Upload
ayu-ariyanti
View
61
Download
0
Embed Size (px)
Citation preview
1
BAB I
PENDAHULUAN
A. Latar Belakang
Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu
jenis uji komparatif non parametris yang dilakukan pada dua variabel, di mana
skala data kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel
dengan skala nominal maka dilakukan uji chi square dengan merujuk bahwa harus
digunakan uji pada derajat yang terendah).
chi-square merupakan uji non parametris yang paling banyak digunakan.
Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi responden atau
sampel yang digunakan besar, sebab ada beberapa syarat di mana chi square dapat
digunakan yaitu:
1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual
Count (F0) sebesar 0 (Nol).
2. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang
memiliki frekuensi harapan atau disebut juga expected count (“Fh”) kurang
dari 5.
3. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell
dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.
4. Diantara sekian banyak jenis distribusi, distribusi t dan f merupakandistribusi
yang paling luas, kedua tabel t dan f tersebut yang banyak di gunakandalam
berbagai penelitian. Banyak kejadian yang dapat dinyatakan dalam datahasil
observasi per eksperimen yang mengikuti distribusi t dan f. Uji t padadasarnya
menunjukkan seberapa jauh pengaruh satu variabel bebas secaraindividual
dalam menerangkan variasi variabel terikat.Distribusi t dan f memodelkan
fenomena kuantitatif pada ilmu alammaupun ilmu sosial. Dalam pengujian
hipotesis secara manual, tidak lepas daritabel distribusi, yaitu dengan cara
melakukan perbandingan antara statistik hitungdengan statistik uji. Untuk
2
membuat perbandingan tersebut, maka yang harusdimiliki oleh seorang
peneliti adalah Beragam skor pengujian psikologi.Distribusi t dan f banyak
juga digunakan dalam berbagai distribusi dalamstatistika, dan kebanyakan
pengujian hipotesis mengasumsikan normalitas suatu data.
B. Rumusan Masalah
1. Apa pengetian Distribusi Chi-Kuadrat ?
2. Apa Pengertian Distribusi T ?
3. Apa Pengertian Distribusi F ?
C. Tujuan
1. Untuk mengetahui apa pengertian Distribusi Chi-Kuadrat.
2. Untuk mengetahui apa pengertian Distribusi T.
3. Untuk mengetahui apa pengertian Distribusi F.
3
BAB II
PEMBAHASAN
A. Distribusi Chi-Kuadrat
Grafik distribusi chi-kuadrat bergantung pada derajat kebebasan ө, yang
umumnya merupakan kurva positif dan miring ke kanan. Kemiringan kurva ini
akan semakin berkurang jika derajat kebebasasan ө makin besar. Untuk ө =1 dan
ө =2, bentuk kurvanya berlainan daripada untuk ө ≥ 3.
Distribusi chi-kuadrat mempunyai rata-rata dan variansi sebagai berikut :
Rata-rata : μ = E(χ2) = ө
Variansi : σ2 = 2 ө
Jika parameter α pada distribusi gamma adalah v/2, dan β sama dengan 2,
dimana v adalah bilangan bulat positif, maka distribusi gamma tersebut akan
menjadi distribusi khi-kuadrat. Distribusi khi-kuadrat ini memiliki parameter
tunggal yaitu v, atau disebut juga dengan derajat kebebasan.
Rataan dan varian :
µ=v
σ2 = 2v
Ekspresi matematis tentang distribusi chi kuadrat hanya tergantung pada
suatu parameter, yaitu derajat kebebasan (d.f.). Ada distribusi chi kuadrat tertentu
untuk masing-masing nilai derajat kebebasan. Misalnya, distribusi Z² ( kuadrat
standard normal ) merupakan distribusi chi kuadrat dengan d.f. = 1.
Beberapa contoh distribusi probalitas, sehingga luas di bawah kurva bernilai
1. Distribusi chi kuadrat adalah distribusi untuk variabel kontinu, nilai chi kuadrat
mulai dari 0 sampai tak hingga.
4
B. Distribusi T – Student ( Distribusi T )
Untuk sampel nukuran n ≥ 3, taksiran σ 2 dapat diperoleh dengan
menghitung nilai S2. Bila n ≥ 30, maka S2 memberikan taksiran σ 2 yang baik dan
tidak berubah dan distribusi statistik ¿ masih secara hampiran, berdistribusi sama
dengan peubah normal baku z.
