szvDistribusi normal, f,t

1. 1. DISTRIBUSI NORMALRatu Ilma Indra Putri

2. 2. Distribusi normal menggunakan variabel acak kontinu. Distribusi normal seringdisebut
DISTRIBUSI GAUSS. Distribusi ini merupakan salah satu yang palingpenting dan
banyak digunakan. Distribusi ini menyerupai BENTUK LONCENG(BELL SHAPE)
dengan nilai rata-rata sebagai sumbu simetrisnya.X
3. 3. Variabel acak kontinu X mempunyai fungsi densitas pada X = x dinyatakandengan
persamaan :22121)( −−= σµπσxexfDengan :Dengan :π = Nilai konstan yang
ditulis hingga 4 desimal π = 3,1416e = Bilangan konstan, bila ditulis hingga 4 desimal, e
= 2,7183µ = Parameter, merupakan rata-rata untuk distribusiσ = Parameter, merupakan
simpangan baku untuk distribusiJika Nilai x mempunyai batas nilai , maka dikatakan
bahwavariabel acak X berdistribusi normal.∞<<∞− x
4. 4. 1. Grafik selalu diatas sumbu-X (horisontal)2. Bentuk simetris terhadap sumbu-Y pada
X = µ3. Mempunyai modus pada X = µ sebesar 0,3989/σ4. Grafik mendekati sumbu-X
pada X = µ-3µ dan X = µ+3µ5. Kurva normal digunakan sebagai acuan pengujian
hipotesis jika ukuran sampel n ≥ 306. Luas daerah yang dibatasi oleh sumbu-X dan kurva
normal sama dengan satu satuan luas.Sifat-sifat penting dari distribusi normal adalah
:Untuk tiap pasang µ dan σ,sifat-sifat di atas selalukurva normal denganμ = 10 dan σ =
5kurva normal dengan μ = 20 danσ = 7sifat-sifat di atas selaludipenuhi, hanya
bentukkurvanya saja yang berlainan.Jika σ makin besar, kurvanyamakin rendah
(platikurtik) danuntuk σ makin kecil, kurvanyamakin tinggi (leptokurtik).
5. 5. Untuk menentukan peluang harga X antara a dan b, yakni )( bXaP <<( )
dxebXaPxba22112)( −−−∫=<< σµπσUntuk penggunaan praktis telah dibuat
daftar distribusi normal baku (standar)yaitu dengan µ = 0 dan σ = 1 sehingga fungsi
densitasnya berbentuk :22121)(ππ−−= ezfDengan batas z yaitu ∞<<∞− z
6. 6. Untuk mengubah distribusi normal umum menjadi distribusi normal bakudigunakan
rumus :σµ−=XZPerubahan grafiknya dapat dilihat dalam gambar berikut ini
:σµ−=XZPerubahan grafiknya dapat dilihat dalam gambar berikut ini :
7. 7. Setelah distribusi normal baku yang didapat dari distribusi normal umum makadaftar
distribusi normal baku dapat digunakan. Bagian-bagian luas distribusinormal baku dapat
dicari. Caranya adalah :1. Hitung z sehingga dua desimal2. Gambarkan kurvanya seperti
gambar normal standar3. Letakkan harga z pada sumbu datar, lalu tarik garis vertikal
hinggamemotong kurva.6. Dari z di kolom kiri maju ke kanan dan dari z di baris atas
turun ke bawah, makadidapat bilangan yang merupakan luas yang dicari. Bilangan yang
didapat harusdituliskan dalam bentuk 0,xxxx (bentuk 4 desimal).4. Luas yang tertera
dalam daftar adalah luas daerah antara garis ini dengangaris tegak di titik nol.5. Dalam
tabel normal cari tempat harga z pada kolom paling kiri hanya satudesimal dan desimal
keduanya dicari pada baris paling atas.
8. 8. Beberapa contoh, penggunaan daftar normal baku yang akan dicari luas daerahyaitu :1
Antara z = 0 dan z = 2.15Gunakan tabel Distribusi Normal.Di bawah z pada kolom kiri
cari 2,1dan di atas sekali cari angka 5.dari 2,1 maju ke kanan dan 5menurun, didapat
0.4842.Luas daerah yang dicari, dilihatdaerah yang diarsir = 0,9842.2Antara z = 0 dan z
= -1.86karena z bertanda negatif, makapada grafiknya diletakkan disebelah kiri 0. Untuk
daftardigunakan di bawah z kolomkiri didapat 1,8 dan di atasangka 6. Dari 1,8 ke kanan
dandari 6 ke bawah didapat 0.4686Luas daerah=daerah diarsir =0,4686.
9. 9. 3 Coba Anda Gambar ……4 Indeks prestasi kumulatif (IPK) rata-ratamasasiswa suatu
perguruan tinggi adalah2.76 dengan simpangan baku 0.40. jikaantara z = -1.50 dan z =
1.82dari grafik terlihat kita perlu mencari luas dua kali,lalu dijumlahkan.Mengikuti cara
di 1 untuk z = 1.82 dan cara di 2untuk z = -1.50, masing-masing didapat 0,4656dan
0,4332.Jumlahnya = luas yang diarsir = 0,4332 +0,4656=0,8988Dari tabel normal
proporsi luas antara z = 0dan z = 0.60 adalah 0.2257 sehingga proporsimahasiswa dengan
IPK 3.00 (bagian yangdiarsir) adalah 0.5000 – 0.2257 = 0.2743 atau1,82-1,502.76
dengan simpangan baku 0.40. jikadiasumsikan IPK berdistribusi normal,
berapapersenkah mahasiswa yang memperolehIPK ≥ 3.00 ?Penyelesaian :Letak IPK =
3.00 pada kurav normalditunjukkan oleh bilangan baku
:6.040.076.200.3=−=−=σµXZdiarsir) adalah 0.5000 – 0.2257 = 0.2743 atau27.43%Untuk
mencari kembali z apabila luasnya diketahui, makadilakukan langkah sebaliknya.
10. 10. Fenomena distribusi data normal :• Kira-kira 68,27% dari kasus ada dalam daerahsatu
simpangan baku sekitar rata-rata, yaituantara µ - σ dan µ + σ.• Ada 95,45% dari kasus
terletak dalam daerahdua simpangan baku sekitar rata-rata, yaitudua simpangan baku
sekitar rata-rata, yaituantara µ - 2σ dan µ + 2σ.• Hampir 99,73% dari kasus ada dalam
daerahtiga simpangan baku sekitar rata-rata, yaituantara µ - 3σ dan µ + 3σ.
11. 11. Jenis bentuk kurva yang diakibatkan oleh perbedaanrentangan nilai dan simpangan
baku ada tiga macam:1. Leptokurtik, merupakan bentuk kurva normal yangmeruncing
tinggi karena perbedaan frekuensi padaskor-skor yang mendekati rata-rata sangat kecil.2.
Platykurtic, merupakan kurva normal yangmendatar rendah karena perbedaan frekuensi
padaskor-skor yang mendekati rata-rata sangat kecil.skor-skor yang mendekati rata-rata
sangat kecil.3. Normal, merupakan bentuk kurva normal yangbiasa, artinya bentuknya
merupakan bentuk antaraleptokurtic dan platykurtic, karena penyebaran skorbiasa dan
tidak terjadi kejutan-kejutan yang berarti.
12. 12. Bentuk ketiga kurva normal itu dapatdilihat pada grafik, berikut ini :
13. 13. DISTRIBUSI FDISTRIBUSI F
14. 14. Distribusi F merupakan distribusi variabel acak kontinu. Fungsidensitasnya
mempunyai persamaan :( )2112121)2(211.)(vvvvFvFKFf+− +=2
Dimana :F = Variabel acak yang memenuhi F > 0K = Bilangan tetap yang harganya
bergantung pada derajat kebebasan v1 dan v2v1 = Derajat kebebasan antara varians rata-
rata sampel (sebagai pembilang)v2 = Derajat kebebasan dalam keseluruhan sampel
(sebagai penyebut)Luas dibawah kurva sama dengan satu.
15. 15. Daftar distribusi normal berisikan nilai-nilai F untuk peluang 0,01 dan 0,05
denganderajat kekebasan v1 dan v2. Peluang ini sama dengan luas daerah ujung kanan
yangdiarsir, sedangkan derajat kekebasan pembilang (v1 ) ada pada baris paling atas
danderajat kebebasan penyebut (v2) pada kolom paling kiri.Distribusi FDengan v1 danv2
adalah derajatkebebasanareaNotasi lengkap untuk nilai-nilai F dari daftar distribusi F
dengan peluang p dandk = (v1,v2) adalah Fp(v1,v2). Demikianlah untuk contoh kita
didapat :F0.05(24,8) = 3.12 dan F0.01(24,8 )= 5.28
16. 16. Meskipun daftar yang diberikan hanya untuk peluang p = 0.05 dan p = 0.01,tetapi
sebenarnya masih bisa didapat nilai-nilai F dengan peluang 0,99 dan0,95. Untuk ini
digunakan hubungan :( )( )( )21,,11vvpvvpFF =−( )2121,vvpFDalam rumus diatas
perhatikan antara p dan (1- p) dan pertukaran antaraderajat kebebasan (v1,v2) menjadi
(v2,v1).
17. 17. DISTRIBUSI STUDENT (t)DISTRIBUSI STUDENT (t)
18. 18. Distribusi dengan variabel acak kontinu lainnya selain dari distribusi normalialah
DISTRIBUSI STUDENT ATAU DISTRIBUSI - t. Fungsi densitasnyaadalah
:nntKtf21211)( −+=n 1 −Berlaku untuk harga-harga t yang
memenuhiK merupakan bilangan tetap yang besarnya bergantung pada n
sedemikiansehingga luas daerah di bawah kurva sama dengan satu unit.∞<<∞− t
19. 19. Pada distribusi t ini terdapat bilangan (n-1) yang dinamakan derajat kebebasan,
akandisingkat dengan dk.Bentuk kurva-t identik dengan bentuk kurva normal, tetapi
kurtosisnya ditentukanoleh besar kecilnya derajat kebebasan df. Untuk n ≥ 30 pola
distribusi t mendekatipola distribusi normal.n = ∞n = 10n = 2n = 2Dalam tabel distribusi-
t kolom paling kiri berisikan derajat kebebasan (dk), baristeratas berisikan nilai peluang.
20. 20. Gambar dibawah ini merupakan grafik distribusi-t dengan dk = ( n – 1 ). Luasbagian
yang diarsir = p dan dibatasi paling kanan oleh tp. Harga tp inilah yangdicari dari daftar
untuk pasangan dk dan p yang diberikan.
21. 21. Beberapa contoh penggunaan daftar distribusi-t1. Untuk n = 13, jadi dk = (n-1) = 13 -
1 = 12, dan p = 0,95 maka t = 1,782ini didapat (lihat tabel distruibusi-t) dengan jalan
maju ke kanan dari 12 danmenurun 0,95.2. Tentukan t sehingga luas dari t ke kiri = 0,05
dengan dk = 9. Untuk ini pyang digunakan = 0,95. Dengan dk = 9 didapat t = 1,83.
karena yangyang digunakan = 0,95. Dengan dk = 9 didapat t = 1,83. karena yangdiminta

