Pengertian Uji Kolmogorov-Smirnov

Uji Kolmogorov-Smirnov (sering disingkat KS Test) adalah metode statistik yang digunakan untuk menentukan apakah suatu dataset mengikuti distribusi probabilitas tertentu.

Metode ini dikembangkan oleh dua matematikawan terkenal:

• Andrey Kolmogorov

• Nikolai Smirnov

Uji ini bekerja dengan cara membandingkan fungsi distribusi kumulatif empiris (ECDF) dari data sampel dengan fungsi distribusi kumulatif teoritis (CDF) dari distribusi yang diuji.

Jika perbedaan keduanya terlalu besar, maka data dianggap tidak mengikuti distribusi tersebut.

Fungsi Uji Kolmogorov-Smirnov

Uji Kolmogorov-Smirnov memiliki beberapa kegunaan utama dalam statistik, antara lain:

1. Menguji Normalitas Data

Uji ini dapat digunakan untuk mengetahui apakah data mengikuti distribusi normal.

2. Membandingkan Dua Distribusi Data

KS Test dapat digunakan untuk mengetahui apakah dua dataset berasal dari distribusi yang sama.

3. Menguji Kesesuaian Distribusi (Goodness of Fit)

Digunakan untuk mengevaluasi apakah distribusi teoritis sesuai dengan data yang diamati.

Rumus Uji Kolmogorov-Smirnov

Statistik uji Kolmogorov-Smirnov dinyatakan dengan rumus berikut:

D = max | F₀(x) − Sₙ(x) |

Keterangan:

• D = statistik Kolmogorov-Smirnov

• F₀(x) = fungsi distribusi kumulatif teoritis

• Sₙ(x) = fungsi distribusi kumulatif empiris dari sampel

• max = nilai maksimum dari selisih absolut antara kedua fungsi distribusi

Semakin besar nilai D, semakin besar perbedaan antara distribusi data dengan distribusi teoritis.

Hipotesis Uji Kolmogorov-Smirnov

Dalam uji Kolmogorov-Smirnov terdapat dua hipotesis utama.

Hipotesis nol (H0)
Data mengikuti distribusi yang diuji.

Hipotesis alternatif (H1)
Data tidak mengikuti distribusi yang diuji.

Interpretasi hasil biasanya menggunakan nilai p-value.

Contoh Penggunaan Uji Kolmogorov-Smirnov

Misalkan seorang peneliti ingin mengetahui apakah data tinggi badan 50 responden mengikuti distribusi normal.

Setelah melakukan uji menggunakan software statistik, diperoleh hasil:

p-value = 0,03

Karena p-value ≤ 0,05, maka:

Kesimpulan:
Data tidak berdistribusi normal.

Dalam kondisi ini, peneliti sebaiknya menggunakan metode statistik non-parametrik.

Perbedaan Kolmogorov-Smirnov dan Shapiro-Wilk

Metode lain yang sering digunakan untuk menguji normalitas adalah Shapiro–Wilk Test.

Berikut perbandingannya:

Kelebihan Uji Kolmogorov-Smirnov

Beberapa kelebihan dari metode ini antara lain:

1. Dapat Digunakan untuk Berbagai Distribusi

Tidak hanya distribusi normal, tetapi juga distribusi lain seperti:

• Distribusi Poisson

• Distribusi Eksponensial

• Distribusi Uniform

2. Bisa Membandingkan Dua Dataset

KS Test dapat digunakan untuk mengetahui apakah dua sampel berasal dari distribusi yang sama.

3. Banyak Digunakan dalam Analisis Data

Metode ini tersedia di berbagai software statistik seperti:

• SPSS

• R

• Python

Kesimpulan

Uji Kolmogorov-Smirnov merupakan metode statistik yang digunakan untuk menguji kesesuaian distribusi data dengan distribusi teoritis tertentu. Metode ini sangat berguna dalam analisis statistik untuk memastikan apakah data memenuhi asumsi distribusi sebelum dilakukan analisis lanjutan.

Dengan memahami uji Kolmogorov-Smirnov, peneliti dan analis data dapat melakukan evaluasi distribusi data secara lebih akurat dan sistematis.

Jika Anda ingin memanfaatkan Uji Kolmogorov Smirnov untuk analisa data yang lebih cerdas dan berdampak nyata, kami siap menjadi partner terpercaya Anda.