Uji

Kolmogorov
Smirnov
Nurliana (P062192032)
Dian Ekayanti Astari (P062192011)
Uji Kolmogorov Smirnov
Ditemukan oleh
ahli matematika
asal Rusia,
Kolmogorov dan
Smirnov

One
sample K-S Two sample
K-S
Uji Kolmogorov Smirnov (K-S)

One sample K-S Uji normalitas

• Uji yang dilakukan untuk mengetahui apakah suatu
sampel berasal dari populasi dengan distribusi normal
atau tidak

Two sample K-S Uji komparatif

• Uji yang dilakukan untuk mengetahui ada tidaknya
perbedaan signifikan untuk dua sampel yang
independen
Menu

1-s K-S Uji Kolmogorov Smirnov

2-s K-S

One
sample K-S Two sample
K-S
Menu

1-s K-S

2-s K-S

Uji Normalitas Kolmogorov Smirnov

One sample test Kolmogorov Smirnov
Menu

1-s K-S Uji Kolmogorov Smirnov (K-S)

2-s K-S

Kelebihan
• Sederhana
• Tidak menimbulkan perbedaan persepsi antar pengamat, yang
sering terjadi pada uji normalitas dengan menggunakan grafik
• Tidak tergantung pada ukuran sampel
Kekurangan
• Hanya berlaku untuk distribusi kontinu (data tunggal, belum
dikelompokkan pada table distribusi frekuensi)
• Jika hasil tidak normal, kita tidak bisa menentukan transformasi
seperti apa yang harus kita gunakan untuk normalisasi (tetap harus
menggunakan plot grafik untuk melihat data melenceng ke mana)
Menu

1-s K-S Syarat Uji Normalitas K-S

2-s K-S

Data minimal berskala ordinal

Data tunggal/belum dikelompokkan pada

tabel distribusi frekuensi

Dapat untuk sampel besar (>50) atau kecil

(<50)
Menu

1-s K-S Nilai Statistik

2-s K-S

n •Sample size
α •Tingkat signifikansi
σ2 •Varians
μ •Rata-rata
Menu

1-s K-S Konsep Dasar Uji Normalitas K-S

2-s K-S

Membandingkan distribusi data

dengan distribusi normal baku

Distribusi normal baku  data yang

telah ditransformasikan ke dalam
bentuk z-score dan diasumsikan
normal
Menu

1-s K-S Langkah

2-s K-S

• Ho = Data berdistribusi normal

Tentukan
• Ha = Data tidak berdistribusi
Hipotesis: normal (Hipotesis alternatif)

• Dhitung = maks |F(X) – S(X)|

Statistik • F(X) = Peluang Kumulatif Teoritis
Uji: • S(X) = Peluang Kumulatif
Observasi

• Jika Dhitung > Dα maka tolak H0

Tentukan • Jika Dhitung < Dα maka gagal
Titik Kritis tolak H0
Menu

1-s K-S Contoh

2-s K-S

Hasil autopsy mendapatkan 1348 1140 1086 1039

data berat otak 15 orang
dewasa yang menderita
penyakit X adalah sbb. 920 1233 1146 1002
Berdasarkan data tersebut,
apakah dapat ditarik 1012 904 1255 1168
kesimpulan bahwa populasi
asal sampel adalah normal?
1016 1001 973
Menu

1-s K-S Langkah 1. Susun Hipotesis

2-s K-S
Menu

1-s K-S

2-s K-S

Langkah 3.
Hitung distribusi
Fs(x)
Langkah 2. Fkum
Urutkan 𝐹𝑠 𝑥 =
data dari 𝑛
yang terkecil
ke terbesar

Fkum = frekuensi kumulatif

n = total frekuensi
Menu

1-s K-S

2-s K-S

Langkah 4. Membuat
Ft(x)

x̄  mean (rata-rata)
s  standar deviasi
xi − 𝑥
𝑧 − 𝑠𝑐𝑜𝑟𝑒 =
𝑠
Ft(xi)  dilihat pada tabel Z distribusi normal
Menu

1-s K-S Tabel Z Distribusi Normal

2-s K-S

Contoh bila nilai

z = -1,242
Maka
Ft(x) = 0,1075
Menu

1-s K-S

2-s K-S Langkah 5.

Menentukan Dmax

D = | Fs(x) – Ft(x) |
Menu

1-s K-S

2-s K-S Langkah 6.

Tentukan Nilai Kritis
dengan meihat
Tabel Kolmogorov
Smirnov

Pada contoh:
n = 15
α = 0.05
Menu

1-s K-S Langkah 7. Penarikan Keputusan

2-s K-S

Jika Dhitung > Dtabel  tolak Ho ditolak

Jika Dhitung < Dtabel  gagal tolak Ho

Cohtoh: Dhitung=0,1664 dan Dtabel=0.338

Sehingga Dhitung<Dtabel  gagal tolak Ho
 sampel berasal dari distribusi normal
Menu

