UJI NORMALITAS DENGAN METODE KOLMOGOROV-SMIRNOV

Oleh :

Ida Ayu Made Saras Dwi Antika (1902622010464 / 07)

Program Studi Akuntansi

Fakultas Ekonomi dan Bisnis

Universitas Mahasaraswati Denpasar

2020
 UJI NORMALITAS DENGAN METODE KOLMOGOROV-SMIRNOV

Uji Normalitas adalah sebuah uji yang dilakukan untuk menilai sebaran data pada
sebuah kelompok data atau variable yang apakah datanya berdistribusi normal atau tidak
berdistribusi normal. Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan
berdistribusi populasi normal. Berdasarkan pengalaman empiris beberapa pakar statistik, data
yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi
normal (sampel besar). Namun untuk memberikan kepastian data yang dimiliki berdistribusi
normal atau tidak, sebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih
dari 30 (n > 30) bisa dipastikan berdistribusi normal, demikian sebaliknya data yang
banyaknya kurang dari 30 (n < 30) belum tentu tidak berdistribusi normal, untuk itu perlu
suatu pembuktian. Uji statistik normalitas yang dapat digunakan diantaranya Chi-
Square, Kolmogorov Smirnov, Lilliefors, Shapiro Wilk, Jarque Bera.
Untuk menguji normalitas suatu data dapat dilakukan dengan menggunakan statistik
nonparamaterik dengan metode uji satu sampel Kolmogorov-Smirnov. Ide dari pengujian ini
hampir sama dengan pengujian kesesuaian (goodness of fit) Chi Kuadrat, yaitu untuk
mengetahui tingkat kesesuaian antara distribusi serangkaian data sampel (skor yang
diobservasi) dengan distribusi teoritis tertentu. Pengujian ini menetapkan apakah skor-skor
dalam sampel dapat secara masuk akal dianggap berasal dari populasi tertentu degan
distribusi normal. Data yang digunakan dalam analisis ini minimal berskala ordinal.
Uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan
data normal baku. Distribusi normal baku yaitu data yang telah ditransformasikan ke dalam
bentuk Z-Score dan diasumsikan normal. Adapun persyaratan Uji Kolmogorov Smirnov
yaitu, berskala interval atau ratio (kuantitatif), data tunggal / belum dikelompokkan pada
tabel distribusi frekuensi, dan bisa untuk n besar maupun n kecil. Signifikansi pada penerapan
uji Kolmogorov Smirnov adalah jika signifikansi di bawah 0,05 berarti data yang akan diuji
mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak
normal (H1). Sebaliknya, jika signifikansi di atas 0,05 berarti data yang diuji tidak ada
perbedaan dengan data normal baku, berarti data tersebut berdistribusi normal (Ho).
Kelebihan dari uji Normalitas Kolmogorov Smirnov adalah uji yang sederhana dan
tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain,
yang sering terjadi pada uji normalitas dengan menggunakan grafik. Uji ini merupakan suatu
uji yang bermanfaat untuk menguji hipotesis tentang cocok (goodness of fit) atau ketidak
cocokan data ordinal pada suatu distribusi. Selain kelebihan, uji Kolmogorov Smirnov juga
memiliki kelemahan yaitu bahwa jika kesimpulan kita memberikan hasil yang tidak normal,
maka kita tidak bisa menentukan transformasi seperti apa yang harus digunakan untuk
normalisasi. Jadi, jika hasilnya tidak normal maka harus menggunakan 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.

CONTOH SOAL :
Penelitian distribusi penjualan pedagang di pasar Kreneng dengan mengambil sampel secara
random 16 orang (dalam jutaan)

Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Penjualan 3,8 2,5 15 5 4,5 4,1 14 11, 12, 16, 11,8 3,1 3,9 17 2,8 10,6
3 1 1

Berdasarkan data di atas, apakah distribusi penjualan pedagang di pasar Kreneng

berdistribusi normal?

JAWABAN :
*Formulasi Hipotesis :
- Hₒ : Hasil penjualan pedagang menyebar normal
- H₁ : Hasil penjualan pedagang tidak menyebar normal
*Tingkat Signifikansi 5%
- Dengan n = 16 maka D = 0,328
*Kriteria pengujian :
- Hₒ diterima bila Asym. Sig ≤ 0,05
- H₁ ditolak bila Asym. Sig > 0,05
 Langkah-langkah Uji Normalitas Kolmogorov Smirnov pada SPSS (SPSS v 25)

1. Pilih Variabel View pada program SPSS yang telah terbuka, lalu pada bagian Name
ketik Penjualan. Setelah itu, pada bagian Type, Widith, Decimals, Label, Values,
Missing, Coloums, Align, Measure, dan Role akan terisi secara otomatis.

2. Kemudian, pada bagian Decimals ubah menjadi angka 1 (satu) karena pada soal hanya
satu angka dibelakang koma, dan pada Measure diganti menjadi Scale karena Scale
melakukan perhitungan data terhadap variabel angka seperti menghitung nilai statistika
deskriptif, untuk yang lainnya biarkan tetap default.
3. Setelah itu, pilih Data View lalu masukan data penjualan pedagang di pasar Kreneng
pada kolom penjualan.

4. Langkah selanjutnya adalah melakukan uji Normalitas Kolmogorov Smirnov, yaitu pilih
Analyze > Nonparametric Tests > Legacy Dialogs > 1-Sampel K-S… . Memilih 1-
Sampel K-S karena data pada soal hanya memiliki satu sampel saja.
5. Setelah itu, muncul kolom dialog dengan nama One-Sample Kolmogorov-Smirnov
Test. Lalu masukan variable Penjualan ke kolom Test Variable List. Pada Test
Distribution pilih normal, lalu Ok.

6. Setelah klik OK, maka akan mucul tabel One-Sample Kolmogorov-Smirnov Test
Kesimpulan :

Berdasarkan tabel output SPSS di atas, diketahui bahwa nilai Asymp.Sig. (2-tailed) sebesar
0,009 yang berarti lebih kecil dari taraf signifikasi yaitu 0,05. Maka sesuai dengan dasar
pengambilan keputusan dalam uji Normalitas Kolmogorov-Smirnov di atas, dapat
disimpulkan bahwa data penjualan dagangan di Pasar Kreneng tidak berdistribusi normal.
 DAFTAR PUSTAKA

Hidayat, A. (2013, Januari 23). Penjelasan tentang Uji Normalitas dan Metode Perhitungan.
Retrieved from Statistikian: https://www.statistikian.com/2013/01/uji-normalitas.html

Hidayat, A. (2013, September 15). Tutorial Uji Normalitas Kolmogorov-Smirnov dengan

SPSS. Retrieved from Statistikian: https://www.statistikian.com/2012/09/uji-
normalitas-dengan-kolmogorov-smirnov-spss.html

Khrisna. (2013, Agustus 18). Uji Satu Sampel Kolmogorov Smirnov. Retrieved from data
riset: http://datariset.com/olahdata/detail/olah-data-jogja-uji-satu-sampel-kolmogorov-
smirnov

Utama, M. S. (2016). Aplikasi Analisis Kuantitatif. Denpasar: CV. Sastra Utama.