MAKALAH UJI ONE WAY ANOVA

DAN UJI KRUSKAL WALLIS

DISUSU OLEH :

KELOMPOK 10

1.ELISA FITRIA
2.JOKO ANDANI
3.JURIYAH

PROGRAM STUDI ILMU KEPERAWATAN SEKOLAH TINGGI

ILMU KESEHATAN BINA HUSADA

PALEMBANG TAHUN 2022

 BAB 1

PENAHULUAN

A. Pengertian
Anova merupakan singkatan dari “analysis of varian“. Analysis of Varian adalah
salah satu uji komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data
lebih dari dua kelompok. Misalnya kita ingin mengetahui apakah ada perbedaan rata-rata
IQ antara siswa kelas SLTP kelas I, II, dan kelas III. Ada dua jenis Anova, yaitu analisis
varian satu faktor (one way anova) dan analisis varian dua faktor (two ways anova). Pada
artikel ini hanya akan dibahas analisis varian satu faktor.

Uji Kruskal Wallis adalah uji nonparametrik berbasis peringkat yang tujuannya
untuk menentukan adakah perbedaan signifikan secara statistik antara dua atau lebih
kelompok variabel independen pada variabel dependen yang berskala data numerik
(interval/rasio) dan skala ordinal.

Uji ini identik dengan Uji One Way Anova pada pengujian parametris, sehingga
uji ini merupakan alternatif bagi uji One Way Anova apabila tidak memenuhi asumsi
misal asumsi normalitas. Selain sebagai uji alternatif, kegunaan lain adalah sebagai
perluasan dari uji Mann Whitney U Test, di mana kita ketahui bahwa uji tersebut hanya
dapat digunakan pada 2 kelompok variabel dependen. Sedangkan Kruskall Wallis dapat
digunakan pada lebih dari 2 kelompok misal 3, 4 atau lebih.

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.
B. Kegunaan
1. One way ANOVA digunakan untuk menguji hipotesis komparatif rata-rata k sampel,
bila pada setiap sampel hanya terdiri atas satu kategori. Sedang two way ANOVA
digunakan untuk menguji hipotesis komparatif rata-rata k sampel bila peneliti
melakukan kategorisasi terhadap sampel.
2. 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.
 BAB II

PEMBAHASAN

A. Asumsi Uji ANOVA

Untuk melakukan uji Anova, harus dipenuhi beberapa asumsi, yaitu:

1. Sampel berasal dari kelompok yang independen.

2. Varian antar kelompok harus homogen.
3. Data masing-masing kelompok berdistribusi normal

Asumsi yang pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan

secara random terhadap beberapa (> 2) kelompok yang independen, yang mana nilai pada
satu kelompok tidak tergantung pada nilai di kelompok lain.

Sedangkan pemenuhan terhadap asumsi kedua dan ketiga dapat dicek jika data telah
dimasukkan ke komputer. Jika asumsi ini tidak terpenuhi dapat dilakukan transformasi
terhadap data. Apabila proses transformasi tidak juga dapat memenuhi asumsi ini maka
uji Anova tidak valid untuk dilakukan, sehingga harus menggunakan uji non-parametrik
misalnya Kruskal Wallis.

B. Prinsip ANOVA

Prinsip Uji Anova adalah melakukan analisis variabilitas data menjadi dua sumber
variasi yaitu variasi di dalam kelompok (within) dan variasi antar kelompok (between). Bila
variasi within dan between sama (nilai perbandingan kedua varian mendekati angka satu),
maka berarti tidak ada perbedaan efek dari intervensi yang dilakukan, dengan kata lain nilai
mean yang dibandingkan tidak ada perbedaan.

Sebaliknya bila variasi antar kelompok lebih besar dari variasi didalam kelompok, artinya
intervensi tersebut memberikan efek yang berbeda, dengan kata lain nilai mean yang
dibandingkan menunjukkan adanya perbedaan. Setelah kita pahami sedikit tentang One Way
Anova, maka mari kita lanjutkan dengan mempelajari bagaimana melakukan uji One Way
Anova dengan SPSS.
C. Tutorial Uji ANOVA

Sebagai bahan uji coba, maka kita gunakan contoh sebuah penelitian yang berjudul
“Perbedaan Pendapatan Berdasarkan Pekerjaan”.

