STATISTIKA NONPARAMETRIK

Uji >2 sampel

(Uji Median dan Uji Kruskal Walls)
Nama Anggota:
1. Gilang Amnesta (15611029)
2. Enggar Prima Jati (15611031)
3. Siti Apriana R.I (15611034)
4. Cici Diana Iska.D (15611038)
5. Kurnia Ramadhani (15611049)
6. Muna Malikha (15611041)
7. Eky Roza Paradistia (15611053)
8. Ninik Kardina (15611052)
Uji median untuk k sample (perluasan uji median)

Uji ini dapat digunakan untuk menentukan apakah k kelompok

independen berasal dari populasi yang sama atau dari populasi-
populasi yang mempunyai median yang sama. Data yang
digunakan sekurang-kurangnya berskala ordinal.

Perluasan uji median ini pada dasarnya adalah uji chi-square

untuk k sample. Frekuensi yang ada dimasukan dalam table
kontingensi 2 x k (frekuensi harapan harus 5).
 4. Rumus perhitungan :

Langkah Pengujian di mana :

1. Tentukan median gabungan skor-skor dalam k kelompok 0 : banyak kasus yang diobservasi yang
dikategorikan dalam baris ke-i dan pada
2. Pisahkan skor dalam masing-masing kelompok pada
median gabungan untuk skor diatas median dan skor kolom kej.
dibawah median : banyak kasus yang diharapkan di bawah Ho
3. Masukkan frekuensi tersebut dalam tabel 2 x k untuk dikategorikan dalam baris ke-i dan
kolom ke-j.
k : banyak kolom.
r : banyak baris.
5. 2 mendekati distribusi Chi Square dengan db
= (k -1)(r-1) yang ditunjukkan dalam tabel C
6. Menentukan signifikansi harga observasi X2
dengan menggunakan tabel C. Tolak Ho
apabila X2hitung> X2[,(k-1)(r-1)] dan tidak tolak
Ho apa bila X2hitung X2[,(k-1)(r-1)]
Contoh:
Dalam bidang pertanian telah diketahui bahwa besarnya hasil tanaman padi
diantaranya tergantung dari banyaknya pupuk urea yang digunakan (dosis urea). Kita
ingin menguji pada taraf nyata 5 % apakah rata-rata hasil padi akan meningkat dengan
meningkatnya dosis pupuk urea yang digunakan. Misal data hasil padi (kuintal per
hektar) pada berbagai dosis pupuk urea (kg/ha) adalah :

Takaran
Ulangan Urea (Kg/ha)
100 150 200 250
1 44,7 59,8 67,1 57,1
2 48,1 63,9 67,8 56,2
3 42,1 57,2 70,2 57,0
4 49,1 64,7 74,6 63,6
5 43,1 60,6 68,7 59,9
Pengujian Hipotesis :
1. H0 keempat sampel mempunyai median yang sama
H1 minimal ada satu sampel mediannya berbeda
2. Taraf Nyata = 5 % = 0,05
3. Statistik = Uji Chi Kuadrat
4. Wilayah Kritik (Daerah Penolakan H0 ) :
X 2 > X 2 (k-1) Frekuensi Observasi (Oi):
5. Perhitungan : Urea Urea Urea Urea
Hasil Rank Hasil Rank 100 150 200 250
42,5 1 59,9 11 Me 0 3 5 2
43,1 2 60.6 12 <= Me 5 2 0 3
44,7 3 63,6 13 Jumlah 5 5 5 5
48,4 4 63,9 14
49,1 5 64,7 15
56,2 6 67,1 16 Frekuensi Harapan (Ei):
57,0 7 67,8 17 Urea Urea Urea Urea
100 150 200 250
57,1 8 68,7 18
Me 2,5 2,5 2,5 2,5
57,2 9 70,2 19
<= Me 2,5 2,5 2,5 2,5
59,8 10 74,6 20
Jumlah 5 5 5 5
 2
( )
2 =

