კრუსკალ უოლისის ტესტი სტატისტიკაში

კრუსკალ უოლისის ტესტი სტატისტიკაში

Uji Kruskal Wallis adalah salah satu metode statistik nonparametrik yang digunakan untuk membandingkan perbedaan antara tiga kelompok atau lebih. Dalam banyak penelitian, peneliti sering ingin mengetahui apakah beberapa kelompok memiliki nilai yang berbeda secara signifikan terhadap suatu variabel tertentu. Jika data memenuhi asumsi normalitas dan homogenitas varians, uji ANOVA ერთი arah (One-Way ANOVA) biasanya menjadi pilihan utama. Namun, ketika asumsi tersebut tidak terpenuhi—misalnya data berdistribusi tidak normal, terdapat outlier ekstrem, atau skala pengukuran bersifat ordinal—maka uji Kruskal Wallis menjadi alternatif yang kuat dan banyak digunakan.

განმარტება და ძირითადი ცნებები

Uji Kruskal Wallis (sering ditulis Kruskal–Wallis H test) adalah pengembangan dari uji Mann–Whitney U yang diperluas untuk lebih dari dua kelompok. ძირითადი პრინციპი adalah membandingkan “peringkat” (rank) data, bukan nilai asli data. Karena berbasis peringkat, uji ini tidak mensyaratkan ნორმალური განაწილება dan relatif lebih tahan terhadap pengaruh outlier.

ინტუიციურად, თუ რამდენიმე ჯგუფს ერთნაირი განაწილება აქვს, ჯგუფებს შორის მონაცემთა რანგები შემთხვევით აირევა. პირიქით, თუ ზოგიერთ ჯგუფს, როგორც წესი, უფრო მაღალი ან დაბალი მნიშვნელობები აქვს, რანგები დაჯგუფდება და უფრო დიდ სატესტო სტატისტიკას წარმოქმნის.

როდის გამოიყენება კრუსკალ უოლისის ტესტი?

კრუსკალ უოლისის ტესტი გამოიყენება, როდესაც:

1. Jumlah kelompok ≥ 3 , dan peneliti ingin membandingkan perbedaan lokasi pusat (umumnya median) antar kelompok.
2. Data tidak memenuhi asumsi ANOVA , terutama normalitas residual.
3. Skala data ordinal (misalnya skor kepuasan: sangat tidak puas hingga sangat puas) atau data interval/rasio yang tidak normal.
4. Sampel independen , artinya anggota pada satu kelompok tidak berpasangan atau tidak terkait dengan kelompok lain.

მაგალითი: მკვლევარს სურს, 1-5 ბალიანი ლიკერტის შკალის გამოყენებით, შეადაროს პაციენტების კმაყოფილების დონე სამ სხვადასხვა საავადმყოფოში არსებულ მომსახურებასთან. რადგან მონაცემები რიგითია, კრუსკალ უოლისის შკალა შესაფერისი არჩევანია.

კრუსკალ უოლისის ტესტის დაშვებები

მიუხედავად იმისა, რომ არაპარამეტრულია, კრუსკალ უოლისს მაინც აქვს რამდენიმე მნიშვნელოვანი ვარაუდი:

1. Independensi observasi : data pada setiap kelompok harus berasal dari individu yang berbeda.
2. Variabel respon setidaknya ordinal : data harus bisa diurutkan.
3. Bentuk distribusi antar kelompok sebaiknya serupa : jika bentuk distribusi sangat berbeda, interpretasi perbedaan bisa lebih kompleks. Uji ini sering diartikan sebagai perbedaan median, tetapi interpretasi median paling tepat jika bentuk distribusinya serupa.

Hipotesis dalam Uji Kruskal Wallis

კრუსკალ უოლისის ტესტში შემოწმებული ჰიპოთეზაა:

– H0 (hipotesis nol): distribusi (atau median) dari semua kelompok sama.
– H1 (hipotesis alternatif): setidaknya ada satu kelompok yang distribusinya (atau median) berbeda.

უნდა აღინიშნოს, რომ როდესაც H0 უარყოფილია, კრუსკალ-უოლისის ტესტი უბრალოდ აცხადებს, რომ „არსებობს განსხვავება“, მაგრამ არ აკონკრეტებს, თუ რომელი ჯგუფებია განსხვავებული. ეს მოითხოვს შემდგომ ტესტირებას (პოსტ-ჰოკ).

გაანგარიშების ნაბიჯები

შეჯამებისთვის, კრუსკალ უოლისის ტესტის ეტაპებია:

1. გააერთიანეთ ყველა ჯგუფიდან ყველა მონაცემი.
2. Beri peringkat dari nilai terkecil ke terbesar. Jika ada nilai yang sama (ties), gunakan peringkat rata-rata.
3. შეკრიბეთ თითოეული ჯგუფის რეიტინგები.
4. Hitung statistik uji H .