Di mana pendapatan sebagai variabel terikat bertipe data kuantitatif atau numerik.
Sedangkan pekerjaan sebagai variabel bebas berskala data kualitatif atau kategorik. Yaitu
dengan 3 kategori: Tani, Buruh dan Lainnya. (Ingat bahwa uji One Way Anova dilakukan
apabila variabel terikat adalah interval dan variabel bebas adalah kategorik). (Pelajari
juga tentang Pengertian Data)

Langsung Saja: Masuk ke pembahasan Tutorial Uji ANOVA di bawah ini.

D. Tutorial One Way Anova

 Buka SPSS.
 Buka Tab Variable View, buat 2 variabel: Pekerjaan dan Pendapatan.
 Ubah Type Pekerjaan ke “Numeric”, Decimals “0”, beri label “Pekerjaan”, ubah
measure menjadi “Nominal” dan isi value dengan kategori: 1 = Tani, 2 = Buruh dan 3
= Lainnya.
 Ubah Type Pendapatan ke “Numeric”, Decimals “0”, beri label “Pendapatan”, ubah
measure menjadi “Scale”.
 Contoh Data Uji ANOVA

 Buka Data View dan isikan data sebanyak 24 responden sebagai berikut:

 Pada menu, pilih Analyze, Compare Means, One-Way ANOVA, sampai muncul jendela
One-Way ANOVA seperti di bawah ini:
 Pilih variabel “Pendapatan” lalu masukkan ke kotak “Dependent List:” Kemudian
pilih variabel “Pekerjaan” lalu masukkan ke kotak “Factor:” Sehingga nampak seperti
di bawah ini:

 Klik tombol Options, akan muncul jendela ini: Centang “Descriptive” dan

“Homogenity of variance test“

 Klik Continue
 Masih dijendela One Way ANOVA, klik tombol Post Hoc, sampai muncul jendela ini:
Centang Bonferroni dan Games-Howell serta biarkan significance level = 0,05.
  Klik Continue.
 Lalu Klik OK dan Lihatlah hasil!

Hasil terilhat sebagai berikut:

 E. Interprestasi Uji ANOVA

Interprestasi Baca adalah sebagai berikut:

 Dari tabel Descriptives nampak bahwa responden yang bekerja sebagai Tani rata-rata

berpendapatan sebesar 195497,50, Buruh rata-rata berpendapatan sebesar 265080,75 
dan Lainnya rata-rata berpendapatan 326423,25. Selanjutnya untuk melihat uji kita
lihat di tabel ANOVA.
  Sebelum melanjutkan uji perlu  diingat bahwa salah satu asumsi Anova adalah
variansnya sama. Dari tabel Test of Homegeneity of Variances terlihat bahwa hasil
uji menunjukan bahwa varian ketiga kelompok tersebut sama (P-value = 0,357),
sehingga uji Anova valid untuk menguji hubungan ini.
 Selanjutnya untuk melihat apakah ada perbedaan pendapatan dari ketiga kelompok
pekerja tersebut. Kita lihat  tabel ANOVA , dari tabel itu pada kolom Sig. diperoleh
nilai P (P-value) = 0,037. Dengan demikian pada taraf nyata = 0,05 kita menolak Ho,
sehingga kesimpulan yang didapatkan adalah  ada perbedaan yang bermakna rata-rata
pendapatan berdasarkan ketiga kelompok pekerjaan tersebut.

F. Interprestasi Uji ANOVA: Post Hoc

 Jika hasil uji menunjukan Ho gagal ditolak (tidak ada perbedaan), maka uji lanjut
(Post Hoc Test) tidak dilakukan. Sebaliknya jika hasil uji menunjukan Ho ditolak (ada
perbedaan), maka uji lanjut (Post Hoc Test) harus dilakukan.
 Karena hasil uji Anova menunjukan adanya perbedaan yang bermakna, maka uji
selanjutnya adalah melihat kelompok mana saja yang berbeda.
 Untuk menentukan uji lanjut mana yang digunakan, maka kembali kita lihat tabel Test
of Homogeneity of Variances, bila hasil tes menunjukan varian sama, maka uji lanjut
yang digunakan adalah uji Bonferroni. Namun bilai hasil tes menunjukan varian tidak
sama, maka uji lanjut yang digunakan adalah uji Games-Howell.
 Dari Test of Homogeneity menghasilkan bahwa varian ketiga kelompok tersebut sama,
maka uji lanjut (Post Hoc Test) yang digunakan adalah Uji Bonferroni.
 Dari tabel Post Hoc Test di atas memperlihatkan bahwa  kelompok yang menunjukan
adanya perbedaan rata-rata pendapatan (ditandai dengan tanda bintang “*”) adalah
Kelompok “Tani” dan “Lainnya”.
 G. Uji Kruskal Wallis

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.

