MAKALAH

STATISTIKA NON PARAMETRIK

“UJI KRUSKAL WALLIS”

Oleh :

1. Debora Febrina Sinaga (1605045008)

2. Penta Putra Purnomo (1605045049)
3. Siti Rukmana (1605045047)
4. Putri Suci Ramadhanty (1605045058)
5. Insani Caroline Simanjuntak (1605045074)
6. Vivyana Racska (1605045077)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS MULAWARMAN
SAMARINDA
2019
 BAB I
PENDAHULUAN

A. Latar Belakang
Istilah nonparametrik pertama kali digunakan oleh Wolfowitz,
pada tahun 1942. Metode statistik nonparametrik merupakan metode
statistik yang dapat digunakan dengan mengabaikan asumsi-asumsi yang
melandasi penggunaan metode statistic parametrik, terutama yang berkaitan
dengan distribusi normal. Istilah lain yang sering digunakan untuk
statistik nonparametrik adalah statistik bebas distribusi (distribution free
statistics) dan uji bebas asumsi (assumption-free test). Statistik nonparametric
banyak digunakan pada penelitian-penelitian sosial. Data yang diperoleh dalam
penelitian sosial pada umunya berbentuk kategori atau berbentuk rangking.
Uji statistik nonparametrik ialah suatu uji statistik yang tidak
memerlukan adanya asumsi - asumsi mengenai sebaran data populasi. Uji
statistik ini disebut juga sebagai statistik bebas sebaran (distribution free).
Statistik nonparametrik tidak mensyaratkanbentuk sebaran parameter populasi
berdistribusi normal. Statistik nonparametrik dapat digunakan untuk
menganalisis data yang berskala nominal atau ordinal karena pada umumnya
data berjenis nominal dan ordinal tidak menyebar normal. Dari segi jumla data,
pada umumnya statistik nonparametrik digunakan untuk data berjumlah kecil
(n <30).
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 kelebihan 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).
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).
B. Rumusan Masalah
1. Apa yang dimaksud dengan Uji Kruskal Wallis?
2. Sebutkan contoh permasalahan dengan menggunakan uji Kruskal Wallis?
C. Tujuan
1. Untuk mengetahui pengertian Uji Kruskal Wallis
2. Untuk mengetahui contoh permasalahan dengan menggunakan uji Kruskal
Wallis?
 BAB II
PEMBAHASAN

A. Uji Kruskal Wallis

Pengujian rank terhadap k-sampel bebas telah dilakukan oleh W.H.
Kruskal dan W.A. Wallis pada tahun 1952 melalui analisa varian rank satu
arah. Apabila jumlah sampel hanya dua, maka uji ini setara dengan uji
Wilcoxon maupun Mann-Whitney (Pramudjono, 2010). Uji Kruskal Wallis H
digunakan untuk menguji hipotesis nol (H0) bahwa k sampel bebas berasal dari
populasi yang sama atau populasi identik (Diyono, 2014). Uji ini digunakan
untuk menguji perbedaan k sampel bebas jika data yang digunakan berskala
ordinal. Jika data yang diperoleh berskala interval atau rasio, tetapi ukuran
sampel kecil atau tidak berditribusi normal, maka data harus ditransformasikan
terlebih dahulu menjadi skala ordinal dengan cara me-ranking (Suliyanto :
2014).
Pramudjono (2010:59) menyatakan bahwa uji Kruskal Wallis merupakan
pilihan lain dari Anova sederhana apabila persyaratan tidak dipenuhi. Jadi Uji
Kruskal Wallis digunakan apabila :
1. Berhadapan dengan k-sampel independen (k>2).
2. Skala pengukuran yang digunakan paling sedikit ordinal.
3. Variabel yang dipelajari adalah kontinu.

Rumus yang digunakan dalam pengujian Kruskal Wallis sebagai berikut.

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

Keterangan :
H = Nilai Kruskal Wallis H
N = Ukuran sampel (jumlah baris/ pengamatan)
k = Jumlah sampel (jumlah kolom)
Ri = Jumlah rangking dalam kolom
 Suliyanto (2014) mengemukakan langkah-langkah untuk melakukan
analisis uji k-sampel bebas Kruskal Wallis sebagai berikut :
1. Buatlah tabulasi k-sampel bebas
2. Jika data dalam baris bukan data ordinal, maka harus membuat ranking dari
keseluruhan pengamatan (n). Jika terdapat ranking kembar maka buat
ranking rata-ratanya.
3. Hitunglah jumlah ranking pada setiap k-sampel (Ri)
4. Kuadratkan jumlah ranking pada setiap k-sampel (Ri2)
5. Hitung nilai Kruskal Wallis H hitung dengan rumus sebagai berikut :
𝑘
12 𝑅𝑖2
𝐻= ∑ − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛1
𝑖=1

6. Bandingkan nilai Kruskal Wallis H hitung dengan Chi-Square tabel dengan

df = (α, k-1)
7. Pengambilan keputusan dengan kriteria :
a. H0 tidak dapat ditolak, jika H hitung ≤ Chi-Square tabel.
b. H0 ditolak, jika H hitung > Chi-Square tabel.

