Kalkulator Uji Kruskal-Wallis
Lakukan uji H Kruskal-Wallis untuk membandingkan beberapa kelompok independen. Dapatkan perhitungan langkah demi langkah, analisis peringkat, ukuran efek, dan visualisasi interaktif untuk analisis statistik non-parametrik.
Pemblokir iklan Anda mencegah kami menampilkan iklan
MiniWebtool tetap gratis karena iklan. Jika alat ini membantu Anda, dukung kami dengan upgrade untuk penjelajahan tanpa iklan dan penggunaan harian lebih banyak, atau izinkan MiniWebtool.com lalu muat ulang.
- Izinkan iklan untuk MiniWebtool.com, lalu muat ulang
- Atau upgrade untuk tanpa iklan dan batas harian lebih tinggi
Tentang Kalkulator Uji Kruskal-Wallis
Selamat datang di Kalkulator Uji Kruskal-Wallis, alat statistik komprehensif untuk membandingkan beberapa kelompok independen menggunakan uji Kruskal-Wallis H non-parametrik. Kalkulator ini menyediakan perhitungan langkah demi langkah, analisis peringkat, pengukuran ukuran efek, dan visualisasi interaktif untuk membantu Anda memahami dan menginterpretasikan data Anda.
Apa itu Uji Kruskal-Wallis?
Uji Kruskal-Wallis H (juga disebut analisis varians satu arah Kruskal-Wallis) adalah uji nonparametrik berbasis peringkat yang digunakan untuk menentukan apakah ada perbedaan statistik yang signifikan antara dua atau lebih kelompok variabel independen pada variabel dependen kontinu atau ordinal. Ini adalah padanan nonparametrik dari ANOVA satu arah.
Dinamakan setelah William Kruskal dan W. Allen Wallis yang mengembangkannya pada tahun 1952, uji ini memperluas uji Mann-Whitney U untuk lebih dari dua kelompok. Berbeda dengan ANOVA, uji Kruskal-Wallis tidak mengasumsikan distribusi normal pada data.
Rumus Statistik Kruskal-Wallis H
Keterangan:
- N = Total jumlah observasi di semua kelompok
- k = Jumlah kelompok
- nᵢ = Jumlah observasi dalam kelompok i
- Rᵢ = Jumlah peringkat dalam kelompok i
Kapan Menggunakan Uji Kruskal-Wallis
Gunakan Kruskal-Wallis Alih-alih ANOVA Satu Arah Ketika:
- Data tidak normal: Data Anda tidak memenuhi asumsi normalitas yang disyaratkan oleh ANOVA
- Data ordinal: Anda memiliki data ordinal (peringkat) alih-alih data kontinu
- Sampel kecil: Ukuran sampel terlalu kecil untuk memverifikasi normalitas
- Terdapat outlier: Data Anda memiliki outlier yang dapat mengaburkan hasil ANOVA
- Varians tidak sama: Varians antar kelompok tidak sama (heteroskedastisitas)
Asumsi Uji Kruskal-Wallis
- Variabel dependen harus diukur pada tingkat ordinal atau kontinu
- Variabel independen harus terdiri dari dua atau lebih kelompok kategori yang independen
- Independensi observasi - tidak ada hubungan antara observasi di setiap kelompok atau antar kelompok itu sendiri
- Bentuk distribusi yang serupa di seluruh kelompok (tidak harus normal, tetapi serupa)
Cara Menggunakan Kalkulator Ini
- Masukkan data Anda: Masukkan data untuk setiap kelompok pada baris terpisah. Nilai dalam setiap baris dapat dipisahkan oleh koma, spasi, atau tab.
- Atur tingkat signifikansi: Pilih nilai alpha Anda (0,01, 0,05, atau 0,10) berdasarkan persyaratan pengujian Anda.
- Atur presisi: Pilih jumlah tempat desimal untuk hasil Anda.
- Hitung: Klik tombol Hitung untuk melakukan analisis.
- Interpretasi hasil: Tinjau statistik H, p-value, ukuran efek, dan visualisasi untuk menarik kesimpulan.
Menginterpretasikan Hasil
Signifikansi Statistik
- Jika p-value ≤ alpha: Tolak hipotesis nol. Ada perbedaan statistik yang signifikan antara setidaknya satu pasang kelompok.
- Jika p-value > alpha: Gagal menolak hipotesis nol. Tidak ada bukti yang cukup tentang perbedaan antar kelompok.
