Penjelasan Rumus Kolmogorov Smirnov

Uji Normalitas

Metode Kolmogorov Smirnov

Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors

Dalam artikel ini akan dijelaskan tentang rumus kolmogorov smirnov yang biasa digunakan
oleh para peneliti atau mahasiswa yang sedang penelitian untuk uji normalitas. Dalam artikel
ini juga akan dijelaskan bagaimana cara menghitungnya, contohnya dan cara membacanya.

Rumus Kolmogorov Smirnov

Rumus Kolmogorov Smirnov VS Rumus Lilliefors

Langkah-langkah penyelesaian dan penggunaan rumus sama, namun pada signifikansi yang
berbeda. Signifikansi metode Kolmogorov-Smirnov menggunakan tabel pembanding yaitu
Tabel Kolmogorov Smirnov, sedangkan metode Lilliefors menggunakan tabel pembanding
yaitu Tabel Lilliefors.

Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
FT = Probabilitas komulatif normal
FS = Probabilitas komulatif empiris.

Syarat Kolmogorov Smirnov

Persyaratan Uji Kolmogorov Smirnov adalah:

a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
Signifikansi Kolmogorov Smirnov

Signifikansi Uji Kolmogorov Smirnov antara lain dijelaskan di bawah ini:

Signifikansi uji, nilai |FT – FS| terbesar dibandingkan dengan nilai tabel Kolmogorov
Smirnov.
Jika nilai |FT – FS| terbesar <nilai tabel Kolmogorov Smirnov, maka Ho diterima ; Ha
ditolak.
Jika nilai |FT – FS| terbesar > nilai tabel Kolmogorov Smirnov, maka Ho ditolak ; Ha
diterima.

Contoh Kasus Rumus Kolmogorov Smirnov

Suatu penelitian tentang berat badan mahasiswa yang mengijkuti pelatihan kebugaran
fisik/jasmani dengan sampel sebanyak 27 orang diambil secara random, didapatkan data
sebagai berikut ; 78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78, 77, 88, 97, 89, 97, 98,
70, 72, 70, 69, 67, 90, 97 kg. Selidikilah dengan α = 5%, apakah data tersebut di atas diambil
dari populasi yang berdistribusi normal ?

Penyelesaian :
1. Hipotesis

 Ho : Populasi berat badan mahasiswa berdistribusi normal

 H1 : Populasi berat badan mahasiswa tidak berdistribusi normal

2. Nilai α

 Nilai α = level signifikansi = 5% = 0,05

3. Statistik Penguji
 1. Derajat bebas

 Df tidak diperlukan

5. Nilai tabel

 Nilai Kuantil Penguji Kolmogorov, α = 0,05 ; N = 27 ; yaitu 0,254. Tabel

Kolmogorov Smirnov.

6. Daerah penolakan

 Menggunakan rumus: | 0,1440 | < | 0,2540| ; berarti Ho diterima, Ha ditolak

7. Kesimpulan

 Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.

 Pengertian Uji Kolmogorov Smirnov
Uji Kolmogorov Smirnov adalah 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 Uji Kolmogorov Smirnov

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.

Signifikansi Uji Kolmogorov

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 Legacy Dialogs, Klik 1-Sample K-S. K-S
itu singkatan dari Kolmogorov-Smirnov. Maka akan muncul kotak One-Sample Kolmogorov-
Smirnov Test.
Normalitas Kolmogorov SPSS

Data yang akan diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah. Centang
Normal pada Test Distribution.

Lalu tekan OK saja.

Interprestasi Uji Normalitas Kolmogorov dengan SPSS

Pada output, lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.(2-
tailed).

Output Normalitas Kolmogorov SPSS

Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data dinyatakan
memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan sebagai
tidak normal.
Untuk Uji Kolmogorov Smirnov dengan Excel, Baca Artikel kami yang berjudul “Normalitas
Excel “, Baca Juga Tentang: “Uji Homogenitas

Untuk Pengujian Normalitas Metode Lilliefors dan Shapiro-Wilk Serta Metode Grafik dalam
SPSS, Baca: Normalitas Pada SPSS.

Untuk Pengujian Normalitas Metode Anderson-Darling, Ryan-Joiner dan Kolmogorov-

Smirnov dalam Aplikasi Minitab, Baca: Normalitas Pada Minitab. Demikian telah dijelaskan
secara detail tahap demi tahap langkah dalam tutorial uji normalitas kolmogorov smirnov
SPSS.