kurang dari 0,5, maka t

22. I. PENDAHULUAN
23.
24. Pengujian hipotesis dengan distribusi t adalah pengujian hipotesis yang menggunakan
distribusi t sebagai uji statistik. Tabel pengujiannya disebut tabel t-student. Distribusi t
pertama kali diterbitkan pada tahun 1908 dalam suatu makalah oleh W. S. Gosset. Pada
waktu itu, Gosset bekerja pada perusahaan bir Irlandia yang melarang penerbitan
penelitian oleh karyawannya. Untuk mengelakkan larangan ini dia menerbitkan karyanya
secara rahasia dibawah nama‘Student’. Karena itulah Distribusi t biasanya disebut
Distribusi Student. Hasil uji statistiknya kemudian dibandingkan dengan nilai yang ada
pada tabel untuk kemudian menerima atau menolak hipotesis nol (Ho) yang
dikemukakan.
25. 1.1 Ciri-Ciri Distribusi T
26. a) Sampel yang diuji berukuran kecil ( n < 30 ).
27. b) Penentuan nilai tabel dilihat dari besarnya tingkat signifikan (α) dan besarnya derajat
bebas (db).
28.
29. 1.2 Fungsi Pengujian Distribusi T
30.
31. a) Untuk memperkirakan interval rata-rata.
32. b) Untuk menguji hipotesis tentang rata-rata suatu sampel.
33. c) Menunjukkan batas penerimaan suatu hipotesis.
34. d) Untuk menguji suatu pernyataan apakah sudah layak untuk dipercaya.
35.
36. II. BEBERAPA MACAM PENGGUNAAN HIPOTESIS
37.
38. Pengujian sampel dalam distribusi t dibedakan menjadi 2 jenis hipotesa, yaitu :
39. 2.1 Satu Rata-Rata
40.
41. § Rumus :

42.
43. ket : to = t hitung Modul Praktikum Distribusi T
44. Statistika 2 23 ATA 11/12
45.
46. x = rata-rata sampel
47. μ = rata-rata populasi
48. s = standar deviasi
49. n = jumlah sampel
50. § Db = n – 1
51.
52. § Penyusunan Hipotesa :
53.
54. 1. Ho : μ1 = μ2
55.
56. Ha : μ1 ≠ μ2
57. 2. Ho : μ1 ≤ μ2
58.
59. Ha : μ1 > μ2
60. 3. Ho : μ1 ≥ μ2
61.
62. Ha : μ1 < μ2
63. Apabila data yang diambil dari hasil eksperimen, maka langkah yang harus dilakukan
sebelum mencari t hitung adalah :
64. a. Menentukan rata-ratanya terlebih dahulu :

65.
66. b. Menentukan standar deviasi :
67.
68. 2.2 Dua Rata – Rata
69. Rumus :

