Uji Kecocokan

Disusun untuk memenuhi tugas mata kuliah Statistika Inferensial

Dosen Pengampu : Drs. Arief Agoestanto, M.Si.

Disusun oleh :
Putri Astia Rini
Lilis Rizqiana

4112312001

Dwi Indah Widyasari

4112312002

PRODI STATISTIKA TERAPAN DAN KOMPUTASI

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
2014

Uji Kecocokan atau Uji Kesesuaian

1. Pengertian
Uji Kecocokan atau goodness of fit test atau disebut juga hipotesis nol
yaitu suatu ketentuan yang digunakan untuk membandingkan atau
mengetahui ada tidaknya kecocokan sebaran yang diasumsikan atau ada
tidaknya kecocokan antara frekuensi Observasi dengan Frekuensi Harapan /
Teoritis.
2. Langkah langkah pengujian hipotesis goodness of fit adalah sebagai
berikut:
a. Menentukan Hipotesis
H0 = Frekuensi pengamatan sesuai dengan frekuensi yang diharapkan.
H1 = Frekuensi pengamatan tidak sesuai dengan frekuensi yang
diharapkan
b. Menentukan taraf signifikansi ( ) dan nilai X2 dari tabel
c. Menentukan Kriteria Pengujian
Tolak H0 jika X2 X2 (1 ) ( k - 1)
d. Menentukan nilai Uji Statistik
k
2
k
2
(OiEi)
(f 0fe)
2
x
=
=

Uji Statistik
Ei
fe
i=1
i=1
Dimana :
Oi = f0 = Frekuensi Observasi
Ei = fe = Frekuensi Harapan /Teoritis
dk = ( k g 1 )
dimana k = Banyak kategori atau kelas interval
g = Banyak parameter yang ditaksir
e. Membuat Kesimpulan
Menyimpulkan apakah H0 ditolak atau diterima berdasarkan nilai
statistic uji yang diperoleh.
Dalam uji kecocokan ini, kita akan membahas mengenai Uji
Kecocokan

Distribusi Binom, Uji Kecocokan Distribusi Poisson, Uji

Kecocokan Distribusi Normal atau Uji Kenormalan, Berikut uraiannya.

A. Uji Kecocokan Distribusi Binom

Distribusi Binom disebut pula distribusi Bernoulli adalah suatu
distribusi teoritis yang menggunakan variabel random diskrit (variabel
yang hanya memiliki nilai tertentu, nilainya merupakan bilangan bulat
dan asli tidak berbentuk pecahan). Yang terdiri dari dua kejadian yang
berkomplementer seperti sukses-gagal, baik-cacat, siang-malam dsb.
Ciri ciri Distribusi Binomial :
Setiap percobaan hanya memiliki dua peristiwa, seperti sukses-gagal
Probabilita sukses setiap percobaan harus sama, dinyatakan dengan p.
Sedangkan probabilita gagal dinyatakan dengan q, dan jumlah p dan q
harus sama dengan satu.
Setiap percobaan beersifat independen atau dengan pengembalian.
Jumlah percobaan, dinyatakan dengan n, harus tertentu jumlahnya.
Distribusi Binom dirumuskan sebagai berikut :

p ( x )= N x
x

( )

Dapat dilihat bahwa disini hanya ada satu parameter yang perlu ditaksir
yaitu . Sehingga distribusi chi kuadrat akan mempunyai dk = ( k - 2 ).
Contoh :
Lima mata uang dipakai untuk mengundi 1000 kali. Nampak muka G
dicatat dan hasilnya adalah sebagai berikut :
Banyak muka G

Frekuensi terjadi

36

142

345

289

159

29

Akan ditentukan bentuk distribusi binom yang cocok berdasarkan data

hasil undian diatas.
Penyelesaian :
Menentukan Hipotesis :
H0 = Model Disribusi binom cocok dengan hasil undian mata uang.
H1 = Model Disribusi binom tidak cocok dengan hasil undian mata
uang.
Menentukan taraf signifikansi ( ) dan nilai X2 dari tabel.

 = 0,05
dk = ( k 1 ) = ( 6 2 ) = 4
didapatkan
X2 (1 )( k 1 ) = ( 1 0,05 )( 6 2 ) = X2 0,95(4) = 9,49
Menentukan Kriteria Pengujian
Terima H0 jika X2 X2 (1 ) ( k - 1)
Perhitungan
Kita tahu bahwa = N = 5 dengan = peluang nampak muka G.
36 ( 0 )+ 142 ( 1 ) +345 ( 2 ) +289 (3 )+ 159 ( 4 ) +29 (5)
x =
=2,48
1000
5 = 2,48
= 0,496
berdasarkan data diatas maka diperoleh persamaan :

p ( x )= N x
x

( )

0,504

5
p ( x )= (0,496) x
z

()

