Kruskall Wallis

Uji Beda ≥ tiga sampel

Oleh : Roni Saputra, M.Si

 Kegunaan
• Menguji perbedaan tiga kelompok atau lebih  alternaif
pengganti uji anova ketika persyaratan homogenitas variannya
tidak terpenuhi.
 Rumus
k R2
H
12
N(N  1) n
j1
j
j
 3(N  1)

• Bila ada angka yang sama perlu dikoreksi dengan, T

• sehingga rumus di atas menjadi , 1 3
N N
k R2
12
N(N  1) n
j1
j
j
 3(N  1)

H
T
1
N3  N
• sedangkan T = t3 – t,
• Keterangan :
• R=Jumlah ranking per kondisi / perlakuan
• nj=Banyaknya kasus per j
• t=banyaknya observasi berangka sama dalam data.
• N=Banyaknya kasus
 Persyaratan
• Data skala ordinal, interval dan ratio
• Populasi / sampel independent.
• Signifikansi, bandingkan nilai H dengan tabel Kruskal Wallis, pada kasus k
=3
• Pada k > 3 digunakan tabel X2, Db = k - 1
Contoh aplikasi 1
Hasil penelitian scor pengetahuan gizi para kader pada posyandu
didapatkan data sebagai berikut:

POSYANDU BIASA POSYANDU PURNAMA POSYANDU MANDIRI

90 115 120
95 95 105
110 120 105
85 110 110
95 115

Selidikilah dengan  = 10%, apakah terdapat perbedaan skor

pengetahuan antara kader pada posyandu biasa, purnama dan
mandiri?
Penyelesaian :
• Hipotesis
• Ho : PB = PP = PM  tidak berbeda scor pengetahuan kader
pada berbagai jenis posyandu
• Ha : PB  PP  PM  ada berbeda scor pengetahuan kader
pada berbagai jenis posyandu

• Level signifikansi
•  = 10% = 0,10

• Rumus statistik R 2j
kpenguji

N(N  1)  n
12
 3(N  1)
j
j1
H
T
1
N3  N
POSYANDU BIASA POSYANDU PURNAMA POSYANDU MANDIRI

90 115 120

95 95 105

110 120 105

85 110 110

95 115
No Data Rank
1 85 1
2 90 2
3 95 4
4 95 4
5 95 4
6 105 6,5
7 105 6,5
8 110 9
9 110 9
10 110 9
11 115 11,5
12 115 11,5
13 120 13,5
14 120 13,5
Dilakukan ranking secara keseluruhan

POSYANDU BIASA POSYANDU PURNAMA POSYANDU MANDIRI

90 (2) 115 (11,5) 120 (13,5)

95 (4) 95 (4) 105 (6,5)

110 (9) 120 (13,5) 105 (6,5)

85 (1) 110 (9) 110 (9)

95 (4) 115 (11,5)

Dilakukan ranking secara keseluruhan

POSYANDU BIASA POSYANDU PURNAMA POSYANDU MANDIRI

2 11,5 13,5

4 4 6,5

9 13,5 6,5

1 9 9

4 11,5

R1=16 R2=42  R3=47

• N=14 T =  (t3 – t) = (33 – 3)
• R1= 16 n1 = 4 (23 - 2)
• R2= 42 n2 = 5 (33 - 3)
(23 - 2)
• R3= 47 n3 = 5
(23 - 2)
•

k R2
12
N(N  1) n
j1
j
j
 3(N  1)

H
T
1
N3  N
 16 2 42 2 47 2 
12
14(14  1) 

 4


5

5 
  3(14  1)

H
(24  6  24  6  6)
1
143  14
H  4,16
• Df/dk/db
• Df tidak diperlukan

• Nilai tabel
• n1, n2, n3 => H, p  4, 5, 5 => 4,5229, 0,10

• Daerah penolakan
• Menggunakan rumus
•  4,16  <  4,5229; berarti Ho diterima, Ha ditolak

