UJI KRISKAL WALLIS

A. TEORI
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. Uji Kruskal Wallis untuk melihat
perbandingan lebih dari 2 kelompok populasi dengan data berbentuk ranking. Uji ini
sering disebut dengan uji Kruskal Wallis H atau H-test.
Kegunaan Uji Kruskal Wallis:
1. Uji Kruskal Wallis digunakan sebagai alternatif untuk uji one way ANOVA jika
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 pengembangan uji Mann Whitney, variabel yang digunakan pada uji
ini lebih dari dua variabel.

Catatan:

Uji Non parametrik digunakan untuk kelompok data yang tidak memenuhi kriteria
untuk melakukan uji parametrik.

Asumsi Uji Kruskal Wallis:

1. Data yang dianalisis terdiri dari lebih 2 sampel acak

2. Skala data yang digunakan minimum adalah ordinal

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.

Prosedur Uji Kruskal Wallis:

1. Menyusun Hipotesis
H₀: Tidak terdapat perbedaan antara tiga atau lebih kelompok data
H₁: Terdapat perbedaan minimal diantara ketiga kelompok data (minimal satu
kelompok berbeda).
2. Menentukan tingkat signifikansi Menentukan nilai Alpha, kemudian melihat tabel
Kruskal Wallis.
3. Menghitung statistic Uji Kruskal Wallis:
k
12 Rt 2
¿ ∑ −3 ( N +1 )
N ( N +1 ) t=1 nₜ
 Jika setiap n j > 5, maka H mendekati distribusi X 2
4. Mengambil Keputusan
Jika nilai H-hitung > H-tabel, maka TOLAK Ho
5. Kesimpulan
 B. STUDI KASUS
Untuk memahami rumus prosedur tersebut, diberikan contoh sebagai berikut: Sebuah
perusahaan ingin mengetahui apakah terdapat perbedaan keterlambatan masuk kerja
antara pekerja yang rumahnya jauh atau dekat dari lokasi perusahaan. Misalkan jarak
rumah dikategorikan dekat ( kurang dari 10 km), sedang (10 – 15 km) dan jauh ( lebih
dari 15 km). Keterlambatan masuk kerja dihitung dalam menit keterlambatan selama
sebulan terakhir. Penelitian dilakukan pada tiga kelompok pekerja dengan sampel
acak, dengan masing-masing sampel untuk yang memiliki jarak rumah dekat
sebanyak 10 sampel, jarak sedang sebanyak 8 sampel dan jauh sebanyak 7 sampel.
Data hasil penelitian dan prosedur untuk mendapatkan statistik uji Kruskal-Wallis
diberikan pada tabel berikut:

Jarak dan Keterlambatan R Dekat R Sedang R Jauh

Dekat Sedang Jauh
-1 -2 -3 -4 -5 -6
59 23 36 3 1 2
110 77 68 9 5 4
132 99 89 12 7 6
143 128 102 13 11 8
165 144 121 17 14 10
242 154 157 19 15 16
275 176 248 21 18 20
297 285 22 24
330 23
440 25
Ri 164 95 66
2
Ri 26896 9025 4356

Kolom (1), (2) dan (3) adalah data pekerja menurut jarak rumah dan menit keterlambatan.
Kolom (4), (5) dan (6) adalah rangking dari keterlambatan. Rangking disusun dari nilai
keterlambatan terkecil sampai terbesar, tanpa membedakan kelompok jarak rumah pekerja.
Selanjutnya lakukan penjumlahan rangking untuk masing-masing kelompok, yang terlihat
pada baris Ri. Kemudian, kuadratkan masing-masing jumlah peringkat tersebut. Dari data
tersebut, maka dapat dihitung statistik uji Kruskal-Wallis sebagai berikut:

[ ]
k2
12 Ri 12 26896 9025 3456
H= ∑
N ( N +1 ) i=1 n 1
−¿ 3 ( N +1 )=
25(25+1) 10
+
8
+
7
−3 ( 25+1 )=3,969 ¿
Dalam SPSS, untuk perhitungan statistik uji Kruskal-Wallis mengikuti tahapan sebagai
berikut:

