Tutorial Uji Kruskall Wallis dengan SPSS

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

Kruskall Wallis dengan SPSS

Setelah kita mempelajari dasar-dasar dari uji Kruskall Wallis, selanjutnya
kita pelajari cara melakukannya dengan menggunakan aplikasi SPSS.
Caranya sangat mudah, maka mari kita pelajari tentang Uji Kruskall Wallis
dengan SPSS.

Sebelumnya anda buka aplikasi SPSS anda dan masukkan data seperti
cara di bawah ini!

Data Kruskall Wallis dengan SPSS

Atau anda juga dapat langsung mendownload file kerja dalam tutorial
ini: Dataset Kruskall Wallis dan Output Kruskall Wallis.

Tutorial Kruskall Wallis dengan SPSS

Berdasarkan data tersebut, seolah kita akan menguji Hipotesis “Adakah
pengaruh metode pembelajaran terhadap nilai ujian“.
Sebagai variabelbebas adalah Metode pembelajaran dengan 3 kategori:
A, B dan C. Kode 1 menunjukkan metode A, kode 2 menunjukkan metode
B dan kode 3 menunjukkan metode C.
Tahap Pertama Kruskall Wallis dengan SPSS

Langkah pertama adalah untuk mengetahui apakah semua kelompok

perlakuan atau metode memiliki variabilitas Nilai Ujian yang sama.
Variabilitas yang dimaksud disini adalah bentuk dan sebaran data. Apabila
nanti sebaran data sama maka uji Kruskall Wallis dapat digunakan untuk
mengetahui adakah perbedaan Median dan Mean.

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.

Histogram Proses dalam Kruskall Wallis

Anda lihat pada output, ternyata bentuk dan sebaran ketiga perlakuan tidak
sama, selain median yang berbeda, bentuk sebarannya juga berbeda.
maka uji ini tidak dapat digunakan untuk mengetahui perbedaan Median.
Jadi hanya digunakan untuk mengetahui perbedaanMean saja.

Output Histogram Perbedaan Variabilitas Kruskall Wallis

Tahap Analisis Kruskall Wallis dengan SPSS

Selanjutnya pada Menu, klik Analyze, Non Parametric Test, K

Independen Samples. Selanjutnya masukkan perlakuan atau variabel
bebas ke dalam kotak Grouping Variable dan masukkan Nilai atau
variabel terikat ke dalam kotak Test variable List. Pada test
Typecentang Kruskall Wallis H.

Kruskall Wallis dengan SPSS

Tekan tombol Define Range kemudian masukkan rentang kategori variabel
bebas. Dalam hal ini yaitu perlakuan dengan rentang 1 sampai 3. Yaitu
ketik 1 pada kotak Minimum dan ketik 3 pada kotak Maximum.
Selanjutnya klik Continue.

Grouping Kruskall Wallis

Tekan tombol options dan selanjutnya centang deskriptive kemudian
klik Continue.

Deskriptive Kruskall Wallis

Setelah kembali ke jendela utama, klik OK dan lihatlah output.

Cara Baca Output Kruskall Wallis dengan SPSS

Output Deskriptive Kruskall Wallis dengan SPSS

Tabel di atas menunjukkan nilai deskriptive pada masing-masing variabel,
yaitu perlakuan dan nilai.

Jawabab Hipotesis Output Deskriptive Kruskall Wallis dengan SPSS

Di atas adalah Output Kruskall Wallis dengan SPSS: Nilai Mean Rank
menunjukkan peringkat rata-rata masing-masing perlakuan. Dalam kasus
di atas, peringkat rata-rata metode C lebih tinggi dari pada peringkat rata-
rata metode B. Peringkat rata-rata metode B lebih tinggi dari pada
peringkat rata-rata metode A. Apakah perbedaan tersebut semua secara
keseluruhan bermakna secara statistik, maka disinilah peran Uji Kruskall
Wallis, yaitu mengukur secara statistik apakah besar perbedaan peringkat
rata-rata signifikan ataukah tidak.

Jawaban Hipotesis Kruskall Wallis dengan SPSS

Nilai P Value ditunjukkan oleh nilai Asymp. Sig. Jika nilai P Value < batas
kritis penelitian maka keputusan hipotesis adalah menerima H1 dan
menolak H0 atau yang berarti ada pengaruh variabel bebas terhadap
variabel terikat.

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.

Kruskall Wallis adalah Uji Omnibus

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:

1. Perbedaan Nilai Ujian antara Metode A dan B.

2. Perbedaan Nilai Ujian antara Metode A dan C.
3. Perbedaan Nilai Ujian antara Metode B dan C.

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

Mann Whitney U Test dengan SPSS

Setelah mempelajari Mann Whitney U Test, kita akan lanjut untuk
mempelajari cara melakukan uji tersebut dengan menggunakan
aplikasi SPSS. Sebenarnya Mann Whitney U Test dengan SPSS sangatlah
mudah dilakukan oleh para peneliti atau mahasiswa. Namun bagi yang
belum berpengalaman, ada baiknya kita coba pelajari kembali
tutorial Mann Whitney U Test dengan SPSS dalam artikel ini.

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.

