1

BAB I

PENDAHULUAN

A. Latar Belakang
Dalam analisis Statistika terdapat dua macam konsep dan prosedur
analisis yaitu parametrik dan nonparametrik. Analisis parametrik sangat
bergantung pada pola distribusi populasi yang diamati, sedangkan analisis
nonparametrik tidak perlu memperhatikan hal tersebut sehingga untuk skala
pengukuran yang paling rendahpun dapat dianalisis. Dalam analisis
parametrik, untuk pengujian hipotesis apakah terdapat perbedaan antara k
buah rata-rata sampel yang independen digunakan Analisis Varians
(ANAVA) dengan statistik uji F. Prosedur dari uji tersebut mengasumsikan
bahwa sampel berasal dari distribusi Normal dengan varians yang homogen.
Apabila kedua asumsi tersebut tidak terpenuhi atau skala pengukurannya
ordinal, maka analisis nonparametrik dapat mengatasinya melalui ANAVA
dengan uji Kruskal Wallis. Misalnya akan dilakukan pengujian apakah
prestasi mahasiswa k buah program studi di sebuah perguruan tinggi sama
atau tidak, dimana variabel yang diamati adalah IPK. Apabila untuk pengujian
di atas prosedur parametrik tidak dapat dipenuhi maka pengujiannya
menggunakan uji Kruskal Wallis. Selanjutnya jika yang diperhatikan selain
IPK adalah IQ dan Skor Toefl, maka uji Kruskal Wallis tidak dapat dilakukan,
maka melalui tulisan ini akan dibahas Perluasan Uji Kruskal Wallis untuk
Data Multivariat.

B. Rumusan Masalah
1. Apakah pengertian uji non parametrik ?
2. Apakah pengertian uji kruskal-wallis?
3. Bagaimana langkah-langkah penyelesaian dengan uji kruskal-wallis?
4. Bagaimana contoh-contoh soal uji kruskal-wallis?
 2

C. Tujuan
1. Untuk mengetahui pengertian uji non parametrik
2. Untuk mengetahui pengertian uji kruskal-wallis.
3. Untuk mengetahui langkah-langkah penyelesaian dengan uji kruskal-
wallis.
4. Untuk mengetahui contoh-contoh soal dari uji kruskal-wallis.
 3

BAB I
PEMBAHASAN

A. Pengertian Uji Non Parametrik

Statistik Non Parametrik merupakan bagian statistik yang parameter dari
populasinya tidak mengikuti suatu distribusi tertentu atau memilki distribusi
yang bebas persyaratan dan variannya tidak perlu homogen. Dalam sejumlah uji
statistik nonparametrik hanya menetapkan asumsi/persyaratan bahwa observasi-
observasinya harus independen dan bahwa varibel yang diteliti pada dasarnya
harus memiliki kontinuitas. (Frisztado, 2010).
Statistik non parametrik memiliki kelebihan dan kekurangan. adapun
keuntungan dari penggunaan prosedur-prosedur dari Statistik Non Parametrik
adalah sebagai berikut:
1. Pernyataan kemungkinan yang diperoleh dari sebagian besar tes statistik
non parametrik adalah kemungkinan yang eksak. Dimana tes non
parametrik menggangap bahwa distribusi yang mendasarinya dalah
kontinyu sama dengan anggapan yang dibuat tes-tes parametrik.
2. Terdapat tes-tes Statistik Non Parametrik untuk mengarap sampel-sampel
yang terdiri dari observasi-observasi dari beberapa populasi yang berlainan,
selain itu statistik non parametrik dapat digunakan pada sampel yang sifat
distribusinya tidak diketahui secara pasti.
3. Tes- tes Statistik Non Parametrik dapat menggarap data yang berupa
rangking dan data yang skor-skornya sepintas memilkik kekuatan rangking.
Selain itu juga dapat menggarap data berupa klasifikasi semata yang diukur
dalam skala nominal.
4. Tes-tes Statistik Non Parametrik lebih muda dipelajari dibandingkan
dengan Parametrik, dan juga memiliki kemungkinan untuk digunakan
secara salah juga kecil karena memerlukan asumsi dalam jumlah minimum.
(Frisztado, 2010)
 4

