UJI KOLMOGOROV-SMIRNOV

I. Pengenalan
A. Definisi dan Tujuan Kolmogorov-Smirnov
Metode Kolmogorov-Smirnov adalah teknik statistik nonparametrik yang
digunakan untuk menguji kesesuaian distribusi data dengan distribusi teoritis yang
telah ditentukan sebelumnya. Metode ini dinamai dari dua ahli statistik, Andrey
Kolmogorov dan Nikolai Smirnov, yang mengembangkannya pada tahun 1933
dan 1936. Tujuan utama dari metode Kolmogorov-Smirnov adalah untuk menguji
apakah distribusi data empiris secara signifikan berbeda dengan distribusi yang
diasumsikan.

B. Karakteristik dan Kegunaan Metode Kolmogorov-Smirnov

 Nonparametrik: Metode Kolmogorov-Smirnov tidak memerlukan asumsi

tentang bentuk atau parameter distribusi data. Oleh karena itu, metode ini
cocok digunakan jika data tidak memenuhi asumsi distribusi tertentu.
 Uji Kesesuaian Distribusi: Metode ini digunakan untuk menguji apakah data
mengikuti distribusi tertentu, seperti distribusi normal, eksponensial, atau
uniform.
 Uji Keseragaman: Metode Kolmogorov-Smirnov juga dapat digunakan untuk
menguji keseragaman atau konsistensi data antara dua atau lebih kelompok.
 Sensitivitas Terhadap Bentuk dan Posisi Distribusi: Metode ini sensitif
terhadap perbedaan baik dalam bentuk (shape) maupun posisi (location)
distribusi data.
 Digunakan dalam Berbagai Bidang: Metode Kolmogorov-Smirnov banyak
digunakan dalam berbagai bidang seperti statistik, ekonomi, ilmu sosial, fisika,
dan lain-lain untuk menguji kesesuaian distribusi data atau keseragaman data.
 Metode Kolmogorov-Smirnov memberikan alat yang kuat untuk menguji
kesesuaian distribusi data dan membantu dalam memahami karakteristik data
yang diamati.

II. Dasar Teori

A. Distribusi Kumulatif Empiris (ECDF):
Distribusi Kumulatif Empiris (Empirical Cumulative Distribution
Function/ECDF) adalah fungsi yang menggambarkan akumulasi proporsi atau
frekuensi relatif dari data yang lebih kecil dari atau sama dengan nilai tertentu.
ECDF digunakan untuk menggambarkan distribusi empiris data dengan
menghitung proporsi atau frekuensi relatif dari data yang kurang dari atau sama
dengan setiap nilai observasi.

B. Statistik Kolmogorov-Smirnov:

Statistik Kolmogorov-Smirnov (KS) digunakan untuk mengukur sejauh

mana perbedaan antara distribusi kumulatif empiris (ECDF) dari data yang
diamati dengan distribusi kumulatif teoritis yang diasumsikan. Statistik KS
dihitung dengan mengambil nilai maksimum absolut antara ECDF dan fungsi
distribusi kumulatif teoritis.

C. Hipotesis Nol dan Hipotesis Alternatif:

Hipotesis Nol (H0): Hipotesis nol menyatakan bahwa distribusi data yang
diamati cocok dengan distribusi teoritis yang diasumsikan.Hipotesis Alternatif
(H1): Hipotesis alternatif menyatakan bahwa distribusi data yang diamati tidak
cocok dengan distribusi teoritis yang diasumsikan.
Dalam uji Kolmogorov-Smirnov, hipotesis nol berarti tidak ada perbedaan
yang signifikan antara distribusi data dan distribusi teoritis yang diasumsikan,
sedangkan hipotesis alternatif mengindikasikan bahwa ada perbedaan yang
signifikan antara kedua distribusi tersebut.

III. Langkah-langkah Uji Kolmogorov-Smirnov

A. Menyusun Data:
Langkah pertama dalam uji Kolmogorov-Smirnov adalah menyusun data
yang akan diuji. Data tersebut harus merupakan sampel acak yang
direpresentasikan dalam bentuk urutan nilai.