70.
71.
72. to = | (X1 – X2) – do |
73. √ (S12 / n1) + (S22 / n2)
74. Syarat : S1 ≠ S2
75. do = selisih μ1 dengan μ2 (μ1 – μ2) Modul Praktikum Distribusi T
76. Statistika 2 24 ATA 11/12
77.
78.
79. v Db = (n1 + n2) – 2
80.
81. v Penyusunan Hipotesa :
82.
83. 1. Ho : μ1 – μ2 = do
84.
85. Ha : μ1 – μ2 ≠ do
86. 2. Ho : μ1 – μ2 ≤ do
87.
88. Ha : μ1 – μ2 > do
89. 3. Ho : μ1 – μ2 ≥ do
90.
91. Ha : μ1 – μ2 < do
92. III. LANGKAH – LANGKAH UJI HIPOTESIS
93. 1. Tentukan Ho dan Ha
94. 2. Tentukan arah uji hipotesa ( satu arah atau dua arah )
95. 3. Tentukan tingkat signifikan ( α )
96. 4. Tentukan nilai derajat bebas ( Db )
97. 5. Tentukan wilayah kritisnya atau nilai tabel t tabel = (α, Db )
98. 6. Tentukan nilai hitung (t hitung = to )
99. 7. Tentukan keputusan dan gambar
100. 8. Kesimpulan dan analisis
101.
102. Menentukan kesimpulan dengan cara membandingkan nilai kritis ( nilai tabel )
dengan nilai hitungnya untuk kemudian menerima / menolak Hipotesa awal (Ho).
103. Ada 3 wilayah kritis dalam distribusi t, yaitu :
104. 1. Dua Arah ( Ho : μ1 = μ2, Ha : μ1 ≠ μ2 )

105.
106. Ho diterima jika : -t tabel ( α/2, Db ) < to < t tabel ( α/2, Db )
107. Ho ditolak jika : to > t tabel ( α/2, Db ) atau to < – t tabel ( α/2, Db )
108. – α/2 0 + α/2 ( t tabel)
109. Gambar 2.1 : Kurva Distribusi t Dua Arah
110. 2. Satu Arah, Sisi Kanan ( Ho : μ1 ≤ μ2, Ha : μ1 > μ2 )

111.
112. Ho diterima jika : to < t tabel ( α, Db )
113. Ho ditolak jika : to > t tabel ( α, Db ) Modul Praktikum Distribusi T
114. Statistika 2 25 ATA 11/12
115.
116. 0 + t tabel
117. Gambar 2.2 : Kurva Distribusi t Satu Arah Sisi Kanan
118. 3. Satu Arah, Sisi Kiri ( Ho : μ1 ≥ μ2, Ha : μ1 < μ2 )
119.
120. Ho diterima jika : to > – t tabel ( α, Db )
121. Ho ditolak jika : to < – t tabel ( α, Db )
122. Ho
123. Ha
124. – t tabel
125. Gambar 2.3 : Kurva Distribusi t Satu Arah Sisi Kiri
126. Contoh Soal :
127. 1. Yamaha, sebuah perusahaan penghasil motor balap YZR-M1 meramalkan
bahwa kecepatan hasil produksinya mempunyai kecepatan sebesar 325 km/jam. Untuk
menguji apakah hipotesis tersebut benar, maka Perusahaan melakukan pengujian
terhadap 12 motor balap produksinya dan diketahui rata-rata sampel (rata-rata kecepatan
motor) 350 km/jam dengan simpangan baku 300 km/jam. Apakah hasil penelitian
tersebut sesuai dengan hipotesis awal Perusahaan ? (selang kepercayaan 95 %)
128.
129. Jawab :
130. Dik : μ = 325
131. x = 350
132. α = 5% = 0,05
133. n = 12
134. s = 300
135. Pengujian Hipotesis :
136. 1. Ho : μ1 = 325
137.
138. Ha : μ2 ≠ 325
139. 2. 1 rata – rata, uji 2 arah
140. 3. α/2 = 5 % /2 = 0,025
141. 4. Db = n – 1 = 12 – 1 = 11
142. 5. t tabel (α, Db) = ( 0,025 ; 11 ) = ± 2,201
143. 6. to = x – μ = 350 – 325 = 0,2887

144.
145. s / √n 300 / √12
146. 7. Keputusan : karena t hitung = 0,2887 berada dalam selang -2,201 < t < 2,201
maka Terima Ho, Tolak Ha
147. Modul Praktikum Distribusi T
148. Statistika 2 26 ATA 11/12
149.
150. -2,201 0 0,288 2,201
151. Gambar 2.4
152. Kurva Distribusi t Satu Rata-rata Dua Arah Contoh
153. 8. Kesimpulan : Jadi, kecepatan motor YZR M-1 yang diproduksi Yamaha
sebesar 325 km/jam adalah benar.
154.

155.
156. Distribusi Chi Kuadrat (χ2)
157. Distribusi chi kuadrat merupakan distribusi dengan variabel acak
kontinu.Simbul yang dipakai ialah χ2.
158. apabila besar sampel n dan varians s2, maka : χ2 = dan didapat
distribusi sampling χ2 untuk memudahkan menulis, dan harga u > 0, v = (n-1) =
derajat kebebasam K bilangan tetap yang bergantung pada v, sedemikian
sehingga luas daeah di bawah kurva sama dengan satu satuan luas dan e =
2,7183. Grafik distribusi x2 umumnya merupakan kurva positif yaitu miring
kekanan, makin berkurang kemiringannya jika v makin besar.
159. Contoh: Gambar di bawah distribusi x2 dengan n = 10.
160. a. Luas daerah yang diarsir sebalah kanak = 0,025, hitung X12
161. b. Luas daerah yang diarsir sebelah kiri = 0,05, hitung X12
162. Jawab:
163. a. v = (n-1) = 10 – 1 = 9; P = 1 – 0,25 = 0,975, dicari pada tabel di
dapat X21 = 19,0
164. b. v = (n – 1) = 10 – 1 = 9; P = 1 – 0,05 = 0,95 dicari pada
tabel didapat X12
165. Catatan :
166. Karena distribusi X22 tidak simetrik, luas ujung-ujung daerah yang diarsir
bila diketahui jumlahnya, maka luas daerah ujung kiri yang diarsir dan luas
daerah ujung kanan harganya dapat berbeda-beda.
167. Dalam beberapa hal, kecuali dinyatakan lain, biasa diambil luas daerah
ujung kanan yang diarsir sama dengan luas daerah ujung kiri yang diarsir.
168.
169. Contoh soal Distribusi t1.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. ila nilai
170. t
171. yan! dihitun! terletak antara dan maka pen!usahan pabrik tadi akan mempertahankan
kenyakinannya. "esimpulan apa yan! seharusnya dia ambil dari sampel den!an rataan # 51$
jamdan simpan!an baku s # %0 jam& 'n!!ap bahwa distribusi waktu menyala, se(ara hampiran,
noramal.)awab *D a r i t a b e l 5 d i p e r o l e h # 1 , + 1 1 u n t u k d e r a j a t k e b e b a s a n 2 % .
) a d i p e n ! u s a h a t a d i a k a n p u a s den!an keyakinananya bila sampel 25 bola lampu
memberikan nilai t antara 1,+11 dan 1,+11. ila meman! # 500, makaSuatu nilai yan!
(ukup jauh di atas 1,+11. -eluan! mendapat nilai t, den!an derajat kebebasan # 2%, sama atau
lebih besar dari 2,25, se(ara hampiran adalah 0,02. ila , nilai t yan! di hitun!dari
sampel akan lebih wajar. )adi pen!usaha tali kemun!kinan besar akan menyimpulkan
bahwa produksinya lebih baik daripada yan! didu!anya semula.
172.

