Uji Beda Satu Sampel dengan Kolmogorov-Smirnov

Uji Kolmogorov-Smirnov sebenarnya membandingkan atau melihat seberapa besar tingkat kesesuaian antara distribusi sampel (hasil observasi) dengan distribusi secara teoritis.  Jika sesuai, atau tidak terdapat perbedaan, maka hasil observasi tersebut bisa dianggap normal. Sebaliknya, jika terdapat perbedaan yang signifikan, maka data observasi tersebut diinterpretasikan tidak normal. Uji Beda ini diadopsi oleh Liliefors menjadi uji normalitas dan sering dipergunakan dalam statistik parametrik.

Dalam uji beda yang telah dibahas di blog ini, perbedaan yang signifikan dinyatakan dengan T hitung > T tabel atau Signifikansi hasil perhitungan < 0,05 jika ingin menggunakan taraf 5%. Oleh karena itu, maka suatu distribusi data dinyatakan normal jika mempunyai Signifikansi > 0,05, demikian sebaliknya. Tetapi sebenarnya ada juga Tabel Kolmogorov-Smirnov, yaitu kurang lebih sebagai berikut:

Tabel Kolmogorov-Smirnov sampai 50 Sampel

Untuk sampel di atas 50 bisa dihitung dengan persamaan yang ada di baris paling bawah. Ada versi lain yang bisa kita jumpai, misalnya hanya sampai dengan 35 sampel saja, lalu baris paling bawah diberikan rumus untuk mencari di atas 35. Anda bisa menggunakan yang mana saja yang Anda punyai. 

Berikut adalah simulasi perhitungan dengan SPSS Versi 23 tentang uji Kolomogorov-Smirnov yaitu sebagai berikut:

Output Uji Kolmogorov-Smirnov dengan SPSS Versi 23

Untuk Data1 memberikan Test statistik sebesar 0,227 dengan Signifikansi sebesar 0,000. Jika kita lihat di tabel maka tampak bahwa untuk N = 35 pada signifikansi 5% memberikan nilai sebesar 0,224. Tampak bahwa Test Statistik > T tabel atau 0,227 > 0,22424 yang berarti bahwa terdapat perbedaan yang signifikan antara Skor1 mempunyai perbedaan yang signifikan dengan distribusi normal secara teoritis. 

Sedangkan Skor2 mempunyai nilai Test Statistik sebesar 0,138 < 0,224 yang berarti tidak terdapat perbedaan yang signifikan antara Data2 dengan distribusi teoretis yang berarti dapat disimpulkan bahwa data2 telah memenuhi asumsi normalitas.

Hasil ini juga sesuai dengan nilai Signifikansi sebesar 0,000 untuk Data1 dan 0,090 untuk Data2.

Share: