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

dan Roy. Tapi karena tes ini memiliki kelemahan. Uji Kolmogorov-Smirnov (Chakravart. Oleh karena data Chi Square adalah bersifat kategorik. Uji KolmogorovSmirnov merupakan uji yang lebih kuat daripada uji chi-square ketika asumsi-asumsinya terpenuhi. dan jika nilainya di bawah 0. 3. Singkatnya uji ini dilakukan untuk mengetahui kenormalan distribusi beberapa data. 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. Laha. sementara KS bisa. 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.distribusi data dinyatakan memenuhi asumsi normalitas. KS tidak memerlukannya.05 maka diinterpretasikan sebagai tidak normal http://ariyoso. CS memerlukan data yang terkelompokkan. Uji Kolmogorov-Smirnov juga tidak memerlukan asumsi bahwa populasi terdistribusi secara normal. CS tidak bisa untuk sampel kecil.wordpress. maka yang kita pakai adalah Kolmogorov-Smirnov. Data yang diberikan adalah dalam US$/ton sebagai berikut: . Cara yang biasa dipakai untuk menghitung masalah ini adalah Chi Square.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). 1967) biasa digunakan untuk memutuskan jika sampel berasal dari populasi dengan distribusi spesifik/tertentu. 4. Maka ada data yang terbuang maknanya. KS lebih fleksibel dibanding CS. 2. Uji Kolmogorov-Smirnov digunakan untuk menguji µgoodness of fitµ antar distribusi sampel dan distribusi lainnya.

Uji Kolmogorov-Smirnov terhadap kenormalan data dengan SPSS 17. Masukkan sampel yang akan diuji ke dalam box text variable list (satu sampel atau semua sampel). Setelah data dimasukkan ke dalam worksheet SPSS. seperti berikut: 2. Output: . kemudian pada Test Distribution pilih Normal. Pilih Analyze ± Non Parametric test ± 1 sample K-S. Kemudian klik OK: 3.0 adalah sebagai berikut: 1.

05 maka berarti tidak terdapat perbedaan yang signifikan antara data yang akan diuji dengan data normal baku.974. berarti data tersebut tidak normal. Kita sebenarnya sangat beruntung karena tidak perlu mencari-cari cara untuk menguji normalitas. Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. artinya«. nilai D pada uji terhadap masing-masing variabel diatas adalah 0. ya ada juga kelemahan dari Uji Kolmogorov Smirnov (mohon maaf kepada Bapak Almarhum Kolmogorov dan Bapak Almarhum Smirnov). Seperti pada uji beda biasa. dan bahkan saat ini sudah tersedia banyak sekali alat bantu berupa program statistik yang tinggal pakai (bajakan lagi). Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain. dimana nilainya berturut-turut untuk Makassar dan NYBOT adalah 0. dimana data terdistribusi secara normal. terutama setelah adanya banyak program statistik yang beredar. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0. jika signifikansi di atas 0. Sampai di sini dah ngerti lum???? Lebih lanjut. yaitu bahwa jika kesimpulan kita . yang sering terjadi pada uji normalitas dengan menggunakan grafik. Interpretasi: Nilai Most Extreme Differences Absolute diatas merupakan nilai statistik D pada uji K-S. dan jika signifikansi di atas 0.699 dan 0. Berikut adalah salah satu pengujian normalitas dengan menggunakan teknik Kolmogorov Smirnov. Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak dipakai.05 maka tidak terjadi perbedaan yang signifikan. kan tidak berbeda dengan normal baku. artinya (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. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku.05).ya berarti data yang kita uji normal. Nilai Z pada uji ini juga dapat dilihat dan paling sering digunakan sebagai indikator.05 berarti terdapat perbedaan yang signifikan.05.05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku. O. maka cukup bukti untuk menerima H0.223.160 dan 0. jika signifikansi di bawah 0. berarti p>0. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal.4.

gunakan plot grafik untuk melihat menceng ke kanan atau ke kiri.05 maka Ho ditolak. atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa yang paling tepat dipergunakan http://studikustatistik.memberikan hasil yang tidak normal.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. salah satunya menggunakan uji Kolmogorov-Smirnov. Ada bermacam-macam cara untuk mendeteksi normalitas distribusi data. Pengambilan keputusan: Jika Sig. . Ha : Data X tidak berdistribusi normal. 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.05 maka Ho diterima Jika Sig.(p) > 0. Jadi ya kalau tidak normal. maka kita tidak bisa menentukan transformasi seperti apa yang harus kita gunakan untuk normalisasi.(p) < 0. Data yang baik dan layak untuk membuktikan modelmodel penelitian tersebut adalah data yang memiliki distribusi normal. 2008 at 2:16 pm Studiku Uji Normalitas data dilakukan sebelum data diolah berdasarkan model-model penelitian yang diajukan.wordpress.

Berdasarkan hasil output diketahui bahwa Asymp.Sig. Keputusan ini juga sama diberikan pada variabel pembelian (Y). p>0.Sig.(2-tailed) memiliki nilai 0.143 atau sign.05 sehingga diputuskan bahwa data residual memiliki distribusi yang normal atau Ho diterima dan menolak Ha.Dengan menggunakan alat bantu olah data SPSS versi 15 diperoleh output sebagai berikut: Berdasarkan hasil output diketahui bahwa variabel harga (X1) pada Asymp.(2-tailed) memiliki nilai 0. P<0. Ha : Data residual tidak berdistribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal.231 atau sign. Uji normalitas (uji asumsi klasik) dalam model regresi bertujuan untuk menguji apakah variabel pengganggu atau residual memiliki distribusi normal. Hipotesis yang diajukan: Ho : Data residual berdistribusi normal.05 sehingga diputuskan bahwa variabel tersebut memiliki distribusi data yang tidak normal atau Ha diterima dan menolak Ho. studiku . p>0. Sedangkan data variable tempat (X2) menunjukkan hasil yang sebaliknya.05 sehingga diputuskan bahwa variabel tersebut memiliki distribusi data yang normal atau Ho diterima dan menolak Ha. nilai sign.

Sign up to vote on this title
UsefulNot useful