B. Menghitung Distribusi Kumulatif Empiris (ECDF):

 Setelah data tersusun, langkah selanjutnya adalah menghitung distribusi
kumulatif empiris (ECDF). ECDF menggambarkan akumulasi proporsi atau
frekuensi relatif dari data yang lebih kecil dari atau sama dengan nilai tertentu.
Untuk setiap nilai dalam data, hitung proporsi atau frekuensi relatif data yang
kurang dari atau sama dengan nilai tersebut.

C. Menghitung Statistik Kolmogorov-Smirnov:

Setelah ECDF dihitung, langkah selanjutnya adalah menghitung statistik

Kolmogorov-Smirnov (KS). Statistik KS dihitung dengan mengambil nilai
maksimum absolut antara ECDF dan fungsi distribusi kumulatif teoritis yang
diasumsikan. Statistik ini menunjukkan sejauh mana perbedaan antara distribusi
data dan distribusi teoritis yang diasumsikan.

D. Menghitung Nilai p-value:

Langkah terakhir adalah menghitung nilai p-value. Nilai p-value

merupakan probabilitas mendapatkan statistik KS yang setidaknya sebesar nilai
yang diamati jika hipotesis nol benar. Nilai p-value digunakan untuk mengambil
keputusan tentang apakah hipotesis nol ditolak atau tidak. Jika nilai p-value lebih
kecil dari tingkat signifikansi yang ditentukan sebelumnya, hipotesis nol ditolak,
yang berarti terdapat perbedaan yang signifikan antara distribusi data dan
distribusi teoritis yang diasumsikan. Jika nilai p-value lebih besar dari tingkat
signifikansi, hipotesis nol diterima, yang berarti tidak ada perbedaan yang
signifikan antara kedua distribusi tersebut.

IV. Interpretasi Hasil Uji Kolmogorov-Smirnov

A. Nilai Statistik Kolmogorov-Smirnov:
Statistik Kolmogorov-Smirnov (KS) adalah nilai maksimum absolut antara
distribusi kumulatif empiris (ECDF) dan fungsi distribusi kumulatif teoritis yang
diasumsikan. Nilai statistik ini mengindikasikan sejauh mana perbedaan antara
distribusi data yang diamati dan distribusi teoritis yang diasumsikan. Semakin
tinggi nilai statistik KS, semakin besar perbedaan antara kedua distribusi tersebut.

B. Nilai p-value:
 Nilai p-value merupakan probabilitas mendapatkan statistik Kolmogorov-
Smirnov yang setidaknya sebesar nilai yang diamati jika hipotesis nol benar. Nilai
p-value digunakan untuk mengambil keputusan tentang apakah hipotesis nol
ditolak atau tidak. Jika nilai p-value lebih kecil dari tingkat signifikansi yang
ditentukan sebelumnya (misalnya α = 0,05), maka hipotesis nol ditolak. Ini berarti
terdapat bukti yang cukup untuk menyimpulkan bahwa distribusi data yang
diamati tidak cocok dengan distribusi teoritis yang diasumsikan. Jika nilai p-value
lebih besar dari tingkat signifikansi, hipotesis nol diterima, yang berarti tidak ada
bukti yang cukup untuk menyimpulkan adanya perbedaan yang signifikan antara
kedua distribusi tersebut.
C. Pengambilan Keputusan:
Berdasarkan nilai p-value dan tingkat signifikansi yang ditentukan
sebelumnya, kita dapat mengambil keputusan terkait hipotesis nol. Jika p-value <
α, maka hipotesis nol ditolak dan dapat disimpulkan bahwa terdapat perbedaan
yang signifikan antara distribusi data dan distribusi teoritis yang diasumsikan. Jika
p-value ≥ α, maka hipotesis nol diterima dan tidak ada bukti yang cukup untuk
menyimpulkan adanya perbedaan yang signifikan antara kedua distribusi tersebut.
Dalam interpretasi hasil uji Kolmogorov-Smirnov, penting untuk
memperhatikan nilai statistik KS dan p-value secara bersama-sama. Nilai statistik
KS menunjukkan sejauh mana perbedaan antara distribusi data dan distribusi
teoritis, sedangkan p-value memberikan bukti statistik yang lebih kuantitatif untuk
mengambil keputusan tentang hipotesis nol.

