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 mensyaratkan bentuk
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 jumlah data, pada umumnya statistik
nonparametrik digunakan untuk data berjumlah kecil (n <30).
Uji kruskal-wallis merupakan salah satu pengujian dari statistik
nonparametrik. Perhitungan dari uji kruskal-wallis dilakukan dengan
menggabungkan semua subjek dan diurutkan dari yang paling rendah
sampai yang paling tinggi. Jumlah urutan subjek-subjek pada tiap
kelompok kemudian dibandingkan. Uji kruskal-wallis pertama kali
diperkenalkan oleh William H Kruskal dan W. Allen Wallis pada tahun
1952. Analisis konjoin merupakan salah satu teknik analisis multivariat
 yang digunakan untuk mengetahui ketertarikan konsumen terhadap suatu
produk baik berupa barang atau jasa. Teknik analisis konjoin penting
karena banyak faktor yang mempengaruhi penilaian konsumen dalam
menentukan pilihan suatu produk dengan cara mengkombinasikan jumlah
nilai dari masing-masing atribut yang terpisah (Ghozali, 2006).

B. Rumusan Masalah
1. apakah yang dimaksud dengan uji kruskal Wallis?
2. Bagaimana langkah-langkah uji kruskal Wallis ?
3. Contoh-contoh uji kruskal Wallis

C. Tujuan
1. Untuk mengetahui apa yang dimaksud dengan uji Kruskal Wallis
2. Untuk mengetahui bagaimana langkah-langkah kruskal Wallis
 BAB II
PEMBAHASAN

A. Uji Kruskal-Wallis
Uji Kruskal-Wallis atau biasa disebut kruskal wallis satu arah
anova merupakan gagasan dari dua orang yaitu William kruskal dan W.
allen wallis. Analisis varians satu-arah berdasarkan peringkat Kruskal-
Wallis yaitu teknik nonparametrik yang digunakan untuk menguji
hipotesis nol yang menyatakan bahwa beberapa sampel telah ditarik dari
populasi-populasi yag sama atau identik.
Uji kruskal Wallis adalah salah satu uji statistik non parametrik
yang dapat digunakan untuk menguji apakah ada perbedaan yang
signifikan antara kelompok variabel independen dengan variabel
dependennya. Karena untuk melihat perbedaan yang signifikan antar
kelompok, uji ini jelas digunakan untuk melihat perbandingan lebih dari 2
kelompok populasi dengan data berbentuk ranking. Umumnya Uji ini juga
disebut sebagai uji kruskal-wallis H, atau H-test.
Uji kruskal Wallis merupakan perluasan uji 2 sampel wilcoxon
untuk k > 2 sampel,umumnya digunakan untuk menguji hipotesis nol (H₀)
bahwa sampel bebas sebesar k tersebut berasal dari populasi yang identik.
Uji kruskal wallish merupakan uji alternatif untuk uji F dan uji one way
Anova untuk pengujian kesamaan beberapa nilai Tengah dan analisis
ragam yang dapat kita gunakan jika asumsi kenormalan tidak terpenuhi.
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 test—disebut juga H test—adalah suatu
prosedur alternatif dari one-way ANOVA. Kruskal-Wallis test juga
mengasumsikan bahwa varian antara k populasi (treatment) adalah sama,
tetapi k populasi tersebut berdistribusi kontinu dan mempunyai bentuk
(shape) yang sama (sedangkan shape tersebut dapat skewed, bimodal, atau
 apa saja). Dan tidak seperti dalam ANOVA test, Kruskal-Wallis, yang
merupakan metode alternatif nonparametrik, dapat digunakan untuk data
respon yang ordinal atau ranked data. Oleh karena uji ini merupakan uji
non parametris di mana asumsi normalitas boleh dilanggar, maka tidak
perlu lagi ada uji normalitas misal uji shapiro wilk atau lilliefors. Sebagai
ilustrasi adalah penelitian yang bertujuan untuk mengetahui adakah
perbedaan pengaruh Metode Pembelajaran terhadap nilai ujian siswa. Di
mana Metode pembelajaran sebagai variabel independen memiliki 3
kategori yaitu misal: metode A, metode B dan Metode C. Sedangkan nilai
ujian sebagai variabel dependen berskala rasio yaitu berkisar antara 0 sd
100.