ზოგადი H სტატისტიკური ფორმულაა:

\[
H = \frac{12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} – 3(N+1)
\]

ინფორმაცია:
– \(N\) = ყველა დაკვირვების ჯამი
– \(k\) = ჯგუფების რაოდენობა
– \(n_i\) = დაკვირვებების რაოდენობა i-ე ჯგუფში
– \(R_i\) = რანგების რაოდენობა i-ურ ჯგუფში

შემდეგ H მნიშვნელობა შედარებულია ქი-კვადრატ განაწილებასთან (\(\chi^2\)) თავისუფლების \(k-1\) ხარისხით. თუ p-მნიშვნელობა მნიშვნელოვნების დონეზე ნაკლებია (მაგ., 0,05), მაშინ H0 უარყოფილია.

საილუსტრაციო მაგალითი

Misalkan seorang dosen ingin mengetahui apakah ada perbedaan nilai ujian statistik pada tiga metode pembelajaran: A, B, dan C. Setelah მონაცემების შეგროვება, ternyata nilai tidak berdistribusi normal karena ada beberapa nilai ekstrem. Dosen lalu menggunakan Kruskal Wallis.

თუ ტესტის შედეგები აჩვენებს p-მნიშვნელობას 0,01 (0,05-ზე ნაკლები), მაშინ დაასკვნიან, რომ სულ მცირე ორ სწავლების მეთოდს შორის მნიშვნელოვანი განსხვავებაა. თუმცა, ლექტორმა ჯერ არ იცის, A მეთოდი უკეთესია B-ზე თუ C-ზე. სწორედ აქ არის საჭირო შემდგომი ანალიზი.

კრუსკალ უოლისის შემდეგ ჩატარებული პოსტ-ჰოკ ტესტი

თუ კრუსკალ უოლისის ტესტი მნიშვნელოვანია, შემდეგი ნაბიჯი წყვილური შედარებების ჩატარებაა. რამდენიმე გავრცელებული მეთოდია:

1. Dunn’s test : paling sering digunakan untuk post-hoc Kruskal Wallis.
2. Pairwise Mann–Whitney dengan koreksi (Bonferroni, Holm, atau Benjamini-Hochberg) untuk mengendalikan kesalahan akibat uji berulang.

ამ კორექტირების მიზანია I ტიპის შეცდომის (განსხვავების მითითება მაშინ, როდესაც განსხვავება არ არის) ალბათობის გაზრდის თავიდან აცილება, რაც გამოწვეულია მრავალი შედარებით.

ეფექტის ზომა

მნიშვნელობის გარდა, ბევრი თანამედროვე კვლევა ხაზს უსვამს ეფექტის ზომებს, რათა დაეხმაროს მკითხველს განსხვავების სიდიდის გაგებაში. ზოგიერთი ეფექტის ზომა, რომელიც ხშირად ასოცირდება კრუსკალ-უოლისის მოდელთან, მოიცავს:

– Eta-squared (η²) berbasis H :
\[
\eta^2 = \frac{H – k + 1}{N – k}
\]
– Epsilon-squared (ε²) sebagai alternatif yang lebih konservatif.

ეფექტის ზომები გვეხმარება განვსაზღვროთ, განსხვავება მცირეა, საშუალო თუ დიდი და არა მხოლოდ „მნიშვნელოვანია თუ არა“.

უპირატესობები და შეზღუდვები

ქელებიჰიანი
1. Tidak memerlukan asumsi normalitas .
2. Cocok untuk data ordinal .
3. Lebih robust terhadap outlier dibanding metode parametrik.

შეზღუდვები
1. Tidak menunjukkan kelompok mana yang berbeda tanpa post-hoc.
2. Interpretasi sebagai perbedaan median paling valid jika bentuk distribusi kelompok serupa .
3. თუ ფაქტობრივი მონაცემები ნორმალური და ერთგვაროვანია, ANOVA შეიძლება იყოს უფრო ძლიერი (უფრო მაღალი სიმძლავრის).

დახურვა

Uji Kruskal Wallis merupakan alat penting dalam ინფერენციული სტატისტიკა, terutama ketika peneliti berhadapan dengan data yang tidak memenuhi asumsi metode parametrik. Dengan pendekatan berbasis peringkat, uji ini memungkinkan perbandingan tiga kelompok atau lebih secara lebih fleksibel, khususnya untuk data ordinal atau data yang tidak normal. Meski demikian, penggunaannya tetap memerlukan pemahaman asumsi, interpretasi hasil, serta kebutuhan post-hoc untuk mengetahui pasangan kelompok yang benar-benar berbeda. Dengan memadukan p-value, ukuran efek, dan analisis lanjut yang tepat, uji Kruskal Wallis dapat memberikan kesimpulan yang kuat dan relevan dalam berbagai bidang penelitian, mulai dari kesehatan, pendidikan, bisnis, hingga სოციალური მეცნიერებები.