UJI KOLMOGOROV-SMIRNOV

Uji Kolmogorov-Smirov merupakan pengujian statistik paling mendasar dan paling banyak
digunakan. K-S Test dapat digunakan untuk menguji satu sampel maupun dua sampel.
Konsep dasarnya adalah melakukan pengukuran normalitas suatu data dengan
membandingkan serangkaian data pada sampel terhadap distribusi normal serangkaian nilai
dengan mean dan standar deviasi yang sama.

Dengan uji Kolmogorov-Smirnov, normalitas distribusi suatu data akan dengan lebih cepat
diketahui karena dapat diketahui dari perhitungan nilai signifikansi (p) dengan aturan:
 Jika p > 0,005, maka data terdistribusi normal
 Jika p < 0,005, maka data terdistribusi tidak normal

CONTOH KASUS
Dilakukan sebuah pencatatan terhadap banyaknya putaran yang dapat dilakukan oleh
sekelompok murid dalam waktu 10 menit. Hasilnya ditunjukkan pada tabel berikut.

NAMA PUTARAN NAMA PUTARAN

Murid 1 5 Murid
Murid 2 8 7
11
Murid 3 5
Murid
Murid 4 5 8
Murid 5 7 12
Murid 6 6 Murid
Murid 7 5 4
13
Murid 8 8 Murid
Murid 9 6 5
Murid 14
7 Murid
10 8
15
Murid
6
16
Murid
6
17
Selanjutnya, data tersebut Murid diolah ke dalam SPSS Statistik
8
dengan langkah-langkah 18 berikut:
Murid
1. Buka Variable View pada 4 SPSS Statistik.
19
2. Pada baris pertama, isikan Murid parameter berikut:
9
 Name : NAMA 20
  Type : String
 Width : 8
 Decimal : 0
 Label : NAMA
 Values : None
 Missing : None
 Columns : 8
 Align : Left
 Measure : Nominal

3. Pada baris kedua, masukkan parameter berikut:

 Name : PUTARAN
 Type : Numeric
 Width : 8
 Decimal : 0
 Label : PUTARAN
 Values : None
 Missing : None
 Columns : 8
 Align : Left
 Measure : Nominal
4. Selanjutnya, beralih ke Data View dan masukkan data sesuai tabel.

5. Selanjutnya, akses menu Analyze → Nonparametic Tests → 1-Sample K-S.

6. Selanjutnya, akan ditampilkan kotak dialog One Sample Kolmogorov-Smirnov Test.
7. Pindahkan variabel PUTARAN ke dalam box Test Variable List.

8. Klik tombol Options untuk menampilkan kotak dialog One Sample K-S Text: Options.

9. Beri tanda centang pada opsi Descriptives dan klik Continue.

10. Klik OK untuk menampilkan hasil analisis pada jendela OUTPUT VIEWER.

ANALISIS KASUS
Dari jendela Output Viewer diperoleh dua tabel yaitu tabel Descriptive Statistics dan tabel
One-Sample Kolmogorov-Smirnov Test.

Analisis Descriptives Statistics

Pada jendela Output Viewer diperoleh tabel Descriptive Statistics seperti tabel dibawah:

Berdasarkan tabel tersebut, dapat ditarik kesimpulan sebagai berikut:

 N (jumlah responden) : 20
 Rata-rata putaran : 6,35
 Deviasi standar/simpangan baku : 1,496
 Putaran minimum : 4
 Putaran maksimum : 9

Analisis One Sample K-S Test

Berdasarkan jendela Output Viewer diperoleh hasil seperti tabel dibawah:
Berdasarkan tabel tersebut, dapat ditarik kesimpulan sebagai berikut:
 Jumlah responden (N) : 20
 Mean (rata-rata) : 6,35
 Standard Deviation (simpangan baku) : 1,496
 Selisih data extreme absolut : 0,167
 Selisih data extreme positif (lebih tinggi) : 0,167
 Selisih data extreme negatif (lebih rendah) : -0,165
 Nilai signifikansi : 0,636
Terlihat bahwa nilai signifikansi (p) adalah 0,636 yang lebih besar dari 0,005 sehingga data
terdistribusi normal.
UJI VALIDITAS DAN RELIABILITAS