1. Berikan kode numerik untuk variabel jarak yaitu 1 = jarak dekat, 2 = jarak sedang dan
3 jarak jauh. Data menit keterlambatan tidak perlu diperingkat, karena secara otomatis
akan dilakukan oleh program SPSS.
2. Persiapkan worksheet dengan cara, buka program SPSS, klik Variable View. Akan
muncul tampilan berikut:

Pada baris pertama, isikan kolom Name dengan Jarak, Measure =

Ordinal dan kolom Values dengan 1 = Dekat, 2 = Sedang, 3 = Jauh.
Abaikan kolom lainnya. Pada baris kedua isikan, kolom Name dengan
Keterlambatan. Kolom lainnya diabaikan (mengikuti default dari
program).
Cara pengisian kolom Values sebagai berikut. Klik icon yang bertanda
titik tiga (…) pada kolom Values pada baris 1, akan muncul tampilan
berikut:

Isikan angka 1 pada kotak Value dan Dekat pada kotak Label.
Kemudian klik Add. Isikan angka 2 pada kotak Value dan Sedang pada
kotak Label, kemudian klik Add. Iskan angka 3 pada kotak Value dan
Jauh pada kotak Label, kemudian klik Add. Selanjutnya klik OK, dan
kembali ke menu data dengan mengklik Data View
Selanjutnya klik Data View untuk mulai mengisi data

3. Input data kategori jarak (1, 2, 3) dan menit keterlambatan pada workheet SPSS.
4. Setelah pengisian data, kemudian Klik > Nonparametric Tests > K Independent
Samples. Akan muncul tampilan berikut:

Isi kotak Test Variable List dengan Keterlambatan dan isi Grouping
Variable dengan Jarak. (Catatan: variabel Keterlambatan dan Jarak,
sebelumnya berada di kotak sebelah kiri. Pindahkan ke kotak sebelah
kanannya dengan cara klik variabel, kemudian klik panah yang menuju
kotak kanannya.). Centang juga Kruskal-Wallis H jika belum
tercentang.
Selanjutnya klik Define Range, akan muncul tampilan berikut:

Isikan kotak Minimum dengan angka 1 dan Maximum dengan angka 3.

Klik Continue, dan klik OK. Akan keluar output SPSS sebagai berikut:
 Output tabel pertama memberikan deskripsi dari ranking masing-
masing kelompok jarak, berupa jumlah sampel dan rata-rata ranking.
Output tabel kedua memberikan nilai Chi-Square dari statistik uji Kruskal-
Wallis sesuai dengan rumus yang telah dibahas sebelumnya. Derajat bebas
(df) dari statistik chi-square ini adalah jumlah kelompok (dalam kasus kita
= 3 ) dikurangi
1. Dalam output juga diberikan P-value untuk chi-square (nilai Asymp.
Sig. dalam tabel output kedua. Dalam pengujian hipotesis, kita
membandingkan nilai P-value dengan tingkat signifikansi pengujian (α),
dengan kriteria tolak H0 jika P-value < α, dan terima H0 jika P-value >
α.
Jika pengujian menggunakan α = 10 %, terlihat bahwa nilai P-value =
0,137 > α = 0,1. Dengan demikian secara statistik dapat disimpulkan tidak
ada perbedaan keterlambatan antara pekerja yang memiliki rumah dekat
dengan rumah jauh.
Cara lain dalam pengujian hipotesis ini adalah dengan membandingkan
nilai chi-square yang diperoleh nilai-nilai kritis pada tabel Distribusi chi-
square. Tabel tersebut umumnya tersedia pada lampiran buku-buku yang
membahas mengenai statistik non-parametrik.
C. PRAKTIKUM
Dalam bidang pertanian telah diketahui bahwa besarnya hasil tanaman padi di
antaranya tergantung pada banyaknya pupuk urea yang digunakan. Ingin diuji apakah
rata-rata hasil padi akan meningkat dengan meningkatkannya dosis pupuk urea yang
digunakan. Misal data hasil padi (kuintal per hektar ) pada berbagai dosis pupuk urea
(kg/Ha) adalah :

