PENDAHULUAN
Latar Belakang
Analisis Kruskall-Wallis digunakan dalam penelitian komparasi dengan
membandingkan dua kelompok atau lebih yang independen. Kelompok yang
independen maksudnya masing-masing kelompok berasal dari subjek yang
berbeda. Misalkan kita ingin membandingkan kepercayaan diri antara orang
Jawa, Sunda, dan Batak, maka teknik ini dapat digunakan. Teknik ini masuk
dalam keluarga teknik analisis statistik non-parametrik, sehingga untuk
melakukan analisis ini asumsi yang diperlukan tidak seketat statistik
parametrik.
Selain untuk penelitian survey, teknik ini juga sering dilakukan untuk analisis
penelitian eksperimen dengan desain anava atau lebih dari dua kelompok.
Dikarenakan biasanya subjek untuk penelitian eksperimen tidak banyak, maka
untuk mencapai distrubusi normal sulit dicapai. Oleh karena itu teknik analisis
ini bisa menjadi alternatif bagi analisis ANAOVA yang sudah dijelaskan
sebelumnya. Analisis Kruskall-Wallis dilakukan dengan mengubah data yang
berbentuk interval menjadi data berbentuk ordinal (rangking). Berikut ini adalah
contoh penelitian yang analisisnya menggunakan Analisis Kruskall-Wallis
Uji Kruskal-Wallis merupakan salah satu pengujian dari statistik
nonparametrik. Perhitungan dari uji Kruskal-Wallis dengan menggabungkan
semua subjek dan diurutkan dari yang paling rendah sampai yang paling tinggi.
Jumlah urutan subjek-subjek pada tiap kelompok kemudian dibandingkan.
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
ujistatistik nonparametrik hanya menetapkan asumsi/persyaratan bahwa
observasi-observasinya harus independen dan bahwa varibel yang diteliti pada
dasarnyaharus memiliki kontinuitas. (Frisztado, 2010).
PEMBAHASAN
A. Pengertian
Uji Kruskal-Wallis, sering pula disebut Uji H Kruskal Wallis, adalah
rampatan uji jumlah rang (dwi sampel Wilcoxon) untuk sejumlah sampel k
> 2.Uji ini digunakan untuk menguji hipotesis Ho bahwa k sampel bebes
berasal dari populasi yang sama. Diperkenalkan di tahun 1952 oleh W.H.
Kruskal dan W.A Wallis, uji ini merupakan padanan cara non parametri
untuk menguji kesamaan rataan dalam analisis variansi ekafaktor bila
ingin mengehindari anggapan bahwasampel berasal dari populasi normal.
Jika dari populasi yang sama, maka rata-rata ke-
k sampel tersebut tentu relatif sama atau tidak berbeda secara signifikan
(Walpole&Mayer, 1995).
Analisis varian 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
yang sama atau identik dan apabila kasus yang telah diselidiki hanya dua
sampel, maka uji Kruskal-Wallis setara dengan uji Man Whitney. Uji
Krukal-Wallis memanfaatkan informasi yang lebih banyak ketimbang yang
digunakan pada uji median. Kruskal-Wallis juga merupakan uji yang
paling tidak berasal dari pengukuran yang menggunakan skala ordinal.
Statistik Kruskal Wallis adalah salah satu peralatan statistika non-
parametrik dalam kelompok prosedur untuk sampel independen. Prosedur
ini digunakan ketika kita ingin membandingkan dua variabel yang diukur
dari sampel yang tidak sama (bebas), dimana kelompok yang
diperbandingkan lebih dari dua.
Dalam statistika parametric ketika kelompok yang ingin
diperbandingkan lebih dari dua, dapat digunakan analisis varians
(ANOVA/MANOVA). Sebaliknya pada statistik nonparametric,
alternatifnya diantaranya adalah analisis varians satu arah berdasarkan
peringkat Kruskal-Wallis dan Median test.
Kruskal-Wallis dapat dirumuskan yaitu:
k
12 Ri 2
H= ∑ −3 ( N +1 )
N N +1 i=1 n i
( )
Dimana
N = Jumlah sample
Ri = Jumlah peringkat pada kelompok i
Ni = Jumlah sample pada kelompok i
B. Kelebihan dan Kekurangan
Kelebihan
1. Pernyataan kemungkinan yang diperoleh dari sebagian besar tes
statistiknon parametrik adalah kemungkinan yang eksak. Dimana tes
non parametrik menggangap bahwa distribusi yang mendasarinya dala
hkontinyu sama dengan anggapan yang dibuat tes-tes parametrik.
2. Terdapat tes-tes Statistik Non Parametrik untuk mengarap sampel-
sampelyang terdiri dari observasi-observasi dari beberapa populasi
yang berlainan,selain itu statistik non parametrik dapat digunakan pada
sampel yang sifatdistribusinya tidak diketahui secara pasti.
3. Tes- tes Statistik Non Parametrik dapat menggarap data yang
beruparangking dan data yang skor-skornya sepintas memilkik
kekuatan rangking.Selain itu juga dapat menggarap data berupa
klasifikasi semata yang diukurdalam skala nominal.
4. Tes-tes Statistik Non Parametrik lebih muda dipelajari
dibandingkandengan Parametrik, dan juga memiliki kemungkinan untuk
digunakansecara salah juga kecil karena memerlukan asumsi dalam
jumlah minimum.(Frisztado, 2010).
Kekurangan
1. Penggunaan Statistik Non Parametrik akan menjadi penghamburan
data jikadata memenuhi syarat model statistik parametrik.
2. Belum ada satu pun dalam metode Statistik Non Parametrik
untuk mengukurinteraksi-interaksi dalam model analisis varian
3. Penggunanaan Statistik Non Parametrik memerlukan banyak tenaga
serta menjemukan.
C. Perbedaan ANOVA dan Kruskal-Wallis
Uji Kruskal-Wallis merupakan uji nonparametik yang digunakan untuk
menguji apakah dua atau lebih mean sample dari populasi memiliki nilai
yang sama. Uji ini merupakan alternatif dari uji ANOVA dan digunakan
bilah salah satu syarat dari uji ANOVA tidak terpenuhi.
ANOVA Kruska-Wallis
1. Data harus terdistribusi 1. Data berdistribusi bebas
normal 2. Data bisa homogen/
2. Data harus homogen heterogen
3. Memiliki variasu yang sama 3. Memiliki variasi yang sama
4. Sample yang akan diuji 4. Sampe yang akan diuji harus
harus independent indepedent
Identifikasi variabel
Variabel independen : pemberian musik
Variabel dependen : konsentrasi belajar
8. Klik continue lalu OK
Output analisis
Output analisis terbagi atas dua tabel. Tabel pertama berisi
rangking, sedangkan tabel kedua berisi analisis statistik.
Rangking
Seperti sudah dijelaskan sebelumnya, Kruskal-wallis mengubah
data interval menjadi bentuk ordinal atau dalam bentuk rangking.
Dengan demikian data akan diurutkan terlebih dahulu. Data dengan
nilai besar akan mendapat skor rangking besar. Dari output terlihat
bahwa mean rangking kelompok musik pop memiliki mean rangking
5,50; kelompok musik rock memiliki mean rangking 6,50; dan
kelompok musik klasik memiliki mean rangking 10,10. Sekilas terlihat
ada perbedaan, namun kita tidak bisa menyimpulkan langsung dari
sini, karena bisa jadi perbedaan ini hanya karena sampling eror saja,
oleh karena itu kita harus lihat pada uji signifikansi analisis statistik.