CONTOH KASUS
Penilaian kinerja seorang dosen oleh para mahasiswa dilakukan melalui sebuah kuesioner.
Adapun kriteria yang diteliti adalah sebagai berikut:
 Kemampuan dosen dalam menjelaskan materi perkuliahan (P1)
 Kemampuan dosen dalam menjawab pertanyaan (P2)
 Kesesuaian materi yang diberikan terhadap rencana di awal perkuliahan (P3)
Setiap mahasiswa diberikan kuesioner yang menunjukkan tingkat penilaian terhadap hal-hal
diatas sebagai berikut:
 Sangat kurang baik, diberi bobot 1
 Kurang baik, diberi bobot 2
 Cukup, diberi bobot 3
 Baik, diberi bobot 4
 Sangat Baik, diberi bobot 5
Data penilaian yang diperoleh seperti tabel dibawah:
NAMA P1 P2 P3
Mahasiswa 1 Cukup Baik Baik Baik
Mahasiswa 2 Baik Sangat Baik Sangat Baik
Mahasiswa 3 Cukup Baik Baik Baik
Mahasiswa 4 Baik Cukup Baik Baik
Mahasiswa 5 Sangat Baik Baik Baik
Mahasiswa 6 Baik Baik Baik
Mahasiswa 7 Baik Baik Cukup Baik
Mahasiswa 8 Sangat Baik Sangat Baik Baik
Mahasiswa 9 Baik Baik Baik
Mahasiswa 10 Sangat Baik Baik Baik
Mahasiswa 11 Sangat Baik Baik Baik
Mahasiswa 12 Baik Sangat Baik Sangat Baik
Mahasiswa 13 Baik Cukup Baik Cukup Baik
Mahasiswa 14 Cukup Baik Baik Baik
Mahasiswa 15 Sangat Baik Baik Baik
Mahasiswa 16 Baik Baik Baik
Mahasiswa 17 Baik Baik Baik
Mahasiswa 18 Sangat Baik Baik Sangat Baik
Mahasiswa 19 Cukup Baik Cukup Baik Baik
Mahasiswa 20 Sangat Baik Sangat Baik Sangat Baik

Selanjutnya, data tersebut diolah menggunakan SPSS Statistik dengan langkah-langkah

berikut:
1. Buka Variable View pada SPSS Statistik.

2. Pada baris pertama, isikan parameter berikut:

 Name : NAMA
 Type : String
 Width : 20
 Decimal : 0
 Label : NAMA
 Values : None
 Missing : None
 Columns : 8
 Align : Left
 Measure : Nominal
3. Pada baris kedua, masukkan parameter berikut:
 Name : P1
 Type : Numeric
 Width : 20
 Decimal : 0
 Label : P1
 Values : 1 = Sangat Kurang Baik, 2 = Kurang Baik, 3 = Cukup Baik, 4 = Baik, 5 =
Sangat Baik
 Missing : None
 Columns : 8
 Align : Left
 Measure : Nominal
4. Pada baris ketiga, masukkan parameter berikut:
 Name : P2
 Type : Numeric
 Width : 20
 Decimal : 0
 Label : P2
 Values : 1 = Sangat Kurang Baik, 2 = Kurang Baik, 3 = Cukup Baik, 4 = Baik, 5 =
Sangat Baik
 Missing : None
  Columns : 8
 Align : Left
 Measure : Nominal
5. Pada baris keempat, masukkan parameter berikut:
 Name : P3
 Type : Numeric
 Width : 20
 Decimal : 0
 Label : P3
 Values : 1 = Sangat Kurang Baik, 2 = Kurang Baik, 3 = Cukup Baik, 4 = Baik, 5 =
Sangat Baik
 Missing : None
 Columns : 8
 Align : Left
 Measure : Nominal
6. Hasilnya akan tampak seperti berikut.

7. Selanjutnya, klik tab Data Variable dan masukkan data sesuai tabel hasil penilaian diatas.
8. Nonaktifkan opsi Value Labels dari menu View → Value Labels.

9. Hasilnya akan tampak seperti gambar dibawah.

10. Akses menu Transform → Compute Variable.

11. Selanjutnya, akan ditampilkan kotak dialog Compute Variable. Berikan nama pada box
Target Variable seperti “TOTAL”. Kemudian, klik tombol Type & Label.

12. Selanjutnya, akan ditampilkan kotak dialog Compute Variable: Type and Label. Beri
nama pada box Label dan klik Continue.

13. Kembali ke kotak dialog Compute Variable, pindahkan variabel P1 ke box Numerical
Expression. Klik ikon tanda (+) dan ulangi langkah pengaturan variabel untuk variabel P2.

14. Pindahkan variabel P3 dan klik OK.

15. Terlihat muncul sebuah variabel baru bernama TOTAL.

Uji Validitas digunakan untuk mengetahui apakah alat ukur yang digunakan telah valid atau

belum. Umumnya alat ukur yang dipakai adalah   0,05 atau 0,1. Tingkat signifikansi dari
alat ukur ditentukan dari tabel tarif signifikansi r. Validitas pengujian ditentukan dengan
membandingkan angka hasil pengukuran koefisien korelasi pada setiap item kuesioner yang
dibandingkan dengan angka pembanding yang ada pada Tabel r Kritik Product Moment.