V. Cara Melakukan Uji Normalitas Kolmogorov Smirnov Menggunakan

IBM Statistik SPSS 22

A. Deskripsi Kasus Studi

Penelitian tentang pengaruh motivasi terhadap prestasi belajar siswa.
B. Langkah-langkah Uji Normalitas
1. Siapkan data
2. Buka lembar kerja baru IBM SPSS Statistik 22

3. Klik tab variable view

4. Pada kolom “Name” isi dengan variabelnya yaitu motivasi dan prestasi.
Pada kolom “Decimals” ubah menjadi angka 0. Pada kolom “Label” isi
dengan nama variabelnya. Dan terakhir pada kolom “Measure” ubah
menjadi scale.
5. Klik Data View (disebelah Variable View) dan copy paste semua data

6. Memunculkan nilai Unstandardized Residual (Res_1) yang nantinya

akan digunakan untuk uji normalitas.Caranya, cari menu pada SPSS
lalu klik Analyze, kemudian Regression dan pilih Linear.

7. Pada jendela Linear Regression, masukkan variable prestasi di bagian

Dependent dan variable motivasi dibagian Independent lalu klik save.
 Kk
Kk

8. Pada tab Linear Regression Save, centang Unstandardized lalu klik

continue lalu klik ok

9. Lalu akan muncul tampilan seperti di bawah ini.

10. Langkah selanjutnya, klik Analyze,lalu klik Nonparametric Test,klik

Legacy Dialogue,dan klik 1-Sample K-S.
 11. Muncul kotak dialog One-Sample Kolmogorov-Smirnov Test. Pada
Output, lihat pada baris paling bawah dan paling kanan yang berisi
Asymp.Sig.(2-tailed). Lalu interpretasinya adalah 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.

VI. Perbandingan dengan Metode Lain

A. Perbandingan dengan Uji t-test:

Uji Kolmogorov-Smirnov dan uji t-test memiliki perbedaan dalam hal
tujuan dan asumsi yang mendasarinya.Uji Kolmogorov-Smirnov digunakan untuk
menguji kesesuaian distribusi antara dua set data atau untuk menguji kesesuaian
distribusi data dengan distribusi teoritis yang diasumsikan. Uji t-test, di sisi lain,
digunakan untuk membandingkan rata-rata antara dua kelompok data secara
statistik.
Perbedaan lainnya adalah dalam asumsi yang mendasari kedua metode.
Uji t-test mengasumsikan bahwa data berdistribusi normal, sedangkan uji
Kolmogorov-Smirnov tidak memiliki asumsi khusus terkait distribusi data.
B. Perbandingan dengan Uji Chi-Square:
Uji Kolmogorov-Smirnov dan uji Chi-Square juga memiliki perbedaan
dalam hal tujuan dan asumsi. Uji Kolmogorov-Smirnov digunakan untuk menguji
kesesuaian distribusi antara dua set data atau kesesuaian distribusi data dengan
distribusi teoritis yang diasumsikan. Uji Chi-Square, di sisi lain, digunakan untuk
menguji hubungan antara dua variabel kategorikal atau untuk menguji kesesuaian
antara distribusi frekuensi data observasi dengan distribusi frekuensi yang
diharapkan.
Asumsi yang mendasari kedua metode juga berbeda. Uji Kolmogorov-
Smirnov tidak memiliki asumsi khusus tentang distribusi data, sedangkan uji Chi-
Square memiliki asumsi bahwa data dihitung dari sampel acak yang independen
dan bahwa frekuensi harapan di setiap sel tabel tidak boleh terlalu kecil.
Dalam pemilihan metode statistik, penting untuk mempertimbangkan tujuan
analisis, jenis data, dan asumsi yang mendasarinya. Setiap metode memiliki
kegunaan dan kelemahan tersendiri, dan pilihan tergantung pada karakteristik
khusus dari data dan pertanyaan penelitian yang ingin dijawab.
VII. Kelebihan dan Kelemahan Metode Kolmogorov-Smirnov
A. Kelebihan:
 Nonparametrik: Metode Kolmogorov-Smirnov adalah metode
nonparametrik yang tidak memerlukan asumsi tertentu tentang distribusi
data. Ini membuatnya sangat fleksibel dalam penggunaannya dan dapat
diterapkan pada berbagai jenis data.
 Sensitivitas terhadap Perbedaan Distribusi: Metode ini sangat sensitif
terhadap perbedaan antara dua distribusi atau perbedaan antara distribusi
data dan distribusi teoritis yang diasumsikan. Hal ini memungkinkan
penggunaan metode ini untuk menguji kesesuaian distribusi atau
mendeteksi perbedaan yang signifikan antara kelompok data.
 Tidak Memerlukan Perkiraan Parameter: Metode ini tidak memerlukan
perkiraan parameter populasi, sehingga memudahkan dalam
implementasinya.