MAKALAH
173.
174. STATISTIK MATEMATIKA II
175. “DISTRIBUSI F, DISTRIBUSI T DAN DISTRIBUSI CHI-KUADRAT”
176. Makalah di ajukan dalam rangka memenuhi tugas matakuliah.
177. Dosen
178. Tri Novita Irawati, M.Pd
179.
180.
181.
182.
183.

184.
185.
 186. Disusun Oleh:
187. Rusdiyanto
188. NIM : 2014034070016
189. Mashuda
190. NIM : 2014034070020
191. Sahid Abdullah
192. NIM : 2014034070018
193.
194.
195. Pendidikan Matematika
196. FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
197. UNIVERSITAS ISLAM JEMBER
198. 2016
199.
200.
201. KATA PENGANTAR
202.
203. Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan Rahmat, Inayah,
Taufik dan Hidayahnya sehingga kami dapat menyelesaikan makalah tentang “Distribusi F,
Distribusi T dan Distribusi chi-kuadrat”. Makalah ini di ajukan guna memenuhi tugas mata kuliah
Statistik matematika II.
204. Kami mengucapkan terima kasih kepada semua pihak yang telah membantu sehingga
makalah ini dapat di selesaikan tepat pada waktunya. Kami menyadari bahwa dalam
penyusunan makalah ini jauh dari sempurna, baik dari segi penyusunan, bahasan, ataupun
penulisannya. Oleh karena itu kami mengharapkan kritik dan saran yang sifatnya membangun,
khususnya dari dosen matakuliah guna menjadi acuan dalam bekal pengalaman bagi kami untuk
lebih baik di masa yang akan datang.
205. Harapan saya semoga makalah ini membantu menambah pengetahuan dan bermanfaat
bagi para pembaca.
206.
207.
Jember, 14 November 2016
208.
209.
210.
Penyusun
211.
212.
213.
214.
215. DAFTAR ISI
216.
217. .................................................................................................................. Sampul
.................................................................................................................... i
218. .................................................................................................................. Kata Pengantar
....................................................................................................... ii
219. .................................................................................................................. Daftar Isi
................................................................................................................ iii
220. .................................................................................................................. BAB 1
PENDAHULUAN
221. .................................................................................................................. 1.1. Latar
Belakang ...................................................................................... 1
222. .................................................................................................................. 1.2. Rumusan
Masalah .................................................................................. 1
223. .................................................................................................................. 1.3. Tujuan
Penulisan..................................................................................... 1
224. .................................................................................................................. BAB 2
PEMBAHASAN
225. .................................................................................................................. 2.1. Distribusi
T........................................................................................... 2
226. .................................................................................................................. 2.2. Distribusi
Chi-Kuadrat......................................................................... 4
227. .................................................................................................................. 2.3. Distribusi
F........................................................................................... 5
228. .................................................................................................................. BAB 3
PENUTUP
229. .................................................................................................................. 3.1.
Kesimpulan ............................................................................................ 8
230. .................................................................................................................. 3.2. Saran
...................................................................................................... 8
231. .................................................................................................................. DAFTAR
PUSTAKA
232.
233. ..................................................................................................................

234. BAB IPENDAHULUAN

235.

236. 1.1. Latar Belakang

237. Sebagai mahasiswa khususnya program study matematika perlu adanya ilmu Statistik,
dalam dunia pendidikan ilmu statistik sangatlah penting. Maka dalam Mata Kuliah Statistik
Matematika II perlu di bahas materi tentang Distribusi chi-kuadrat, Distribusi F dan Distribusi T.
Dalam materi ini mahasiswa diharapkan dapat memahami materi secara keseluruhan dengan
mudah. Untuk mencapai keberhasilan tersebut dipandang perlu adanya sebuah ringkasan
materi sebagai bahan ajar yang lebih mudah dan menarik, maka disusunlah makalah yang
berjudul Distribusi chi-kuadrat, Distribusi F dan Distribusi T ini.
238.

239. 1.2. Rumusan Masalah

240. 1. Apa pengertian Distribusi chi-kuadrat?
241. 2. Apa pengertian Distribusi F?
242. 3. Apa pengertian Distribusi T?
243. 4. Apa saja contoh dari Distribusi Chi-Kuadrat, Distribusi F, dan Distribusi T?
244.

245. 1.3. Tujuan Penulisan

246. 1. Untuk mengetahui definisi dan teori apa saja yang di pakai.
247. 2. Memenuhi tugas mata kuliah.
248. PENDAHULUAN
249.
250.
251. 1.1 Latar Belakang
252. Statistik diartikan sebagai kumpulan data bilangan maupun non bilangan yang

disusun dalam tabel atau diagram yang menggambarkan suatu persoalan (Sudjana 2005:
 2). Sedangkan statistika diartikan sebagai ilmunya. Statistika adalah pengetahuan yang

berhubungan dengan cara-cara pengumpulan data, pengolahan atau penganalisisannya

dan penarikan kesimpulan berdasarkan kumpulan data dan penganalisisan yang dilakukan

(Sudjana 2005: 3). Disadari atau tidak, statistika sudah banyak digunakan dalam

kehidupan sehari-hari. Statistika sangat penting digunakan dalam bidang teknik, industri,

bisnis, ekonomi, astronomi, biologi, kedokteran, asuransi, pertanian, perniagaan,

sosiologi, antropologi, pemerintahan, pendidikan, dan sebagainya.

253. Dunia penelitian atau riset, dimanapun dilakukan, tidak akan terlepas dari masalah

statistika.

Masalah statistika dapat diselesaikan dengan metode-metode statistik. Dalam dunia

perkuliahan, para mahasiswa yang skripsi atau tugas akhirnya berupa studi kasus atau

penelitian biasanya menggunakan metode statistika untuk menyelesaikan analisis data

skripsi atau tugas akhir.

254. Mata kuliah mengenai metode statistika tidak hanya diajarkan kepada mahasiswa

jurusan matematika saja. Akan tetapi seluruh mahasiswa disemua jurusan diajarkan mata

kuliah tersebut. Hanya saja penekanan metode statistika pada mahasiswa jurusan

matematika lebih mendalam sehingga pemahaman mereka mengenai statistika lebih

paham daripada mahasiswa dari jurusan lain. Karena membahas berbagai pengolah data

data penelitian.

255. Dalam proses pengolah data banyak dilakukan berbagai pengujian

sampai hasil penelitian itu dikatakan valid atau diterima. Pada makalah ini akan dibahas

tentang pengujian Chi-Kuadrat atau disebut juga dengan Chi Square.

256.
257.

258.

259. BAB II
260. PEMBAHASAN
261.
262.
263.
264. 1. Pengertian dan Kegunaan Uji Chi-Kuadrat

265. Chi Kuadrat adalah pengujian hipotesis mengenai perbandingan antara frekuensi

observasi atau yang benar-benar terjadi atau aktual dengan frekuensi harapan. Yang

dimaksud dengan frekuensi harapan adalah frekuensi yang nilainya dapat di hitung secara

teoritis (e). sedangkan dengan frekuensi observasi adalah frekuensi yang nilainya di dapat

dari hasil percobaan (o).

Dalam statistik, distribusi chi square termasuk dalam statistik nonparametrik. Distribusi

nonparametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui.

Distribusi ini sangat bermanfaat dalam melakukan analisis statistik jika kita tidak

memiliki informasi tentang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk

penggunaan statistik parametrik tidak terpenuhi.

