http://www.konsultanstatistik.com/2009/03/uji-normalitas-dengan-kolmogorov.

html

Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah dikembangkan oleh para ahli. Kita sebenarnya sangat beruntung karena tidak perlu mencari-cari cara untuk menguji normalitas, dan bahkan saat ini sudah tersedia banyak sekali alat bantu berupa program statistik yang tinggal pakai. Berikut adalah salah satu pengujian normalitas dengan menggunakan teknik Kolmogorov Smirnov. Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak dipakai, terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik.

Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal. Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang signifikan antara data yang akan diuji dengan data normal baku, artinya«.ya berarti data yang kita uji normal, kan tidak berbeda dengan normal baku. Jika kesimpulan kita memberikan hasil yang tidak normal, maka kita tidak bisa menentukan transformasi seperti apa yang harus kita gunakan untuk normalisasi. Jadi ya kalau tidak normal, gunakan plot grafik untuk melihat menceng ke kanan atau ke kiri, atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa yang paling tepat dipergunakan.

Uji Normalitas dengan Kolmogorov Smirnov dengan Program SPSS Pengujian normalitas dengan menggunakan Program SPSS dilakukan dengan menu Analyze, kemudian klik pada Nonparametric Test, lalu klik pada 1-Sample K-S. K-S itu singkatan dari Kolmogorov-Smirnov. Maka akan muncul kotak One-Sample Kolmogorov-Smirnov Test. Data yang akan diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah. Lalu tekan OK saja. Pada output, lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.(2-tailed). Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka

Tapi karena tes ini memiliki kelemahan. dan Roy. Hipotesis pada uji Kolmogorov-Smirnov adalah sebagai berikut: H0 Ha : data mengikuti distribusi yang ditetapkan : data tidak mengikuti distribusi yang ditetapkan Keunggulan Uji Kolmogorov-Smirnov dibanding Uji Chi Square: 1. CS tidak bisa untuk sampel kecil. Uji KolmogorovSmirnov merupakan uji yang lebih kuat daripada uji chi-square ketika asumsi-asumsinya terpenuhi. Oleh karena data Chi Square adalah bersifat kategorik. dan jika nilainya di bawah 0. sementara KS bisa.wordpress. 1967) biasa digunakan untuk memutuskan jika sampel berasal dari populasi dengan distribusi spesifik/tertentu. KS tidak memerlukannya. 2.distribusi data dinyatakan memenuhi asumsi normalitas. Singkatnya uji ini dilakukan untuk mengetahui kenormalan distribusi beberapa data. 4. CS memerlukan data yang terkelompokkan. Maka ada data yang terbuang maknanya. Cara yang biasa dipakai untuk menghitung masalah ini adalah Chi Square. Uji Kolmogorov-Smirnov digunakan untuk menguji µgoodness of fitµ antar distribusi sampel dan distribusi lainnya. maka yang kita pakai adalah Kolmogorov-Smirnov. Laha.05 maka diinterpretasikan sebagai tidak normal http://ariyoso. 3. Ilustrasi: Jika kita ingin melihat apakah distribusi data harga kakao pasar spot Makassar dengan bursa berjangka NYBOT menyebar normal. Uji ini membandingkan serangkaian data pada sampel terhadap distribusi normal serangkaian nilai dengan mean dan standar deviasi yang sama. Uji Kolmogorov-Smirnov juga tidak memerlukan asumsi bahwa populasi terdistribusi secara normal. Uji Kolmogorov-Smirnov (Chakravart. Data yang diberikan adalah dalam US$/ton sebagai berikut: .com/2009/11/16/uji-kolmogorov-smirnov/ Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). KS lebih fleksibel dibanding CS.

Kemudian klik OK: 3. Setelah data dimasukkan ke dalam worksheet SPSS. Masukkan sampel yang akan diuji ke dalam box text variable list (satu sampel atau semua sampel). Output: .0 adalah sebagai berikut: 1. seperti berikut: 2.Uji Kolmogorov-Smirnov terhadap kenormalan data dengan SPSS 17. kemudian pada Test Distribution pilih Normal. Pilih Analyze ± Non Parametric test ± 1 sample K-S.

