NAMA : Gelar Pandu Ramadan

NIM : 10318013
MATA KULIAH : STATISTIKA
RANGKUMAN : 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 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. kelemahan dari Uji Kolmogorov Smirnov, yaitu bahwa 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 Kolmogorov Smirnov (KS) didasarkan pada Fungsi Distribusi Empiris
(FDE). Jika diberikan NNN titik data terurutan yaitu Y1,Y2,...,YN,Y_1, Y_2, ..., Y_N,Y1,Y2
,...,YN, maka FDE didefinisikan sebagai EN=niNE_N = \frac{n_i}{N}EN=Nni EN=Nni ni
adalah jumlah titik yang kurang dari Yi,Y_i,Yi, dimana nilai YiY_iYi adalah data yang telah
diurutkan dari nilai yang terkecil hingga nilai yang terbesar. FDE adalah fungsi yang naik
sebesar 1/N1/N1/N pada setiap titik data.Grafik di bawah ini adalah plot dari FDE dengan
Fungsi Distribusi Kumulatif (FDK) Distribusi Normal untuk 100 bilangan acak normal. Garis
berwarna hitam adalah FDE dan garis berwarna biru adalah FDK Distribusi Normal. Tes KS
didasarkan pada jarak maksimum antara kedua kurva tersebut.
Uji KS memiliki beberapa keterbatasan, yaitu:
1. Ukuran sampel untuk pengujian KS sebaiknya sama atau lebih besar dari 30 (N≥30).
(N \geq 30).(N≥30).
2. Data harus berskala interval atau ratio (kuantitatif).
3. Hanya berlaku untuk pengujian pada distribusi kontinu (Distribusi Normal, Distribusi
Eksponensial, Distribusi Chi-Square dan lain-lain).
4. Cenderung lebih sensitif di bagian pusat distribusi daripada di bagian ujung fungsi
distribusi kumulatif.
5. Mungkin batasan yang paling serius adalah distribusi harus ditentukan sepenuhnya.
Artinya, jika parameter lokasi, skala, dan bentuk diperkirakan dari data tersebut, maka
wilayah kritis uji KS tidak lagi valid. Ini biasanya harus ditentukan dengan simulasi.