Dataset Mann Whitney

Agar mudah anda dapat download file ini:

Dataset
Output

Tutorial Mann Whitney U Test dengan SPSS

Setelah data terisi, pada menu klik Graph, Legacy Dialogs, Histogram.
Maka akan muncul jendela seperti di bawah ini:
 Histogram Mann Whitney

Masukkan Nilai ke kotak Variable dan Metode ke Rows. Kemudian

centang Nest Variables (no empty rows) dan tekan OK.

Asumsi Mann Whitney U Test dengan SPSS

Ingat bahwa meskipun termasuk ke dalam uji non parametris, mann
whitney juga sebenarnya membutuhkan asumsi atau syarat agar hasilnya
bisa digunakan dan valid sebagai kesimpulan analisis.
Lihat output. Akan muncul 2 histogram yang tersusun atas bawah, yaitu
histogram metode 1 dan histogram metode 2. Klik 2 kali histogram
kemudian klik kanan dan pilih Add Distribution Curve. Maka akan muncul
garis kurve normal.

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.

Pada menu, klik analyze, Descriptive statistics, Explore.

Masukkan Nilai ke kotak Dependen List dan Metode ke kotak Factor
List.

Mann Whitney Normalitas Explore

Kemudian klik tombol plot kemudian centang Histogram, Normality plots

with test dan Power estimation. Selanjutnya klik Continue. Kemudian
pada jendela utama klik OK dan lihat output.

Mann Whitney Normalitas Plots

Perbedaan Mean dalam Mann Whitney

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

Mann Whitney Normalitas

Tabel di atas adalah hasil uji normalitas dengan SPSS menggunakan

metode Lilliefors dan Shapiro Wilk. Nilai Sig (p Value) kedua uji di atas <
0,05 yang berarti data tidak berdistribusi normal. Ini benar sebab
apabila data berdistribusi normal, sebaiknya lebih memilih menggunakan
uji Independen T Test dari pada Mann Whitney U Test.

Selanjutnya Uji Homogenitas pada Mann Whitney

Mann Whitney Homogenitas

Tabel di atas menunjukkan hasil uji homogenitas menggunakan

metode Levene’s test. Uji Levene lebih dianjurkan sebab uji tersebut
dapat digunakan untuk menguji homogenitas varians pada data yang
tidak berdistribusi normal. Sedangkan uji lainnya, yaitu uji Fisher F lebih
diutamakan apabila data berdistribusi normal. Nilai uji Levene’s
Testditunjukkan pada baris Nilai Based On Mean, yaitu dengan Sig (p
value) 0,942 > 0,05 yang berarti varians kedua kelompok sama atau yang
disebut homogen. Maka asumsi kedua yaitu homogenitas telah terpenuhi.
Selanjutnya kita akan menguji hipotesis yaitu uji Mann Whitney U Test.

Langkah Atau Cara Uji Mann Whitney dengan SPSS

Pada menu, klik Analyze, Non Parametric Test, 2 Independent Samples.
Masukkan Nilai ke kotak Variables dan masukkan Metode ke
kotak Grouping variable.
 Mann Whitney U Test dengan SPSS

Klik tombol Grouping Variable dan masukkan angka 1 dan 2 (sesuai

dengan kode kategori pada variabel Metode). Klik Continue dan pada
jendela utama tekan OK.

Mann Whitney U Test Grouping

Selanjutnya lihat output!

Mann Whitney U Test Mean Rank

Interprestasi Uji Mann Whitney dengan SPSS

Berikut cara baca hasil uji mann whitney:

Tabel di atas menunjukkan Mean Rank atau rata-rata peringkat tiap

kelompok. Yaitu pada kelompok kesatu rerata peringkatnya 20,40 lebih
rendah dari pada rerata peringkat kedua, yaitu 30,60. Apakah perbedaan
rerata peringkat kedua kelompok di atas bermakna secara statistik atau
yang disebut dengan Signifikan? Lihat di bawah ini:
 Mann Whitney U Test P Value

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.

Kesimpulan Uji Mann Whitney U Test dengan SPSS

Karena bentuk dan penyebaran sama, maka hasil uji di atas juga dapat
digunakan untuk menyimpulkan bahwa terdapat perbedaan Median yang
bermakna antara 2 kelompok. Apabila bentuk dan penyebaran kedua
kelompok tidak sama, maka uji mann Whitney hanya dapat digunakan
untuk menyimpulkan adanya perbedaan rerata atau Mean antara 2
kelompok.

Untuk pengujian dengan Excel, Silahkan Baca Mann Whitney U Test

dengan Excel.

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:

H0 : sampel berasal dari populasi yang sama (µ1 = µ2 = … = µk)

H1 : sampel berasal dari populasi yang berbeda (µi = µj)

Uji Kruskal Wallis harus memenuhi asumsi berikut ini:

- Sampel ditarik dari populasi secara acak

- Kasus masing-masing kelompok independen
- Skala pengukuran yang digunakan biasanya ordinal
- Rumus umum yang digunakan pada uji kruskal wallis adalah :

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

5. Kemudian hasilnya akan ditampilkan seperti berikut:

6. Interpretasi:

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)

download materi ini versi pdf dibawah

>>>