Uji Kolmogorov-Smirnov (Chakravart, Laha, dan Roy, 1967)
biasa digunakan untuk memutuskan jika sampel berasal dari populasi
dengan distribusi spesifik/tertentu.
Uji Kolmogorov-Smirnov digunakan untuk menguji ‘goodness of fit‘
antar distribusi sampel dan distribusi lainnya, Uji ini membandingkan
serangkaian data pada sampel terhadap distribusi normal serangkaian
nilai dengan mean dan standar deviasi yang sama. Singkatnya uji ini
dilakukan untuk mengetahui kenormalan distribusi beberapa data. Uji Kolmogorov-Smirnov merupakan uji yang lebih kuat daripada uji chi-square ketika asumsi-asumsinya terpenuhi. Uji Kolmogorov-Smirnov juga tidak memerlukan asumsi bahwa populasi terdistribusi secara normal.
Hipotesis pada uji Kolmogorov-Smirnov adalah sebagai berikut:
H0 : data mengikuti distribusi yang ditetapkan
Ha : data tidak mengikuti distribusi yang ditetapkan
Ha : data tidak mengikuti distribusi yang ditetapkan
Keunggulan Uji Kolmogorov-Smirnov dibanding Uji Chi Square:
1. CS memerlukan data yang terkelompokkan, KS tidak memerlukannya.
2. CS tidak bisa untuk sampel kecil, sementara KS bisa.
3. Oleh karena data Chi Square adalah bersifat kategorik. Maka ada data yang terbuang maknanya.
4. KS lebih fleksibel dibanding CS.
Ilustrasi:
Jika kita ingin melihat apakah distribusi data harga kakao pasar spot
Makassar dengan bursa berjangka NYBOT menyebar normal. Data yang
diberikan adalah dalam US$/ton sebagai berikut:
Uji Kolmogorov-Smirnov terhadap kenormalan data dengan SPSS 17.0 adalah sebagai berikut:
2. Masukkan sampel yang akan diuji ke dalam box text variable list (satu sampel atau semua sampel), kemudian pada Test Distribution pilih Normal. Kemudian klik OK:
3. Output:
4. Interpretasi:
Nilai Most Extreme Differences Absolute diatas merupakan nilai statistik D pada uji K-S, nilai D pada uji terhadap masing-masing variabel diatas adalah 0,160 dan 0,223, artinya (p>0,05), maka cukup bukti untuk menerima H0, dimana data terdistribusi secara normal.
Social Plugin