Dengan x = 0, 1, 2, ., 5
Kemudian masukan harga harga x kedalam persamaan diatas maka
didapat :
P (0) = 0,0325; sehingga diharapkan muka G ada 32,5
P (1) = 0,1600; sehingga diharapkan muka G ada 160,0
P (2) = 0,3150; sehingga diharapkan muka G ada 315,0
P (3) = 0,3100; sehingga diharapkan muka G ada 310,0
P (4) = 0,1525; sehingga diharapkan muka G ada 152,5
P (5) = 0,0300; sehingga diharapkan muka G ada 30,0
Sehingga diperoleh tabel berikut :
Muka G (x)
0
1
2
3
4
5

Diharapkan (Ei)
32,5
160,0
315,0
310,0
152,5
30,0

Sebenarnya (Oi)
36
142
345
289
159
29

Dengan perhitungan diatas maka nilai Uji Statistiknya yaitu :

(OiEi)
x =
Ei
i=1
2

x 2=

(3632,5)2 (142160)2 (345315)2

+
+
+
32,5
160
315

(289310) (159152,5) (2930)

+
+
310
152,5
30

x 2=6,99
Kesimpulan
Berdasarkan perhitungan diatas diperoleh nilai X2 hitung X2 tabel
(6,99 9,49) maka terima H0. Artinya Model Disribusi binom cocok
dengan hasil undian mata uang.
B. Uji Kecocokan Distribusi Poisson
Distribusi Poisson adalah distribusi probabilitas variabel random
diskrit yang mana jumlah n yang besar, dengan p kecil, distribusi ini
digunakan untuk menghitung nilai probabilitas suatu kejadian dalam
suatu selang waktu dan daerah tertentu.
ciri-ciri Distribusi Poisson :
Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu
atau suatu daerah tertentu tidak tergantung pada banyaknya hasil
percobaan yang terjadi pada interval waktu atau daerah lain yang
terpisah.
Probabilitas terjadinya hasil percobaan selama suatu interval waktu
yang singkat atau dalam suatu daerah yang kecil, sebanding dengan
panjang interval waktu atau besarnya daerah tersebut dan tidak
tergantung pada banyaknya hasil percobaan yang terjadi di luar
interval waktu atau daerah tersebut.
Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval
waktu yang singkat atau dalam daerah yang kecil dapat diabaikan.
Distribusi Poisson dirumuskan sebagai berikut :
p ( x )=

e x
x!

Dimana = rata-rata distribusi

= 0, 1, 2, 3, (menuju tak hingga)
e = konstanta 2,71828
Contoh :
Terjadinya salah cetak kata-kata dalam setiap halaman buku pelajaran
diduga berdistribusi poisson dengan rata-rata yang akan ditentukan.
Pengamatan dilakukan terhadap 50 halaman yang diambil secara
random dan untuk tiap halaman dicatat banyak kata yang salah cetak,
hasilnya seperti berikut.
Banyaknya kata yang salah cetak
Banyak halaman
Penyelesaian :

0
28

1
15

2
6

3
1

Menentukan Hipotesis :
H0 = Rata rata banyak kata salah tiap halaman berdistribusi poisson.
H1 = Rata rata banyak kata salah tiap halaman tidak berdistribusi
poisson.
Menentukan taraf signifikansi ( ) dan nilai X2 dari tabel.
= 0,05
dk = ( k 1 ) = ( 3 2 ) = 1
didapatkan
X2 (1 )( k 1 ) = ( 1 0,05 )( 3 2 ) = X2 0,95(1) = 3,84
Menentukan Kriteria Pengujian
Terima H0 jika X2 X2 (1 ) ( k - 1)
Perhitungan
Kita tahu bahwa rata rata kata salah cetak tiap halaman adalah :
28 ( 0 )+15 ( 1 ) +6 ( 2 ) +1 ( 3 )
x =
=0,6
50
Sehingga persamaan distribusi poisson :

p ( x )=

e
x!

p ( x )=

e0,6 (0,6) x
x!

Dengan x = 0, 1, 2, . . . yang menyatakan banyak kata salah cetak

yang terdapat dalam setiap halaman, maka dari persamaan diatas
diperoleh :
P (0) = 0,5488; diharapkan ada 27,4 hal dengan 0 salah cetak.
P (1) = 0,3293; diharapkan ada 16,5 hal dengan 1 salah cetak.
P (2) = 0,0988; diharapkan ada 4,9 hal dengan 2 salah cetak.
P (3) = 0,0198; diharapkan ada 1,0 hal dengan 3 salah cetak.
Sehingga diperoleh tabel berikut :
Banyak salah cetak
0
1
2
3

Pengamatan (Oi)
28
15
6
1

Diharapkan (Ei)
27,4
16,5
4,9
1,0

Dengan perhitungan diatas maka nilai Uji Statistiknya yaitu :

k
2
(OiEi)
2
x =
Ei
i=1
(2827,4)2 (1516,5)2 (75,9)2
x=
+
+
=0,48
27,4
16,5
5,9
2

Kesimpulan
Berdasarkan perhitungan diatas diperoleh nilai X2 hitung X2 tabel
(0,48 3,84) maka terima H0. Rata rata banyak kata salah tiap
halaman berdistribusi poisson.