Untuk uji validitas akan digunakan data di atas termasuk dengan adanya tambahan variabel
baru, yaitu TOTAL. Langkah-langkah uji validitas sebagai berikut:
1. Akses menu Analyze → Correlate → Bivariate.
2. Selanjutnya, ditampilkan kotak dialog Bivariate Correlation. Pindahkan semua variabel
ke box Variables. Pastikan opsi Pearson dan Two-tailed dalam kondisi terpilih dan klik OK.

3. Tunggu hingga hasil analisis kasus ditampilkan di jendela Output Viewer.

ANALISIS KASUS
Pada jendela Output Viewer diperoleh hasil tabel korelasi seperti dibawah ini.

Nilai Pearson Correlation antara masing-masing variabel yang dijadikan patokan r. Adapun
nilai r kritik produk momen yang digunakan, ditentukan dengan cara:
Jumlah responden (N) = 20
Df = (N - 2) = 20 - 2 = 18
Dengan demikian, nilai Df yang digunakan untuk mencari r tabel adalah 18, yaitu untuk
  0,05 adalah sebesar 0,4438.

Dapat disimpulkan bahwa:

 Untuk variabel P1, r = 0,733 (>0,4438) sehingga data P1 adalah valid.
 Untuk variabel P2, r = 0,820 (>0,4438) sehingga data P2 adalah valid.
 Untuk variabel P3, r = 0,747 (>0,4438) sehingga data P3 adalah valid.

Uji Reliabilitas digunakan untuk mengetahui apakah instrumen yang digunakan dapat
dipercaya oleh alat pengumpul data atau tidak. Uji reliabilitas dilakukan melalui uji Alpha
Cronbach, yaitu dengan persamaan:

 K  S r   S i 
2 2

  
 K  1  S x2 

Keterangan:
  = Koefisien reliabilitas Alpha Cronbach
 K = jumlah item pertanyaan yang diuji

 S i
2
= jumlah varian skor item
S x2 = varian skor


Instrumen yang digunakan dinyatakan reliabel jika   0,6 . Sebaliknya, jika   0,6 , maka
instrumen dinyatakan tidak reliabel.

Pada uji reliabilitas masih menggunakan data yang sama dengan langkah-langkah berikut:
1. Akses menu Analyze → Scale → Reliability Analysis.

2. Selanjutnya, akan muncul kotak dialog Reliability Analysis. Pindahkan variabel P1, P2,
dan P3 ke box Items.
3. Klik tombol Statistics untuk menampilkan kotak dialog Reliability Analysis: Statistics.
Pilih opsi Scale If Item Deleted dan klik Continue. Pada kotak dialog Reliability Analysis,
klik OK.

4. Tunggu hingga analisis ditampilkan di jendela Output Viewer.

ANALISIS KASUS
Berdasarkan jendela Output Viewer diperoleh tabel Case Processing Summary, Reliability
Statistics, dan Item Total Statistics.

Analisis Tabel Case Processing Summary

Tabel Case Processing Summary yang diperoleh ditunjukkan pada tabel berikut

Berdasarkan tabel tersebut, dapat disimpulkan:

 Jumlah cases responden valid adalah 20.
 Jumlah cases excluded adalah 0 (tidak ada data yang tidak terisi).

Analisis Tabel Reliability Statistics

Tabel Reliability Statistics yang diperoleh ditunjukkan pada tabel berikut

Berdasarkan tabel tersebut, dapat disimpulkan:

 Jumlah item : 3

   0,631

Terlihat bahwa koefisien Alpha Cronbach lebih besar dari 0,6, sehingga dapat dikatakan
instrumen uji reliabel atau dapat diandalkan.

Analisis Tabel Item Total Statistics

Berdasarkan jendela Output Viewer diperoleh hasil tabel Item Total Statistics seperti berikut:
Tabel tersebut menunjukkan reliabilitas tiap instrumen uji. Kolom Corrected Item
menunjukkan korelasi total tiap item. Disini nilai korelasi tidak boleh dibawah 0,2. Jika
ditemukan adanya item dengan nilai korelasi dibawah 0,2, maka item yang bersangkutan
harus dihapus satu per satu hingga tercapai korelasi yang reliabel. Berdasarkan tabel tersebut
terlihat bahwa tidak ada nilai korelasi yang berada dibawah 0,2 sehingga semua item
pengujian valid dan dapat diikutsertakan dalam analisis.

Kolom Cronbach’s Alpha if Item Deleted menunjukkan nilai koefisien alpha jika item yang
bersangkutan dihapus. Terlihat jika item P2 dan P3 dihapus, nilai koefisien alpha menjadi
berada dibawah 0,6 sehingga kedua item ini tidak boleh dihapus.