METODE STATISTIKA

LANJUT
(1)
Dosen : Sri Utami Zuliana, S.Si.
e-mail : suzuliana@yahoo.com

REVIEW TENTANG
STATISTIKA INFERENSIAL

INFERENSI STATISTIK
Inferensi Statistik adalah pengambilan
kesimpulan tentang parameter-parameter
populasi (, , p) berdasarkan data
sampel yang diambil dari populasinya.
Konsep inferensi statistik meliputi estimasi
titik, estimasi interval dan uji hipotesis
untuk berbagai macam parameter
populasi.

Inferensi Statistik

p s2

UJI HIPOTESIS
Uji hipotesis adalah suatu proses untuk
menentukan apakah dugaan tentang nilai
parameter/karakteristik populasi didukung
kuat oleh data sampel atau tidak.

Langkah-langkah umum uji

hipotesis

Menentukan hipotesis nol

Menentukan tingkat signifikansi
Menentukan statistik uji
Menentukan daerah kritis
Menghitung statistik uji
Membuat kesimpulan

UJI HIPOTESIS
PADA METSTAT LANJUT
UJI GOODNESS OF FIT DISTRIBUSI
MULTINOMIAL DAN DISTRIBUSI NORMAL
TEKNIK ANALISIS DATA KATEGORIK
ANALISIS VARIANSI DAN PERBANDINGAN
GANDA
ANAVA MULTI ARAH DAN KOMPONEN
VARIANSI
ANALISIS REGRESI SEDERHANA
ANALISIS REGRESI GANDA

UJI GOODNESS OF FIT

DISTRIBUSI MULTINOMIAL
Uji Goodness of Fit adalah uji hipotesis
yang dilakukan untuk mengetahui apakah
data hasil observasi berasal dari populasi
yang mempunyai distribusi tertentu, misal :
distribusi multinomial dan distribusi
normal.

Langkah-langkah Uji Goodness of

Fit : Distribusi Multinomial :
Ho: p1= p2= pk=
=
Statistik Penguji
( yi npi ) 2 k (Oi Ei ) 2
=
W =
Ei
npi
i =1
i =1
k

Hitungan
Daerah Kritis
Kesimpulan

W > (2k 1; )

 Untuk kasus khusus dimana

1
p1=p2==pk= k
dapat dihitung dengan statistik penguji
sebagai berikut :
k k
n 2
W = ( yi )
n i =1
k

Contoh
Dalam suatu eksperimen persilangan dua
macam tanaman, Mendel memperoleh
hasil spt tertuang dlm tabel di bawah. Mnr
teoeinya ttg keturunan perbandingan
antara frekuensi-frekuensi ini adalah
9:3:3:1. Apakah Tabel 1 itu cenderung
bertentangan dg model teoritis Mendel?

Tabel
Mcm tanaman

Bulat &
Kuning
Bulat & Hijau
Berkeriput &
Kuning
Berkeriput &
Hijau
Jumlah

Frek. Harapan
Frek.
=Ei = npi
Observasi
=Oi = yi
315 312,75

pi

9/16

108 104,25

3/16

101 104,25

3/16

32 34,75

1/16

n=556

n=556 1

Frek.observasi Frek.harapan pi
(Oi-Ei) /Ei
315
312.75 9/16 0.016187
108
104.25 3/16 0.134892
101
104.25 3/16 0.101319
32
34.75 1/16 0.217626
0.470024

 Daerah kritis

W > (2k 1; ) = (241;0, 05) = 7,815

Kesimpulan
Karena hitungan tidak masuk daerah kritis
(0,47<7,815) maka H0 diterima artinya penelitian
tsb sesuai dengan teori Mendell

UJI GOODNESS OF FIT

DISTRIBUSI NORMAL
Ada banyak jenis distribusi peluang
variabel random kontinu yang dikenal
dalam ilmu probabilitas, seperti distribusi
normal, chi-kuadrat, distribusi F, distribusi
t dll. Distribusi frekuensi normal
merupakan distribusi yang paling sering
digunakan dalam statistika.

pdf distribusi normal

Fungsi probabilitas (pdf, probability density
functions) variabel random normal dengan
mean , dan variansi 2 dapat dinyatakan
2
sebagai :
1 Y

1
2
F ( x, , ) = Z =
e
2

dengan = 3,14159 dan e = 2,71828

Kurva distribusi normal

Distribusi normal standar

Di dalam tabel distribusi normal digunakan
distribusi normal standar dimana =0 dan =1.
Distribusi normal standar dapat ditulis sebagai :
1
2

f (z) =

z 2
2

Jika X berdistribusi normal dengan mean dan

variansi 2, maka kita dapat mengkonstruksikan
varabel random normal standar dengan
transformasi
Z

TABEL NORMAL STANDAR

Ada 2 jenis tabel normal standar yang
dikenal.
Jenis tabel yang pertama menabelkan luasan
kurva normal dengan bentuk P(- X k),
dengan k suatu titik dalam sumbu x,
tabel jenis kedua menabelkan luasan kurva
normal dengan bentuk P(0 X k).

tabel pertama P(- X k)

tabel kedua P(0 X k).

Title

 Suatu populasi dapat dianggap normal

kadang-kadang karena didukung oleh
suatu teori tertentu. Namun, kadangkadang dapat juga didukung oleh hasil uji
hipotesis tertentu, yang dikenal sebagai
uji goodness of fit distribusi normal.
Ada 2 metode :
Metode Chi-kuadrat
Uji Normalitas Lilliefors

Metode Chi-kuadrat
Uji goodness of fit normalitas dengan metode
Chi-Kuadrat dapat kita gunakan untuk data yang
tersusun dalam distribusi frekuensi (jumlah
datanya besar).
Prosedur uji hipotesis ini hanya baik digunakan
jika tidak ada frekuensi harapan yang lebih
kecil dari lima. Jika dalam hitungan terdapat
frekuensi harapan yang lebih kecil dari lima,
maka frekuensi ini digabungkan dengan
frekuensi kelas yang lain.

Langkah-langkah
metode Chi-kuadrat (1)
Ho: sampel diambil dari populasi berdistribusi normal
H1: Ho tidak benar
=
Statistik Penguji

W =

i =1

( y i np i ) 2
=
np i

i =1

(O i E i ) 2
Ei

di mana
Oi = frekuensi observasi
Ei = frekuensi harapan jika populasinya normal

Langkah-langkah
metode Chi-kuadrat (2)
Hitungan
Daerah Kritis

W >

2
( k 3; )

k adalah jumlah kelas setelah

penggabungan
bila frekuensinya kurang dari 5
Kesimpulan

CONTOH
Materi pokok Metode Statistika II modul 1
halaman 25 34 (Contoh 7 dan 8)