Uji Kruskal
-
Upload
ridwan-samsoni -
Category
Documents
-
view
259 -
download
6
Transcript of Uji Kruskal
Uji Kruskal-Wallis
Uji statistika parametrika (ji t dan uji F) hanya dapat digunakan jika data
menyebar normal atau tidak ditemukannya petunjuk pelanggaran kenormalan dan
keragaman atau variasi antara perlakuan-perlakuan atau peubah bebas yang
dibandingkan homogen. Data yang memenuhi syarat tersebut skala pengukurannya
menimal interval (misalnya data dalam satuan persen dan data yang interval
pengukurannya ≥ 5) lebih baik lagi data yang mempunyai skala pengukuran rasional
(misalnya data yang mempunyai satuan pengukuran
berat,panjang,volumedansebagainya).
Untuk data yang mempunyai skala pengukuran nominal (misalnya ada/tidak,
mati/hidup.sembuh/sakit dan sebagainya) data yang mempunyai skala pengukuran
ordinal (data yang ada urutannya misalnya agak sakit, sakit dan sembuh; tidak
senang, senang dan amat senang; tidak ada kelainan sedikit ada kelainan dan ada
kelainan; dan sebagainya). Jadi uji t dan uji F hanya bisa digunakan jika tidak ada
petunjuk pelanggaran kenormalan dan keragaman antar perlakuan yang dibandingkan
homogen. Untuk data yang memunyai skala pengukuran interval dan rasional bila
syarat uji t dan uji F dilanggra masih bisa diusahakan dengan melakukan transformasi
data jika setelah ditransformasikan belum juga terpenuhi maka harus diusahakan uji
lain.
Untuk data yang tidak memenuhi syarat uji t dan ujiF dan data dengan satuan
pengukuran nominal dan ordinal digunakan uji lain kelompok uji ini disebut uji
statistika nonparametrik.
Kruskal-wallis test adalah Anova one-way dengan menggunakan Rank.
Hipotesis test ini adalah bahwa sampel berasal dari populasi yang sama.
Uji ini umumnya digunakan jika skala pengukuran datanya ordinal dan skala
intervalmaupun rasional yang tidak memenuhi syarta untuk uji t atau uji f
.kategori/perlakuan yang diteliti lebih besar dari dua (P>2) dan termasuk klasifikasi
satu arah (tidak ada peubah lain selain perlakuan ) atau tidak berpasangan atau dalam
rancangan percobaan/lingkungan terkenal dengan nama Rancangan Acal Lengkap
(RAL).
Yang banyak digunakan teknis nonparametrik untuk menguji hipotesis nol
bahwa beberapa sampel yang telah diambil dari populasi sama atau populasi identik
adalah analisis varians satu arah kruskal-wallis melalui rank. (Kruskal-Wallis one
way analysis of variance by ranks). Untuk dua sampel, uji kruskal-wallis setara
dengan uji mann-whitney.
Uji kruskal-wallis memerlukan lebih informasi daripada uji median. Sebagai
akibatnya, uji kruskal-wallis biasanya lebih powerful dan lebih baik, seandainya data
yang tersedia diukur sekurang-kurangnya skala ordinal.
Asumsi
1. data untuk terdiri atas k sampel acak, berukuran n1, n2, …, nk.
2. observasi saling bebas didalam dan diantara sampel
3. variabel pengamatan adalah kontinu
4. skala pengukuran seukrang-kurangnya ordinal.
Hipotesis :
HO : fungsi distribusi k populasi identik
H1 : median dari k populasi tidak sama
Statistik uji :
Data pengamatan uji kruskal-wallis dinyatakandalam tabel berikut ini :
Tabel 4.33 Contoh Data Pengamatan Uji Kruskal-WallisSampel
1 2 … k
X11 X21 … Xk1
X12 X22 … Xk2
… … … …
… … … …
… … … …
X 1n1X 2 n2
… X knk
Data penamatan pada tabel tersebut, selanjutnya diganti oleh nilai rank yang
relatif terhadap semua pangamatan k sampel. Data penamatan terkecil diganti oleh
nilai rank 1, data terkecil kedua dengan nilai rank 2, dan seterusnya, sehingga data
terbesar dengan nilai rank N.
