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)



 


 

 


Popular posts from this blog

Krejcie & Morgan sample size calculator

Krejcie & Morgan Sample Size Calculator Enter Population Size (N): Calculate Sample Size Recommended Sample Size (n): 📘 About This Calculator This calculator uses the Krejcie & Morgan (1970) formula to estimate the minimum sample size required when the total population size is known. It is commonly used in social sciences, education, and health research. The formula is: n = (X² × N × P × (1 − P)) / (d² × (N − 1) + X² × P × (1 − P)) X² = 3.841 (for 95% confidence level) P = 0.5 (maximum variability) d = 0.05 (±5% precision) 📚 Citation Krejcie, R.V., & Morgan, D.W. (1970). Determining Sample Size for Research Activities . Educational and Psychological Measurement, 30 (3), 607–610. https://doi.org/10.1177/001316447003000308

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...

Ujian ANOVA sehala (one-way ANOVA)

Ujian-T (t-test) di gunakan untuk mengenali perbezaan min di antara dua kumpulan. Bagaimana pula jika kumpulan yang ingin di bandingkan mempunyai lebih daripada dua kumpulan? Jawapannya adalah menggunakan ANOVA. Jika kumpulan pembolehubah dua kumpulan, maka keputusan daripada ANOVA sehala ( one-way ANOVA ) dan ujian-t (independent t-test) adalah sama. Pengkaji boleh memastikan keputusan di dapati daripada senario di atas dengan menggunakan formula t 2 = F . Terdapat dua jenis ujian ANOVA sehala, iaitu ujian ANOVA sehala untuk pengukuran berulang (masa berlainan ( longitudinal data ) atau keadaan berbeza-beza) dan ujian ANOVA sehala untuk sampel-sampel bebas (data di kumpul daripada beberapa sampel yang bebas antara satu sama lain). Syarat-syarat sebelum menggunakan ANOVA sehala. Sebelum menggunakan ujian ANOVA sehala beberapa syarat perlu di penuhi. Antaranya adalah, pembolehubah bersandar dalam skala selang atau skala nisbah. Kedua, pembolehubah tidak bersandar dalam bentuk kate...