Kruskal wallis by biostathandbook.com

Daftar Isi:
Kegunaan Uji Kruskal-Wallis

1. Uji kruskal-wallis biasa digunakan sebagai alternatif untuk uji one way Anova, dimana
asumsi kenormalan tidak terpenuhi.
2. Digunakan untuk membuat perbandingan antara dua atau lebih variabel kuantitatif
berbentuk ranking dimana sampelnya merupakan sampel independen, dan asumsi
kenormalan tidak terpenuhi.
3. Merupakan uji pengembangan dari mann Whitney test, dimana variabel yang digunakan
pada uji ini berjumlah lebih dari pada dua variabel.
Catatan : apabila jumlah kelompok variabel hanya 2 maka, uji kruskal Wallis sama dengan uji
Mann Whitney. Umumnya jika terdapat dua kelompok variabel yang saling bebas maka uji yang
lebih cenderung digunakan adalah uji mann-whitney.

Diingatkan kembali bahwa uji non parametrik digunakan untuk melakukan uji statistik
terhadap kelompok data yang tidak memenuhi kriteria untuk dilakukan uji parametrik. Sehingga
tidak perlu dilakukan pengujian normalitas seperti syarat wajib untuk uji parametrik.

Contoh Populasi untuk Uji Kruskal-Wallis

Uji ini digunakan untuk beberapa kelompok populasi. Sebagai contoh seorang peneliti ingin
melakukan penelitian dengan melakukan perbandingan antara lima  kelompok ayam  dengan
mengamati massa berat daging ayam potong yang diberikan pakan berbeda selama 60 hari.

1. Ayam potong dengan pakan pelet pabrikan

2. Ayam potong dengan pakan jagung
3. Ayam potong dengan pakan campuran dedak dan ampas tahu
4. Ayam potong dengan pakan pelet buatan sendiri
5. Ayam potong dengan pakan nasi sisa

Untuk kasus populasi Seperti di atas dan tujuan penelitian yang sama, biasanya
digunakan uji one way Anova. Namun apabila setelah dilakukan pengujian ternyata berat
badan ayam Dari keempat kelompok populasi ayam tersebut tidak berdistribusi normal
maka peneliti tidak dapat melakukan pengujian dengan One Way Anova. Uji kruskal
Wallis dapat digunakan sebagai alternatif one way Anova untuk kasus di mana masing-
masing populasi tidak berdistribusi normal atau asumsi kenormalan tidak terpenuhi.

H. Asumsi Uji Kruskal Wallis

1. Data yang dianalisis terdiri lebih dari 2 sampel acak (k₁, k₂ … , kₙ)
2. Skala data yang digunakan minimum adalah ordinal
3. Variabel yang diamati harus continue
4. Jenis skala untuk variabel dependen adalah ordinal

I. Hipotesis Uji Kruskal Wallis

Hipotesis yang digunakan untuk uji kruskal Wallis adalah ada tidaknya perbedaan
dari beberapa kelompok populasi yang diamati. Katakanlah satu variabel mewakili satu
populasi sehingga terdapat beberapa populasi yang diamati. Maka Pengujian hipotesis nya
terhadap populasi ke-k.
Contoh hipotesis uji kruskal Wallis:

 H₀ = median dari k populasi adalah sama

 H₁ = median dari k populasi tidak sama

Contoh lain;

 H₀ = semua populasi berasal dari tempat asal yang sama

 H₁ = semua populasi berasal dari tempat asal yang tidak sama

Rumus Uji Kruskal Wallis

H=12N(N+1)∑ki=1r2ini−3(N+1),
Sumber: statistik non parametrik untuk ilmu-ilmu sosial karangan Sidney siegel yang
diterjemahkan ke dalam bahasa Indonesia halaman 230.