Dalam kasus data pengamatan yang sama (tied), nilai rank disemua kelompok,
terjadi bukan kebetulan, (a matter of chance), sehingga nilai rank kecil atau besar
tidak terpusat pada satu sampel. Dengan kata lain, jika hipotesis benar, maka
diharapkan jumlah rank di setiap sampel kira-kira sama.
Statistik uji Kruskal-Wallis ditulis sebagai berikut:
1. Tidak ada data kembar
KW= 12N (N+1)∑i=1
kR2 jnj
−3(N+1)
2. Ada angka kembar
KW=
12N (N+1)∑i=1
kR2 jnj
−3 (N+1)
1−(∑ t j (t j2−1)
N ( N 2−1 ) )Disini
K; nilai Kruskal-Wallis dari hasilperhitungan
Ri: jumlah rank dari kategori/perlakuan ke i
Ni : Banyaknya ulanganpada kategori/perlakuan ke-i
k: banyaknya kategori/perlakuan (i=1,2,3,…..,k)
N:Jumlah seluruh data (N=n1+n2+n3+………..+nk)
Hipotesisnya
Ho :r1 =r2=r3=……=rk
H1 : ri≠ri’,untuk suatu pasangan ri ( i≠i)
Contoh Soal :
Misalkan ada 3 orang guru yang dinilai bedasarkan sikapnya
GURU A GURU B GURU C
SIKAP OTORITER
96 82 115128 124 14983 132 16661 135 147101 109
Langkah-langkah Uji Kruskal-Wallis Dengan Program SPSS
1. Buat data guru dan diberi kode pada Value, misalnya
Variabel guru A = 1, guru B = 2, dan guru C = 3
2. Buat data sikap dan sesuaikan dengan sekor sikap
dan kode guru
3. Analyze, pilih Sub Nonparametric Test, pilih K-Independent Samples
4. Masukkan data sikap ke Test Variable List
5. Masukkan data guru ke Grouping Variable
6. Difine Groups isi dengan kode angka, minimum 1, dan
maksimum 3 (sesuaikan dengan kode yang telah
dipakai)
7. Continue dan OK
Mungkin untuk mempermudah diurutkan bedasarkan nilai sikap terendah ke nilai sikap tertinggi
Guru Sikap
1 (A) 612 (B) 821 (A) 831 (A) 961 (A) 1012 (B) 1093 (C) 1152 (B) 1241 (A) 1282 (B) 1322 (B) 1353 (C) 1473 (C) 1493 (C) 166
Bentuk Gambar 1 , Gambar SPSS pada Data Variabel
Bentuk Gambar 2 , Gambar SPSS pada Variabel View
Berikut Ini Merupakan Hasil setelah diproses Melalui Program SPSS dengan Menggunakan Uji Kruskal-Wallis Test
Ranks
GURU N Mean Rank
SIKAP
A 5 4.40
B 5 7.40
C 4 11.50
Total 14
Dapat dibahas bahwa jumlah data semuanya ada 14 data. Dimana untuk Guru A ada 5
data, B ada 5 data sedangkan C ada 4 data.
Test Statisticsa,b
SIKAP
Chi-Square 6.406
Df 2
Asymp. Sig. .041
a. Kruskal Wallis Test
b. Grouping Variable:
GURU
Dari data tersebut dapat dilihat apabila datanya untuk,
Ho : Tidak ada perbedaan redaksi 3 orang guru dilihat dari nilai sikap otoriternya
H1 : ada perbedaan redaksi 3 orang guru dilihat dari nilai sikap otoritenya
Ho dapat diterima apabila nilai siginifikasinya > 0,05. Tapi bedasarkan uji
Kruskal-Wallis ternyata nilai siginifikasinya 0,041 yang artinya kurang dari 0,05
sehingga Ho ditolak dan dapat disimpukan bahwa “ada perbedaan redaksi 3 orang
guru dilihat dari nilai sikap otoritenya“.
Contoh yang ke-2:
Misalkan seorang dosen ingin meneliti kualitas dari tiga buah bimbingan belajar,
yakni bimbingan belajar A, B, dan, C. Untuk keperluan penelitian, dosen tersebut
melakukan interview langsung ketiga bimbingan belajar tersebut untuk memperoleh
data mengenai jumlah siswa yang lulus keperguruan tinggi negeri selama 6 tahun
terakhir. Berikut data mengenai jumlah siswa yang lulus keperguruan tinggi negeri
dari ketiga bimbingan belajar A,B, dan C selama 6 tahun terakhir.
