hipotesis
H0 : tingkat keefektifan dari ketiga metode diet adalah sama
H1 : tingkat keefektifan dari ketiga metode diet adalah tidak sama
o Tes Statistik : Kruskal-Wallis Test
o Tingkat Signifikansi : =5%,
o Distribusi sampling :
H mendekati distribusi Chi-Square dengan derajat bebas (k-1), sehingga wilayah
kritis dapat ditentukan dengan menggunakan Tabel C.
o Penghitungan
n1=6 ; n2=7 ; n3=9 ; N= n1 + n2 + n3 = 22

Metode Diet 1
BB yg
Rankin
hilang
g
5,3
12,5
4,2
9
3,7
6,5
7,2
17
6,0
14
4,8
11

Metode Diet 2
BB yg
Ranking
hilang
6,3
15
8,4
20
9,3
21
6,5
16
7,7
18
8,2
19
9,5
22

R1 = 70

R2 = 131

Metode Diet 3
BB yg
Rankin
hilang
g
2,4
3
3,1
5
3,7
6,5
4,1
8
2,5
4
1,7
2
5,3
12,5
4,5
10
1,3
1
R3 = 52

2
k
12
R
j
H
3( N 1)

N ( N 1) i 1 n j

12
702 1312 522

+
+
3 ( 22+1 )
22(22+1) 6
7
9

= 15,633
o Daerah penolakan : H (k-1) atau p-value
o Keputusan :

0,05(2) = 5,991
Karena 15,633 > 5,991

H > 0,05(2) , maka Tolak H0

o Kesimpulan : Dengan tingkat kepercayaan 95 %, belum cukup bukti untuk


menyatakan bahwa tingkat keefektifan dari ketiga metode diet tersebut adalah
sama.

Contoh 2
Manajemen restoran fastfood sangat ingin tahu pendapat langganannya mengenai
pelayanan, kebersihan dan kualitas makanan dari restorannya. Pihak management ingin
membandingkan hasil rating pelanggan untuk tiga shift yang berbeda, yaitu:

Shift 1: 16.00 midnight ; Shift 2: midnight 08.00 ; Shift 3: 08.00 16.00


Pelanggan diberi kesempatan untuk mengisi kartu saran. Pada penelitian ini 10 kartu saran
(customer card) dipilih secara random, untuk setiap shift. Rating digolongkan dalam empat
kategori yaitu 4 = sempurna, 3 = baik, 2 = biasa, 1 = buruk. Diperoleh data seperti dibawah
ini:
16.00 Midnight 08.00 Midnight
08.00
16.00
4
3
3
4
4
1
3
2
3
4
2
2
3
3
1
3
4
3
3
3
4
3
3
2
2
2
4
3
3
1
Dengan tingkat kepercayaan 95%, dapatkah pihak manajemen mengatakan bahwa
karyawannya memberikan pelayanan, kebersihan, dan kualitas makanan yang sama
sepanjang hari?
Jawaban :
o Hipotesis
H0 : Tidak ada perbedaan rating pelanggan untuk pelayanan, kebersihan, dan
kualitas makanan antara ketiga shift tersebut.
H1 : Ada perbedaan rating pelanggan untuk pelayanan pelayanan, kebersihan, dan
kualitas makanan antara ketiga shift tersebut.
o Tes Statistik : Kruskal-Wallis Test. Persoalan di atas merupakan persoalan k
sampel independent. Karena data berada pada skala pengukuran ordinal (ranking),
maka Kruskal-Wallis Test dapat digunakan.
o Tingkat Signifikansi : = 0,05
o Distribusi sampling :
H mendekati distribusi Chi-Square dengan derajat bebas (k-1), sehingga wilayah
kritis dapat ditentukan dengan menggunakan Tabel C.

o Penghitungan
n1= n2= n3=10 ; N= n1 + n2 + n3 = 30
16.00Midnight
4
4
3
4
3
3
3
3
2
3

Rank

Ran
k

16.5
27
6.5
6.5
16.5
27
16.5
16.5
6.5
16.5
R2 =
156
3
Penghitungan untuk angka sama dengan koreksi: T =t t
Nilai
Observas
i
t
T