266. Chi-kuadrat ini digunakan untuk mengadakan pendekatan dari beberapa vaktor

atau mngevaluasi frekuensi yang diselidiki atau frekuensi hasil observasi dengan

frekuensi yang diharapkan dari sampel apakah terdapat hubungan atau perbedaan yang

signifikan atau tidak.

267. Dalam statistik, distribusi chi square termasuk dalam statistik

nonparametrik. Distribusi nonparametrik adalah distribusi dimana besaran-besaran

 populasi tidak diketahui. Distribusi ini sangat bermanfaat dalam melakukan analisis

statistik jika kita tidak memiliki informasi tentang populasi atau jika asumsi-asumsi yang

dipersyaratkan untuk penggunaan statistik parametrik tidak terpenuhi.

268. Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi square adalah:

269.  Distribusi chi-square memiliki satu parameter yaitu derajat bebas (db).

270.  Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-nilai positif

tak terhingga di sebelah kanan.

271.  Probabilitas nilai chi square di mulai dari sisi sebelah kanan.

272.  Luas daerah di bawah kurva normal adalah 1.

273. a) Uji Kecocokan = Uji Kebaikan Suai = Goodness of Fit

274. b) Uji Kebebasan

275. c) Uji Beberapa Proporsi (Prinsip pengerjaan (b) dan (c) sama saja)

276. Nilai chi square adalah nilai kuadrat karena itu nilai chi square selalu positif.

Bentuk distribusi chi square tergantung dari derajat bebas (Db)/degree of freedom.

Pengertian pada uji chi square sama dengan pengujian hipotesis yang lain, yaitu luas

daerah penolakan Ho atau taraf nyata pengujian.

277. Metode Chi-kuadrat menggunakan data nominal, data tersebut diperoleh dari hasil

menghitung. Sedangkan besarnya nilai chi-kuadrat bukan merupakan ukuran derajat

hubungan atau perbedaan.

278. Macam-macam bentuk analisa Chi-kuadrat :

279.  Penaksiran standar deviasi

280.  Pengujian hipotesis standar deviasi

281.  Pengujian hipotesis perbedaan beberapa proporsi atau chi-square dari data

multinominal

282.  Uji hipotesis tentang ketergantungan suatu variabel terhadap variabel lain/uji

Chi-square dari tabel kontingensi/tabel dwikasta/tabel silang

283.  Uji hipotesis kesesuaian bentuk kurva distribusi frekuensi terhadap distribusi

peluang teoritisnya atau uji Chi-square tentang goodness of fit

284. 2) Ketentuan Pemakaian Chi-Kuadrat (X2)

285. Agar pengujian hipotesis dengan chi-kuadrat dapat digunakan dengan baik, maka

hendaknya memperhatikan ketentuan-ketentuan sebagai berikut :

286. 1) Jumlah sampel harus cukup besar untuk meyakinkan kita bahwa terdapat

kesamaan antara distribusi teoretis dengan distribusi sampling chi-kuadrat.

287. 2) Pengamatan harus bersifat independen (unpaired). Ini berarti bahwa jawaban

satu subjek tidak berpengaruh terhadap jawaban subjek lain atau satu subjek hanya satu

kali digunakan dalam analisis.

288. 3) Pengujian chi-kuadrat hanya dapat digunakan pada data deskrit (data

frekuensi atau data kategori) atau data kontinu yang telah dikelompokan menjadi

kategori.

289. 4) Jumlah frekuensi yang diharapkan harus sama dengan jumlah frekuensi yang

diamati.

290. 5) Pada derajat kebebasan sama dengan 1 (table 2 x 2) tidak boleh ada nilai

ekspektasi yang sangat kecil. Secara umum, bila nilai yang diharapkan terletak dalam

satu sel terlalu kecil (< 5) sebaiknya chi-kuadrat tidak digunakan karena dapat
 menimbulkan taksiran yang berlebih (over estimate) sehingga banyak hipotesis yang

ditolak kecuali dengan koreksi dari Yates.

291. Bila tidak cukup besar, maka adanya satu nilai ekspektasi yang lebih kecil dari 5

tidak akan banyak mempengaruhi hasil yang diinginkan. Pada pengujian chi-kuadrat

dengan banyak ketegori, bila terdapat lebih dari satu nilai ekspektasi kurang dari 5 maka,

nilai-nilai ekspektasi tersebut dapat digabungkan dengan konsekuensi jumlah kategori

akan berkurang dan informasi yang diperoleh juga berkurang.

292. 3) Uji Distribusi Normal menggunakan uji Chi Kuadrat

293. Uji normalitas dengan Chi Kuadrat (X2) dipergunakan untuk menguji data dalam

bentuk data kelompok dalam tabel distribusi frekuensi. Seperti halnya uji Liliefors, uji

normalitas dengan uji Chi-Kuadrat dilakukan dengan langkah-langkah:

294.

Pertama-tama, tentukan taraf signifikansi, misalkan 0,05 untuk menguji hipotesis:

Ho: Sampel berasal dari populasi berdistribusi normal.

Ha: Sampel tidak berasal dari populasi berdistribusi normal.

dengan kriteria pengujian:

Jika X2hitung < X2tabel terima Ho

Jika X2hitung > X2tabel tolak Ho

Kedua, lakukan langkah-langkah uji normalitas dengan chi kuadrat (X2) sebagai berikut:

295. 1. Membuat daftar distribusi frekuensi dari data yang berserakan ke dalam distribusi

frekuensi data kelompok (jika data belum disajikan dalam tabel disitribusi frekuensi

kelompok).

296. 2. Mencari rerata (mean) data kelompok

297. 3. Mencari simpangan baku data kelompok

298. 4. Tentukan batas nyata (tepi kelas) tiap interval kelas dan jadikan sebagai Xi(X1, X2,

X3, ..., Xn). Kemudian lakukan konversi, setiap nilai tepi kelas (Xi) menjadi nilai baku

Z1, Z2, Z3, ..., Zn. Dimana nilai baku Zi ditentukan dengan rumus Zi = (Xi - )/s

299. 5. Tentukan besar peluang setiap nilai Z berdasarkan tabel Z (luas lengkungan di

bawah kurva normal standar dari 0 ke Z, dan disebut dengan F(Zi)).

300. 6. Tentukan luas tiap kelas interval dengan cara mengulangi nilai F(z) yang lebih

besar diatas atau dibawahnya.

301. 7. Tentukan Ei (frekuensi eskpektasi) dengan cara membagi luas kelas tiap interval

dibagi number of cases (n).

302. 8. Masukkan frekuensi observasi (faktual) sebagai Oi

303. 9. Cari nilai setiap interval

304. 10. Tentukan nilai X2hitung setiap interval

305. 11. Tentukan nilai X2tabel pada taraf signifikansi dan derajat kebebasan k-1 dengan k

adalah banyaknya kelas/kelompok interval

306. 12. Bandingkan jumlah total X2hitung dengan X2tabel

307. 13. Apabila X2hitung < X2tabel maka sampel berasal dari populasi yang berdistribusi

normal, dan jika X2hitung > X2tabel maka sampel berasal dari populasi tidak normal

308. Rumus Chi Kuadrat yang digunakan adalah :

309.

310. Keterangan:

311.
 312.

313.

