BIO STATISTIK

“UJI KRUSKAL WALLIS”

Dosen Pembimbing:
Suroto, S.KM., M.Kes
NIP: 196408231989031003

Disusun Oleh:

Rizky Nurul Bayani P07125219037

Syarifah Amini P07125219038
Yuanita Amalia P07125219039
Yunita Maulida P07125219040
Zulfatun Nafiah P07125219041
 Pengertian Uji Kruskal Wallis

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.
Sebagai ilustrasi adalah penelitian yang bertujuan untuk mengetahui adakah
perbedaan pengaruh Metode Pembelajaran terhadap nilai ujian siswa.

Di mana:
ηi : Jumlah pengamatan dalam kelompok.
rij: Peringkat (diantara semua pengamatan) pengamatan j dari kelompok i
N: Jumlah pengamatan di semua kelompok.
 Asumsi Kruskal Wallis

Perlu ditekankan lagi, bahwa syarat atau asumsi uji ini meliputi:
1. Variabel independen berskala kategori lebih dari 2 kategori.
2. Variabel terikat memiliki skala numerik (interval/rasio) atau skala ordinal.
3. Independen artinya sampel ditiap kategori harus bebas satu sama lain, yaitu
tidak boleh ada sampel yang berada pada 2 kategori atau lebih.
4. Setiap kategori memiliki variabilitas yang sama, yaitu bentuk kurva histogram
atau sebaran data yang sama.
Kelebihan dan Kelemahan Tes Uji Kruskal Wallis

Kelebihan:
Kelebihan Uji Kruskal Wallis 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 dapat digunakan
pada lebih dari 2 kelompok misal 3, 4 atau lebih.
Kelemahan:
Uji Kruskal Wallis digunakan ketika asumsi ANOVA tidak terpenuhi. ANOVA adalah
teknik analisis data statistik yang digunakan Ketika kelompok-kelompok variable bebas
lebih dari dua. Pada ANOVA, kita asumsikan bahwa distribusi dari masing-masing
kelompok harus terdistribusi secara normal. Dalam uji Kruskal Wallis, tidak diperlukan
asumsi tersebut, sehingga uji Kruskal Wallis adalah uji distribusi bebas. Jika asumsi
normalitas terpenuhi, maka uji Kruskal Wallis tidak sekuat ANOVA.
 Dasar Pemikiran dan Metode Dari Ujian Kruskal Wallis

Banyaknya sampel yang terpilih dituliskan dalam tabel secara baris, sedangkan
kelompok atau kategori yang tersedia dituliskan secara kolom.

Dalam penghitungan uji Kruskal-Wallis ini, masing-masing nilai observasi diberi

ranking secara keseluruhan dalam satu rangkaian. Pemberian ranking diurutkan dari 6
nilai yang terkecil hingga nilai yang terbesar. Nilai yang terkecil diberi ranking 1 dan
nilai yang terbesar diberi ranking N (dimana N adalah jumlah seluruh observasi).
Apabila terdapat angka yang sama, maka ranking dari nilai-nilai tersebut adalah rata rata
ranking dari nilai-nilai observasi tersebut.
Jika seluruh nilai observasi telah diberi ranking, langkah selanjutnya adalah menghitung
jumlah ranking dari masing-masing kolom (Ri).

uji Kruskal-Wallis dapat didefinisikan dengan rumus:

dimana,
H: nilai Kruskal-Wallis dari hasil penghitungan
Ri: jumlah rank dari kelompok/kategori ke-i
ni : banyaknya kasus dalam sampel pada kelompok/kategori ke-i
k: banyaknya kelompok/kategori
N: jumlah seluruh observasi (N=n1+n2+n3+………..+nk)
Jika ditemukan angka sama sebanyak lebih dari 25% nilai observasi sehingga
mengakibatkan banyak nilai ranking yang sama, maka perlu adanya koreksi pada rumus
penghitungan uji Kruskal-Wallis, dengan faktor koreksinya adalah:

dimana,
t : banyaknya nilai observasi tertentu yang sama pada serangkaian nilai observasi
N : jumlah seluruh observasi (N=n1+n2+n3+………..+nk)
Rumus uji Kruskal-Wallis dengan kasus angka sama berjumlah banyak adalah:
 Langkah Analisis Dari Kasus Uji Kruskal Wallis
Contoh kasus:
Sebuah perusahaan ingin mengetahui apakah terdapat perbedaan keterlambatan masuk kerja a
ntara 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 :
 Langkah Analisis Dari Kasus Uji Kruskal Wallis