Sedangkan kekurangan dari pengunaan prosedur-prosedur model

Statistik Non Parametrik adalah :
1. Penggunaan Statistik Non Parametrik akan menjadi penghamburan data jika
data memenuhi syarat model statistik parametrik,
2. Belum ada satu pun dalam metode Statistik Non Parametrik untuk mengukur
interaksi-interaksi dalam model analisis varian,
3. Penggunanaan Statistik Non Parametrik memerlukan banyak tenaga serta
menjemukan.
(Frisztado, 2010)
asumsi-asumsi yang jauh tidak mengikat di bandingkan dengan uji
parametrik. Kapankah metode nonparametrik seharusnya dipakai, yaitu:
1. Apabila ukuran sample demikian kecil sehingga distribusi statistika
pengambilan sample tidak mendekati normal, dan apabila tidak ada asumsi
yag dapat dibuat tentang bentuk distribusi normal yang menjadi sumber
sample.
2. Apabila digunakan data peringkat atau ordinal(data ordinal hanya
memberikan informasi tentang apakah suatu item lebih tinggi, lebih rendah
atau sama dengan ite lainnya, data ini sama sekali tidak menyatakan ukuran
perbedaan
3. Apabila data nominal digunakan. Data nominal adalah data dimana sebutan
seperti laki-laki atau perepuan diberikan kepada item dan tidak ada implikasi
didalam sebutan tersebut bahwa item yang satu lebih tinggi atau lebih rendah
daripada item lainnya.

B. Pengertian Uji Kruskal-Wallis

Uji Kruskal-Wallis, sering pula disebut Uji H Kruskal Wallis, adalah
rampatan uji jumlah rang (dwi sampel Wilcoxon) untuk sejumlah sampel k >
2. Uji ini digunakan untuk menguji hipotesis Ho bahwa k sampel bebas
berasal dari populasi yang sama. Diperkenalkan di tahun 1952 ole W.H.
 5

Kruskal dan W.A. Wallis, uji ini merupakan padanan cara non parametrik
untuk menguji kesamaan rataan dalam analisis variansi ekafaktor bila ingin
mengehindari anggapan bahwa sampel berasal dari populasi normal. Jika dari
populasi yang sama, maka rata-rata ke-k sampel tersebut
tentu relatif sama atau tidak berbeda secara signifikan (Walpole&Mayer,
1995).
Analisis varians satu-arah berdasarkan peringkat Kruskal Wallis yaitu
teknik non parametrik yang digunakan untuk menguji hipotesis nol yang
menyatakan bahwa beberapa sampel telah ditarik dari populasi populasi
yang sama atau identik. Dan apabila kasus yang diselidiki hanya dua sampel,
maka uji Kruskal Wallis setara dengan uji Mann-Whitney. Uji Kruskal Wallis
memanfaatkan informasi yang lebih banyak ketimbang yang digunakan
pada uji median. Kruskal Wallis juga merupakan uji yang paling tidak berasal
dari pengukuran yang menggunakan skala ordinal.
Asumsi-asumsi:
1. Data untuk analisis terdiri atas k sampel acak berukuran n1, n2,...,nk.
2. Pengamatan-pengamatan bebas baik di dalam maupun di antara sampel-
sampel.
3. Variabel yang diamati kontinyu.
4. Skala yang digunakan setidaknya ordinal.
5. Populasi populasi identik kecuali dalam hal lokasi yang mungkin
berbeda untuk sekurang-kurangnya satu populasi.

C. Langkah- Langkah Penyelesaian Uji Kruskal- Wallis

prosedur penyelesaian
1. Data dari k sampel di gabung menjadi satu kesatuan, kemudian dirangking
mulai dari yang terkecil sampai yang ke terbesar atau ke N (yaitu n1 + n2
+...+ nk)
 6

2. Bila ada nilai sama (ties), dibuat rata-rata rangking.

3. Jumlahkan rank pada masing-masing sampel, namakan Ri
4. Rumuskan statistik yang digunakan adalh rumus H sehingga uji Kruskal
Wallis disebut juga uji H dengan rumus:

𝑘
12 𝑅𝑖2
𝐻= ∑ − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛1
𝑖=1

dimana, ni = ukuran sampel ke-i

i = 1, 2, 3, ..., k
N = Jumlah seluruh sampel (yaitu n1 + n2 +...+ nk)
Ri = jumlah rank dalam sampel ke-i
5. Apabila ada ties, maka nilai H perlu dikoreksi yaitu rumus H dibagi dengan
∑𝑇
1 − 𝑁3−𝑁

12 𝑅2
∑𝑘
𝑖=1
𝑖 −3(𝑛+1)
𝑛(𝑛+1) 𝑛1
Jadi 𝐻 = ∑𝑇
1− 3
𝑁 −𝑁

Persamaan di atas dirubah menjadi bentuk berikut;