314. Contoh soal:

315. Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan diambil

sebuah sampel acak berukuran 100. Dicatat dalam distribusi frekuensi, hasilnya sebagai

berikut:

316. Tabel Tinggi 100 mahasiswa

Tinggi (cm) f

140-144 7

145-149 10

150-154 16

155-159 23

160-164 21

165-169 17

170-174 6

Jumlah 100

317. Apakah hipotesis sampel itu berasal dari distribusi normal pada taraf nyata =

0,05 dan = 0,01 dan dk = (k-3)?

318. Penyelesaian:

Tinggi (cm) Fi Xi fiXi Xi- fi

140-144 7 142 994 -15,8 249,64 1747,48

145-149 10 147 1470 -10,8 116,64 1166,4

150-154 16 152 2432 -5,8 33,64 538,24

155-159 23 157 3611 -0,8 0,64 14,72

160-164 21 162 3402 4,2 17,64 370,44

165-169 17 167 2839 9,2 84,64 1438,88

170-174 6 172 1032 14,2 201,64 1209,84

Jumlah 100 15780 6486

319. = = = 157,8.

320. S= = = 8,09

321. Setelah didapat dan s = 8,09. Selanjutnya perlu ditentukan batas-batas

kelas interval untuk menghitung luas dibawah kurva normal bagi setiap interval. Kelas

interval kesatu dibatasi oleh 139,5 dan 144,5 atau dalam angka standar z dibatasi oleh -

2,26 dan -1,64. Luas dibawah kurva normal untuk interval kesatu = 0,4881-0,4495 =

0,0386, sehingga frekuensi teoritik untuk kelas interval ini = 100 × 0,0386 = 3,9. Jika

perhitungan yang sama dilakukan untuk kelas-kelas interval lainnya, didapat hasil

dibawah ini:

322. Tabel frekuensi diharapkan dan Pengamatan

Batas kelas (x) Z untuk batas Luas tiap kelas Frekuensi Frekuansi

kelas interval diharapkan ( ) pengamatan (

139,5 -2,26

0,0386 3,9 7

144,5 -1,64
 0,1010 10,1 10

149,5 -1,03

0,1894 18,9 16

154,5 -0,41

0,2423 24,2 23

159,5 +0,21

0,2135 21,4 21

164,5 +0,83

0,1298 13,0 17

169,5 +1,45

0,0538 5,4 6

174,5 +2,06

323. Dengan menggunakan rumus:

324. PENDAHULUAN
325.
326.
327. 1.1 Latar Belakang
328. Statistik diartikan sebagai kumpulan data bilangan maupun non bilangan yang

disusun dalam tabel atau diagram yang menggambarkan suatu persoalan (Sudjana 2005:

2). Sedangkan statistika diartikan sebagai ilmunya. Statistika adalah pengetahuan yang

berhubungan dengan cara-cara pengumpulan data, pengolahan atau penganalisisannya

dan penarikan kesimpulan berdasarkan kumpulan data dan penganalisisan yang dilakukan

(Sudjana 2005: 3). Disadari atau tidak, statistika sudah banyak digunakan dalam

kehidupan sehari-hari. Statistika sangat penting digunakan dalam bidang teknik, industri,
 bisnis, ekonomi, astronomi, biologi, kedokteran, asuransi, pertanian, perniagaan,

sosiologi, antropologi, pemerintahan, pendidikan, dan sebagainya.

329. Dunia penelitian atau riset, dimanapun dilakukan, tidak akan terlepas dari masalah

statistika.

Masalah statistika dapat diselesaikan dengan metode-metode statistik. Dalam dunia

perkuliahan, para mahasiswa yang skripsi atau tugas akhirnya berupa studi kasus atau

penelitian biasanya menggunakan metode statistika untuk menyelesaikan analisis data

skripsi atau tugas akhir.

330. Mata kuliah mengenai metode statistika tidak hanya diajarkan kepada mahasiswa

jurusan matematika saja. Akan tetapi seluruh mahasiswa disemua jurusan diajarkan mata

kuliah tersebut. Hanya saja penekanan metode statistika pada mahasiswa jurusan

matematika lebih mendalam sehingga pemahaman mereka mengenai statistika lebih

paham daripada mahasiswa dari jurusan lain. Karena membahas berbagai pengolah data

data penelitian.

331. Dalam proses pengolah data banyak dilakukan berbagai pengujian

sampai hasil penelitian itu dikatakan valid atau diterima. Pada makalah ini akan dibahas

tentang pengujian Chi-Kuadrat atau disebut juga dengan Chi Square.

332.

333.

334.

335. BAB II
336. PEMBAHASAN
 337.
338.
339.
340. 1. Pengertian dan Kegunaan Uji Chi-Kuadrat

341. Chi Kuadrat adalah pengujian hipotesis mengenai perbandingan antara frekuensi

observasi atau yang benar-benar terjadi atau aktual dengan frekuensi harapan. Yang

dimaksud dengan frekuensi harapan adalah frekuensi yang nilainya dapat di hitung secara

teoritis (e). sedangkan dengan frekuensi observasi adalah frekuensi yang nilainya di dapat

dari hasil percobaan (o).

Dalam statistik, distribusi chi square termasuk dalam statistik nonparametrik. Distribusi

nonparametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui.

Distribusi ini sangat bermanfaat dalam melakukan analisis statistik jika kita tidak

memiliki informasi tentang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk

penggunaan statistik parametrik tidak terpenuhi.

342. Chi-kuadrat ini digunakan untuk mengadakan pendekatan dari beberapa vaktor

atau mngevaluasi frekuensi yang diselidiki atau frekuensi hasil observasi dengan

frekuensi yang diharapkan dari sampel apakah terdapat hubungan atau perbedaan yang

signifikan atau tidak.

343. Dalam statistik, distribusi chi square termasuk dalam statistik

nonparametrik. Distribusi nonparametrik adalah distribusi dimana besaran-besaran

populasi tidak diketahui. Distribusi ini sangat bermanfaat dalam melakukan analisis

statistik jika kita tidak memiliki informasi tentang populasi atau jika asumsi-asumsi yang

dipersyaratkan untuk penggunaan statistik parametrik tidak terpenuhi.

344. Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi square adalah:
345.  Distribusi chi-square memiliki satu parameter yaitu derajat bebas (db).

346.  Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-nilai positif

tak terhingga di sebelah kanan.

347.  Probabilitas nilai chi square di mulai dari sisi sebelah kanan.

348.  Luas daerah di bawah kurva normal adalah 1.

349. a) Uji Kecocokan = Uji Kebaikan Suai = Goodness of Fit

350. b) Uji Kebebasan

351. c) Uji Beberapa Proporsi (Prinsip pengerjaan (b) dan (c) sama saja)

352. Nilai chi square adalah nilai kuadrat karena itu nilai chi square selalu positif.

Bentuk distribusi chi square tergantung dari derajat bebas (Db)/degree of freedom.

Pengertian pada uji chi square sama dengan pengujian hipotesis yang lain, yaitu luas

daerah penolakan Ho atau taraf nyata pengujian.

353. Metode Chi-kuadrat menggunakan data nominal, data tersebut diperoleh dari hasil

menghitung. Sedangkan besarnya nilai chi-kuadrat bukan merupakan ukuran derajat

hubungan atau perbedaan.

