Uji Kruskal
Uji Kruskal
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.
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.
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:
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:
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:
Hipotesis:
H0 : 1 2 3 4
H1 : minimal satu dosis urea menunjukkan perbedaan rata-rata hasil padi dengan
perlakuan lainnya
5. Selanjutnya klik variabel hasil padi, kemudian masukkan dalam Test Variable
List
Test Statisticsa,b
HasilPadi
Chi-Square 16.509
Df 3
Asymp.
.001
Sig.
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:
Amri A., Junaidi, Yulmardi. (2009). Metodologi Penelitian Ekonomi dan Penerapannya.
Bogor. IPB Press