Cara Uji Kruskal Wallis dengan SPSS serta Membaca Output

-

Cara Uji Kruskal Wallis dengan SPSS

Pengertian Uji Kruskal Wallis

Uji Kruskal Wallis adalah uji pada statistik non parametrik yang digunakan untuk melihat perbedaan antara tiga sampel atau lebih. Sampel yang digunakan untuk uji kruskal wallis merupakan sampel yang independen, artinya antara satu sampel dengan sampel yang lain tidak saling berhubungan. 

Uji Kruskal wallis diperkenalkan oleh Willian H.Kruskal dan W.Allen Wallis pada tahun 1952. Uji ini merupakan pengembangan dari uji Mann Whitney. 

Uji kruskal wallis merupakan bagian dari statistik nonparametrik sehingga asumsi data berdistribusi normal tidak diperlukan. Oleh karena itu, sebelum memilih menggunakan uji kruskal wallis maka perlu melakukan uji normalitas terlebih dahulu, Apabila data penelitian berdistribusi normal maka menggunakan uji anova. 

Kapan Uji Kruskal Wallis Digunakan?

Uji Kruskal wallis merupakan pilihan alternatif dari uji anova ketika terdapat data penelitian yang tidak berdistribusi normal. Uji Kruskal wallis digunakan ketika memenuhi kriteria sebagai berikut:

  1. Data penelitian menggunakan skala pengukuran ordinal, interval, atau rasio.
  2. Asumsi data berdistribusi normal tidak terpenuhi.
  3. Terdapat lebih dari dua sampel yang tidak saling berhubungan atau berpasangan.

Contoh Uji Kruskal Wallis

Sebuah perusahaan mengeluarkan produk baru dengan tiga varian. Sebelum diluncurkan secara massal, perusahaan mengadakan preferensi terhadap produk tersebut. Beberapa orang diambil secara acak untuk mencoba  produk tersebut dan diminta memberikan ranting. Perusahaan ingin mengukur apakah terdapat perbedaan yang signifikan dari ketiga produk tersebut. Berikut ini data rating produk:

Data rating produk

Data diatas terdapat 60 responden dengan tiga kategori produk, yaitu produk A,B, dan C. Kode rating nya 1 = sangat jelek, 2 = jelek, 3 = cukup, 4 = baik, 5 = sangat baik.

Langkah – Langkah Uji Kruskal Wallis dengan SPSS

Berikut ini langkah-langkah uji kruskal wallis menggunakan SPSS:

1. Buka software SPSS, lalu input data untuk kasus penelitian diatas, sehingga tampilan data view dan variable view SPSS seperti berikut:

Tampilan data view SPSS
Tampilan data view SPSS
Tampilan Variable view SPSS
Tampilan Variable view SPSS
Memberi Kode produk
Memberi Kode Variabel Produk

Memberi kode rating
Memberi Kode Variabel Rating 

2. Setelah sudah input data, klik Analyze, lalu Non-parametric Test, lalu Legacy Dialog, lalu pilih K Independent Samples pada menu.

Langkah-langkah uji kruskal wallis dengan SPSS

3. Setelah langkah tersebut, maka muncul kotak dialog Test for Several Independent Samples. Masukkan variabel produk pada kotak Test Variable List, masukkan variabel rating pada kotak Grouping Variable dan pilih uji Kruskal-Wallis H pada Test Type. 

kotak dialog Test for Several Independent Samples

4. Klik Define Range dan masukkan rentang nilai variabel rating pada kotak Minimum dan Maximum. Ketik 1 pada Minimum dan 5 pada Maximum.

Masukkan nilai pada Define Range

Catatan: karena pada kasus ini terdapat lima rentang nilai untuk variabel Rating, maka 1 untuk minimum dan 5 untuk maximum.