354. Macam-macam bentuk analisa Chi-kuadrat :

355.  Penaksiran standar deviasi

356.  Pengujian hipotesis standar deviasi

357.  Pengujian hipotesis perbedaan beberapa proporsi atau chi-square dari data

multinominal

358.  Uji hipotesis tentang ketergantungan suatu variabel terhadap variabel lain/uji

Chi-square dari tabel kontingensi/tabel dwikasta/tabel silang

359.  Uji hipotesis kesesuaian bentuk kurva distribusi frekuensi terhadap distribusi

peluang teoritisnya atau uji Chi-square tentang goodness of fit

360. 2) Ketentuan Pemakaian Chi-Kuadrat (X2)

361. Agar pengujian hipotesis dengan chi-kuadrat dapat digunakan dengan baik, maka

hendaknya memperhatikan ketentuan-ketentuan sebagai berikut :

362. 1) Jumlah sampel harus cukup besar untuk meyakinkan kita bahwa terdapat

kesamaan antara distribusi teoretis dengan distribusi sampling chi-kuadrat.

363. 2) Pengamatan harus bersifat independen (unpaired). Ini berarti bahwa jawaban

satu subjek tidak berpengaruh terhadap jawaban subjek lain atau satu subjek hanya satu

kali digunakan dalam analisis.

364. 3) Pengujian chi-kuadrat hanya dapat digunakan pada data deskrit (data

frekuensi atau data kategori) atau data kontinu yang telah dikelompokan menjadi

kategori.

365. 4) Jumlah frekuensi yang diharapkan harus sama dengan jumlah frekuensi yang

diamati.

366. 5) Pada derajat kebebasan sama dengan 1 (table 2 x 2) tidak boleh ada nilai

ekspektasi yang sangat kecil. Secara umum, bila nilai yang diharapkan terletak dalam

satu sel terlalu kecil (< 5) sebaiknya chi-kuadrat tidak digunakan karena dapat

menimbulkan taksiran yang berlebih (over estimate) sehingga banyak hipotesis yang

ditolak kecuali dengan koreksi dari Yates.

367. Bila tidak cukup besar, maka adanya satu nilai ekspektasi yang lebih kecil dari 5

tidak akan banyak mempengaruhi hasil yang diinginkan. Pada pengujian chi-kuadrat

dengan banyak ketegori, bila terdapat lebih dari satu nilai ekspektasi kurang dari 5 maka,
 nilai-nilai ekspektasi tersebut dapat digabungkan dengan konsekuensi jumlah kategori

akan berkurang dan informasi yang diperoleh juga berkurang.

368. 3) Uji Distribusi Normal menggunakan uji Chi Kuadrat

369. Uji normalitas dengan Chi Kuadrat (X2) dipergunakan untuk menguji data dalam

bentuk data kelompok dalam tabel distribusi frekuensi. Seperti halnya uji Liliefors, uji

normalitas dengan uji Chi-Kuadrat dilakukan dengan langkah-langkah:

370.

Pertama-tama, tentukan taraf signifikansi, misalkan 0,05 untuk menguji hipotesis:

Ho: Sampel berasal dari populasi berdistribusi normal.

Ha: Sampel tidak berasal dari populasi berdistribusi normal.

dengan kriteria pengujian:

Jika X2hitung < X2tabel terima Ho

Jika X2hitung > X2tabel tolak Ho

Kedua, lakukan langkah-langkah uji normalitas dengan chi kuadrat (X2) sebagai berikut:

371. 1. Membuat daftar distribusi frekuensi dari data yang berserakan ke dalam distribusi

frekuensi data kelompok (jika data belum disajikan dalam tabel disitribusi frekuensi

kelompok).

372. 2. Mencari rerata (mean) data kelompok

373. 3. Mencari simpangan baku data kelompok

374. 4. Tentukan batas nyata (tepi kelas) tiap interval kelas dan jadikan sebagai Xi(X1, X2,

X3, ..., Xn). Kemudian lakukan konversi, setiap nilai tepi kelas (Xi) menjadi nilai baku

Z1, Z2, Z3, ..., Zn. Dimana nilai baku Zi ditentukan dengan rumus Zi = (Xi - )/s
375. 5. Tentukan besar peluang setiap nilai Z berdasarkan tabel Z (luas lengkungan di

bawah kurva normal standar dari 0 ke Z, dan disebut dengan F(Zi)).

376. 6. Tentukan luas tiap kelas interval dengan cara mengulangi nilai F(z) yang lebih

besar diatas atau dibawahnya.

377. 7. Tentukan Ei (frekuensi eskpektasi) dengan cara membagi luas kelas tiap interval

dibagi number of cases (n).

378. 8. Masukkan frekuensi observasi (faktual) sebagai Oi

379. 9. Cari nilai setiap interval

380. 10. Tentukan nilai X2hitung setiap interval

381. 11. Tentukan nilai X2tabel pada taraf signifikansi dan derajat kebebasan k-1 dengan k

adalah banyaknya kelas/kelompok interval

382. 12. Bandingkan jumlah total X2hitung dengan X2tabel

383. 13. Apabila X2hitung < X2tabel maka sampel berasal dari populasi yang berdistribusi

normal, dan jika X2hitung > X2tabel maka sampel berasal dari populasi tidak normal

384. Rumus Chi Kuadrat yang digunakan adalah :

385.

386. Keterangan:

387.

388.

389.

390. Contoh soal:

 391. Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan diambil

sebuah sampel acak berukuran 100. Dicatat dalam distribusi frekuensi, hasilnya sebagai

berikut:

392. Tabel Tinggi 100 mahasiswa

Tinggi (cm) f

140-144 7

145-149 10

150-154 16

155-159 23

160-164 21

165-169 17

170-174 6

Jumlah 100

393. Apakah hipotesis sampel itu berasal dari distribusi normal pada taraf nyata =

0,05 dan = 0,01 dan dk = (k-3)?

394. Penyelesaian:

Tinggi (cm) Fi Xi fiXi Xi- fi

140-144 7 142 994 -15,8 249,64 1747,48

145-149 10 147 1470 -10,8 116,64 1166,4

150-154 16 152 2432 -5,8 33,64 538,24

155-159 23 157 3611 -0,8 0,64 14,72

160-164 21 162 3402 4,2 17,64 370,44

165-169 17 167 2839 9,2 84,64 1438,88

170-174 6 172 1032 14,2 201,64 1209,84

Jumlah 100 15780 6486

395. = = = 157,8.

396. S= = = 8,09

397. Setelah didapat dan s = 8,09. Selanjutnya perlu ditentukan batas-batas

kelas interval untuk menghitung luas dibawah kurva normal bagi setiap interval. Kelas

interval kesatu dibatasi oleh 139,5 dan 144,5 atau dalam angka standar z dibatasi oleh -

2,26 dan -1,64. Luas dibawah kurva normal untuk interval kesatu = 0,4881-0,4495 =

0,0386, sehingga frekuensi teoritik untuk kelas interval ini = 100 × 0,0386 = 3,9. Jika

perhitungan yang sama dilakukan untuk kelas-kelas interval lainnya, didapat hasil

dibawah ini:

398. Tabel frekuensi diharapkan dan Pengamatan

Batas kelas (x) Z untuk batas Luas tiap kelas Frekuensi Frekuansi

kelas interval diharapkan ( ) pengamatan (

139,5 -2,26

0,0386 3,9 7

144,5 -1,64

0,1010 10,1 10

149,5 -1,03

0,1894 18,9 16
154,5 -0,41

0,2423 24,2 23

159,5 +0,21

0,2135 21,4 21

164,5 +0,83

0,1298 13,0 17

169,5 +1,45

0,0538 5,4 6

174,5 +2,06

399. Dengan menggunakan rumus:

Contoh soal 1

Suatu penelitian akan menguji apakah ada perbedaan pilihan mahasiswa baru terhadap program

studi Manajemen dan Akuntansi di Fakultas Ekonomi Universitas Kanjuruhan Malang. Untuk itu

diambil sampel sebanyak 314 calon mahasiswa, dari jumlah tersebut 186 calon mahasiswa memiliki

program studi Manajemen dan 128 calon mahasiswa memilih program studi Akuntansi.