Bila ukuran sampel ( n < 30 ), nilai S2 berubah cukup besar dari sampel ke
sampel dan distribusi peubah acak ¿ tidak lagi distribusi normal baku.Dalam hal
ini didapatkan distribusi statistik yang disebut T
Distribusi sampel T di dapat dari anggapan bahwa sampel acak berasal dari
populasi normal.
T=¿¿
Dengan ,
Z= X−μσ /√n
Berdistribusi normal baku,dan
V=(n−1 ) S2
σ2
Misalkan Z peubah acak normal baku dan V peubah acak khi-kuadrat dengan
derajat kebebasan v. Bila z dan v bebas, maka distribusi peubah acak T, bila
Diberikan oleh,
Ini di kenal dengan nama distribusi t dengan derajat kebebasan v.
T= X−μS/√n
T= Z√V /v
h (t )=Γ [ ( v+1 ) /2 ]Γ (v /2 ) √πv (1+ t 2
v )−( v+1 )/2
5
0
α
tt tt 1
Distribusi Z dan T berbeda karena variansi T bergantung pada ukuran
sampel n dan variansi ini selalu lebih besar dari 1. Hanya bila ukuran sampel
n→ ∞ kedua distribusi menjadi sama. Pada gambar dibawah diperlihatkan
hubungan antara distribusi normal baku (v=∞) dan distribusi t untuk derajat
kebebasan 2 dan 5.
Karena distribusi t setangkup terhadap rataan nol, maka t 1−α=−t α; yaitu,
nilai t yang luas sebelah kanannya 1−α, atau luas sebelah kirinya α , sama dengan
minus nilai t yang luas bagian kanannya α .
Panjang selang nilai t yang dapat diterima tergantung pada bagaimana
pentingnya μ. Bila μ ingin ditaksir dengan ketelitian yang tinggi, sebaiknya
digunakan selang yang lebih pendek seperti −t 0,05 sampai t 0,05.
Contoh soal :
1. Suatu pabrik bola lampu yakin bahwa bola lampunya akan tahan menyala rata
– rata selama 500 jam. Untuk mempertahankan nilai tersebut, tiap bulan diuji
25 bola lampu. Bila nilai t yang dihitung terletak antara −t 0,05 dan t 0,05 maka
pengusahan pabrik tadi akan mempertahankan kenyakinannya. Kesimpulan apa
yang seharusnya dia ambil dari sampel dengan rataan x= 518 jam dan
simpangan baku s = 40 jam? Anggap bahwa distribusi waktu menyala, secara
hampiran, noramal.
6
Jawab :
Dari tabel diperoleh t 0,05 = 1,711 untuk derajat kebebasan 24. Jadi pengusaha
tadi akan puas dengan keyakinananya bila sampel 25 bola lampu memberikan
nilai t antara -1,711 dan 1,711. Bila memang μ = 500, maka
t=518−50040 /√25
=2,25
Suatu nilai yang cukup jauh di atas 1,711. Peluang mendapat nilai t, dengan
derajat kebebasan v = 24, sama atau lebih besar dari 2,25, secara hampiran
adalah 0,02. Bila μ>500, nilai t yang di hitung dari sampel akan lebih wajar.
Jadi pengusaha tali kemungkinan besar akan menyimpilkan bahwa produksinya
lebih nbaik daripada yang diduganya semula.
C. Distribusi F
Statistik F didefinisikan sebagai nisbah dua peubah acak khi-kuadrat yang
bebas, masing – masing dibagi dengan derajat kebebasannya.
Misalkan U dan V dua peubah acak bebas masing – masing berdistribusi
khi-kuadrat dengan derajat kebebasan v1 dan v2. Maka distribusi peubah acak :
Diberikan oleh
ini dikenal dengan nama distribusi F dengan derajat kebebasan v1 dan v2.