1-s K-S

2-s K-S

Uji Komparatif Kolmogorov Smirnov

Two sample test Kolmogorov Smirnov
Menu

1-s K-S K-S Two Sample Test

2-s K-S

Merupakan uji nonparametrik

Untuk menguji hipotesis komparatif dua

sampel bebas (independent) bila datanya
berbentuk ordinal/nominal

Untuk mengetahui apakah dua sampel

bebas (independent) berasal dari populasi
yang sama
Menu

1-s K-S
Uji Parametrik atau
2-s K-S
Nonparametrik?
• Variabel numerik
• Distribusi data normal
• Varians
Uji Parametrik • Kelp. berpasangan  tidak harus sama
• Kelp. tidak berpasangan
• 2 kel  boleh sama boleh tidak
• >2 kel  harus sama

• Variabel kategorik
Uji
Nonparametrik • Variabel numerik namun tidak memenuhi
syarat untuk uji parametrik
Menu

1-s K-S

2-s K-S

Kapan kita menggunakan

Uji K-S sebagai uji beda (komparatif)?
Menu

1-s K-S Uji Hipotesis Bivariat

2-s K-S

Masalah Jenis Hipotesis

Skala Komparatif Korelatif
Pengukuran Tidak berpasangan Berpasangan
Numerik 2 kelompok >2 2 kelompok >2 Pearson
kelompok kelompok
Unpaired T- One way Paired T-test Repeated
test ANOVA ANOVA
Kategorik Mann Kruskal- Wilcoxon Friedman Spearman
(ordinal) Whitney Wallis
Kategorik Chi-square McNemar, Cochran Koefisien
(nominal/ Fisher Marginal Homogeneity Kontingensi
ordinal) Kolmogorov-Smirnov Wilcoxon, Friedman Lambda
Menu

1-s K-S Uji Hipotesis Variabel Kategorik

2-s K-S Kelompok Tidak Berpasangan B = baris (ind. var.)
K = kolom (dep.
var.)

Syarat Uji Chi-square  sel yang

mempunyai frekuensi harapan
(expected count) <5 maksimal 20%
dari jumlah sel.

Frekuensi kenyataan (observed count)

 yang didapatkan pada subjek
Frekuensi harapan (expected count)
 yang didapatkan bila Ho benar
Menu

1-s K-S Contoh: Hubungan Jenis Kelamin

2-s K-S dengan Tingkat Depresi
Tingkat Depresi
Total
Clinical range Borderline Normal Total
Jenis Laki-laki Observed count 1 4 9 14 baris
kelamin Expected count 0.9 2.3 10.7 14.0
Perempuan Observed count 1 1 14 16
Expected count 1.1 2.7 12.3 16.0 Total
Total Observed count 2 5 23 30 sampel
Expected count 2.0 5.0 23.0 30.0

Total
𝑡𝑜𝑡𝑎𝑙 𝑏𝑎𝑟𝑖𝑠 𝑥 𝑡𝑜𝑡𝑎𝑙 𝑘𝑜𝑙𝑜𝑚 kolom
Expected count =
𝑡𝑜𝑡𝑎𝑙 𝑠𝑎𝑚𝑝𝑒𝑙
Pada tabel di atas, ada 4 sel (>20%) yang memiliki nilai expected <5
 syarat uji chi square tidak terpenuhi  uji Kolmogorov Smirnov
Menu

1-s K-S Hipotesis

2-s K-S

H0  tidak terdapat perbedaan antara

kedua sampel

Ha  terdapat perbedaan antara

kedua sampel
Menu

1-s K-S

2-s K-S

Statistik uji:
D = | Fs-1(x) – Fs-2(x) |

Daerah kritis:
Tolak Ho bila Dmax > Dtabel
Menu

1-s K-S Apakah terdapat hubungan antara

2-s K-S jenis kelamin dengan tingkat depresi?

Tingkat Jenis Kelamin

Total
Depresi Laki-laki Perempuan
Clinical range 1 1 2
Borderline 4 1 5
Normal 9 14 23
Total 14 16 30
Menu

1-s K-S Tabel perhitungan Dmax

2-s K-S

Tingkat F1 F2
Fkum-1 Fs(x)1 Fkum-2 Fs(x)2 D = |Fs(x)1 – Fs(x)2|
Depresi (Laki-laki) (Perempuan)
Clinical 1 1 0.071 1 1 0.062 0.009
range
Borderline 4 5 0.357 1 2 0.125 0.232
Normal 9 14 1 14 16 1 0

Dmax =
0.0232
Menu

1-s K-S Tabel K-S

2-s K-S

Total sampel
n = 30

Tingkat signifikansi
α = 0.05

D tabel
D(30,0.05) = 0.240
Menu

1-s K-S Penarikan Keputusan

2-s K-S

D(30,0.05) = 0.240

Dmax = 0.232

Dmax < D(30,0.05)

Gagal tolak H0

Tidak terdapat perbedaan antara kedua sampel

(Tidak terdapat hubungan antara jenis kelamin dengan tingkat depresi)
Menu

1-s K-S Two sample test K-S pada SPSS

2-s K-S

p > 0.05  gagal tolak H0

 tidak ada hubungan antara jenis kelamin dan depresi
 Terima Kasih…

Further reading:
Stewart, Antony. 2002. Basic Statistics and Epidemiology. Radcliffe Medical Press.
Nordness, Robert. 2005. Epidemiology and Biostatistics Secrets. Elsevier Health Sciences.
Dahlan, M. Sopiyuddin. 2014. Statistik untuk Kedokteran dan Kesehatan. Epidemiologi Indonesia.