Apa Itu Uji Kolmogorov-Smirnov? Penggunaan & Contoh Pengujian

Warga bimbingan, Kolmogorov Smirnov adalah uji statistik yang digunakan untuk membandingkan distribusi data sampel dengan distribusi teoritis atau antara dua sampel data. Uji ini berguna untuk menguji normalitas data tanpa asumsi yang berat.

Artikel ini akan membahas cara penggunaan Kolmogorov Smirnov adalah, contohnya, dan alternatif uji normalitas lainnya yang bisa digunakan dalam analisis statistik.

Apa Itu Uji Kolmogorov-Smirnov?

Uji Kolmogorov Smirnov adalah uji statistik yang digunakan untuk membandingkan distribusi data sampel dengan distribusi teoritis atau untuk membandingkan dua sampel data. 

Uji ini mengukur perbedaan antara fungsi distribusi kumulatif (CDF) sampel dan CDF distribusi teoritis, seperti distribusi normal. 

Jika perbedaan antara kedua CDF ini cukup besar, maka kita dapat menyimpulkan bahwa data tidak mengikuti distribusi tersebut. 

Keunggulan dari uji Kolmogorov-Smirnov adalah tidak memerlukan asumsi khusus mengenai bentuk distribusi data, sehingga sangat berguna untuk data yang tidak dapat diasumsikan mengikuti distribusi normal.

Baca juga : Panduan Memilih Bootcamp Data Science Terbaik di 2025

Kapan Menggunakan Uji Kolmogorov-Smirnov?

Sumber: Canva

Kolmogorov Smirnov adalah uji statistik yang digunakan dalam berbagai situasi untuk menguji kesesuaian distribusi data dengan distribusi teoritis atau membandingkan dua sampel. Berikut adalah beberapa kondisi kapan uji ini digunakan:

1. Uji Satu Sampel

Digunakan untuk memeriksa apakah data sampel mengikuti distribusi tertentu, seperti distribusi normal. Ini membantu menentukan apakah data sesuai dengan distribusi teoritis yang diinginkan.

2. Membandingkan Dua Sampel Data

Menggunakan uji dua sampel untuk memeriksa apakah dua sampel berasal dari populasi dengan distribusi yang sama. Uji ini berguna untuk membandingkan distribusi antar dua kelompok.

3. Memeriksa Normalitas Data

Digunakan untuk menguji apakah data mengikuti distribusi normal, penting dalam banyak analisis statistik. Uji ini membantu memastikan data memenuhi asumsi normalitas.

4. Data dengan Ukuran Sampel Kecil atau Besar

Uji ini dapat digunakan pada data dengan ukuran sampel kecil maupun besar, dan tidak bergantung pada asumsi distribusi data. Ini membuatnya fleksibel untuk berbagai jenis data.

Baca juga : Panduan Cara Belajar Python untuk Data Scientist, Lengkap!

Cara Uji Normalitas Kolmogorov-Smirnov dengan SPSS

Sumber: Canva

Berikut adalah contoh tabel data yang akan digunakan dalam uji normalitas Kolmogorov-Smirnov dengan SPSS, serta langkah-langkah cara menggunakannya di SPSS.

Contoh Tabel Data:

Misalnya, kita memiliki data tinggi badan 10 orang dalam satu kelompok. Berikut adalah contoh data yang akan diuji normalitasnya menggunakan Kolmogorov-Smirnov:

Langkah-langkah Menggunakan SPSS untuk Uji Kolmogorov-Smirnov:

1. Memasukkan Data ke SPSS:

1. Buka aplikasi SPSS.
2. Masukkan data dalam bentuk tabel ke dalam Data View SPSS. Pada kolom pertama, beri nama variabelnya, misalnya “Tinggi_Badan”.

2. Menentukan Hipotesis:

1. Hipotesis Nol (H₀): Data mengikuti distribusi normal.
2. Hipotesis Alternatif (H₁): Data tidak mengikuti distribusi normal.

3. Melakukan Uji Kolmogorov-Smirnov:

1. Klik menu Analyze di bagian atas layar SPSS.
2. Pilih Descriptive Statistics dan kemudian pilih Explore.
3. Masukkan variabel “Tinggi_Badan” ke dalam kotak Dependent List.
4. Klik Plots di bagian bawah.
5. Centang kotak Normality plots with tests, lalu klik Continue.
6. Kembali ke jendela utama Explore, klik OK untuk menjalankan uji.

4. Menganalisis Hasil Output:

SPSS akan menghasilkan output yang menampilkan tabel dan grafik. Pada bagian “Tests of Normality”, lihat hasil untuk uji Kolmogorov-Smirnov.

Berikut adalah contoh output yang dihasilkan oleh SPSS:

6. Interpretasi Hasil:

1. Perhatikan kolom Sig. (nilai signifikansi):
2. Jika nilai Sig. lebih besar dari 0,05 (misalnya 0,200 seperti pada contoh), maka kita gagal menolak hipotesis nol dan menyimpulkan bahwa data mengikuti distribusi normal.
3. Jika nilai Sig. kurang dari 0,05, kita menolak hipotesis nol dan menyimpulkan bahwa data tidak mengikuti distribusi normal.

Baca juga : Python untuk Data Analyst: Arti, Manfaat, Library, dan Tips

Uji Normalitas Selain Kolmogorov Smirnov

Sumber: Canva

Berikut adalah penjelasan yang lebih ringkas mengenai Uji Normalitas selain Kolmogorov-Smirnov:

1. Uji Shapiro-Wilk

Uji ini sangat cocok untuk mengecek normalitas data, terutama pada sampel kecil. Statistik W yang dihitung membandingkan varians sampel dengan varians populasi normal.

Nilai p yang dihasilkan digunakan untuk menentukan apakah data terdistribusi normal atau tidak.

2. Uji Lilliefors

Uji Lilliefors adalah modifikasi dari uji Kolmogorov-Smirnov yang digunakan saat rata-rata dan standar deviasi populasi tidak diketahui. 

Uji ini membandingkan distribusi kumulatif data dengan distribusi normal standar. Nilai p yang lebih kecil dari 0,05 menunjukkan data tidak normal.

3. Uji Chi-Square

Uji Chi-Square menguji kesesuaian distribusi data dengan distribusi teoritis normal. Nilai Chi-Square dihitung dari perbedaan antara frekuensi observasi dan frekuensi yang diharapkan. Nilai p yang dihasilkan menunjukkan apakah data terdistribusi normal atau tidak.

Baca juga : Panduan Analisis Data dengan Python Pandas, Mudah Dipelajari

Ingin Menjadi Data Science Professional?

Setelah memahami konsep uji Kolmogorov-Smirnov dan penerapannya, saatnya untuk memperdalam keterampilan analisis data dan statistik dengan bergabung dalam Bootcamp Data Science di dibimbing.id! 

Di sini, kamu akan belajar dari mentor berpengalaman tentang cara menggunakan berbagai metode statistik, termasuk uji normalitas, untuk mengolah dan menganalisis data secara profesional.

Dengan kurikulum yang aplikatif dan fokus pada proyek nyata, kamu akan dibimbing untuk menguasai Python, Machine Learning, dan Data Visualization. 

Ditambah lagi, dengan lebih dari 840+ hiring partner dan tingkat keberhasilan alumni mencapai 96%, peluang kariermu di dunia Data Science semakin terbuka lebar!

Jadi, tunggu apa lagi? Hubungi di sini dan daftar sekarang di sini untuk memulai perjalananmu menjadi Data Science Professional! #BimbingSampeJadi!

Referensi

1. Kolmogorov-Smirnov Test (KS Test) [Buka]