Penyelesaian:

1. Rumusan hipotesis

Ho : PM = PA Tidak ada perbedaan yang signifikan pilihan calon mahasiswa terhadap program

studi Akuntansi dan Manajemen

 Ha : PM  PA Ada perbedaan yang signifikan pilihan calon mahasiswa terhadap program studi

Akuntansi dan Manajemen

1. Taraf nyata 5% ( = 0,05)

Derajat bebas (db) = jumlah kelompok – 1 = 2 - 1 = 1

Nilai 2tabel (=0,05 ; db=1) = 3,841

2. Kriteria pengujian:

Jika 2hitung > 2tabel atau probabilitas < 0,05 maka Ho ditolak

Jika 2hitung ≤ 2tabel atau probabilitas  0,05 maka Ho diterima

4. Menghitung nilai 2:

Tabel 6.1. Frekuensi Observasi dan Frekuensi Harapan

Program Studi Frekuensi Observasi Frekuensi Harapan

(O) (E)

Manajemen 186 157

Akuntansi 128 157

Jumlah 314 314

314
Frekuensi harapan (E) diperoleh dari = = 157
2

Selanjutnya dihitung nilai X2 sebagai berikut:

 (186  157) 2 (128  157) 2
X2 = 
157 157

= 5,357 + 5,357

= 10,714

Cara lain untuk menghitung nilai 2 hitung adalah melalui tabel sbb:

Tabel 6.2. Tabel Bantu Perhitungan Chi Square

(O  E ) 2
Program Studi O E (O-E)2
E

Manajemen 186 157 841 5,357

Akuntansi 128 157 841 5,357

2 10,714

5. Kesimpulan

Nilai 2 hitung selanjutnya dibandingkan dengan nilai 2 tabel, karena hasil perhitungan

diperoleh nilai 2 hitung (10,714) > 2 tabel (3,841) berarti Ho ditolak, artinya pilihan calon

mahasiswa terhadap program studi Akuntansi dan Manajemen berbeda secara signifikan,

dengan kata lain perbedaan itu mencerminkan pilihan calon mahasiswa, dan tidak hanya

bersifat kebetulan.

Contoh Soal 2
2. Sebagai contoh data pada contoh sebelumnya kita perluas lagi dengan menambah kategori

calon mahasiswa putra dan calon mahasiswa putri, sehingga datanya menjadi:

Jenis Kelamin Program Studi Jumlah

Manajemen Akuntansi

Putra 130 84 214

Putri 56 44 100

Jumlah 186 128 314

Uji hipotesis yang menyatakan bahwa “pilihan calon mahasiswa terhadap jurusan Manajemen dan

Akuntansi berbeda secara signifikan untuk calon mahasiswa putra dan mahasiswa putri”

Penyelesaian:

1. Rumusan hipotesis

Ho : PM = PA Tidak ada perbedaan yang signifikan pilihan calon mahasiswa putra dan putri

terhadap program studi Akuntansi dan Manajemen

Ha : PM  PA Ada perbedaan yang signifikan pilihan calon mahasiswa putra dan putri

terhadap program studi Akuntansi dan Manajemen

2. Taraf nyata 5% ( = 0,05)

Derajat bebas (db) = (kolom –1) x (baris – 1) = (2 – 1) x (2 – 1) = 1

 Nilai 2tabel (=0,05 ; db=1) = 3,841

3. Kriteria pengujian:

Jika 2hitung > 2tabel atau probabilitas < 0,05 maka Ho ditolak

Jika 2hitung ≤ 2tabel atau probabilitas  0,05 maka Ho diterima

4. Menghitung nilai 2:

Untuk menghitung besarnya nilai Chi Square (2) dari data tabel 2 x 2 seperti di atas, terlebih

dahulu dihitung frekuensi harapan (E) dengan rumus:

(nki ) x (nbi )
E =
N

Keterangan:

E = Frekuensi harapan pada kolom ke-i baris kei

nki = Jumlah frekuensi kolom ke-i

nbi = Jumlah frekuensi baris ke-i

N = jumlah seluruh frekuensi

Ilustrasi perhitungan frekuensi harapan (E) adalah sebagai berikut:

Kolom
 a b (a + b) = nb1

Baris

c d (c + d ) = nb2

(a + c) = nk1 (b+d) = nk2 N = a+b+c+d

Perhitungan frekuensi harapan dari data di atas adalah sebagai berikut:

186 x 214
E1.1 = = 126,76
314

186 x 100
E1.2 = = 87,24
314

128 x 214
E2.1 = = 59,24
314

128 x 100
E2.1 = = 40,76
314

Setelah semua sel frekuensi harapan ditemukan, selanjutnya dilakukan perhitungan Chi

Square melalui tabel berikut:

Tabel 6.2. Tabel Bantu Perhitungan Chi Square Tabel 2 x 2

 Jenis
(O  E ) 2
Prodi O E O-E (O - E)2
Kelamin E

Manajemen Putri (1) 138 126,76 11,24 126,34 0,997

Putra (2) 48 59,24 -11,24 126,34 2,133

Akuntansi Putri (1) 92 87,24 4,76 22,656 0,260

Putra (2) 36 40,76 4,76 22,656 0,556

X2 3,946

Perhitungan Chi Square juga dapat dilakukan secara langsung

(138 - 126,76) 2 (48 - 59,24) 2 (92 - 87,24) 2 (36 - 40,76) 2

X2 =   
126,76 59,24 87,24 40,76

= 3,946

5. Kesimpulan

Untuk pengujian hipotesis, maka nilai 2 dibandingkan dengan nilai 2 tabel, ternyata nilai 2

(3,946) > 2 tabel (3,841) berarti Ho ditolak, artinya pilihan calon mahasiswa terhadap jurusan

Manajemen dan Akuntansi berbeda secara signifikan untuk calon mahasiswa putra dan

mahasiswa putri, dengan kata lain perbedaan itu mencerminkan pilihan calon mahasiswa putra

dan putri, dan tidak hanya bersifat kebetulan.

400. Pendahuluan
401. Chi Kuadrat (χ2) satu sampel adalah teknik statistik yang digunakan untuk
menguji hipotesis bila dalam populasi terdiri atas dua atau lebih klas dimana data
berbentuk nominal dan sampelnya besar.
402. Rumus dari Chi Kuadrat adalah seperti rumus 5.4 berikut.
403.
404.
405.
406.

407. Dimana
408. χ2 = Chi Kuadrat
409. fo = Frekuensi yang di observasi
410. fh = Frekuensi yang diharapkan
411.