(02,5)2 (32,5)2
2 = + .. .+ = 10,400
2,5 2,5

Untuk = , 05 ; derajat bebas = b 1 k 1 = 1,

2
dari tabel diperoleh nilai 0,05(3) =7,815

Kesimpulan : Tolak H0
Uji Kruskal Wallis
PENGERTIAN Kruskal-Wallis test dikembangkan oleh

Uji Kruskal-Wallis atau biasa disebut kruskal Kruskal dan Wallis. Uji Kruskal-Wallis

wallis satu arah anova merupakan gagasan dari adalah uji nonparametrik yang digunakan

dua orang yaitu William kruskal dan W. allen untuk membandingkan tiga atau lebih

wallis kelompok data sampel

Dengan demikian Uji Kruskal-Wallis

Analisis varians satu-arah berdasarkan peringkat
digunakan ketika asumsi ANOVA tidak
Kruskal-Wallis yaitu teknik nonparametrik yang
terpenuhi
digunakan untuk menguji hipotesis nol yang
menyatakan bahwa beberapa sampel telah ditarik
dari populasi-populasi yag sama atau identik
Hipotesis yang digunakan:
H0: semua kelompok sampel berasal
dari populasi yang sama
H1: sekurang-kurangnya satu
STATISTIK UJI
kelompok populasi berbeda
Uji Statistik H tanpa koreksi

Dimana :
H : nilai Kruskal-Wallis dari hasil penghitungan
Rj : jumlah rank dari kelompok/kategori ke-j
nj : banyaknya kasus dalam sampel pada kelompok/kategori ke-j
k : banyaknya kelompok/kategori
N : banyak kasus dalam semua sampel

Jika terdapat angka yang sama, maka digunakan faktor koreksi :

t : banyaknya angka sama pada observasi ke-i

Contoh:
Crason dkk. melaporkan data tentang kadar kartisol dalam tiga kelompok pasien yang
melahirkan pada usia kehamilan antara 38 dan 42 minggu. Pengamatan terhadap
kelompok I dilakukan sebelum proses bedah Caesar yang sengaja dipilih. Pengamatan
terhadap kelompok II dilakukan pada proses bedah Caesar yang terpaksa dipilih akibat
proses normal tidak berhasil. Dan kelompok III terdiri atas pasien-pasienyang dapat
melahirkan secara normal tetapi ada yang memilih melahirkan melalui bedah Caesar. Kita
ingin tahu apakah data ini menyediakan bukti yang cukup untuk menunjukkan adanya
perbedaan dalam median kadar kortisol di antara ketiga populasi yang diwakili. Data-
datanya adalah sebagai berikut:
 Penyelesaian Kemudian dijumlahkan tiap kelompok. Berikut
1. Hipotesis hasilnya:
R1 = 69, R2 = 90 dan R3 = 94
H0 : Ketiga populasi yang diwakili oleh data tersebut
identik Dari hasil tersebut baru bisa dihitung statistik uji.

H1 : sekurang-kurangnya satu kelompok

populasi berbeda
2. Tingkat Signifikansi
= 0,01
3. Statistik Uji Karena semua ukuran sampel lebih dari 5, maka
Sebelum menghitung statistik uji, langkah yang pertama kita harus menggunakan tabel kai-kuadrat untuk
yaitu membuat peringkat dari data tersebut seperti memutuskan apakah median-median sampel
berikut: berbeda secara bermakna. Nilai kritis kai-kuadrat
untuk db = k 1 = 3 1 = 2 adalah 9,210. Jadi,
karena dengan X2 0,99;2 H = 9, 232 > c (9,210)
maka
tolak H0 dan berkesimpulan bahwa median-
median ketiga populasi yang diwakili tidak semua
sama. Sedangkan nilai P untuk contoh ini adalah
antara 0,01 dan 0,005