Dosis Urea Hasil Padi (ku/ha)

(Kg/ha)

100 45,7 48,4 42,4 49,1 43,1

150 59,8 63,9 57,2 64,7 60,6

200 67,1 67,8 70,2 74,6 68,7

250 57,1 56,2 57,0 63,6 59,9

Rata-Rata Hasil Padi Berdasarkan Dosis Urea yang Diberikan

Hipotesis:

H0 : 1  2  3  4

H1 : minimal satu dosis urea menunjukkan perbedaan rata-rata hasil padi dengan
perlakuan lainnya

Lankah-langkah Analisis dengan SPSS :

1. Masukkan data pada teladan 6.1 pada variabel view sesuai

dengan data yang diperlukan.

Gambar 6.2 Variable View Teladan 4.1

2. Isilah data pada Data View sesuai dengan data yang

diperoleh. Tampilan layar seperti gambar dibawah ini.
 Gambar 6.3 Tampilan Data View

3. Lakukan uji Kruskal Wallis dengan langkah:

Analyze - Nonparametric Test – Legacy diagonals – k

Independent samples, seperti yang tampak pada gambar 6.1

4. Kemudian klik k- independent sample sehingga muncul kotak

dialog seperti gambar berikut :

Gambar 6.4 kotak dialog k-isampel independen

5. Selanjutnya klik variabel hasil padi, kemudian masukkan dalam Test Variable
List

6. Selanjutnya klik variabel dosis, masukkan dalam grouping

variabel seperti pada gambar 6.5.
7. Selanjutnya pilih Kruskal-Wallis H pada tes type

8. Klik OK  akan muncul luaran

Kruskal-Wallis Test
Ranks
Mean
Dosis Urea N Rank

HasilPadi 100 5 3.40

150 5 12.40
200 5 18.00
250 5 8.20
Total 20

Test Statisticsa,b

HasilPadi

Chi-Square 16.509
Df 3
Asymp.
.001
Sig.

a. Kruskal Wallis Test

b. Grouping Variable: Dosis Urea
Tabel 6.2 Luaran Uji Kruskal Wallis

Interpretasi hasil SPSS

 Pada Tabel Rank menunjukkan bahwa dosis pupuk yang diberikan pada jumlah
petak sawah yang sama dan nilai rata-rata peringkat yang terbesar yaitu dosis 200
sebesar 18.

 Pada Tabel Test Statistis menunjukkan bahwa analisis hipotesis dari penelitian
tersebut. Nilai Exact Sig. (2-tailed) = 0.001 < 0,05, hal ini berarti Tolak H0.
Berarti minimal satu dosis urea menunjukkan perbedaan rata-rata hasil padi
dengan perlakuan lainnya, yaitu pada dosis 200 kg/ha.
REFERENSI:

Saleh S, Statistik Nonparametrik Edisi 2. BPFE-YOGYAKARTA

Amri A., Junaidi, Yulmardi. (2009). Metodologi Penelitian Ekonomi dan Penerapannya.
Bogor. IPB Press

Daniel,W .(1991). Statistik Nonparametrik Terapan.: Gramedia. Jakarta.

Junaidi. (2010). Statistika Non-Parametrik. Fakultas Ekonomi Universitas Jambi. Jambi

Nurgiyantoro, B., Gunawan, Marzuki. (2000). Statistik Terapan untuk Penelitian

Ilmu-Ilmu Sosial. Yogyakarta: Gadjah Mada University Press
Siegel, S., and N. J. Castellan. (1988). Nonparametric statistics for the
behavioral sciences.New York: McGraw-Hill, Inc..
Sprent P. (1991). Metode Statistik Nonparametrik Terapan. Jakarta. UI-Press.