Asumsi-asumsi yang digunakan dalam uji kruskal wallis:

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.

Hipotesis-hipotesis:

H0 : Ke-k fungsi distribusi populasi identik (M1 = M2 =L= Mc )

H1 : Tidak semua dari ke-k populasi memiliki median yang sama

B. Langkah-langkah Kruskal-Wallis

Perhatikan urutan (rank) dari kecil ke besar dari pengamatan-

pengamatan yij, ganti pengamatan-pengamatan yij, dengan ranknya, yaitu
Rij.
Hitung jumlah rank untuk masing-masing treatment, yaitu Ri. untuk i = 1,
2, ... , a

Hitung statistik uji:

Dimana:

Jika ada pengamatan yang sama maka rank Rij diambil rata-ratanya. Jika
tidak ada pengamatan yang sama (kembar) maka

Sehingga Persamaannya menjadi:

Dimana :

a = banyaknya sampel
ni = banyaknya kasus pada setiap sampel ke i
 N = banyaknya seluruh kasus
Ri = total ranking pada setiap sampel ke i

∑𝑎𝑖=1 = merupkan penjumlahan seluruh k sampel (kolom-kolom, )

mendekati distribusi chi square dengan db = k-1 untuk ukuran-ukuran
sampel sebesar n yang cukup besar

Nilai statistik uji yang diperoleh kemudian dibandingkan dengan

tabel kruskal wallis khusus. bisa didownload disini. Tapi ada beberapa
penelitimengatakan bahwa jika nilai per kelompok >= 5, nilai H tabel
dapat didekati dengan tabel chisquare dengan derajat bebas df = a - 1.
Agar lebih jelas berikut dipaparkan contoh kasus uji kruskal wallis disertai
penyelesaiannya.

C. Contoh uji Kruskal Wallis

Crason dkk. melaporkan data tentang kadar kartisol dalam tiga
kelompok pasien yang melahirkan pada usia kehamilan antara 38 dan 42
minggu. Pengamatan terhadap kelompok I dilakukan sebelum proses
bedah Caesar yang sengaja dipilih. Pengamatan terhadap kelompok II
dilakukan pada proses bedah Caesar yang terpaksa dipilih akibat proses
normal tidak berhasil. Dan kelompok III terdiri atas pasien-pasienyang
dapat melahirkan secara normal tetapi ada yang memilih melahirkan
melalui bedah Caesar. Kita ingin tahu apakah data ini menyediakan bukti
yang cukup untuk menunjukkan adanya perbedaan dalam median kadar
kortisol di antara ketiga populasi yang diwakili. Data-datanya adalah
sebagai berikut:

Kelompok 1 262 307 211 323 454 339 304 154 287 356

Kelompok 2 465 501 455 355 468 362

Kelompok 3 343 772 207 1048 838 687

Penyelesaian :
Hipotesis-hipotesis

H0 : Ketiga populasi yang diwakili oleh data tersebut identik

H1 : Ketiga populasi tidak memiliki median yang sama

Statistik uji

Sebelum menghitung statistik uji, langkah yang pertama yaitu membuat peringkat
dari data tersebut seperti berikut:

Kelompok 1 4 7 3 8 14 9 6 1 5 12

Kelompok 2 16 18 15 11 17 13

Kelompok 3 10 20 2 22 21 19

Kemudian dijumlahkan tiap kelompok. Berikut hasilnya:

R1 = 69, R2 = 90 dan R3 = 94

Dari hasil tersebut baru bisa dihitung statistik uji.

