Uji Kruskal Wallis H dengan SPSS Versi 26

Uji Kruskal Wallis adalah uji statistik yang dipergunakan untuk menguji banyak sampel (K sampel) yang tidak saling berkorelasi atau berhubungan pada statistik non parametrik. Uji ini sudah tersedia menunya di SPSS sehingga memudahkan pengguna untuk mengaplikasikan metode tersebut. Lantas seperti apa sebenarnya Uji Kruskal Wallis tersebut? Mari kita bahas bersama.

Daftar Isi

1. Uji Beda K Sampel Tidak Berkorelasi
2. Apa Itu Statistik Non Parametrik
3. Jenis-jenis Uji Beda K Sampel Tidak Berkorelasi
4. Uji Kruskal Wallis
5. Simulasi Uji Kruskal Wallis

Uji Beda K Sampel Tidak Berkorelasi

Peneliti sering kali menemui kasus di mana harus mencari perbedaan di antara banyak sampel (lebih dari 2). Dalam kasus 2 sampel atau 2 grup, akan lebih mudah diidentifikasi apakah terdapat perbedaan atau tidak. Tetapi ketika berhadapan dengan 3 atau lebih (K sampel) maka diperlukan metode lain yang mampu untuk menjawab pertanyaan itu. Kasus itu akan lebih rumit, jika di antara banyak sampel tersebut tidak berkorelasi atau tidak berhubungan. Akan tetapi banyak metode telah dirancang oleh para ahli untuk menangani kasus tersebut. Artikel tentang Uji Beda K Sampel tidak berkorelasi selengkapnya silahkan simak di sini.

Apa itu Statistik Non Parametrik

Secara garis besar, maka statistik dikategorikan menjadi dua kelompok besar yaitu parametrik dan non parametrik. Tidak ada yang dinyatakan lebih baik atau lebih unggu dibandingkan kedua kategori tersebut. Parametrik akan dikenakan pada data yang memenuhi beberapa prasyarat, misalnya normal atau homogen. Lebih rinci tentang statistik parametrik silahkan visit ke sini.

Akan tetapi ternyata banyak sekali kasus di mana asumsi untuk paramtrik tidak dapat dipenuhi oleh suatu distribusi data sehingga harus menggunakan statistik non parametrik. Non parametrik juga mempunyai banyak keunggulan karena dapat dikenakan pada jumlah sampel yang kecil dan juga tidak mempunyai banyak syarat dan bahkan bisa dikenakan pada berbagai bentuk data. Artikel tentang statistik non parametrik secara rinci ada di sini.  

Jenis-jenis Uji Beda K Sampel Tidak Berkorelasi Non Parametrik

Ada banyak metode untuk mencari perbedaan antara banyak sampel yang tidak berkorelasi dengan statistik non parametrik. Ada perluasan median test, ada uji Kruskal Wallis (KW) dan ada juga Uji Jonckheere-Terspat. Semunya mempunyai keunggulan tersendiri dan dalam artikel ini kita akan membahas tentang Uji Kruskal Wallis. Untuk uji beda k sampel tidak berkorelasi yang lain silahkan klik di sini.

Uji Kruskal Wallis

Krukal Wallis sebenarnya adalah nama dari dua orang ahli yaitu William Henry Kruskal dan W. Allen Wallis. William Henry Kruskal lahir di New York pada 10 Oktober 1919 dan meninggal pada 21 April 2005. Beliau berdarah Yahudi dan ahli matematika serta statistik yang mempunyai banyak sekali karya yang ditinggalkan.

William Allen Wallis lahir di Philadelphia pada 5 November 1912 dan wafat pada 12 Oktober 1998. Beliau adalah ahli ekonomi dan statistik yang pernah menjadi penasehat 4 presiden Amerika Serikat yaitu Dwight Eisenhower, Richard Nixon, Gerald Ford, and Ronald Reagan. Suatu prestasi yang jarang dimiliki oleh orang lain.

