Uji Kolmogorov Smirnov Dua Sampel

Ketika melakukan penelitian yang membutuhkan metode penelitian secara statistik, umumnya dilakukan uji normalitas data. Untuk itu, bisa digunakan uji Kolmogorov smirnov dua sampel. Pembahasan kali ini akan mengulas pengertian, konsep dasar, dan juga kelemahan dan kelebihan uji ini:

Uji Kolmogorov smirnov bisa diartikan sebagai metode statistik yang digunakan untuk menguji hipotesis komparatif dari dua sampel independen dengan bentuk data ordinal yang disusun pada tabel distribusi frekuensi kumulatif dengan sistem interval kelas.

Uji Kolmogorov smirnov memiliki kelebihan yaitu tidak timbul banyak persepsi antar pengamat dimana hal ini banyak terjadi pada uji normalitas berbasis grafik. Selain itu, pengujian dengan menggunakan uji ini juga terbilang sederhana.

Dari uji ini, jika hasil akhirnya tidak normal, sulit untuk memutuskan transformasi model apa yang bisa dipakai untuk normalisasi data. Selain itu, uji KS (Kolmogorov Smirnov) umumnya hanya sensitive pada area pusat distribusi dibandingkan dengan di ujung.

Konsep atau prinsip dasar dari uji ini adalah dengan melakukan perbandingan distribusi data atau data yang normalitasnya akan diuji dengan data yang sudah ditransformasikan menjadi bentuk Z-score dan telah diasumsikan sebagai data normal.

Prinsip perhitungan uji Kolmogorov smirnov adalah perhitungan selisih absolut pada tiap-tiap interval kelas. Karakteristik pengujian pada uji ini pada sampel kecil dan besar adalah Ho ditolak jika KDhitung > KDtabel.

Jika pada uji biasa signifikansi < 0,05 berarti ada perbedaan yang signifikan dan jika > 0,05 tidak timbul perbedaan yang signifikan, penerapan ini juga berlaku pada uji Kolmogorov Smirnov. Pada uji ini, data berdistribusi tidak normal jika p < 0,05 dan data berdistribusi normal jika p > 0,05.

Uji Kolmogorov Smirnov bisa dilakukan secara manual dengan asumsi sampel acak dari distribusi populasi kontinyu. Langkah pertama adalah menentukan hipotesis dimana Ho adalah data mengikuti distribusi tertentu ( F(x) = Ft (x), nx), H1 adalah data tidak mengikuti distribusi tertentu (F (x) ≠ Ft (x) minimal 1 x).

Selanjutnya, urutkan data mulai dari yang paling kecil hingga paling besar. Lanjutkan dengan menghitung distribusi FS (xi) dan Ft (xi) dengan bantuan tabel distribusi normal baku atau simpangan baku. Tentukan D max dan juga kuantil statistik pada tabel K-S. Jika hasil D>k maka Ho bisa ditolak. Uji Kolmogorov Smirnov dua sampel ini memang cukup sederhana dan bisa dilakukan secara manual.