Uji Kruskal-Wallis: Pengertian & Cara Menghitung Manual

Kalau kamu ingin membandingkan tiga kelompok independen atau lebih — misalnya efektivitas tiga metode mengajar berbeda — tapi datanya gagal uji normalitas, One Way ANOVA bukan pilihan yang tepat lagi. Di sinilah Uji Kruskal-Wallis dipakai.

Kalau kelompokmu cuma ada dua, yang kamu butuhkan adalah Mann-Whitney U Test, bukan Kruskal-Wallis.

Apa Itu Uji Kruskal-Wallis

Uji Kruskal-Wallis adalah uji non-parametrik untuk membandingkan tiga kelompok independen atau lebih, dipakai sebagai alternatif One Way ANOVA saat data tidak berdistribusi normal. Bisa dibilang, hubungan Kruskal-Wallis dengan Mann-Whitney U sama seperti hubungan One Way ANOVA dengan Independent T-Test — perluasan dari dua kelompok menjadi k kelompok.

Uji ini menghasilkan statistik H, yang dibandingkan dengan distribusi Chi-Square dengan derajat bebas (df) = jumlah kelompok − 1.

Malas hitung manual? Pakai Kalkulator Kruskal-Wallis kami — tinggal masukkan data tiap kelompok, hasil H, p-value, dan interpretasi langsung keluar.

Cara Menghitung Kruskal-Wallis Secara Manual

Misalnya kita membandingkan nilai ujian dari tiga metode mengajar berbeda, masing-masing 4 siswa.

• Metode A: 55, 60, 58, 62
• Metode B: 68, 70, 72, 75
• Metode C: 78, 80, 85, 90

Langkah 1: Urutkan semua data gabungan dan beri rank.

Ketiga belas kelompok data ini kebetulan semuanya berbeda nilai (tidak ada ties), sehingga rank 1 sampai 12 diberikan langsung sesuai urutan:

Langkah 2: Jumlahkan rank tiap grup.

• R(A) = 1+2+3+4 = 10
• R(B) = 5+6+7+8 = 26
• R(C) = 9+10+11+12 = 42

Langkah 3: Hitung statistik H.

N = 12 (total observasi), rumus:

Σ(R²ᵢ/nᵢ) = 10²/4 + 26²/4 + 42²/4 = (100 + 676 + 1764) / 4 = 635

Langkah 4: Bandingkan dengan Chi-Square.

Derajat bebas (df) = k − 1 = 3 − 1 = 2. Nilai kritis Chi-Square untuk df = 2, α = 0,05 adalah 5,99.

Karena H = 9,85 lebih besar dari nilai kritis 5,99 (p-value ≈ 0,0073), disimpulkan ada perbedaan signifikan di antara ketiga metode mengajar tersebut.

Cara Membaca Hasil Perhitungan

1. H — statistik Kruskal-Wallis, dibandingkan dengan distribusi Chi-Square (banyak software menampilkan nilai ini dengan label "Chi-Square" di tabelnya, meski ini hasil dari uji Kruskal-Wallis, bukan uji Chi-Square independensi).
2. df — derajat bebas, sejumlah kelompok dikurangi satu.
3. p-value — kalau < 0,05, ada perbedaan signifikan di antara kelompok-kelompok yang dibandingkan.
4. Mean Rank per kelompok (rata-rata rank = jumlah rank dibagi ukuran kelompok) — kelompok dengan Mean Rank tertinggi cenderung punya nilai yang secara sistematis lebih tinggi.

Kesalahan Umum Menggunakan Kruskal-Wallis

1. Berhenti setelah hasil signifikan tanpa uji post hoc. Signifikan hanya menunjukkan ada perbedaan, bukan menunjukkan pasangan kelompok mana yang berbeda — butuh uji lanjutan.
2. Memakai Kruskal-Wallis untuk dua kelompok saja. Kalau memang cuma dua kelompok, pakai Mann-Whitney U langsung — hasilnya akan setara, tapi Mann-Whitney memang dirancang untuk kasus itu.
3. Tidak mengecek normalitas dulu sebelum memilih uji ini. Kalau ternyata datamu normal, One Way ANOVA punya power statistik lebih besar — cek normalitas dulu sebelum melompat ke Kruskal-Wallis.
4. Salah menafsirkan nilai "Chi-Square" di output software statistik. Nilai itu adalah statistik H dari Kruskal-Wallis, bukan hasil dari uji Chi-Square yang berbeda (uji independensi antar variabel kategorik) — dua hal yang sering tertukar karena penamaan tabelnya sama di banyak software.

Jika kamu butuh bantuan menjalankan dan menginterpretasikan uji non-parametrik untuk penelitianmu, Restat menyediakan Jasa Olah Data SPSS selesai dalam 1–2 hari.