Resume
BfPp46gnmao • How to Perform the Kolmogorov-Smirnov Normality Test using Microsoft Excel
Updated: 2026-02-12 02:10:54 UTC
Back Source
Prev Next

Berikut adalah rangkuman komprehensif dan terstruktur dari konten video tersebut:

Panduan Lengkap Uji Normalitas Kolmogorov-Smirnov Menggunakan Excel

Inti Sari (Executive Summary)

Video ini memberikan tutorial langkah demi langkah tentang cara melakukan uji normalitas data menggunakan metode Kolmogorov-Smirnov melalui Microsoft Excel. Pembahasan mencakup persiapan data, perhitungan statistik deskriptif dasar, hingga pengolahan data tabel bantu untuk menemukan nilai D maksimum sebagai dasar pengambilan keputusan. Materi ini sangat relevan bagi peneliti atau mahasiswa yang membutuhkan pemenuhan asumsi normalitas data sebelum melakukan analisis statistik lanjutan seperti ANOVA atau regresi.

Poin-Poin Kunci (Key Takeaways)

  • Pentingnya Uji Normalitas: Uji ini merupakan prasyarat utama sebelum melakukan analisis statistik parametrik (seperti Anova, Uji T, Korelasi, atau Regresi).
  • Metode: Video ini fokus pada penggunaan uji Kolmogorov-Smirnov.
  • Komponen Laporan: Hasil uji dilaporkan dalam tabel yang memuat jumlah data ($n$), rata-rata ($\bar{x}$), simpangan baku ($s$), nilai hitung ($D$), dan nilai tabel ($KS_{tabel}$).
  • Fungsi Excel Kunci: Tutorial ini memanfaatkan berbagai fungsi Excel seperti COUNT, AVERAGE, STDEV.S, STANDARDIZE, NORMDIST, ABS, dan MAX.
  • Teknik Rumus: Penggunaan referensi sel absolut (tanda $) sangat penting untuk mengunci nilai rata-rata dan simpangan baku saat menyalin rumus ke baris lain.

Rincian Materi (Detailed Breakdown)

1. Pendahuluan dan Data Sampel

Video, yang dipandu oleh Ensiklopedia Ahmad Fauzi, membuka pembahasan dengan menekankan pentingnya asumsi normalitas dalam analisis statistik. Sebagai contoh kasus, digunakan data hasil belajar dari 14 siswa dengan rentang nilai 0–10 (data dapat berupa desimal, misalnya 6,1 atau 4,9). Tujuannya adalah untuk menentukan apakah data tersebut berdistribusi normal atau tidak.

2. Persiapan Statistik Deskriptif

Langkah pertama adalah menghitung parameter statistik dasar yang akan dibutuhkan dalam tabel laporan:
* Jumlah Data ($n$): Menggunakan fungsi =COUNT(select data range).
* Rata-rata ($\bar{x}$): Menggunakan fungsi =AVERAGE(select data range).
* Simpangan Baku ($s$): Menggunakan fungsi =STDEV.S(select data range).
* Tips: Format angka diubah menjadi 3 desimal agar hasil lebih rapi dan presisi.

3. Pembuatan Tabel Bantu dan Pengurutan Data

Untuk mempermudah perhitungan uji Kolmogorov-Smirnov, dibuat sebuah tabel bantu dengan langkah-langkah berikut:
* Pengurutan Data: Data nilai disalin ke dalam tabel bantu, lalu diurutkan dari yang terkecil ke terbesar melalui menu Home > Sort & Filter > Sort Smallest to Largest.
* Frekuensi ($f$): Menghitung seberapa sering sebuah nilai muncul. Pada contoh ini, semua data bersifat unik, sehingga frekuensinya adalah 1.
* Frekuensi Kumulatif ($C$):
* Baris pertama sama dengan frekuensi saat ini.
* Baris selanjutnya adalah frekuensi saat ini ditambah frekuensi kumulatif baris sebelumnya ($C_{saat\ ini} + C_{sebelumnya}$).

4. Perhitungan Frekuensi Kumulatif Relatif ($Sx$)

Kolom ini menunjukkan proporsi kumulatif data.
* Rumus: $Sx = C / n$ (Frekuensi Kumulatif dibagi Jumlah Data).
* Penerapan Excel: Input rumus pembagian, lalu kunci (lock) sel penyimpan nilai $n$ menggunakan tombol F4 atau menambahkan tanda dolar ($E$4 sebagai contoh). Ini memungkinkan rumus diseret (drag down) tanpa mengubah referensi nilai $n$.

5. Perhitungan Z-Score

Z-Score menunjukkan posisi sebuah data relatif terhadap rata-rata.
* Fungsi: =STANDARDIZE(x, mean, standard_deviation).
* Argumen:
* x: Data nilai (tidak dikunci, karena berubah setiap baris).
* mean: Rata-rata ($\bar{x}$) -> Dikunci ($).
* standard_deviation: Simpangan baku ($s$) -> Dikunci ($).
* Rumus diseret ke bawah untuk semua baris data.

6. Perhitungan Distribusi Normal ($Fx$)

Langkah ini mengubah Z-Score menjadi nilai distribusi normal kumulatif.
* Fungsi: =NORMDIST(x, mean, standard_deviation, cumulative).
* Argumen:
* x: Data nilai asli.
* mean: Rata-rata ($\bar{x}$) -> Dikunci ($).
* standard_deviation: Simpangan baku ($s$) -> Dikunci ($).
* cumulative: Diisi dengan TRUE atau angka 1 (karena kita mencari frekuensi kumulatif).

7. Perhitungan Selisih (D) dan Nilai Maksimum (D Max)

  • Selisih ($D$): Menghitung selisih mutlak antara $Fx$ (Distribusi Normal) dan $Sx$ (Frekuensi Kumulatif Relatif).
    • Rumus Excel: =ABS(Fx - Sx).
  • Nilai D Maksimum ($D_{max}$): Mencari nilai selisih terbesar yang akan menjadi nilai uji Kolmogorov-Smirnov.
    • Rumus Excel: =MAX(select range selisih).
    • Pada contoh video, didapatkan hasil sekitar 0,124 (dibulatkan dari 0,1236796).

8. Kesimpulan Uji

Langkah terakhir adalah membandingkan nilai hitung ($D_{max}$) dengan nilai tabel ($KS_{tabel}$).
* Nilai $KS_{tabel}$ dicari berdasarkan tingkat signifikansi (alpha) yang digunakan (misalnya 0,05) dan jumlah sampel ($n$).
* Keputusan normalitas data ditentukan dari perbandingan kedua nilai tersebut.

Kesimpulan & Pesan Penutup

Tutorial ini secara sistematis telah mendemonstrasikan bahwa uji normalitas Kolmogorov-Smirnov dapat dilakukan dengan mudah menggunakan Excel tanpa perlu software statistik yang rumit. Kunci keberhasilan terletak pada pembuatan tabel bantu yang benar dan penggunaan referensi sel absolut (tanda $) pada rumus-rumus statistik. Dengan memahami langkah-langkah ini, penonton diharapkan dapat memvalidasi asumsi normalitas data penelitian mereka secara mandiri sebelum melanjutkan ke analisis statistik inferensial.