• Kesimpulan
• Tidak ada berbeda scor pengetahuan kader pada
berbagai jenis posyandu, pada  = 10%
 Ukuran Sampel Ukuran Sampel
n1 n2 n3 Harga kritis p n1 n2 n3 Harga kritis p
4,2000 0,095 5,6308 0,050
4,0500 0,119 4,5487 0,099
5 2 2 6,5333 0,008 4,5231 0,103
6,1333 0,013 5 4 4 7,7604 0,009
5,1600 0,034 7,7440 0,011
5,0400 0,056 5,6571 0,049
4,3733 0,090 5,6176 0,050
4,2933 0,122 4,6187 0,100
5 3 1 6,4000 0,012 4,5527 0,102
4,9600 0,048 5 5 1 7,3091 0,009
4,8711 0,052 6,8364 0,011
4,0178 0,095 5,1273 0,046
3,8400 0,123 4,9091 0,053
5 3 2 6,9091 0,009 4,1091 0,086
6,8218 0,010 4,0364 0,105
5,2509 0,049 5 5 2 7,3385 0,010
5,1055 0,052 7,2692 0,010
4,6509 0,091 5,3385 0,047
4,4945 0,101 5,2462 0,051
5 3 3 7,0788 0,009 4,6231 0,097
6,9818 0,011 4,5077 0,100
5,6485 0,049 5 5 3 7,5780 0,010
5,5152 0,051 7,5429 0,010
4,5333 0,097 5,7055 0,046
4,4121 0,109 5,6264 0,051
5 4 1 6,9545 0,008 4,5451 0,100
6,8400 0,011 4,5363 0,102
4,9855 0,044 5 5 4 7,8229 0,010
4,8600 0,056 7,7914 0,010
3,9873 0,098 5,6657 0,049
3,9600 0,102 5,6429 0,050
5 4 2 7,2045 0,009 4,5229 0,099
7,1182 0,010 4,5200 0,101
5,2727 0,049 5 5 5 8,0000 0,009
5,2682 0,050 7,9800 0,010
4,5409 0,098 5,7800 0,049
4,5182 0,101 5,6600 0,051
5 4 3 7,4449 0,110 4,5600 0,100
7,3949 0,011 4,5000 0,102
5,6564 0,049
Analisa dengan SPSS
Operasi Statistik
Output

P Value < α  Tolak Ho

P Value ≥ α  Gagal Tolak Ho
Analisa dengan Minitab
Output

P Value < α  Tolak Ho

P Value ≥ α  Gagal Tolak Ho
Contoh aplikasi 2
Hasil pengukuran tingkat kebisingan pada deret blok perumahan
didapatkan data sebagai berikut:

BLOK M BLOK O BLOK P BLOK A BLOK D

56 66 78 56 68
60 60 70 55 70
49 70 75 48 65
65 55 69 50 68
59 68 70 55 70
70 65 57 65
68 76 65

Selidikilah dengan  = 10%, apakah terdapat perbedaan tingkat

kebisingan pada beberapa blok rumah?
Penyelesaian :
• Hipotesis
• Ho : KM = KO = KP = KA = KD  tidak berbeda tingkat
kebisingan pada berbagai blok rumah
• Ha : KM  KO  KP  KA  KD  ada berbeda tingkat
kebisingan pada berbagai blok rumah

• Level signifikansi
•  = 10% = 0,10

• Rumus statistik 2
k penguji

n
12 R j
 3(N  1)
N(N  1) j
j1
H
T
1
N3  N
BLOK M BLOK O BLOK P BLOK A BLOK D
56 66 78 56 68
60 60 70 55 70
49 70 75 48 65
65 55 69 50 68

59 68 70 55 70

70 65 57 65

68 76 65
No Data Rank
1 48 1
2 49 2
3 50 3
4 55 5
5 55 5
6 55 5
7 56 7,5
8 56 7,5
9 57 9
10 59 10
11 60 11,5
12 60 11,5
13 65 15
14 65 15
15 65 15
16 65 15
17 65 15
18 66 18
19 68 20,5
20 68 20,5
21 68 20,5
22 68 20,5
23 69 23
24 70 26,5
25 70 26,5
26 70 26,5
27 70 26,5
28 70 26,5
29 70 26,5
30 75 30
31 76 31
32 78 32
 Dilakukan ranking secara keseluruhan

BLOK M BLOK O BLOK P BLOK A BLOK D

56 (7,5) 66 (18) 78 (32) 56 (7,5) 68 (20,5)
60 (11,5) 60 (11,5) 70 (26,5) 55 (5) 70 (26,5)
49 (2) 70 (26,5) 75 (30) 48 (1) 65 (15)
65 (15) 55 (5) 69 (23) 50 (3) 68 (20,5)

59 (10) 68 (20,5) 70 (26,5) 55 (5) 70 (26,5)

70/ (26,5) 65 (15) 57 (9) 65 (15)

68 (20,5) 76 (31) 65 (15)

Dilakukan ranking secara keseluruhan

BLOK M BLOK O BLOK P BLOK A BLOK D

7,5 18 32 7,5 20,5
11,5 11,5 26,5 5 26,5
2 26,5 30 1 15
15 5 23 3 20,5

10 20,5 26,5 5 26,5

26,5 15 9 15

20,5 31 15

R1= 46 R2= 128,5 R3= 184 R4= 30,5 R5= 139

• Df/dk/db
• Df = k – 1 = 5 – 1 = 4

• Nilai tabel
• Tabel X2  = 10%, df = 4 ; nilai tabel 7,779

• Daerah penolakan
• Menggunakan rumus
•  20,98  >  7,779; berarti Ho ditolak, Ha diterima

• Kesimpulan
• Ada berbeda tingkat kebisingan pada berbagai blok
rumah, pada  = 10%
 Kruskal-Wallis Test: Kelompok versus Skor

Test
Null hypothesis H₀: All medians are equal
Alternative hypothesis H₁: At least one median is different
Method DF H-Value P-Value
Not adjusted for ties 6 6,79 0,341
Adjusted for ties 6 7,63 0,267
The chi-square approximation may not be accurate when some sample sizes are less than 5.