Uji Kruskal-Wallis: Alternatif One Way ANOVA di SPSS

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.

Langkah-Langkah Uji Kruskal-Wallis di SPSS

1. Susun Data

Buat dua kolom: satu untuk variabel grup (kode 1, 2, 3, dst. untuk tiap kelompok), satu untuk variabel numerik/ordinal yang dibandingkan.

2. Buka Menu Nonparametric Tests

Pada menu Analyze > Nonparametric Tests > Legacy Dialogs > K Independent Samples.

3. Masukkan Variabel

Masukkan variabel numerik ke kotak Test Variable List, variabel grup ke kotak Grouping Variable, lalu klik Define Range untuk menentukan kode kelompok minimum dan maksimum.

4. Pastikan Kruskal-Wallis H Terpilih

Di bagian Test Type, pastikan Kruskal-Wallis H sudah tercentang (default), lalu klik OK.

Contoh Perhitungan 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

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

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 Output SPSS

1. Chi-Square — nilai statistik H (SPSS menyebutnya "Chi-Square" di tabel Test Statistics, meski ini hasil dari uji Kruskal-Wallis).
2. df — derajat bebas, sejumlah kelompok dikurangi satu.
3. Asymp. Sig. — kalau < 0,05, ada perbedaan signifikan di antara kelompok-kelompok yang dibandingkan.
4. Mean Rank per 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 "Chi-Square" di output SPSS. 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.

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

Referensi

• Kruskal, W.H., & Wallis, W.A. (1952). "Use of Ranks in One-Criterion Variance Analysis." Journal of the American Statistical Association, 47(260), 583–621.