Posted By: Anwar Hidayaton: Juli 22, 2014In: Hipotesis, Komparatif, Komputerisasi, SPSSTags: Non
Parametris, Post Hoc, Tutorial SPSS, Uji Beda4 Comments
Share0
Tweet
Share0
Share0
Share0
Sebelumnya anda buka aplikasi SPSS anda dan masukkan data seperti
cara di bawah ini!
Jika tidak memiliki sebaran yang sama, maka hanya dapat digunakan
untuk mengetahui perbedaan Mean saja. Caranya pada Menu, klik Graph,
Legacy Dialogs, Histogram. Kemudian masukkan perlakuan atau variabel
bebas ke kotak Rows dan masukkan Nilai atau variabel terikat ke
kotak Variable. Centang Display Normal Curve dan centang Nest
Variable (No Empty Rows). Dan selanjutnya klik OK.
Dalam hal ini nilainya P Value sebesar 0,020 dimana kurang dari batas
kritis 0,05 yang berarti menerima H1 atau Perlakuan memberikan pengaruh
yang bermakna terhadap nilai ujian.
Oleh karena uji Kruskall Wallis adalah uji omnibus yaitu uji yang hanya
dapat mengetahui adakah perbedaan yang bermakna secara statistik
tanpa bisa mengetahui antar perlakuan mana yang berbeda, maka
diperlukan uji Post Hoc atau disebut juga uji lanjut. Seperti dalam
pembahasan sebelumnya bahwa uji Post Hoc setelah Kruskall Wallis dapat
menggunakan uji Mann Whitney U Test, yaitu menguji perbedaan Mean
antara satu kelompok atau perlakuan dengan perlakuan lainnya.
Dalam kasus ini karena ada 3 perlakuan, maka ada 3 uji Mann Whitney U
Test, yaitu:
Karena kita sudah membahas uji Mann Whitney dengan SPSS pada artikel
sebelumnya, maka silahkan baca artikel tersebut karena dalam
pembahasan kali ini kita tidak akan membahas terlalu jauh. Untuk
pengujian dengan Aplikasi STATA, baca Kruskall Wallis dengan STATA.
By Anwar Hidayat
Tutorial Uji Mann Whitney U Test dengan SPSS
Buka aplikasi SPSS anda dan isikan data seperti di bawah ini, di mana
pada kolom 1 diisi dengan nama variabel Metode yang berisi kategori 1
dan 2. Sedangkan pada kolom 2 diisi dengan nama variabel nilai. Anggap
kita akan menguji adakah perbedaan nilai antara metode 1 dan 2.
Histogram 2 Kelompok
Perhatikan 2 histogram di atas, ternyata bentuk kemiringan dan lebarnya
sama. Hal ini menunjukkan bahwa bentuk dan penyebaran data sama.
kemudian lihat puncak tertinggi kedua histogram, ternyata tidak sama
antara keduanya, yang berarti terdapat perbedaan median. Maka asumsi
pertama uji mann whitney u test telah terpenuhi, yaitu terdapat kesamaan
bentuk dan penyebaran data. Asumsi berikutnya yang akan diuji adalah
homogenitas varians.
Di atas adalah tabel deskriptive tiap metode atau kelompok. Dapat anda
perhatikan bahwa terdapat perbedaan mean. Perbedaan mean ini yang
akan kita uji nantinya, apakah bermakna secara statistik atau tidak.
Selanjutnya Uji Normalitas pada Mann Whitney
Tabel di atas menunjukkan nilai U sebesar 185 dan nilai W sebesar 510.
Apabila dikonversikan ke nilai Z maka besarnya -2,477. Nilai Sig atau P
Value sebesar 0,013 < 0,05. Apabila nilai p value < batas kritis 0,05
maka terdapat perbedaan bermakna antara dua kelompok atau yang
berarti H1 diterima.
By Anwar Hidayat
Uji Kruskal Wallis *IBM SPSS 23
Nov 28, 2009
Kruskal-Wallis test dikembangkan oleh Kruskal dan Wallis. Uji Kruskal-Wallisadalah uji non-
parametrik yang digunakan untuk membandingkan tiga atau lebih kelompok data sampel. Uji
Kruskal-Wallis digunakan ketika asumsi ANOVA tidak terpenuhi. ANOVA adalah teknik analisis data
statistik yang digunakan ketika kelompok-kelompok variabel bebas berjumlah lebih dari dua.
Pada ANOVA, kita asumsikan bahwa distribusi dari masing-masing kelompok harus terdistribusi
secara normal. Dalam uji Kruskal-Wallis, tidak diperlukan asumsi tersebut, sehingga uji Kruskal-
Wallis adalah uji distribusi bebas. Jika asumsi normalitas terpenuhi, maka uji Kruskal-Wallis kita
abaikan dan kita gunakan uji ANOVA. Penyusunan hipotesis dalam uji Kruskal Wallis adalah sebagai
berikut:
Statistik uji Kruskal Wallis menggunakan nilai distribusi Chi-kuadrat dengan derajat bebas adalah k-
1 dengan jumlah sample harus lebih dari 5. Jika nilai uji Kruskal Wallislebih kecil daripada nilai chi-
kuadrat tabel, maka hipotesis null diterima, berarti sampel berasal dari populasi yang sama,
demikian pula sebaliknya.
Ilustrasi:
Berikut ini adalah hasil survey tingkat kepentingan terhadap 3 atribut yang dinotasikan dengan 1
adalah “terdapat banyak tenan-tenan terkenal”, 2 untuk “kelengkapan menu di foodcourt”, dan 3
untuk “frekuensi hiburan” pada sebuah Mall di kota X dimana pertanyaan terhadap ketiga atribut
diambil secara acak. Jumlah responden sebanyak 30 orang dibagi ke dalam 3 kelompok. Setiap
kelompok ditanyakan tingkat kepentingan terhadap masing-masing dari 3 atribut. Jawaban
responden diidentifikasikan dengan skala likert, dimulai dari “1” untuk sangat penting, dan “5” untuk
tidak penting.
Data yang diberikan adalah sebagai berikut:
Kali ini kita akan gunakan perangkat lunak IBM SPSS 23, kalau kamu menggunakan IBM SPSS 21 dan
22 langkahnya akan sama saja, plis cekidot below:
1. Input data seperti berikut (tahapannya ga akan dijelasi lagi disini, karena telah ada pada bahasan
sebelumnya, silakan search aja di atas):
2. Kemudian pada menubar pilih Analyze – Non Parametric Test – Legacy dialogs - K-independent
samples, seperti berikut:
3. Kemudian akan muncul kotak dialog, checklist kruskal wallis, kemudian masukkan variabel skor
responden ke test variable list, dan atribut ke grouping variables, lalu klik define variable dan isikan
dengan angka minimum atribut yaitu 1 dan maximum yaitu 3, klik continue seperti berikut:
Tampilannya jadi seperti ini, lihat grouping variables telah terinput atribut(1 3):
4. Kemudian pada jendela several independent samples, checklist beberapa indikator seperti pada
gambar berikut, klik continue – OK
Nilai p-value sebesar 0,012 < nilai kritik 0,05, karena itu hipotesis null ditolak, bahwa
terdapat cukup bukti dimana terdapat perbedaan dari ketiga kelompok responden dalam menilai
tingkat kepercayaan terhadap ketiga atribut.(yoz)