Ukuran Efek (Epsilon-Squared)
Ukuran efek mengukur signifikansi praktis dari temuan Anda:
| Epsilon-Squared | Ukuran Efek | Interpretasi |
|---|---|---|
| < 0,01 | Diabaikan | Efek praktis sangat kecil atau tidak ada |
| 0,01 - 0,06 | Kecil | Signifikansi praktis kecil |
| 0,06 - 0,14 | Menengah | Signifikansi praktis moderat |
| > 0,14 | Besar | Signifikansi praktis besar |
Uji Post-Hoc
Ketika uji Kruskal-Wallis signifikan, Anda memerlukan uji post-hoc untuk menentukan kelompok mana yang berbeda secara spesifik. Pilihan umum meliputi:
- Uji Dunn: Uji post-hoc paling populer untuk Kruskal-Wallis
- Uji Mann-Whitney U berpasangan: Dengan koreksi Bonferroni atau koreksi lainnya untuk perbandingan berganda
- Uji Conover-Iman: Berdasarkan distribusi-t dari peringkat
- Uji Nemenyi: Padanan non-parametrik dari Tukey's HSD
Perbandingan Kruskal-Wallis vs ANOVA
| Fitur | Kruskal-Wallis | ANOVA Satu Arah |
|---|---|---|
| Jenis Data | Ordinal atau kontinu | Hanya kontinu |
| Normalitas | Tidak diperlukan | Diperlukan |
| Kesamaan Varians | Tidak diperlukan | Diperlukan (dapat menggunakan Welch's ANOVA jika dilanggar) |
| Kekuatan Statistik | Lebih rendah (menggunakan peringkat) | Lebih tinggi (menggunakan nilai aktual) |
| Sensitivitas Outlier | Kurang sensitif | Lebih sensitif |
| Ukuran Sampel | Bekerja dengan sampel kecil | Membutuhkan sampel lebih besar untuk normalitas |
Pertanyaan yang Sering Diajukan
Apa itu Uji Kruskal-Wallis?
Uji Kruskal-Wallis adalah uji nonparametrik berbasis peringkat yang digunakan untuk menentukan apakah ada perbedaan statistik yang signifikan antara dua atau lebih kelompok variabel independen pada variabel dependen kontinu atau ordinal. Ini adalah padanan nonparametrik dari ANOVA satu arah dan perluasan dari uji Mann-Whitney U untuk lebih dari dua kelompok.
Kapan saya harus menggunakan uji Kruskal-Wallis alih-alih ANOVA?
Gunakan uji Kruskal-Wallis ketika: (1) Data Anda tidak memenuhi asumsi normalitas yang disyaratkan oleh ANOVA, (2) Anda memiliki data ordinal alih-alih data kontinu, (3) Ukuran sampel Anda kecil dan Anda tidak dapat memverifikasi normalitas, (4) Data Anda memiliki outlier yang dapat mengaburkan hasil ANOVA, atau (5) Varians antar kelompok tidak sama (heteroskedastisitas).
Bagaimana cara menginterpretasikan p-value Kruskal-Wallis?
Jika p-value lebih kecil atau sama dengan tingkat signifikansi yang Anda pilih (biasanya 0,05), Anda menolak hipotesis nol dan menyimpulkan ada perbedaan statistik yang signifikan antara setidaknya satu pasang kelompok. Jika p-value > alpha, Anda gagal menolak hipotesis nol, yang berarti tidak ada bukti yang cukup tentang perbedaan antar kelompok.
Apa itu ukuran efek dalam uji Kruskal-Wallis?
Epsilon-squared digunakan sebagai ukuran ukuran efek untuk uji Kruskal-Wallis. Nilainya berkisar dari 0 hingga 1 dan menunjukkan signifikansi praktis: nilai kurang dari 0,01 diabaikan, 0,01-0,06 kecil, 0,06-0,14 menengah, dan nilai di atas 0,14 menunjukkan efek besar. Ukuran efek melengkapi signifikansi statistik dengan menunjukkan besarnya perbedaan.
Berapa ukuran sampel minimum untuk uji Kruskal-Wallis?
Setiap kelompok idealnya memiliki setidaknya 5 observasi untuk hasil yang andal, meskipun secara teknis uji ini memerlukan setidaknya 2 observasi per kelompok. Untuk sampel yang sangat kecil, perkiraan chi-square yang digunakan untuk menghitung p-value mungkin tidak akurat, dan uji permutasi eksak harus dipertimbangkan.
