0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
21 tayangan18 halaman
Dokumen tersebut membahas uji normalitas Kolmogorov Smirnov untuk menguji apakah suatu data berdistribusi normal atau tidak. Metode yang dijelaskan adalah dengan membandingkan data sampel dengan distribusi normal standar dan menguji perbedaannya secara statistik. Jika signifikansi lebih besar dari 0.05, maka data bersifat normal. Contoh pengujian menunjukkan bahwa data diameter koloni bakteri tidak berdistribusi normal.
Dokumen tersebut membahas uji normalitas Kolmogorov Smirnov untuk menguji apakah suatu data berdistribusi normal atau tidak. Metode yang dijelaskan adalah dengan membandingkan data sampel dengan distribusi normal standar dan menguji perbedaannya secara statistik. Jika signifikansi lebih besar dari 0.05, maka data bersifat normal. Contoh pengujian menunjukkan bahwa data diameter koloni bakteri tidak berdistribusi normal.
Dokumen tersebut membahas uji normalitas Kolmogorov Smirnov untuk menguji apakah suatu data berdistribusi normal atau tidak. Metode yang dijelaskan adalah dengan membandingkan data sampel dengan distribusi normal standar dan menguji perbedaannya secara statistik. Jika signifikansi lebih besar dari 0.05, maka data bersifat normal. Contoh pengujian menunjukkan bahwa data diameter koloni bakteri tidak berdistribusi normal.
PROGRAM STUDI S1 KEPERAWATAN Uji Kolmogorov Smirnov merupakan 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. Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan.
Penerapan pada uji Kolmogorov Smirnov adalah
bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal.
p < 0,05 distribusi data tidak normal
p ≥ 0,05 distribusi data normal 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. Contoh Dilakukan penelitian untuk mengetahui pengaruh ekstrak daun Sirih (Piper bettle) terhadap pertumbuhan koloni bakteri Staphylococcus aureus. Adapun hasil penelitian direkam pada tabel berikut.
10% 4.9 5.00 4.8 4.6 4.8 15% 2.5 2.7 2.6 2.4 2.6 20% 4.6 4.7 4.6 4.8 4.9 25% 5.1 4.9 5.2 5.4 5.2 Ujilah data di atas, apakah berdistribusi normal atau tidak! CARA 1 Langkah-langkah: 1. Buka lembar Kerja baru File, New, Data 2. Mendefinisikan Variabel pada lembar Variabel View a. Variabel Konsentrasi Name, ketik Konsentrasi Type, pilih Numeric agar dapat diolah SPSS Width, abaikan Decimals, ketik 0 Label Abaikan Values Abaikan b. Variabel Diameter Name, ketik Diameter Type, pilih Numeric agar dapat diolah SPSS Width, abaikan Decimals, ketik 0 Label Abaikan Values Abaikan 3. Memasukkan data pada pada lembar Data View 4. Klik Analyze --> Descriptive ---> Explorer, sampai muncul jendela seperti dibawah ini : 5. Klik Plots..., kemudian aktifkan (centang) "Histogram" dan "Normality plots with test“, dan klik “Continue”, lalu “OK”. Out Put Interpretasi Output Dari tebel Test of Normality pada kolom Kolmogorv-Smirnov terlihat bahwa Sig. = 0,000, sehingga Ho ditolak, Ha diterima yang artinya bahwa ada perbedaan yang signifikan antara data diameter dengan distribusi normal. Dengan kata lain data diameter berdistribusi Tidak normal. CARA 2 1. Langkah 1 sampai dengan 3 sama dengan pada cara 1 2. Klik Analyze Nonparametric Tests 1- Sample K-S. 3. Pindahkan variabel yang akan diuji ke Test Variable List Centang Normal pada opsi Test Distribution. 4. Klik OK Out Put Kesimpulan • Asymp. Sig (2-tailed) = 0.004 < α (0.05) maka H0 ditolak dan Ha diterima yang berarti bahwa ada perbedaan distribusi sampel dengan distribusi baku (normal) atau dengan kata lain data sampel tersebut terdistribusi tidak normal.