5. Klik Continue sehingga kembali ke kotak dialog Test for Several Independent Samples. 

6. Klik OK, sehingga output SPSS viewer menampilkan hasil sebagai berikut:

Interpretasi Output SPSS Uji Kruskal Wallis

Output Ranks

Output tabel Ranks memaparkan jumlah pengamatan (N) dan nilai Mean Ranks berdasarkan ratingnya. Contoh cara membacanya, untuk Rating sangat jelek terdapat 3 responden dengan nilai Mean Ranks 24,33. Dan seterusnya sampai rating Sangat Baik.

Output Tabel test statistics

Output Tabel Test Statistics merupakan tabel yang akan digunakan untuk menjawab hipotesis penelitian. Berikut ini hipotesis untuk kasus diatas:

H0 = tidak ada perbedaan rating yang signifikan diantara ketiga produk.
H1 = ada perbedaan rating yang signifikan diantara ketiga produk.

Setelah Anda mengetahui hipotesisnya, Anda perlu mengetahui pedoman pengambilan keputusan uji Kruskal Wallis. Berikut ini pedoman pengambilan keputusan uji Kruskal Wallis:

Apabila nilai Asymp. Sig. > 0,05 maka H0 diterima
Apabila nilai Asymp. Sig. < 0,05 maka H0 ditolak

Pada tabel test statistics diperoleh nilai Asymp Sig  0,808 > 0,05 maka H0 diterima, jadi tidak ada perbedaan rating yang signifikan diantara ketiga produk. Atau dengan kata ketiga produk tersebut mempunyai rating yang sama.

Anda juga dapat menyimak pembahasan Cara Uji Kruskal Wallis dengan SPSS dalam bentuk penjelasan video berikut ini. 


Demikian artikel tentang Cara Uji Kruskal Wallis dengan SPSS, semoga artikel ini bermanfaat dan mudah dipahami ya. Apabila ada pertanyaan silahkan tulis dikolom komentar ya. Terima kasih telah mengunjunggi blog faqirilmu.com.


Referensi:

Trihendradi, C., 2013. Step by Step IBM SPSS 21: Analisis Data Statistik. Yogyakarta: Penerbit Andi.


Komentar

Posting Komentar

Postingan populer dari blog ini

Cara Membaca nilai R Tabel dan Download R Tabel (Tabel R)

-
Gambar
Pengertian R Tabel Apa yang dimaksud R Tabel? R tabel merupakan sebuah tabel angka yang biasa dipakai untuk melakukan uji validitas suatu instrumen penelitian.  Fungsi R Tabel Berdasarkan definisi di atas, maka dapat diambil kesimpulan bahwa r tabel ini mempunyai fungsi untuk melakukan suatu pengujian terhadap instrumen penelitian agar mengetahui apakah instumen penelitian tersebut valid atau tidak.  Dibawah ini merupakan R tabel. Gambar Tabel R ( R Tabel) Mau mendownload R tabel? Silahkan melalui link dibawah ini.  DOWNLOAD R Tabel Cara Membaca Nilai r Tabel dalam Uji Validitas Pearson Ada beberapa cara dalam mengambil keputusan uji validitas. Cara yang pertama dengan menggunakan r tabel dan cara kedua dengan menggunakan nilai signifikansi . Berikut ini pedoman pengambilan keputusan uji validitas SPSS: Membandingkan Nilai r Hitung dengan Nilai r Tabel Jika nilai r hitung > r tabel, maka item pertanyaan kuesioner valid Jika nilai r hitung < r tabel, maka item pertanyaan kuesione
Read more »

Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS

-
Gambar
Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS      Measure merupakan salah satu kolom yang berada di variable view IBM SPSS. Kolom measure harus ditetapkan terlebih dahulu sebelum melakukan analisis data lebih lanjut. Terdapat 3 tipe variabel pada kolom measure SPSS yaitu scale, nominal dan ordinal . Ketiga variabel tersebut memberikan jenis nilai serta informasi analisis yang berbeda. Berikut ini pengertian dan perbedaan scale, nominal dan ordinal pada SPSS.      Penentuan measure merupakan hal dasar yang sangat penting untuk diketahui saat bekerja menggunakan SPSS. Misalnya kita tidak boleh membuat variabel nominal untuk melakukan perhitungan nilai rata-rata dan standar deviasi.  Pilihan untuk mengubah tipe variabel suatu variabel terdapat pada lembar kerja Variabel View SPSS. Gambar dibawah ini merupakan ilustrasinya. A.  Variabel Nominal pada SPSS      Variabel nominal merupakan tipe variabel yang digunakan hanya sebatas memberi label pembeda pada suatu data. Variabel
Read more »

