Skip to main content

Ujian Normality: Ujian Kolmogorov-Smirnov

Data yang mempunyai taburan normal adalah keperluan yang perlu di uji sebelum membuat sebarang analisa yang berkaitan dengan ujian parametric atau yang mempunyai inferens,

Sama seperti ujian Shapiro-Wilk, bagi ujian Kolmogorov-Smirnov juga, apabila p > 0.05 atau p > α ( nilai α di tetapkan oleh pengkaji ), maka data kajian adalah dalam keadaan normal atau bertaburan normal.

Manakala jika data kajian, memunyai nilai p < 0.05 atau p < α, makan data adalah tidak normal atau tidak bertaburan normal.

Sampel saiz yang lebih daripada 50 (≥50) di galakan menggunakan ujian Kolmogorov-Smirnov.

Bagi mengelakan kekeliruan, perlu di ketahui di sini bahawa terdapat dua jenis ujian Kolmogorov-Smirnov:

  • Pertama adalah ujian di kenali sebagai one sample Kolmogorov-Smirnov test untuk menguji satu sampel samada sesuatu pembolehubah (variable) itu mengikut sebarang taburan (distribution) juga, di mana kebiasaannya berdasarkan kepada taburan normal (normal distribution). Ujian ini juga di kenali sebagai Kolmogorov-Smirnov normality test.
  • Kedua, ujian yang jarang mendapat liputan merupakan jenis kedua, iaitu independent samples Kolmogorov-Smirnov test, bagi menguji jika sesuatu pembolehubah mempunyai,  taburan sama atau identical distribution di dalam dua populasi.

Secara teorinya, ujian Kolmogorov-Smirnov boleh juga merujuk kepada kedua-dua ujian di atas walaupun kebiasaanya merujuk kepada ujian satu sampel Kolmogorov-Smirnov (one-sample Kolmogorov-Smirnov test).

Limitasi kegunaan Ujian Kolmogorov-Smirnov.

Ujian ini banyak di gunakan untuk menguji taburan data samada normal atau tidak sebelum menggunakan ujian seperti ANOVA, ujian-t dan lain-lain. Oleh sebab ini menjadi rutin, maka ada kemungkinan terlepas pandang bahawa ujian ini teguh (robust) jika saiz melebihi 25, N ≥ 25. Jikalau saiz sampel terlampau kecil, di khuatiri, ujian normality akan mempunyai kuasa statistik (statistical power) yang rendah. Ini bermaksud, jika terdapat data yang sangat  jauh dari taburan normal, keputusan akan menunjukan sebaliknya, seperti tiada data yang tersasar jauh.

Kaedah analisa menggunakan SPSS sama seperti ujian Shapiro-Wilk. Perbezaannya, pada syarat sampel saiz dan dalam jadual, nilai p perlu di lihat pada lajur kolum (column) berkenaan.  (Bacaan rujukan:Analisa menggunakan SPSS)



 


 

 


Labels:

Popular posts from this blog

G*Power Perisian Bagi Pengiraan Sampel Saiz.

Penggunaan Gpower kerap menekan kepada tiga langkah berikut: Memilih ujian statistik yang sesuai atau padan dengan masalah yang di kaji. Memilih di antara lima jenis analisis kuasa (power analysis) yang di sediakan. Sediakan parameter input yang di perlukan analasis dan klik pada “calculate” Pada Langkah 1, pendekatan yang digunakan untuk memilih ujian statistic (statistical test) adalah melalui dua pendekatan, iaitu distribution based atau design-based approach . Distribution-based approach to the test selection Melalui pendekatan distribution-based , pendekatan pertama adalah melihat pada kumpulan umum ujian statistik menggunakan '' Test family'' menu yang terdapat di window atau tingkap utama.   Ujian statitik ( Statistical test ) menu akan berubah mengikut pilihan di dalam '' Test family'' . Ujian-ujian yang ada akan selaras mengikut pada '' test family'' yang di pilih sahaja. Design-based approach to the test se...
Read more

ANOVA vs MANOVA

Perbezaan utama di antara ANOVA dan MANOVA adalah jumlah bilangan pembolehubah bersandar ( dependent variable ). Walaupun begitu, jika terdapat pembolehubah bersandar lebih daripada satu, masih bukan masalah dan merupakan pilihan lain jika pengkaji mahu untuk menguji secara berasingan menggunakan analisa ANOVA bagi setiap pembolehubah bersandar itu. Jadi, kenapa perlu menggunakan pengiraan MANOVA ini berbanding beberapa analisa menggunakan ANOVA jika terdapat pembolehubah bersandar yang lebih daripada satu seperti dua, tiga atau empat pembolehubah bersandar? Terdapat dua sebab utama, MANOVA berpotensi menggantikan ANOVA dalam beberapa keadaan. Pertama melibatkan teori yang logik dan kedua melibatkan statistiknya. Sebagai contoh: Skormatematik + skorfizik + skorkimia sebagai fungsi kepada ( as a function of ) minuman tambahan ( tiga tahap / level ) Minuman tambahan, pembolehubah tidak bersandar atau bebas dengan tiga tahap ( levels ) : minuman kurma, minuman madu dan minuma...
Read more

Ujian Analisa Sehala MANOVA

Perbezaan analisa ini dengan ANOVA adalah pembolehubah bersandarnya mempunyai lebih daripada satu . Manakala, pembolehubah bebas adalah sama seperti ANOVA yang mempunyai pelbagai kumpulan. Analisa sehala MANOVA juga mempunyai sarat ujian statistik di dalamnya dan tidak dapat memberi maklumat secara spesifik kumpulan yang berbeza signifikan di antara satu sama lain. Ujian ini hanya akan memberi maklumat sekurang-kurang dua kumpulan adalah berbeza. Oleh sebab, kebiasaan penggunaan analisa ini oleh pengkaji akan melibatkan tiga, empat atau lebih kumpulan. Oleh itu penggunaan ujian post-hoc adalah penting untuk mengetahui perbezaan kumpulan selebihnya itu. Bagi mendapat analisa yang sah dan berkualiti, beberapa andaian perlu di penuhi dahulu sebelum menggunakan analisa MANOVA. Pembolehubah bersandar mestilah dalam skala selang atau nisbah. Pembolehubah bebas a.k.a pembolehubah tidak bersandar mestilah mempunyai beberapa kumpulan yang bebas atau dengan kata lain dalam skala ordina...
Read more