B. Kelemahan:
  Tidak Memberikan Informasi tentang Arah Perbedaan: Metode ini hanya
memberikan informasi tentang apakah terdapat perbedaan antara kedua
distribusi atau tidak, namun tidak memberikan informasi tentang arah
perbedaan atau kontribusi variabel-variabel tertentu terhadap perbedaan
tersebut.
 Sensitif terhadap Ukuran Sampel: Metode ini dapat menjadi kurang
sensitif jika ukuran sampel terlalu kecil, terutama ketika mendekati ukuran
sampel yang sangat kecil.
 Tidak Cocok untuk Data Berkelompok: Metode ini lebih cocok untuk data
yang berkelanjutan (kontinu) daripada data yang terkelompok (discret).
Jika data terkelompok, mungkin diperlukan pendekatan atau metode yang
lebih sesuai.

Meskipun memiliki beberapa kelemahan, metode Kolmogorov-Smirnov tetap

menjadi alat yang berguna dalam analisis statistik, terutama ketika ingin menguji
kesesuaian distribusi atau mendeteksi perbedaan antara dua kelompok data.
Penting untuk mempertimbangkan kelebihan dan kelemahan metode ini sesuai
dengan kebutuhan analisis dan karakteristik data yang ada.

VIII. Saran untuk Penggunaan Metode Kolmogorov-Smirnov

A. Pertimbangan dalam Memilih Metode Kolmogorov-Smirnov:
 Tujuan Analisis: Pastikan metode Kolmogorov-Smirnov sesuai dengan
tujuan analisis Anda. Metode ini berguna untuk menguji kesesuaian
distribusi data atau perbedaan antara dua distribusi.
 Tipe Data: Pertimbangkan jenis data yang Anda miliki. Metode ini cocok
untuk data berkelanjutan (kontinu), tetapi tidak sesuai untuk data yang
terkelompok (discret). Jika Anda memiliki data terkelompok,
pertimbangkan metode lain yang lebih sesuai.
 Asumsi: Perhatikan asumsi yang mendasari metode ini. Metode
Kolmogorov-Smirnov tidak memiliki asumsi khusus tentang distribusi
data, namun pastikan bahwa data Anda memenuhi asumsi dasar
pengambilan sampel acak independen.

B. Sumber Daya dan Aspek Teknis yang Diperlukan:

  Perangkat Lunak: Anda akan memerlukan perangkat lunak statistik atau
bahasa pemrograman yang mendukung komputasi dan pengujian
Kolmogorov-Smirnov.
 Kemampuan Analisis Statistik: Pastikan Anda memiliki pemahaman yang
memadai tentang konsep dasar statistik, distribusi, dan metode pengujian
hipotesis untuk dapat mengimplementasikan metode ini dengan benar.
 Pengolahan Data: Pastikan Anda memiliki kemampuan untuk memproses
dan mengelola data dengan baik, termasuk penghitungan distribusi
kumulatif empiris (ECDF) dan statistik Kolmogorov-Smirnov.

C. Perhatian terhadap Asumsi dan Interpretasi Hasil:

 Asumsi: Periksa apakah asumsi dasar metode ini terpenuhi dalam konteks
Anda. Pastikan data Anda diambil secara acak independen dan sesuai
dengan jenis data yang sesuai dengan metode Kolmogorov-Smirnov.
 Interpretasi Hasil: Perhatikan interpretasi hasil uji Kolmogorov-Smirnov
dengan hati-hati. Pahami makna dari nilai statistik Kolmogorov-Smirnov
dan nilai p-value yang dihasilkan, dan pertimbangkan tingkat signifikansi
yang telah ditentukan sebelumnya dalam mengambil keputusan statistik
yang tepat.
 Penting untuk menguasai konsep dan teknik yang terkait dengan metode
Kolmogorov-Smirnov sebelum menggunakannya dalam analisis statistik.
Dengan mempertimbangkan pertimbangan di atas dan memahami aspek
teknis serta interpretasi hasil, Anda dapat menggunakan metode ini secara
efektif untuk menjawab pertanyaan penelitian yang relevan.
Latihan Soal

Uji pemahaman dengan mengerjakan soal-soal berikut !