Analisis Crosstab dengan SPSS [Uji Chi-Square dan Correlation]

-
Gambar
Cara Analisis Crosstab Menggunakan SPSS  Pada artikel ini, Kita akan belajar analisis crosstabs menggunakan SPSS. Silahkan baca artikel ini sampai selesai ya, agar paham apa itu analisis crosstabs. Pada SPSS, analisis crosstab merupakan bagian dari statistik deskriptif . Lalu apa kegunaan analisis crosstabs? Analisis crosstab merupakan alat analisis untuk mendeskripsikan data dalam bentuk kolom dan baris. Selain itu digunakan untuk memeriksa hubungan antar variabel kategori (nominal atau ordinal). Analisis crosstab ini dibagi menjadi 2 bagian: Analisis Crosstab – Chi Square Analisis Crosstab – Correlations Lalu apa perbedaannya? Ok, kita langsung ke yang pertama, analisis Crosstab – Chi Square A. Analisis Crosstab Chi-Square Analisis Crosstab Chi-Square ini merupakan teknik analisis untuk melihat hubungan antar variabel data nominal. Syarat uji chi-squre ini variabel yang akan kita uji harus data nominal. Langsung aja ke contoh kasus, Suatu perusahaan mengamati apakah pelayanan karya
Read more »

Pengertian Data View dan Variabel View SPSS serta Fungsinya

-
Gambar
Pengertian Data View dan Variabel View serta Penggunaanya pada SPSS      IBM SPSS mempunyai dua lingkungan kerja yaitu data view dan variabel view. Untuk pembahasan yang pertama kita ke Data View dulu, setelah itu baru ke Variabel View. A.  Data View      Data View merupakan tampilan lembar kerja SPSS sebagai tempat kita memasukkan data hasil pengamatan. Data View pada SPSS menampilkan setiap baris sebagai suatu kasus (case) dan setiap kolom merepresentasikan suatu variabel. Berikut ini penjelasan mengenai variabel dan kasus yang terdapat pada data view. 1.  Kasus (case)      Kasus (case) pada SPSS merepresentasikan suatu hasil pengamatan terhadap suatu objek, dapat berupa pengamatan berdasarkan observasi atau eksperimen. Banyaknya kasus pada Data View dapat dilihat pada bagian baris, sedangkan untuk banyaknya variabel dapat dilihat pada bagian kolom. 2.  Variabel      Variabel merupakan suatu karakteristik yang akan diteliti atau apa yang akan menjadi titik perhatian suatu penelit
Read more »

Cara Analisis Regresi Linear Berganda dengan SPSS

-
Gambar
Analisis Regresi Linear Berganda dengan SPSS Pengertian Analisis Regresi Linear Berganda Analisis regresi linear berganda adalah analisis yang digunakan untuk mengetahui pengaruh dua atau lebih variabel independen terhadap variabel dependen . Selain itu analisis regresi linear berganda juga digunakan untuk meramalkan suatu variabel dependen berdasarkan beberapa variabel independen. Regresi linear berganda disebut juga dengan regresi berganda . Pada regresi linear, variabel independen disimbolkan dengan X dan variabel dependen disimbolkan dengan Y.  Perbedaan regresi linear berganda dengan regresi linear sederhana  Apakah Anda tahu perbedaan regresi linear berganda dengan regresi linear sederhana ?  Perbedaan regresi linear berganda dengan regresi linear sederhana terletak pada jumlah variabel independen. Apabila pada regresi linear sederhana hanya terdapat satu variabel independen , sedangkan pada regresi linear berganda terdapat dua atau lebih variabel independen yang mempengaruhi
Read more »