Dimana;

 k =  banyaknya sampel
 ni= banyaknya kasus pada setiap sampel ke-i
 N = ∑ni= banyaknya seluruh kasus
 Ri= total ranking untuk setiap sampel ke-i
 ∑ki=1= menunjukkan penjumlahan seluruh k sampel (kolom-kolom) mendekati distribusi
Chi square dengan db = k-1 untuk ukuran ukuran sampel sebesar n yang cukup besar.

Tahapan Melakukan Uji kruskal-Wallis

1. Identifikasi data yang akan diuji menggunakan uji kruskal Wallis, Apakah data tersebut
layar untuk dilakukan uji menggunakan uji kruskal Wallis. Maksudnya adalah perhatikan
syarat dan ketentuan untuk uji kruskal Wallis.
2. Ranking seluruh observasi tanpa melihat nilai observasinya. Penentuan rangking untuk
observasi yang sama menggunakan metode median. Misalnya, nilai observasi berturut-
turut sampai ke 3 adalah satu, maka pada saat pemberian ranking seharusnya adalah 1-3,
Namun karena nilai observasinya sama maka digunakan nilai tengahnya yaitu 2.
Sehingga rengking untuk ketiga observasi tersebut adalah sama yaitu masing-masing 2.
Selengkapnya akan kita lihat pada contoh soal.

Contoh Soal Uji Kruskal-Wallis

Contoh uji kruskal-wallis untuk kasus sampel kecil. Contoh kasus uji kruskal wallis
dengan tabel chi square dapat anda lihat pada artikel contoh soal uji Kruskal Wallis dengan Chi-
Square.

 Soal cerita:
Misalkan, seorang guru olahraga ingin mengetahui mengenai minat muridnya menjadi atlet
olahraga. Diasumsikan bahwa anak-anak yang memiliki minat baik di olahraga akan
mendapatkan nilai yang baik dan memiliki peluang untuk menjadi atlet olahraga yang lebih
besar.

Terdapat tiga kelompok murid yang dibedakan berdasarkan minatnya yaitu, murid yang hanya
menyukai mata pelajaran ilmiah, murid yang menyukai pelajaran ilmiah dan olahraga, dan murid
yang hanya menyukai bidang olahraga. Guru tersebut pun mengambil 14 sampel anak yang
dibagi menjadi 3 kategori di atas.

Data minat siswa dituliskan dalam tabel berikut (data fiktif) beserta score minatnya terhadap
olahraga.

olahraga ilmiah keduanya

96 82 115

128 124 149

83 132 166

61 135 147

101 109  

Data kelompok minat siswa

 Jawaban dan pembahasan

1. Hipotesis

 H₀ = tidak ada perbedaan antara nilai rata-rata kelompok murid dari ketiga kategori
tersebut
 H₁ = rata-rata nilai dari kelompok murid tersebut adalah berbeda

2. Uji statistik
 Karena data yang digunakan adalah 3 kelompok independen sehingga diperlukan suatu
uji statistik untuk k sampel independen. Karena minat dapat diukur dengan skala data paling
sedikit tidak skala ordinal sehingga statistik pengujian kruskal Wallis cocok untuk kasus ini.

3. Tingkat signifikansi

Umumnya nilai Alpha ditetapkan sebesar 0,05, Dalam kasus ini kita juga menggunakan Apha
0,05. Dengan total sampel sebesar 14, dimana n₁=5, n₂=5 dan n₃=4.

4. Distribusi Sampling

K=3 ; nilai k di dapat dari banyaknya kelompok.

5. Daerah penolakan

Daerah penolakan adalah semua nilai H yang mungkin terjadi di bawah H-nol dengan nilai
kurang dari alpha=0.05.

 Cara kerja dan penyelesaian:

Membuat ranking untuk setiap observasi di dalam kelompok. Dalam pembentukan ranking
seluruh data digabungkan dan di rengking secara keseluruhan.

Olahraga Ilmiah keduanya

3 2 7

9 8 13

3 10 14

1 11 12

5 6  

R₁=22 R₂=37 R₃=46

Setelah dilakukan perangkingan ke terhadap seluruh observasi di dalam kelompok

masing-masing, maka ranking untuk setiap observasi di dalam tabel pertama dituliskan persis
seperti pada tabel kedua diatas. Seluruh rangking pada kelompok masing-masing dijumlahkan
dan dihasilkan R₁R₂ dan R₃.

