Tes satu sampel Kolmogorov-Smirnov
1. Fungsi dan dasar pemikiran.
Tes satu sampel
Kolmogorov-Smirnov adalah suatu tes Goodness of-fit. Artinya yang diperhatikan
adalah tingkat kesesuaian antara distribusi serangkaian harga sampel (skor yang
di observasi) dengan suatu distribusi teoritis tertentu. Tes ini menetapkan
apakah skor dalam sampel dapat secara masuk akal dianggap berasal dari suatu
populais dengan distribusi teoritis itu.
Singkatnya, tes ini
mencakup perhitungan distribusi frekuensi komulatif yang akan terjadi di bawah
distribusi teoritisnya, serta membandingkan distribusi frekuensi itu dengan
distribusi frekuensi komulatif hasil observasi. Distribusi teoritis tersebut
merupakan representasi dari apa yang diharapkan dibawah H0. Tes ini
menetapkan suatu titik dimana kedua
distribusi itu memiliki perbedaan terbesar. Dengan melihat distribusi
samplingnya dapat diketahui apakah perbedaan yang besar itu mungkin terjadi
hanya karena kebetulan saja. Artinya distribusi sampling itu menunjukkan apakah
perbedaan besar yang diamati itu mungkin terjadi apabila observasi-observasi
itu benar-benar suatu sampel random dari distribusi teoritis itu.
2. Metode.
Mislkan F0 (X)=suatu
fungsi distribusi komulatif yang sepenuhnya ditentukan, yakni distribusi
komulatif teoritis dibawah H0. Artinya, untuk haarga N yang
sembarang besarnya harga F0 (X) adalah proporsi kasus yang
diharapkan mempunyai skor yang sama atau kurang dari X.
Misalkan SN (X)
=Distribusi frekuensi komulatif yang diobservasi dari suatu sampel random
dengan N observasi . Dimana X adalah sembarang skor yang mungkin , SN (X)=k/N
dimana k sama dengan banyak observasi yang sama atau kurang dari X.
Dibawah hipotesis nol
bahwa sampel itu telah ditarik dari distribusi teoritis tertentu, maka
diharapka bahwa untuk setiap harga X, SN
(X) harus jelas mendekati F0 (X) adalah kecil, dan ada dalam
batas-batas kesalahan random. Tes Kolmogorov-Smirnov memusatkan perhatian pada
penyimpangan (deviasi) terbesar. Harga F0 (X) - SN (X)
terbesar disebut standar deviasi maksimum.
D=Maksimum | F0 (X) - SN
(X)|
Distribusi sampling D dibawah H0
diketahui. Tabel E pada lampiran memberikan harga-harga kritis tertentu
distribusi sampling itu. Perhatikanlah bahwa signifikansi suatu harga D
tertentu adalah bergantung pada N.
Sebagai contoh misalkan
kita temukan dengan pengunaan rumus dengan (4.6) bahwa D=9.325 bila N=15. TAbel
E menunjukkan bahwa D≥0.325 memiliki kemungkinan akan terjadi (2 sisi) antara
p=0.10 dan 0.05.
3. Ringkasan prosedur dan contoh.
a. Tetapkan fungsi teoritisnya yakni distribusi
komulatif yang diharapkan dibawah H0 .
b. Aturlah skor-skor yang diobservasi
dalam suatu distribusi komulatif dengan memasangkan setiap interval F0 (X)yang
sebanding.
c. Untuk tiap-tiap jenjang pada
distribusi komulatif kurangilah F0 (X) denganSN(X).
d. Dengan memakai rumus carilah D.
e. Lihatlah tabel E untuk menemukan
kemungkinan (2 sisi) yang dikaitkan dengan munculnya harga-harga sebesar harga
D observasi dibawah H0. Jika p sama atau kurang dari α, tolaklah H0.
Atau secara sederhana, dapat dirumuskan
sebagai berikut:
• Hipotesis
:
H0
: data mengikuti distribusi yang ditetapkan
H1:
data tidak mengikuti distribusi yang ditetapkan
• Menentukan taraf
Signifikansi
• Statistik
Uji:
D=Maksimum
| Fo(x)- SN(x)|
• Kriteria
Keputusan:
H0
diterima jika Dhit ≤ D α
H0
ditolak jika Dhit ≥ D α
Contoh
Soal :
Seorang ahli pembuat kue ingin menguji apakah ada
kecenderungan selera terhadap kadar gula campuran kuenya.dia membuat 8 macam
campuran kue yang berbeda kadar gulanya.Campuran kue A mempunyai kadar gula
yang paling rendah.Kemudian kue H yang paling tinggi kadar gulanya.Kemudian dia
mempersilahkan hasil olahannya untuk diuji oleh 16 orang penguji, kue mana yang
paling disenangi.Hasil pengujian menunjukkan bahwa jumlah yang memilih kue
adalah :
A=0,
B=1, C=2, D=5, E=5, F=2, G=1, H=0
Apakah
kadar gula mempengaruhi selera pilihan? Gunakan α = 5 % dan 1 %
Jawab:
-
Hipotesis
H0:
Kadar gula tidak mempengaruhi pilihan
H1
: Kadar gula mempengaruhi pilihan
-
Taraf
Signifikansi
α
= 5 % dan 1 %
-
Statistik
Uji
Dhit =Maksimum | F0 (X)
- SN (X)|
-
Kriteria
keputusan
Tolak H0 jika Dhit
≥ Dα
-
Perhitungan
Jenis
Campuran
|
A
|
B
|
C
|
D
|
E
|
F
|
G
|
H
|
Banyak
pemilih
|
0
|
1
|
2
|
5
|
5
|
2
|
1
|
0
|
F0
(X)
|
1/8
|
2/8
|
3/8
|
4/8
|
5/8
|
6/8
|
7/8
|
1
|
SN(X)
|
0
|
1/16
|
3/16
|
8/16
|
13/16
|
15/16
|
1
|
0
|
|F0
(X)- SN(X)|
|
0.125
|
0.1875
|
0.1875
|
0
|
0.1875
|
0.1875
|
0.125
|
0
|
-
Kesimpulan
Didapatkan
Dhit =0.1875
Untuk α=5% maka Dα=0.457 sehingga H0 diterima. (Kadar gula tidak mempengaruhi
pilihan)
Untuk α=1% maka Dα=0.543 sehingga H0 diterima. (Kadar gula tidak mempengaruhi
pilihan)
4. Kelebihan tes Kolmogorov-Smirnov
Tes suatu sampel kolmogorov-Smirnov
memoerlihatkan dan menggarap suatu observasi terpisah dari yang lain. Dengan
demikian, lain dengan tes χ2 untuk satu sampel, tes
kolmogorov-smirnov tidak perlu kehilangan informasi karena digabungnya
kategori-kategori. Bila sampelnya kecil dan oleh karenanya kategori-kategori
yang berhampiran harus digabungkan sebelum χ2 dapat dihitung secara
selayaknya, tes χ2 jelas lebih kecil kekuatannya dibandingkan dengan
tes kolmogorov-smirnov ini. Dan untuk sampel yang sangat kecil tes χ2 sama
sekali tidak dapat dijalankan, sedangkang tes kolmogorov-smirnov dapat. Fakta
inin menunjukkan bahwa tes kolmogorov-smirnov mungkin lebih besar kekuatannya
dalam semua kasus, jika dibandingkan dengan tes lainnya yakni tes χ2
Daftar
Pustaka
Siegel, Sidney.1997.Statistika Non-Parametrik Untuk Ilmu-Ilmu Sosial. Jakarta:Gramedia
Pustaka Utama