Data Jumlah Kelulusan Siswa pada Bimbingan Belajar A,B,C Selama 6 Tahun
Terakhir di Perguruan Tinggi Negeri
BIMBINGAN BELAJAR
tahun ke A B C
2000 50 80 80
2001 70 69 85
2002 65 50 90
2003 60 65 120
2004 70 65 150
2005 45 45 200
Pada tabel di atas, pada tahun 2000, jumlah siswa yang lulus keperguruan tinggi
negeri pada bimbingan belajar A adalah 50, bimbingan belajar B adalah 80, dan
bimbingan belajar C adalah 80 dan seterusnya.
Berikut tahap-tahap yang diperlukan dalam uji Kruskal-Wallis.
Tahap pertama : menghitung nilai dari uji statistik chi kuadrat
Tabel 2
Data Untuk Perhitungan Uji Statistik
Chi Kuadrat
BIMBINGAN BELAJARTahun Ke- Ranking A Ranking B Ranking C
1 3,5 12,5 12,52 10,5 9 143 7 3,5 154 5 7 165 10,5 7 176 1,5 1,5 18
Jumlah Ranking 38 40,5 92,5Untuk memperoleh hasil pada tabel 2, tahap pertama adalah menggabungkan seluruh
data.
50 80 8070 69 8565 50 9060 65 12070 65 15045 45 200
Kemudian mengurutkan nilai data dari yang paling kecil sampai yang paling besar.
Urutan Jumlah Jumlah Urutan Jumlah
1 45 7 65 13 80
2 45 8 65 14 85
3 50 9 69 15 90
4 50 10 70 16 120
5 60 11 70 17 150
6 65 12 80 18 200
Nilai dari 45 merupakan nilai yang paling kecil. Karena 45 terdapat 2 buah maka nilai
45 berada pada urutan ke-1 dan urutan ke-2 dan seterusnya.
Kemudian memberi rangking untuk setiap nilai. Sebagai contoh, nilai 45 terdapat 2
buah yakni pada urutan ke-1 dan urutan ke-2 sehingga rangking untuk nilai 45 adalah
1+22
=1,5
Nilai 65 terdapat tiga buah, yakni pada urutan ke-6,7, dan 8 sehingga rangking untuk
nilai 65 adalah
6+7+83
=7
Dan setrusnya sehingga table data untuk perhitungan uji statistic chi kuadrat seperti
berikut
BIMBINGAN BELAJAR
tahun ke Ranking A Ranking B Ranking C
1 3,5 12,5 12,5
2 10,5 9 14
3 7 3.5 15
4 5 7 16
5 10,5 7 17
6 1,5 1,5 18
jumlah ranking 38 40,5 . 92,5
Kemudian menentukan nilai uji statistik chi kuadrat..
X2= 12N (N+1) [ R1
2
n1
+R2
2
n2
+…+Rk
2
n3]−3(N+1)
⟺ X2= 1218(18+1) [ 382
6+ 40.52
6+ 92.5
6 ]−3 (18+1 )
⟺ X2=11,073
Sehingga nilai uji Statistik chi kuadrat adalah 11,073.
Tahap kedua : perumusan hipotesis
Uji Kruskal-Wallis merupakan uji nonparametrik yang digunakan untuk menguji tiga
atau lebih sampel independen apakah kelompok-kelompok sampel tersebut berasal dari
populasi yang sama atau dengan kata lain apakah rata-rata dari ketiga populasi tersebut
sama atau identik. Dalam kasus ini, jika kelompok-kelompok sampel berasal dari populasi
yang sama berarti kualitas ketiga bimbingan belajar tersebut adalah sama. Namun jika
terdapat satu atau lebih sampel berasal dari populasi yang berlainan berarti terjadi perbedaan
kualitas di antara ketiga bimbinga belajar tersebut. Perumusan hipotesisnya sebagai berikut.
Ho : μ1=μ2=μ3
H 1:terdapat satu atau lebih populasi yang memiliki nilai rata-rata yang berbeda atau
terdapat perbedaan kualitas diantara ketiga bimbingan belajar.