Kita sebenarnya sangat beruntung karena tidak perlu mencari-cari cara untuk menguji normalitas. dimana data terdistribusi secara normal. Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak dipakai. nilai D pada uji terhadap masing-masing variabel diatas adalah 0. Sampai di sini dah ngerti lum???? Lebih lanjut. dimana nilainya berturut-turut untuk Makassar dan NYBOT adalah 0. terutama setelah adanya banyak program statistik yang beredar. berarti data tersebut tidak normal. kan tidak berbeda dengan normal baku. Berikut adalah salah satu pengujian normalitas dengan menggunakan teknik Kolmogorov Smirnov.974. Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku.160 dan 0. Seperti pada uji beda biasa. Interpretasi: Nilai Most Extreme Differences Absolute diatas merupakan nilai statistik D pada uji K-S.05 berarti terdapat perbedaan yang signifikan. artinya«. yang sering terjadi pada uji normalitas dengan menggunakan grafik.05 maka berarti tidak terdapat perbedaan yang signifikan antara data yang akan diuji dengan data normal baku. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku.05). jika signifikansi di bawah 0.4.ya berarti data yang kita uji normal.05 maka tidak terjadi perbedaan yang signifikan. Nilai Z pada uji ini juga dapat dilihat dan paling sering digunakan sebagai indikator. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain. jika signifikansi di atas 0. maka cukup bukti untuk menerima H0. dan bahkan saat ini sudah tersedia banyak sekali alat bantu berupa program statistik yang tinggal pakai (bajakan lagi). Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0.05.05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku. dan jika signifikansi di atas 0. ya ada juga kelemahan dari Uji Kolmogorov Smirnov (mohon maaf kepada Bapak Almarhum Kolmogorov dan Bapak Almarhum Smirnov). O.699 dan 0. artinya (p>0.223. yaitu bahwa jika kesimpulan kita . berarti p>0. maka H0 dapat diterima bahwa data terdistribusi secara normal Kolmogorov Smirnov Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah dikembangkan oleh para ahli.

atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa yang paling tepat dipergunakan http://studikustatistik.com/2008/09/23/uji-normalitas-data-kolmogorov-smirnovone-sample-kolmogorov-smirnov-test/ Uji Normalitas Data Kolmogorov-Smirnov (One-Sample KolmogorovSmirnov Test) In statistic on September 23.(p) > 0.memberikan hasil yang tidak normal. gunakan plot grafik untuk melihat menceng ke kanan atau ke kiri. Data yang baik dan layak untuk membuktikan modelmodel penelitian tersebut adalah data yang memiliki distribusi normal. Jadi ya kalau tidak normal. Ada bermacam-macam cara untuk mendeteksi normalitas distribusi data. 2008 at 2:16 pm Studiku Uji Normalitas data dilakukan sebelum data diolah berdasarkan model-model penelitian yang diajukan.wordpress. maka kita tidak bisa menentukan transformasi seperti apa yang harus kita gunakan untuk normalisasi. salah satunya menggunakan uji Kolmogorov-Smirnov. Hipotesis yang diajukan adalah sebagai berikut: Ho : Data X berdistribusi normal. Uji normalitas data bertujuan untuk mendeteksi distribusi data dalam suatu variabel yang akan digunakan dalam penelitian. Ha : Data X tidak berdistribusi normal.05 maka Ho diterima Jika Sig.(p) < 0.05 maka Ho ditolak. Pengambilan keputusan: Jika Sig. .

p>0. Sedangkan data variable tempat (X2) menunjukkan hasil yang sebaliknya. Keputusan ini juga sama diberikan pada variabel pembelian (Y). Uji normalitas (uji asumsi klasik) dalam model regresi bertujuan untuk menguji apakah variabel pengganggu atau residual memiliki distribusi normal. studiku .Dengan menggunakan alat bantu olah data SPSS versi 15 diperoleh output sebagai berikut: Berdasarkan hasil output diketahui bahwa variabel harga (X1) pada Asymp. Ha : Data residual tidak berdistribusi normal.05 sehingga diputuskan bahwa variabel tersebut memiliki distribusi data yang normal atau Ho diterima dan menolak Ha. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. p>0.05 sehingga diputuskan bahwa data residual memiliki distribusi yang normal atau Ho diterima dan menolak Ha.05 sehingga diputuskan bahwa variabel tersebut memiliki distribusi data yang tidak normal atau Ha diterima dan menolak Ho.143 atau sign. P<0.(2-tailed) memiliki nilai 0. Hipotesis yang diajukan: Ho : Data residual berdistribusi normal.(2-tailed) memiliki nilai 0.Sig. nilai sign.231 atau sign. Berdasarkan hasil output diketahui bahwa Asymp.Sig.

Sign up to vote on this title
UsefulNot useful