1
3
24

27
27
16.5
27
16.5
16.5
16.5
16.5
6.5
16.5
R1 =
186.5

Midnight08.00
3
4
2
2
3
4
3
3
2
3

2
6
210

3
14
2730

7
336

08.0016.00
3
1
3
2
1
3
4
2
4
1

16.5
2
16.5
6.5
2
16.5
27
6.5
27
2
R3 =
122.5

(24 +210+2730+336 )
=
3
k 30 2 30
N N 12
Rj
3 ( N +1 )
N (N + 1) j=1 n j
H=
3300
T

1 3
26970
N N
3

12
186,52 1562 122.52
+
+
3 (30+1)
30(30+1) 10
10
10

3300
1
26970
= 3,01
o Daerah penolakan : H (k-1) atau p-value
o Keputusan :

0,05(2) = 5,991
Karena 3,01 < 5,991

Rank

H < 0,05(2) , maka gagal tolak H0

o Kesimpulan : Dengan tingkat kepercayaan 95 %, belum cukup bukti untuk


menyatakan bahwa ada perbedaan rating pelanggan untuk pelayanan, kebersihan,
dan kualitas makanan antara ketiga shift tersebut.

Contoh 3
Sebuah perusahaan ingin mengetahui apakah terdapat perbedaan keterlambatan masuk
kerja antara pekerja yang rumahnya jauh atau dekat dari lokasi perusahaan. Misalkan jarak
rumah dikategorikan dekat ( kurang dari 10 km), sedang (10 15 km) dan jauh ( lebih dari
15 km). Keterlambatan masuk kerja dihitung dalam menit keterlambatan selama sebulan
terakhir.
Penelitian dilakukan pada tiga kelompok pekerja dengan sampel acak, dengan masingmasing sampel untuk yang memiliki jarak rumah dekat sebanyak 5 sampel, jarak sedang
sebanyak 4 sampel dan jauh sebanyak 3 sampel. Ujilah dengan tingkat kepercayaan 95 %.
Datanya sebagai berikut :
Dekat
59
110
132
143
165

Sedang
77
99
128
144

Jauh
89
102
121

Jawaban :
o Hipotesis
H0 : Tidak ada perbedaan lama keterlambatan antara tiga kategori pekerja
berdasarkan jarak rumahnya.
H1 : Ada perbedaan lama keterlambatan antara tiga kategori pekerja berdasarkan
jarak rumahnya
o Tes Statistik : Kruskal-Wallis Test. Karena data berada pada skala pengukuran
rasio (lama keterlambatan), maka kruskal-wallis dapat digunakan.
o Tingkat Signifikansi : = 0,05
o Penghitungan

n1= 5 ; n2= 4 ; n3= 3 ; N= n1 + n2 + n3 = 12


Dekat
59
110
132
143
165

Rank
1
6
9
10
12
R1 = 38

Sedang
77
99
128
144

Rank
2
4
8
11

Jauh
89
102
121

R2 = 25

Rank
3
5
7

R3 = 15

Rj
12
H=
3( N +1)

N (N +1) j=1 n j

12
38 25 15

+
+
3(13)
12(13) 5
4
3
= 1,004

o Daerah penolakan : p-value


o Keputusan :
Karena k=3 dan nj 5 (j=1;2;3), maka kita dapat menggunkan Tabel O untuk
menentukan nilai yang berkaitan dengan harga di bawah H0.
Dari tabel O untuk nilai

n1=5

n2=4

, dan

n3=3

, p-value untuk H =

1,004 adalah lebih besar dari 0,103 (p-value > 0,103). Karena p-value > 0,05 ,
maka gagal tolak H0
o Kesimpulan : Dengan tingkat kepercayaan 95 %, belum cukup bukti untuk
menyatakan bahwa ada perbedaan lama keterlambatan antara tiga kategori pekerja
berdasarkan jarak rumahnya.

Daftar Pustaka
Siegel, Sidney. 1985. Statistik Nonparametrik untuk Ilmu-Ilmu Sosial. Jakarta. PT
Gramedia Pustaka Utama.
Daniel, Wayne W. 1978. Applied Nonparametric Statistics. United States of America.
PWS-KENT Publishing Company.

Saleh, Samsubar. 1985. Statistik Nonparametrik. Yogyakarta. BPFE-Yogyakarta.