Makalah Uji Kecocokan
Makalah Uji Kecocokan
Disusun oleh :
Putri Astia Rini
Lilis Rizqiana
4112312001
4112312002
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
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
= 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
(OiEi)
x =
Ei
i=1
2
x 2=
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!
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!
Pengamatan (Oi)
28
15
6
1
Diharapkan (Ei)
27,4
16,5
4,9
1,0
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.
keperluan ini data harus disusundalam distribusi frekuensi yang terdiri atas k
1
y=
n
x x
e2(
)
s
s 2
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
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 20,99(4) =13,3
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
X i X
S
x =
2
i=1
(OiEi)
Ei
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