C. Uji Kecocokan Distribusi Normal atau Uji Kenormalan

Uji normalitas adalah uji yang dilakukan untuk mengecek apakah data
penelitian kita berasal dari populasi yang sebarannya normal. Uji ini perlu
dilakukan karena semua perhitungan statistik parametric. Uji normalitas
bertujuan untuk mengetahui apakah data yang diperoleh dari hasil penelitian
berdistribusi normal atau tidak. Data berdistribusi normal yaitu bahwa data akan
mengikuti bentuk distribusi normal, dimana data memusat pada nilai rata- rata
dan median. Data yang membentuk distribusi normal bila jumlah data di atas
dan di bawah rata-rata adalah sama, demikian juga simpangan bakunya.(untuk

keperluan ini data harus disusundalam distribusi frekuensi yang terdiri atas k
1

buah kelas interval) ialah :

y=

n
x x
e2(
)
s
s 2

Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan diambil

sebuah sampel acak berukuran 100. Dicatat dalam daftar distribusi frekuensi,
hasilnya sebagai berikut :
Tinggi (cm)
140 144
145 149
150 154
155 159
160 164
165 169
170 174
Jumlah

F
7
10
16
23
21
17
6
100

Menentukan Hipotesis :
H0 = Rata rata tinggi mahasiswa tingkat pertama berdistribusi normal.
H1 = Rata rata tinggi mahasiswa tingkat pertama tidak berdistribusi
normal.
Menentukan taraf signifikansi ( ) dan nilai X2 dari tabel.
= 0,01
dk = ( k 3 ) = ( 7 3 ) = 4
didapatkan
X2 (1 )( k 1 ) = ( 1 0,01 )( 7 3 ) = X2 0,99(4) = 13,3
Menentukan Kriteria Pengujian
Terima H0 jika X2 X2 (1 ) ( k - 3)
Perhitungan
Frekuensi diharapkan dan pengamatan
Batas Kelas

Z untuk batas

Luas
interval

139,5
144,5
149,5
154,5
159,5
164,5
169,5
174,5

kelas
-2,26
-1,64
-1,03
-0,41
+0,21
+0,83
+1,45
+2,06

0,0386
0,1010
0,1894
0,2423
0,2135
0,1298
0,0538

kelas

Ei

Oi

3,9
10,1
18,9
24,2
21,4
13,0
5,4

7
10
16
23
21
17
6

Tinggi (cm)

fi

xi

fi*xi

xi - xbar

140 144

212

1484

-23.7

145 149

10

219.5

2195

-16.2

150 154

16

227

3632

-8.7

155 159

23

234.5

5393.5

-1.2

160 164

21

242

5082

6.3

165 169

17

249.5

4241.5

13.8

170 174
Jumlah

6
100

257
1641.5

1542
23570

21.3
-8.4

x =

fixi
fi

= 235,7

xi
k (OiEi)2
2
x
x=
Ei
i=1
=
8,48
fi
2
(101 0 , 1)2 (1618,9)2
2 (73,9)
x
=
+
+
+
3,9
1 0 ,1
18,9
2
s =
2

(2 324,2) (2121,4) (171 3 ,0) (65,4 )

+
+
+
24,2
21,4
13 , 0
5,4
2

x =4,2 7

Dari daftar distribusi frekuensi dapat dilihat bahwa banyak kelas k = 7, sehingga
dk untuk distribusi chi kuadrat besarnya sama dengan 4. Kita peroleh

x 20,95(4) =9,49 dan

x 20,99(4) =13,3

Terima H0 artinya bahwa Rata rata tinggi mahasiswa tingkat pertama

berdistribusi normal.

Uji normalitas ini digunakan untuk menguji normalitas data dalam bentuk data
kelompokkan dalam distribusi frekuensi. Langkah-langkah yang ditempuh:
1. Membuat daftar distribusi frekuensi data kelompok
2. Hitung nilai rata-rata data kelompok
3. Hitung nilai standar deviasi data kelompok
4.

Buatlah batas nyata tiap interval kelas dan dijadikan sebagai X i (X1, X2, X3,
Xn). Nilai Xi dijadikan bilangan baku Z1, Z2, Z3, .. Zn. Dimana nilai baku

Zi ditentukan dengan rumus : Z i=

X i X
S

5. Tentukan besar peluang masing-masing nilai z berdasarkan tabel Z, dan

sebut dengan F (Zi)
6. Tentukan luas tiap kelas interval dengan cara mengurangi nilai F (Z i) yang
lebih besar di atas atau di bawahnya.
7. Tentukan fe (frekuensi ekpektasi/frekuensi harapan) dengan cara membagi
luas kelas tiap interval dibagi number of cases (N/sampel)
8. Masukkan frekuensi absolut sebagai fo (frekuensi observasi)
9. Cari nilai X2 tiap interval dengan rumus

x =
2

i=1

(OiEi)
Ei

10. Jumlahkan seluruh X2 dari keseluruhan kelas interval

Contoh :
Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan
diambil sebuah sampel acak berukuran 100. Dicatat dalam daftar
distribusi frekuensi, hasilnya sebagai berikut :
Daftar Tinggi 100 Mahasiswa

Tinggi (cm)
140 144
145 149
150 154
155 159
160 164
165 169
170 - 174
Jumlah

F
7
10
16
23
21
17
6
100