Setelah kita dapatkan nilai R₁R₂ dan R₃, selanjutnya kita dapat menghitung nilai H dengan
menggunakan rumus berikut:

H=12N(N+1)∑kj=1R2jnj−3(N+1),maka;

H=1214(14+1)[(22)25+3725+4624]−3(14+1),

=6,4(H-hitung)
6. Keputusan

Dengan menggunakan tabel O, untuk n1=5,n2=5, dan n3 =4, maka H(tabel)≥H(hitung),

artinya kemungkinan kemunculan nilai-nilai di bawah H₀ sebesar < 0,049. Karena kemungkinan
tersebut lebih kecil dari nilai alpha=0,05 maka jelas keputusan kita dalam kasus ini adalah
menolak H₀ dan menerima H₁. Dalam kasus fiktif ini bisa kita simpulkn bahwa memang tidak
sama minat siswa menjadi atlet olaraga.

Dalam contoh ini kita menggunakan referensi dari buku Sidney siegel yaitu menggunakan tabel
O, dalam kasus lain akan kita bahas mengenai contoh uji kruskal Wallis menggunakan
perbandingan dengan tabel Chi square.

Mungkin contoh kasus ini tidak terlalu rasional, namun saya berharap anda paham
maksud dan bisa mengembangkan dengan contoh lainnya.

Perlakuan terhadap Observasi yang Sama

Dalam kasus tertentu, terkadang nilai observasi ada beberapa yang sama. Untuk memberi
rangking perlu membuat nilai rata-rata rangkingnya, sehingga observasi yang sama akan
memiliki ranking yang sama. Aturan pengurutan tetap seperti biasa, artinya yang di rata-ratakan
adalah rangking-rangking yang sama saja, misal rangking yang sama adalah rangking 2,3,4,5,
maka rangking tersebut dijumlahkan dan dibagi jumlah rangking yang sama. (2+3+4+5)/4=3.5.

Misalkan;

 Observasi: 80,90,90,90,90,95
 Rangking: 1, 3.5, 3.5, 3.5, 3.5, 6

Faktor koreksi untuk uji kruskal wallis

 Peluang terjadinya rangking yang sama Dalam deretan observasi sangat besar, sehingga
dibutuhkan suatu koreksi untuk nilai H. Untuk melakukan koreksi terhadap nilai H yang
disebabkan oleh adanya ranking ranking yang sama maka rumus H standar yang digunakan di
atas dibagikan dengan;

1−∑TN3−N
Dimana,

 T=t-1 (t menunjukkan observasi observasi yang berangka sama dalam serangkaian skor
berangkat sama)

Sehingga rumus H terkoteksi (H*) adalah;

H∗=12N(N+1)∑ki=1r2ini−3(N+1)1−∑TN3−N
Dengan faktor koreksi tersebut diharapkan dapat memberikan nilai yang lebih signifikan
dibandingkan tanpa adanya faktor koreksi.
 BAB III

KESIMPULAN

Analisis varians atau ANOVA merupakan salah satu teknik analisis multivariat
yang berfungsi untuk membedakan rerata lebih dari data dua kelompok dengan cara
membandingkan variansinya . Sebelum diuji dengan ANOVA, data harus
berdistribusi normal dan memiliki varian yang sama serta diambil dari populasi yang
homogen . One-way Anova digunakan untuk menganalisis varians variabel dependen
yang kuantitatif dari satu faktor yang bervariabel independen. Dalam teknik One-Way
ANOVA menggunakan metode pengujian hubungan antara satu variabel yang
tergantung interval atau rasio rasio (parametrik) dengan satu atau lebih variabel skala
nominal (non-parametrik).

Uji kruskal wallis adalah uji nonparametric berbasis peringkat yang menentukan
adakah perbedaan signifikan secara stasistik antara dua atau lebih kelompok variabel
independen pada variabel dependen yang berskala numeric, karna uji merupakan uji
non parametris dimana asumsi normalitas maka tidak perlu lagi ada uji normalitas
misal uji Shapiro wilk atau lilliefors.
 DAFTAR PUSTAKA

https://www.statistikian.com/2012/11/one-way-anova-dalam-spss.html?amp

https://www.statistikian.com/2014/07/uji-kruskall-wallis-h.html?amp

https://www.statmat.net/uji-kruskal-wallis /

https://lab_adrk.ub.ac.id/id/one-way-anova-dalam-pengujian-hipotesis /