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. Berikut
pemberian rangking untuk data diatas:
 Langkah Analisis Dari Kasus Uji Kruskal Wallis
a . Hipotesis
H₀ : Keterlambatan masuk kerja antara pekerja yang rumahnya dekat, sedang, dan jauh
dari lokasi perusahaan adalah sama
H₁ : Keterlambatan masuk kerja antara pekerja yang rumahnya dekat, sedang, dan jauh
dari lokasi perusahaan ada perbedaan

b. Tingkat signifikansi
ɑ= 10% = 0,10

c. Pilih statistik uji, dengan menggunakan Uji Kruskal Wallis

d. Kriteria pengujian
H0 diterima jika h (hitung) < ɑ
H0 ditolak jika (hitung) > ɑ.
 Langkah Analisis Dari Kasus Uji Kruskal Wallis

Hitung nilai statistik Uji Kruskal Wallis

Diketahui;
n₁=10, n₂=8, n₃=7, sedangkan r₁= 26896 r₂= 9025 r₃=4356

Jika pengujian menggunakan ɑ = 10 % terlihat bahwa h (hitung) = 3,969 > ɑ = 0,10.

Dengan demikian secara statistik dapat disimpulkan tidak ada perbedaan keterlambatan
antara pekerja yang memiliki rumah dekat dan rumah jauh.
Dalam SPSS, untuk perhitungan uji kruskal wallis mengikuti tahapan sebagai berikut :
1. Berikan kode numerik untuk variabel jarak yaitu 1 = jarak dekat, 2 = jarak sedang, 3 = jarak
jauh. Data menit keterlambatan tidak perlu diperingkatkan, karena secara otomatis dilakukan
oleh program SPPS.
2. Persiapkan worksheet dengan cara, buka program SPPS, klik variabel view. Akan muncul
tampilan sebagai 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 ikon yang bertanda titik tiga (...) pada kolom
values pada baris 1, akan muncul tampilan sebagai berikut:

Isikan angka 1 pad kotak value dan dekat pada kotak label. Kemudian klik Add, isikan angka 2
pada kota value dan sedang pada kotak label. Kemudian klik Add, isikan angka 3 pada kotak
value dan jauh pada kotak label. Kemudian klik Add. Setelah itu klik OK. Dan kembali kemenu
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 worksheet SPPS.
4. Setelah pengisian data kemudian klik > Nonparametic Test > K Independent Samples. Akan
muncul tampilan sebagai berikut:

Isi kotak Test Variabel List dengan keterlambatan isi Grouping Variabel dengan jarak. ( Catatan
keterlambatan variabel dan jarak, sebelumnya berada dikotak sebelah kiri. Pindahkan ke kotak
sebelah kanannya dengan dengan cara klik variabel, kemudian klik panah yang menuju kotak
kanannya). Centang juga Kruskal Wallis H jika belum tercentang. Selanjutnya klik Define
Range, maka akan muncul tampilan sebagai berikut
Isi kotak minimum dengan angka 1 dan maximum dengan angka 3. Klik continue, dan klik OK,
akan muncul output SPSS sebagai berikut:

Jika pengujian menggunakan ɑ = 10 % terlihat bahwa p-value = 0,137 > ɑ = 0,10. Dengan
demikian secara statistik dapat disimpulkan tidak ada perbedaan keterlambatan antara pekerja
yang memiliki rumah dekat dan rumah jauh