12 692 902 942

𝐻 = {22(22+1) [ 10 + + ]} − 3[22 + 1]
6 6

12 98963
= {506 [ ]} − 69
30

= 78,232 − 69

= 9,232
 Keputusan :

Karena semua ukuran sampel lebih dari 5, maka kita harus menggunakan tabel
kai-kuadrat untuk memutuskan apakah median-median sampel berbeda secara
bermakna. Nilai kritis kai-kuadrat untuk db = k – 1 = 3 – 1 = 2 adalah 9,210
untuk 𝛼 = 0,01. Jadi, H = 9, 232 > c (9,210) maka kita tolak H0 pada taraf
nyata tersebut dan kita berkesimpulan bahwa median-median ketiga populasi
tidak semua sama.

2. 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 Metode Diet 2 Metode Diet 3

Berat Badan Berat Badan
Sampel Sampel
(BB) yg hilang (BB) yg hilang
1 5,3 1 6,3
2 4,2 2 8,4
3 3,7 3 9,3
4 7,2 4 6,5
5 6,0 5 7,7
6 4,8 6 8,2
7 9,5
Berat Badan
Sampel
(BB) yg 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 (α = 5%).
Jawaban :
 Hipotesis
 H0 : tingkat keefektifan dari ketiga metode diet adalah sama
 H1 : tingkat keefektifan dari ketiga metode diet adalah tidak sama
 Tes Statistik : Kruskal-Wallis Test
 Tingkat Signifikansi : α=5%,
 Distribusi sampling :
 H mendekati distribusi Chi-Square dengan derajat bebas (k-1), sehingga
wilayah kritis dapat ditentukan dengan menggunakan Tabel C.
 Penghitungan
 n1=6 ; n2=7 ; n3=9 ; N= n1 + n2 + n3 = 22

Metode Diet 1 Metode Diet 2 Metode Diet 3

BB yg Ranking BB yg Ranking BB yg Ranking
hilang hilang hilang
5,3 12,5 6,3 15 2,4 3
4,2 9 8,4 20 3,1 5
3,7 6,5 9,3 21 3,7 6,5
7,2 17 6,5 16 4,1 8
6,0 14 7,7 18 2,5 4
4,8 11 8,2 19 1,7 2
9,5 22 5,3 12,5
4,5 10
1,3 1
R1 = 70 R2 = 131 R3 = 52

12 702 1312 522

𝐻 = {22(22+1) [ + + ]} − 3[22 + 1]
6 7 9
 12 224827
= {506 [ ]} − 69
63

= 84,633 − 69

= 15,633

 Keputusan :
Karena semua ukuran sampel lebih dari 5, maka kita harus menggunakan
tabel kai-kuadrat untuk memutuskan apakah median-median sampel
berbeda secara bermakna. Nilai kritis kai-kuadrat untuk db = k – 1 = 3 – 1
= 2 adalah 5,991 untuk 𝛼 = 0,05. Jadi, H = 9, 232 > c (9,210) maka kita
tolak H0
 Kesimpulan : Dengan tingkat kepercayaan 95 %, belum cukup bukti
untuk menyatakan bahwa tingkat keefektifan dari ketiga metode diet
tersebut adalah sama.
 BAB III
PENUTUP

A. Kesimpulan
1. Uji kruskal Wallis adalah salah satu uji statistik non parametrik
yang dapat digunakan untuk menguji apakah ada perbedaan yang
signifikan antara kelompok variabel independen dengan variabel
dependennya. Karena untuk melihat perbedaan yang signifikan
antar kelompok, uji ini jelas digunakan untuk melihat
perbandingan lebih dari 2 kelompok populasi dengan data
berbentuk ranking. Umumnya Uji ini juga disebut sebagai uji
kruskal-wallis H, atau H-test.
2. Perhatikan urutan (rank) dari kecil ke besar dari pengamatan-
pengamatan yij, ganti pengamatan-pengamatan yij, dengan
ranknya, yaitu Rij.
Hitung jumlah rank untuk masing-masing treatment, yaitu Ri.
untuk i = 1, 2, ... , a
Hitung statistik uji:

B. Saran