𝐻
𝐻𝑐 =
∑𝑇
1− 3
𝑁 −𝑁
Dimana 𝑇 = 𝑡 3 − 𝑡, sedang t adalah jumlah nilai-nilai yang sama pada rank
tertentu. Setelah dilakukan perkoreksian ini maka akan menambah nilai H
dengan demikian akan membuat hasil yang lebih signifikan dibandingkan
dengan hasil yang tidak dikoreksi. Suatu misal uji H menolak H0 kalau tanpa
koreksi, sedangkan dengan koreksi dapat menolak lebih tajam lagi.
6. Titik Kritis
 7

a. Apabila yang diamati 3 buah treatment (k = 3) dan masing-masing

sampel terdiri dari 5 pengamatan atau kurang (ni≤ 5), maka titik kritis
dapat dilihat pada tabel Kruskal-Wallis
b. Apabila banyaknya sampel dan atau nilai pengamatan pada tiap
sampel sedemikian atau nilai-nilai k dan n yang lebih besar, sehingga
kita dapat menggunakan tabel Kruskal-Wallis, distribusi H mendekati
𝒳 2 dengan df = k-1
7. Kriteria penolakan
a. H0 ditolak bila p≤ 𝛼 untuk k = 3 dan ni≤ 5
b. H0 ditolak bila H hitung > 𝒳 2 tabel

D. Contoh-Contoh Soal Uji Kruskal- Wallis

1. Dalam percobaan untuk menentukan system peluru kendali mana yang
lebih baik, dilakukan pengukuran pada laju pembakarannya. Datanya
setelah dikodekan, diberikan dalam table. Gunkan uji kruskal wallis dan
taraf nyata α = 0,05 untuk menguji hipotesa bahwa laju pembkaran bahan
bakar sama untuk ketiga system tersebut.
Tabel
Data system peluru kendali
System peluru kendali
1 2 3
24.0 23,2 18,04
16.7 19,8 19,1
22.8 18,1 17,3
19.8 17,6 19,7
18,9 20,2 18,9
17,8 18,8
19,3
 8

Jawab :
a. H0 : µ1 = µ2 = µ3
b. H1 : ketiga populasi minimal terdapat satu perpedaan
c. 𝛼 = 0,05
d. Wilayah titik : h > X2 0,05 = 5,991
e. Perhitungan : dalam table kita ubah pengamatan itu menjadi peringkat
dan kemudian menjumlahkan semua peringkat untuk masing-masing
system.

System peluru kendali

1 2 3
19 18 7
1 14,5 11
17 6 2,5
14,5 4 13
9,5 16 9,5
R1 = 61 5 8
R2=63,5 12
R3=65,5

Sekarang, dengan mensubtitusikan N1 = 5. N2 = 6, N3 = 8, r1 = 61, r2 = 63,5

dan r3 = 65,5. Maka kita memperoleh nilai statistic uji H yaitu
𝑘
12 𝑟𝑖2
𝐻= ∑ − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛1
𝑖=1
𝑘
12 𝑟12 𝑟22 𝑟32
= ∑ + + − 3(18 + 1)
18(18 + 1) 𝑛1 𝑛2 𝑛3
𝑖=1
 9

𝑘
12 612 63,52 65,52
= ∑ + + − 3(18 + 1)
18(18 + 1) 5 6 8
𝑖=1

𝐻 = 1,66
f. Keputusan : karena h = 1,66 tidak jauh dalam wilayah kritiknya, yaitu h
> 5,991. Berarti kita tidak mempunyai bukti yang cukup untuk menolak
hipotis bahwa laju pembakaran bahan bakar sama untuk ketiga system
peluru kendali itu.

2. Suatu percobaan dilakukan mengenai pengaruh obat tertentu terhadap

stimulus tertentu pada 3 kelompok binatang percobaan. Pada penelitian ini
kelompok III (n = 4) diambil sebagai control, sedangkan kelompok I (n = 5)
mendapat obat A dan kelompok II (n = 4) mendapat obat B. apabila ketiga
kelompok binatang percobaan tersebut memberikan reaksi yang berbeda
dalam hal waktu? Gunakan α = 0,05.
Penyelesaian :
Hipotesis dirumuskan sebagai berikut;
1. Ho : tidak ada perbedaan reaksi pada ketiga kelompok
H1 : paling sedikit satu populasi mendapatkan respon yang paling besar
daripada populasi yang lain
2. Titik kritis dapat diliat pada table Kruskal Wallis karena k = 3 dan ni ≤ 5
3. Hitungan
Tabel 9
I II III
17 (9) 8 (6,5) 2 (1)
20 (10) 7 (5) 5 (4)
40 (13) 9 (8) 4 (3)
31 (11) 8 (6,5) 3 (2)
35 (12)
 10