Uji post-hoc apa yang mengikuti hasil Kruskal-Wallis yang signifikan?
Ketika uji Kruskal-Wallis signifikan, uji post-hoc mengidentifikasi kelompok mana yang berbeda secara spesifik. Pilihan umum meliputi: uji Dunn (paling populer), uji Mann-Whitney U berpasangan dengan koreksi Bonferroni, uji Conover-Iman, atau uji Nemenyi. Uji ini mengontrol kesalahan Tipe I saat melakukan perbandingan berganda.
Sumber Daya Tambahan
Kutip konten, halaman, atau alat ini sebagai:
"Kalkulator Uji Kruskal-Wallis" di https://MiniWebtool.com/id/kalkulator-uji-kruskal-wallis/ dari MiniWebtool, https://MiniWebtool.com/
oleh tim miniwebtool. Diperbarui: 27 Jan 2026
Anda juga dapat mencoba Penyelesai Matematika AI GPT kami untuk menyelesaikan masalah matematika Anda melalui pertanyaan dan jawaban dalam bahasa alami.
Statistik dan analisis data:
- Kalkulator Ukuran Sampel Tes A/B Baru
- Kalkulator Signifikansi Uji A/B Baru
- Kalkulator ANOVA
- Kalkulator Rata-rata Aritmatika
- Kalkulator Rata-Rata - Presisi Tinggi
- Kalkulator Deviasi Rata-rata
- 📊 Pembuat Grafik Batang Baru
- Kalkulator Teorema Bayes Baru
- Kalkulator Distribusi Beta Baru
- Pembuat Diagram Kotak dan Garis
- Kalkulator Uji Chi-Square
- Kalkulator Koefisien Variasi
- Kalkulator Cohen's d
- Kalkulator Tingkat Pertumbuhan Majemuk
- Kalkulator Interval Keyakinan
- Kalkulator Interval Kepercayaan untuk Proporsi
- Kalkulator Tabel Kontingensi Baru
- Kalkulator Tingkat Konversi Baru
- Kalkulator Koefisien Korelasi
- Kalkulator Ukuran Efek Baru
- Kalkulator Distribusi Eksponensial Baru
- Kalkulator Uji F dan Distribusi F Baru
- Kalkulator Uji Pasti Fisher Baru
- Kalkulator Ringkasan Lima Angka Baru
- Kalkulator Distribusi Geometrik Populer
- Kalkulator Rata-Rata Geometris
- Kalkulator Koefisien Gini
- Kalkulator Harmonic Mean
- Pembuat Histogram
- Kalkulator Distribusi Hipergeometrik Baru
- Kalkulator Jangkauan Interkuartil
- Kalkulator Uji Kruskal-Wallis
- 📈 Pembuat Grafik Garis Baru
- Kalkulator Regresi Linier
- Kalkulator Pertumbuhan Logaritmik
- Kalkulator Uji Mann-Whitney U
- Kalkulator Deviasi Absolut Rata-rata (MAD)
- Kalkulator Rata-rata
- Kalkulator Mean, Median dan Modus
- Kalkulator Deviasi Absolut Median
- Kalkulator Median
- Kalkulator Midrange
- Kalkulator Modus
- Kalkulator Distribusi Normal Baru
- Kalkulator Odds Ratio Baru
- Kalkulator Outlier
- Kalkulator Nilai P Baru
- Pembuat Diagram Pareto Baru
- Kalkulator Persentil Baru
- 🥧 Pembuat Diagram Lingkaran Populer
- Kalkulator Deviasi Standar Populasi-Presisi Tinggi
- Kalkulator Kuartil
- Kalkulator Simpangan Kuartil
- Kalkulator Jangkauan
- Kalkulator Deviasi Standar Relatif Populer
- Kalkulator RMS
- Kalkulator Rata-rata Sampel
- Kalkulator Ukuran Sampel
- Kalkulator Simpangan Baku Sampel
- Pembuat Diagram Sebaran
- Kalkulator Kapabilitas Proses Six Sigma Baru
- Kalkulator Korelasi Peringkat Spearman Baru
- Kalkulator Standar Deviasi - Presisi Tinggi
- Kalkulator Kesalahan Standar
- Kalkulator Statistik
- Kalkulator Uji t
- Kalkulator Varians Presisi Tinggi
- Kalkulator Distribusi Weibull Baru
- Kalkulator Z-Score