F=
Uv1
Vv2
h ( f )=Γ [ (v1+v2) /2 ] ( v1/v2 )v1 /2
Γ ( v1/2 ) Γ (v2/2 )f
12 ( v1−2)
(1+v1 fv2 )
12 ( v1+ v2)
= 0 , 0 < f < ∞ , untuk f
7
6 dan 24 d. k
6 dan 10 d. k
0 f
0f f
Kurva distribusi F tidak hanya tergantung pada kedua parameter v1 dan v2
tapi juga pada urutan keduanya ditulis.begitu kedua bilangan itu ditentukan maka
kurvanya menjadi tertentu. Dibawah ini adalah kurva khas distribusi F
Di bawah ini gambar kurva nilai tabel distribusi F
Lambang f α nilai f tertentu peubah acak F sehingga disebelah kanannya
terdapat luas sebesar α . Ini digambarkan dengan daerah yang dihitami pada
gambar 2. Pada tabel memberikan nilai f α hanya untuk α=0,05 dan α=0,01
untuk berbagai pasangan derajat kebebasan v1 dan v2 Jadi, nilai f untuk derajat
Gambar 1
Gambar 2
8
kebebasan 6 dan 10 , sehingga luas daerah sebelah kanannya 0,05 adalah
f 0,05=3,22.
Tulislah f α (v1 , v2) untuk f α dengan derajat kebebasan v1 dan v2, maka
Bila S12 dan S2
2 variansi sampel acak ukuran n1 dan n2 yang diambil dari dua
populasi normal, masing-masing dengan variansi σ 12 dan σ 2
2, maka
Berdistribusi F dengan derajat kebebasan v1=n1−1 dan v2=n2−1
Contoh :
Tentukan nilai dari F 0,05 (12,20)
Penyelesaian :
Diketahui :
p = 0,05
V 1=12 , V 2=20
Ditanya : F = . . . . ?
Jawab :
F 0,05 (12,20) = 2,28
P = 1 – 0,05 = 0,95
F 0,95 (20,12) = 1
F 0,05(12,20)= 1
2,28=0,04
Jadi nilai F 0,05 (12,20) adalah 0,04
f 1−α ( v1 , v2 )= 1f α ( v2 , v1 )
F=S1
2/σ12
S22/σ2
2 =σ2
2 S12
σ12 S2
2
9
BAB III
PENUTUP
A. Kesimpulan
Chi Kuadrat adalah pengujian hipotesis mengenai perbandingan antara
frekuensi observasi/yg benar-benar terjadi/aktualdenganfrekuensi
harapan/ekspektas.
frekuensi observasi →nilainya didapat dari hasil percobaan (o)
frekuensi harapan →nilainya dapat dihitung secara teoritis (e)
Nilai χ² adalah nilai kuadrat karena itu nilaiχ²selalu positif.
Distribusi khi-kuadrat (Chi-square distribution)
atau distribusi χ² dengan k derajat bebas adalah distribusi jumlah
kuadrat k peubah acak normal baku yang saling bebas. Distribusi ini seringkali
digunakan dalam statistika inferensial, seperti dalam uji hipotesis, atau dalam
penyusunan selang kepercayaan.Apabila dibandingkan dengan distribusi chi-
kuadrat nonsentral, distribusi ini dapat juga disebut distribusi khi-kuadrat sentral.
Distribusi sampel T di dapat dari anggapan bahwa sampel acak berasal dari
populasi normal. Sedangkan Statistik F didefinisikan sebagai nisbah dua peubah
acak khi-kuadrat yang bebas, masing – masing dibagi dengan derajat
kebebasannya.
10
DAFTAR PUSTAKA
Dirnaeni, Desti.2011.http://destidirnaeni.blogspot.co.id/2011/04/statistik-
2.html [ Selasa, 26 Januari 2016. Pukul : 19.20 WIB ]
http://blablablalabla.blogspot.co.id/2015/01/distribusi-t-distribusi-f-dan-
uji.html [ Sabtu, 30 Januari 2016. Pukul : 14.22 WIB ]
Dinell, Velozia. 2012. http://veloziadinell.blogspot.co.id/2012/12/uji-
normalitas-chi-kuadrat.html [ Rabu, 3 Februari 2016. Pukul : 20.34 WIB ]
http://entajmtarigan.blogspot.co.id/2012/11/makalah-macam-macam
distribusi.html [ Rabu, 3 Februari 2016. Pukul : 21.15 WIB ]
11