R1 = 55 R2 = 26 R3 = 10
n1 = 5 n2 = 4 n3 = 4 N = 13

12 𝑅𝑖2
𝐻= ∑𝑘𝑖=1 − 3(𝑁 + 1)
𝑁(𝑁+1) 𝑛𝑖

12 (552 ) (262 ) (102 )

𝐻= [ + + ] − 3(13 + 1) = 10,68
13(13+1) 5 4 4

Titik kritis pada kruskal wallis dengan H = 10,68 dan n = 5,4,4 adalah p <
0,009
Jadi, Ho ditolak berarti ada perbedaan rata-rata reaksi waktu pada ketiga
populasi.
catatan :

Ada ties pada kelompok II yaitu pada rank 6,5 sebanyak 2 buah maka T = t3
– t = 23 -2 = 6

H koreksi

Jadi signifikan pada alpha 0,01. Untuk melihat perbedaan antara perlakkuan
dapat dilakukan dengan rumus.

Kemudian bandingkan dengan titik kritis di tabel Z dengan alpha yang sesuai
dan uji satu atau dua pihak
 11

BAB III
PENUTUP

A. Kesimpulan
1. Statistik Non Parametrik merupakan bagian statistik yang parameter dari
populasinya tidak mengikuti suatu distribusi tertentu atau memilki
distribusi yang bebas persyaratan dan variannya tidak perlu homogen.
Dalam sejumlah uji statistik nonparametrik hanya menetapkan
asumsi/persyaratan bahwa observasi-observasinya harus independen dan
bahwa varibel yang diteliti pada dasarnya harus memiliki kontinuitas.
2. Uji Kruskal-Wallis, sering pula disebut Uji H Kruskal Wallis, adalah
rampatan uji jumlah rang (dwi sampel Wilcoxon) untuk sejumlah sampel k
>2
3. Langkah-langkah penyelesaian
a. Data dari k sampel di gabung menjadi satu kesatuan, kemudian
dirangking mulai dari yang terkecil sampai yang ke terbesar atau ke N
(yaitu n1 + n2 +...+ nk)
b. Bila ada nilai sama (ties), dibuat rata-rata rangking.
c. Jumlahkan rank pada masing-masing sampel, namakan Ri
d. Rumuskan statistik yang digunakan adalh rumus H sehingga uji
Kruskal Wallis disebut juga uji H dengan rumus:

𝑘
12 𝑅𝑖2
𝐻= ∑ − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛1
𝑖=1

e. Apabila ada ties, maka nilai H perlu dikoreksi yaitu rumus H dibagi
∑𝑇
dengan 1 − 𝑁3 −𝑁
 12

f. Titik Kritis
1) Apabila yang diamati 3 buah treatment (k = 3) dan masing-masing
sampel terdiri dari 5 pengamatan atau kurang (ni≤ 5), maka titik
kritis dapat dilihat pada tabel Kruskal-Wallis
2) Apabila banyaknya sampel dan atau nilai pengamatan pada tiap
sampel sedemikian atau nilai-nilai k dan n yang lebih besar,
sehingga kita dapat menggunakan tabel Kruskal-Wallis, distribusi
H mendekati 𝒳 2 dengan df = k-1
g. Kriteria penolakan
1) H0 ditolak bila p≤ 𝛼 untuk k = 3 dan ni≤ 5
2) H0 ditolak bila H hitung > 𝒳 2 tabel

B. Saran
Sebelum kita melakukan uji kruskal-wallis sebaikya lihat dulu datanya apakah
bisa diuji dengan kruskal-wallis atau tidak.
 13

DAFTAR PUSTAKA

Junaidi. 2010. Statistik Uji Kruskal-Wallis. Fakultas Ekonomi Jambi (Diakses pada
tanggal 28 April 2019)

Pramudjono, 2010. Statistika Non-Parametrik. Samarinda : Puri Kencana Mandiri.

Sugiyono, 2011. Statistik Non Parametrik. Bandung : CV ALFABETA

Univ Pancasila. 2010. PERSEPSI KONSUMEN TERHADAP PELAYANAN BUS

WAY TRANS JAKARTA. [Online] avaible at :
http://repository.univpancasila.ac.id/dmdocuments/PERSEPSI%20KONSUME
N%20TERHADAP%20PELAYANAN%20BUSWAY%20TRANS%20JAKA
RTA.pdf. (Diakses pada tanggal 28 April 2019)