A. Pilihan Ganda
1. Statistik Kolmogorov-Smirnov digunakan untuk:
a. Menguji perbedaan antara dua rata-rata sampel
b. Menguji perbedaan antara dua proporsi sampel
c. Menguji kesesuaian distribusi data dengan distribusi teoritis
d. Menguji hubungan antara dua variabel dalam suatu tabel kontingensi
2. Distribusi kumulatif empiris (ECDF) adalah:
a. Distribusi teoritis yang digunakan dalam uji Kolmogorov-Smirnov
b. Distribusi yang menggambarkan frekuensi relatif dari data
c. Distribusi yang digunakan untuk menguji perbedaan antara dua sampel
d. Distribusi yang hanya digunakan untuk data berkelompok
3. Hipotesis nol dalam uji Kolmogorov-Smirnov menyatakan:
a. Tidak ada perbedaan antara dua rata-rata sampel
b. Tidak ada perbedaan antara dua proporsi sampel
c. Data terdistribusi normal
d. Tidak ada perbedaan antara distribusi data dengan distribusi teoritis
Untuk menjawan soal No.4-6, perhatikan data berikut :
Misalkan Anda memiliki dua kelompok sampel, A dan B, yang masing-masing
terdiri dari 50 data. Anda ingin menguji apakah terdapat perbedaan signifikan
antara kedua kelompok tersebut berdasarkan distribusi data. Gunakan uji
Kolmogorov-Smirnov dengan tingkat signifikansi 0,05.
4. Apa hipotesis nol (H0) dalam kasus ini?
a. Tidak ada perbedaan antara kelompok A dan kelompok B
b. Terdapat perbedaan antara kelompok A dan kelompok B
c. Data dalam kelompok A terdistribusi normal
d. Data dalam kelompok B terdistribusi normal
5. Apa langkah pertama dalam uji Kolmogorov-Smirnov untuk kasus ini?
a. Menghitung statistik Kolmogorov-Smirnov
b. Membentuk hipotesis alternatif (H1)
c. Mengumpulkan data dari kelompok A dan kelompok B
d. Menghitung distribusi kumulatif empiris (ECDF)
6. Jika nilai p-value yang dihasilkan adalah 0,03, apa kesimpulan yang dapat Anda
ambil pada tingkat signifikansi 0,05?
a. Terdapat perbedaan signifikan antara kelompok A dan kelompok B
b. Tidak ada perbedaan signifikan antara kelompok A dan kelompok B
c. Data dalam kelompok A tidak terdistribusi normal
d. Data dalam kelompok B tidak terdistribusi normal
7. Apa Langkah yang harus dilakukan setelah menyiapkan data dan membuka
lembar kerja baru SPSS statistic untuk melakukan uji normalitas?
a. Klik data view c. Klik variable view
b. Klik analyze d. Copy paste data
8. Copy paste data dilakukan setelah…
a. Menklik variable view c. Mengklik analyze
b. Mengklik data view d. Mengklik regression
9. Di bawah ini adalah kolom yang harus diisi pada variable view, kecuali…
a. Name c. Label
b. Measure d. Values
10. Supaya muncul kotak dialog Linear Regression Save, di kotak dialog Linear
Regression yang harus kita lakukan adalah….
a. Masukkan variabel di dependent dan independent lalu klik save
b. Masukkan variable di dependent dan independent
c. Klik save
d. Klik continue
 REFERENSI

Kolmogorov, A., & Smirnov, N. (1933). Sulla determinazione empirica di una

legge di distribuzione. Giornale dell'Istituto Italiano degli Attuari, 4(1), 83-
91.

Stephens, M. A. (1974). EDF statistics for goodness of fit and some

comparisons. Journal of the American Statistical Association, 69(347), 730-737.

Conover, W. J. (1999). Practical nonparametric statistics (3rd ed.). John

Wiley & Sons.

Sheskin, D. J. (2007). Handbook of parametric and nonparametric

statistical procedures (4th ed.). Chapman and Hall/CRC.

Gibbons, J. D., & Chakraborti, S. (2011). Nonparametric statistical

inference (5th ed.). CRC Press.