Tahap ketiga : menentukan nilai kritis berdasarkan tabel nilai kritis chi kuadrat
Misalkan nilai tingkat signifikansi adalah 5% atau 0,05. Distribusi chi kuadrat
hanya memiliki satu daerah penolakkan yang terletak di sebelah kanan sehingga uji
hipotesisnya satu arah.
Untuk menentukan nilai kritis, terlebih dahulu menentukan nilai derajat bebas.
Berikut rumus dari derajat bebas.
Sehingga derajat bebas= 3-1=2. Nilai kritis bedasarkan table nilai kritis chi khuadrat
dengan derajat bebas 2 dan tingkat signifikansi 5% adalah 5,991 sehingga nilai kritis adalah
5,991.
Tabel Chi Kuadrat
Tahap keempat : pengambilan keputusan
Tahap keempat adalah pengambilan keputusan. Berikut aturan dalam pengambilan
keputusan berdasarkan uji statistik chi kuadrat.
Jika X2 < nilai kritis, hipotesis nol diterima
Jika X2 > nilai kritis, hipotesis nol ditolak
Diketahui nilai statistik X2 adalah 11,073 dan nilai kritis adalah 5,991. Karena
nilai statistik lebih besar dari nilai kritis, maka Ho ditolak dan H1 diterima. Ini berarti
bahwa pernyataan terdapat satu atau lebih populasi yang memiliki nilai rata-rata yang
berbeda atau terdapat perbedaan kualitas di antara ketiga bimbingan belajar dapat
dibenarkan pada tingkat signifikansi 5%. Secara kasat mata, bimbingan belajar C
mempunyai tingkat kelulusan besar dibandingkan bimbingan belajar yang lain
sehingga terjadi perbedaan nilai rata-rata.
Penyelesaian dengan SPSS
Bangun Tabel SPSS dari contoh ini yaitu
Bentuk SPSS di atas merupakan bentuk SPSS dari Bentuk Variabel View,
Selanjutnya Bentuk Data View
Kemudian klik menu Analyze => Nonparametric Test => K Indpendent Samples
sehingga muncul kotak dialog Test for Several Indepndent Samples seperti berikut
Pada kotak Test Variables List, masukkan variabel jumlah_kelulusan. Kemudian pada
kotak Grouping Variable, klik Define Range. Nilai Minimum : diisi dengan 1 dan nilai
Maximum diisi dengan 3 kemudian klik Continue. pada Test Type, pilih Kruskal-Wallis
H. Kemudian klik OK. Sehingga hasil nya sebagai berikut.
Hasil Outputnya yaitu
Ranks
Bimbel N Mean Rank
Jumlah_Kelulusan
Bimbel A 6 6.33
Bimbel B 6 6.75
Bimbel C 6 15.42
Total 18
Pada tabel Ranks, kolom Mean Rank memberikan informasi bahwa Mean Rank
atau rata-rata ranking dari bimbingan belajar : adalah 6,33. Nilai tersebut
merupakan hasil bagi antara jumlah ranking pada bimbingan belajar :, yakni 38 dengan banyaknya elemen yakni, 6 dan seterusnya.
Test Statisticsa,b
Jumlah_Kelulus
an
Chi-Square 11.165
df 2
Asymp. Sig. .004
a. Kruskal Wallis Test
b. Grouping Variable: Bimbel
Pada tabel Test Statistics memberikan informasi bahwa nilai uji statistik chi kuadrat adalah
11,165. Karena nilai uji statistik chi-kuadrat, yakni 11,165 lebih besar dari nilai kritis,
yakni 5,991, maka 01 ditolak dan 0 diterima.
Selain itu, pada tabel Test Statistics juga memberikan nilai probabilitas kumulatif atau
Asymp. Sig. Yakni 0,004.
Jika nilai Probabilitas kumulatif > nilai tingkat signifikansi, Ho Diterima.
Jika Nilai Probabilitas kumulatif < nilai tingkt signifikansi, Ho Ditolak.
Karena nilai Probabilitas kkumulatif yakni 0,004 lebih kecil dari nilai ingkat
signifikansi, yakni 0,05 maka hipotesis nol ditolak.