B. Contoh Kasus dan Penyelesaian Uji Kruskal Wallis

1. Kasus 1
Seorang peneliti bidang ekonomi melakukan penelitian dengan tujuan
untuk mengetahui perbedaan berdasarkan pekerjaan. Untuk keperluan
tersebut diambil sampel secara acak sebanyak 16 orang dengan data
sebagai berikut.
Tabel 1. Data Contoh Aplikasi Uji Kruskal Wallis H
Pekerjaan Pendapatan/Hari
Petani 11.000
Petani 20.000
Petani 25.000
Petani 30.000
 Pedagang 10.000
Pedagang 11.000
Pedagang 12.000
Pedagang 14.000
Nelayan 11.500
Nelayan 12.500
Nelayan 13.000
Nelayan 19.000
Buruh Pabrik 10.500
Buruh Pabrik 15.000
Buruh Pabrik 18.000
Buruh Parbik 24.000

Penyelesaian :
a. Hipotesis :
H0 : tidak terdapat perbedaan pendapatan berdasarkan pekerjaan.
H1 : terdapat perbedaan pendapatan berdasarkan pekerjaan.
b. Taraf signifikan α = 0,05
c. Kritera pengujian :
1) H0 tidak dapat ditolak, jika H hitung ≤ Chi-Square tabel atau Sig
> 0,05.
2) H0 ditolak, jika H hitung > Chi-Square tabel atau Sig ≤ 0,05.
d. Analisis Data
Dibuat tabulasi sebagai berikut untuk menganalisis dengan uji
Kruskal Wallis H

Jumlah
Pekerjaan Pendapatan/Hari Ranking
Ranking
Petani 11.000 3,5 47,5
Petani 20.000 13
 Petani 25.000 15
Petani 30.000 16
Pedagang 10.000 1 19,5
Pedagang 11.000 3,5
Pedagang 12.000 6
Pedagang 14.000 9
Nelayan 11.500 5 32
Nelayan 12.500 7
Nelayan 13.000 8
Nelayan 19.000 12
Buruh Pabrik 10.500 2 37
Buruh Pabrik 15.000 10
Buruh Pabrik 18.000 11
Buruh Parbik 24.000 14
Keterangan : Ranking dilakukan dengan mengurutkan nilai dari yang
terkecilsamapi yang terbesar dari semu pengamatan. Jika ada nilai
yang sama, maka dihitung nilai rata-ratanya.
Berdasarkan tabel di atas, maka nilai Kruskall Wallis H dapat
diperoleh dengan perhitungan manual sebagai berikut :
𝑘
12 𝑅𝑖2
𝐻= ∑ − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛1
𝑖=1

12 47,52 19,52 322 372

𝐻= [( + + + )] − 3(16 + 1)
16(16 + 1) 4 4 4 4
12 5029,5
= [( )] − 3(17) = 4,479
16(17) 4

Selain itu, analisis juga dapat dilakukan dengan menggunakan SPSS,

adapun langkah-langkahnya sebagai berikut :
1) Buka SPSS
2) Klik Variable View, isi kolom sesuai gambar di bawah ini.
 Gambar 1. SPSS Statisic Data Editor
3) Klik Data View, input data sesuai kolom Pekerjaan dan Pendapatan

Gambar 2. SPSS Statisic Data Editor

4) Klik Analyze ... → NonParametic Test → Legacy Dialogs → k-
Independent Sample ...

5) Masukan variabel Pendapatan ke dalam kotak Test Variable List

dan variabel Pekerjan ke Grouping Variable.

6) Buka ikon Define Range ...

a) Masukan Angka 1 pada Group 1
b) Masukan Angka 4 pada Group 2 → Continue
7) Pada kotak Test Type → aktifkan Kruskal Wallis H (atau dibiarkan
dalam keadaan default).
 8) Abaikan pilihan yang lain → OK
9) Output yang dihasilkan :
Kruskal-Wallis Test
Ranks

Pekerjaan N Mean Rank

Petani 4 11,88

Pedagang 4 4,88

Pendapatan/Hari Nelayan 4 8,00

Buruh Pabrik 4 9,25

Total 16

Test Statisticsa,b

Pendapatan/Hari

Chi-Square 4,479
df 3
Asymp. Sig. ,214

a. Kruskal Wallis Test

b. Grouping Variable: Pekerjaan

Berdasarkan perhitungan manual diperoleh nilai Kruskal Wallis H

sebesar 4,479, sedangkan Chi-Square tabel dengan Df = (α, k-1) atau
(0,05;3) sebesar 7,815. Karena H hitung = 4,479 ≤ Chi-Square =
7,815 maka H0 tidak dapat ditolak.
Sehingga dapat disimpulkan bahwa tidak terdapat perbedaan
pendapatan berdasarkan pekerjaan.
e. bb

2. Kasus 2

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 2.1
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
Jawab :
1. Hipotesis :
H0 : µ1 = µ2 = µ3
H1 : ketiga populasi minimal terdapat satu perpedaan
2. Α = 0,05
3. Wilayah titik : h > X2 0,05 = 5,991
4. 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
𝑘
12 612 63,52 65,52
= ∑ + + − 3(18 + 1)
18(18 + 1) 5 6 8
𝑖=1

𝐻 = 1,66
5. 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.
 DAFTAR PUSTAKA

Pramudjono. 2010. Statistika Non-Parametrik. Purry Kencana Mandiri :

Samarinda.

Univ Pancasila. 2010. PERSEPSI KONSUMEN TERHADAP PELAYANAN

BUS WAY TRANS JAKARTA. [Online] avaible at :
http://repository.univpancasila.ac.id/dmdocuments/PERSEPSI%20KONSU
MEN%20TERHADAP%20PELAYANAN%20BUSWAY%20TRANS%20
JAKARTA.pdf.