http://www.konsultanstatistik.com/2009/03/uji-normalitas-dengan-kolmogorov.html
Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah dikembangkan oleh para ahli. Kita sebenarnya sangat beruntung karena tidak perlu mencari-cari cara untuk menguji normalitas, dan bahkan saat ini sudah tersedia banyak sekali alat bantu berupa program statistik yang tinggal pakai. Berikut adalah salah satu pengujian normalitas dengan menggunakan teknik Kolmogorov Smirnov. 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. Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang signifikan antara data yang akan diuji dengan data normal baku, artinya«.ya berarti data yang kita uji normal, kan tidak berbeda dengan normal baku. 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.
Uji Normalitas dengan Kolmogorov Smirnov dengan Program SPSS
Pengujian normalitas dengan menggunakan Program SPSS dilakukan dengan menu Analyze, kemudian klik pada Nonparametric Test, lalu klik pada 1-Sample K-S. K-S itu singkatan dari Kolmogorov-Smirnov. Maka akan muncul kotak One-Sample Kolmogorov-Smirnov Test. Data yang akan diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah. Lalu tekan OK saja. Pada output, lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.(2-tailed). Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka
distribusi data dinyatakan memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal
http://ariyoso.wordpress.com/2009/11/16/uji-kolmogorov-smirnov/ Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Cara yang biasa dipakai untuk menghitung masalah ini adalah Chi Square. Tapi karena tes ini memiliki kelemahan, maka yang kita pakai adalah Kolmogorov-Smirnov. 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 µ goodness of fit µ 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 Ha
: data mengikuti distribusi yang ditetapkan : 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: Setelah data dimasukkan ke dalam worksheet SPSS, Pilih Analyze ± Non Parametric test ± 1 sample K-S , seperti berikut: 1.
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 : 2.
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. Nilai Z pada uji ini juga dapat dilihat dan paling sering digunakan sebagai indikator, dimana nilainya berturut-turut untuk Makassar dan NYBOT adalah 0,699 dan 0,974, berarti p>0,05, maka H0 dapat diterima bahwa data terdistribusi secara normal
Kolmogorov Smirnov Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah dikembangkan oleh para ahli. Kita sebenarnya sangat beruntung karena tidak perlu mencari-cari cara untuk menguji normalitas, dan bahkan saat ini sudah tersedia banyak sekali alat bantu berupa program statistik yang tinggal pakai (bajakan lagi). Berikut adalah salah satu pengujian normalitas dengan menggunakan teknik Kolmogorov Smirnov. 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. Sampai di sini dah ngerti lum???? Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang signifikan antara data yang akan diuji dengan data normal baku, artinya«.ya berarti data yang kita uji normal, kan tidak berbeda dengan normal baku. O, ya ada juga kelemahan dari Uji Kolmogorov Smirnov (mohon maaf kepada Bapak Almarhum Kolmogorov dan Bapak Almarhum 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 t epat dipergunakan
http://studikustatistik.wordpress.com/2008/09/23/uji-normalitas-data-kolmogorov-smirnovone-sample-kolmogorov-smirnov-test/
Uji Normalitas Data Kolmogorov-Smirnov (One-Sample KolmogorovSmirnov Test) In statistic on September 23, 2008 at 2:16 pm
Studiku Uji Normalitas data dilakukan sebelum data diolah berdasarkan model-model penelitian yang diajukan. Uji normalitas data bertujuan untuk mendeteksi distribusi data dalam suatu variabel yang akan digunakan dalam penelitian. Data yang baik dan layak untuk membuktikan modelmodel penelitian tersebut adalah data yang memiliki distribusi normal. Ada bermacam-macam cara untuk mendeteksi normalitas distribusi data, salah satunya menggunakan uji Kolmogorov-Smirnov. Hipotesis yang diajukan adalah sebagai berikut: Ho : Data X berdistribusi normal. Ha : Data X tidak berdistribusi normal. Pengambilan keputusan: Jika Sig.(p) > 0,05 maka Ho diterima Jika Sig.(p) < 0,05 maka Ho ditolak.
Dengan menggunakan alat bantu olah data SPSS versi 15 diperoleh output sebagai berikut:
Berdasarkan hasil output diketahui bahwa variabel harga (X1) pada Asymp.Sig.(2-tailed) memiliki nilai 0,143 atau sign. p>0,05 sehingga diputuskan bahwa variabel tersebut memiliki distribusi data yang normal atau Ho diterima dan menolak Ha. Keputusan ini juga sama diberikan pada variabel pembelian (Y). Sedangkan data variable tempat (X2) menunjukkan hasil yang sebaliknya, nilai sign. P<0,05 sehingga diputuskan bahwa variabel tersebut memiliki distribusi data yang tidak normal atau Ha diterima dan menolak Ho. Uji normalitas (uji asumsi klasik ) dalam model regresi bertujuan untuk menguji apakah variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Hipotesis yang diajukan: Ho : Data residual berdistribusi normal. Ha : Data residual tidak berdistribusi normal. Berdasarkan hasil output diketahui bahwa Asymp.Sig.(2-tailed) memiliki nilai 0,231 atau sign. p>0,05 sehingga diputuskan bahwa data residual memiliki distribusi yang normal atau Ho diterima dan menolak Ha. studiku