Kedunya bekerja sama dan merancang suatu metode statistik yang sering disebut dengan Kruskal Wallis, 

Persamaan Kruskal Wallis

Dengan

KW = adalah tetapan Kruskal Wallis

k     =  jumlah sampel atau grup

nj    = jumlah kasus dalam sampel

N    = jumlah kasus dalam sampel gabungan (jumlah semua nj)

Rj    = rata-rata rangking dalam sampel atau grup

R    = (N +1)/2 = rata-rata ranking dalam sampel gabungan (grand mean)

Kita dapat menghitung secara manual tetapi kita juga bisa menggunakan alat bantu berupa software SPSS Versi 26 seperti di bawah.

Simulasi Uji Kruskal Wallis dengan SPSS Versi 26

Untuk melakukan simulasi Kruskal Wallis dengan SPSS Versi 26 silahkan download data dalam SPSS di Google Drive berikut. Pastikan akun Gmail Anda aktif agar dapat mendownload file dalam SPSS Versi 26 tersebut. Data adalah fiktif saja, yaitu respon terhadap 3 kelompok wisatawan tentang penerapan protokol kesehatan wisata di Pulau Bali pada New Normal. Ketiga kelompok tersebut adalah wisatawan dari Indonesia (Jakarta), Malaysia (Kualalumpur) dan Thailand (Bangkok). Sekali lagi, ini adalah data fiktif bukan data sebenarnya.

Peneliti ingin melihat apakah terdapat perbedaan respon wisatawan dari ketiga negara tersebut. Diharapkan tidak terdapat perbedaan yang berarti protokol kesehatan yang diterapkan telah sesuai dengan konsep wisata pada New Normal akibat pandemi Covid-19. 

Menu Uji Beda K Sampel Tidak Berkorelasi Non Paramtrik pada SPSS Versi 26

Pilih Analyze, pilih Nonparametric Tests, pilih Legacy Dialogs dan klik pada K Independent Samples seperti pada gambar di atas. Maka kita akan masuk ke sub menu sebagai berikut:

Memasukkan Variabel atau Data

Masukkan Variabel Respon ke dalam Test Variabel List. Sedangkan kategori masuk ke Grouping Variable. Berikan tanda centang pad Kruskal-Wallis H pada Test Type seperti pada gambar di atas. Setelah itu kita harus mendefinisikan kategori dengan mengklik pada Define Range seperti pada gambar di atas.

Memberikan kategori pada Grup

Masukkan 1 pada minimum dan 3 pada maksimum. Setelah itu klik Continue lalu Klik OK sehingga akan keluar output sebagai berikut:

Output Rank pada Uji Kruskal Wallis

Output Rank di atas adalah rata-rata ranking yang disusun secara otomatis oleh program. Kita juga dapat melakukan secara manual jika memungkinkan atau jumlah sampel relatif kecil. Sebanyak 20 responden dari Kualalumpur mempunyai rata-rata ranking sebesar 40,65. Dari Jakarta sebanyak 28 responden dengan rata-rata rangking 35,66 dan ada 23 responden dari Bangkok dengan rata-rata ranking 32,37. 

Untuk memberikan justifikasi apakah terdapat perbedaan atau tidak, kita hitung nilai KW atau jika dengan SPSS memberikan hasil sebagai berikut:

Output Uji Kruskal Wallis H dengan SPSS Versi 26

Tampak bahwa nilai KW adalah sebesar 1,780. Kita dapat mengkonsultasikan nilai ini dengan nilai KW pada tabel untuk sampel besar. Jika menggunakan SPSS Versi 26 maka kita bisa melihat nilai signifikansi yaitu sebesar 0,411 > 0,05 yang berarti tidak terdapat perbedaan yang signifikan di antara respon pada ketiga kelompok penelitian. Hasil ini menunjukkan bahwa protokol kesehatan yang diterapkan di Pulau Bali pada new normal telah sesuai dengan harapan dari wisatawan dari 3 negara yang menjadi subjek dalam penelitian ini.

Share: