UJI KHI KUADRAT ( 2 )

Uji t dan Uji F mengenai populasi yang tersebar normal

Uji 2 cara analisis statistika tanpa anggapan bahwa populasi yang dihadapi
tersebar normal (cara non-parametrik).
Pada Uji 2 ini kita membandingkan suatu perangkat nilai yang diperoleh dari
eksperimen (data pengamatan) dengan nilai yang kita harapkan.
Nilai 2 yang dihitung dibandingkan dengan nilai 2 dari tabel (pada dan df
tertentu).
0,99

..

0,05

..

0,01

..
..
..

..
..
..

..
..
..

..
..
..

..
..
..

P
DB
1
2

df = (jumlah baris 1) (jumlah kolom 1)

Bila : 2 hitung > 2 tabel ada perbedaan yang nyata (signifikan)
2 hitung < 2 tabel tidak ada perbedaan yang nyata (tidak signifikan)
Rumus dasar :
( O E )2
2 =

O = Observed Value (Nilai pengamatan)

E = Expected Value (Nilai yang diharapkan)
Contoh permasalahan :
Untuk menyelidiki apakah kafein dapat menyebabkan orang sukar tidur, maka
diberikan obat kepada 72 orang, tanpa mereka mengetahui bahan yang
diberikan itu mengandung kafein. Disamping itu sebagai kontrol diberikan
"plasebo" kepada 73 orang, sesuatu yang sebenarnya tidak mengandung kafein.
Penggunaan "plasebo" dimaksudkan untuk menghindari efek psikologi.

Data pengamatan ditabelkan sebagai berikut :

Plasebo
Kafein
Jumlah

Sukar tidur

Mudah tidur

8
30
38

65
42
107

Jumlah
73
72
145

Pertanyaan : Apakah benar kafein menyebabkan orang sukar tidur ?

Persoalan ini dapat dipecahkan dengan Uji Khi Kuadrat (Uji 2), artinya apakah
perbedaan ini memang nyata (signifikan).
Secara umum tabel untuk Uji 2 :

Kelompok I
Kelompok II
Jumlah

Reaksi

Reaksi

a
c
a+c

b
d
b+d

Jumlah
a+b
c+d
a+b+c+d

O (Observed Value, Nilai pengamatan) dapat dilihat langsung dari data

pengamatan.
E (Expected Value, Nilai yang diharapkan) untuk tiap-tiap sel didasarkan
anggapan bahwa antara Kelompok I dan Kelompok II tidak ada perbedaan yang
nyata (Hipotesis nol).
Nilai yang diharapkan (E) untuk tiap-tiap sel adalah sebagai berikut :
Sel
A

Nilai yang diharapkan

Ea

Rumus
(a+c) x (a+b)
Ea =
(a+b+c+d)

Eb

(a+b) x (b+d)
Eb =
(a+b+c+d)

Ec

(a+c) x (c+d)
Ec =

(a+b+c+d)
D

Ed

(c+d) x (b+d)
Ea =
(a+b+c+d)

Untuk data dari eksperimen diatas, O dapat dibuat tabel sebagi berikut :

Plasebo
Kafein
Jumlah

Sukar tidur

Mudah tidur

8
(a)
30
(c)
38
(a+c)

65
(b)
42
(d)
107
(b+d)

Jumlah
73
(a+b)
72
(c+d)
145
(a+b+c+d)

E untuk tiap-tiap sel :

Sel

Nilai yang diharapkan

(a+c) x (a+b)
Ea =
=
(a+b+c+d)
(a+b) x (b+d)
Eb =

Ec =

= 19,13
145
73 x 107

=
(a+b+c+d)

38 x 73

145

(a+c) x (c+d)
=
(a+b+c+d)
(c+d) x (b+d)

Ed =

= 53,87
38 x 72
= 18,87
145
72 x 107

=
(a+b+c+d)

= 53,13
145

Nilai yang diharapkan (Ea, Eb, Ec dan Ed) dimasukkan kedalam Tabel sebagai
berikut :
Sukar tidur

Mudah tidur

19,13
18,87
38

53,87
53,13
107

Plasebo
Kafein
Jumlah

Jumlah
73
72
145

2 dapat dihitung dengan rumus :

( O E )2
2 =

O = Observed value (nilai pengamatan)

E = Expected value (nilai yang diharapkan)

2 hitung =

(8-19,13)2

(65-53,87)2

(30-18,87)2

19,13
53,87
18,87
= 6,48 + 2,30 + 6,56 + 2,33 = 17,67

(42-53,13)2
53,13

Dari tabel, pada = 0,05 dan df = (2-1) (2-1) =1 didapat :

2 tabel = 3,84
2 hitung (17,67) > 2 tabel (3,84) berarti antara Kelompok I (Plasebo) dan
Kelompok II (Kafein) ada perbedaan yang nyata (signifikan). Jadi dapat
dikatakan bahwa kafein secara nyata (signifikan) menghambat rasa ngantuk
(membuat sukar tidur)
Soal 1 :
Pada sebuah pabrik kacamata, pekerja produksi dibagi dalam 3 shift
setiap hari. Kacamata yang diproduksi masing-masing shift dalam

satu bulan dicatat berapa buah yang baik dan cacat, didapat data
sebagai berikut :

Shift 1 : terdapat 5 kacamata yang cacat dari 100 yang diproduksi

Shift 2 : terdapat 80 kacamata yang baik dari 90 yang diproduksi
Shift 3 : terdapat 8 kacamata yang cacat dan 85 kacamata yang
baik

Berdasarkan uji khi-kuadrat (pada level of significance 0.01) apakah

ada perbedaan yang nyata (signifikan) antara ketiga shift pekerja
diatas terhadap hasil kacamata yang diproduksi !

Soal 2 :
Pada sebuah pabrik pakaian (garment), pekerja produksi dibagi dalam 4 shift
setiap hari. Pakaian yang diproduksi masing-masing shift dalam satu bulan
terakhir dicatat berapa buah yang baik dan cacat, didapat data sebagai berikut :

Shift pagi

: terdapat 114 pakaian yang baik dari 118 yang diproduksi

Shift siang
yang baik

: terdapat 5 pakaian yang cacat dan 110 pakaian

Shift sore : terdapat 6 pakaian yang cacat dari 116 pakaian yang
diproduksi
Shift malam
yang cacat

: terdapat 10 pakaian yang baik dan 15 pakaian

Berdasarkan Chi-Square Test apakah ada perbedaan yang

signifikan antara ke-empat shift pekerja diatas terhadap hasil
pakaian yang diproduksi !

REGRESI

Perubahan nilai suatu variabel tidak selalu terjadi dengan

sendirinya, namun perubahan nilai variabel itu disebabkan oleh
berubahnya variabel lain yang berhubungan dengan variabel
tersebut.

y= f(x) jika nilai x berubah, maka nilai y juga akan berubah

y = variabel dependen nilainya tergantung dari nilai variabel

lain
x = variabel independen nilainya tak tergantung dari nilai
variabel lain

Bentuk hubungan antara 2 variabel :

-

searah (direct relationship) artinya perubahan nilai yang

satu dengan nilai yang lain adalah searah

berlawanan arah (inverse relationship) artinya perubahan

nilai yang satu dengan nilai yang lain adalah berlawanan arah

Misal :
-

Bila promosi (x) meningkat nilai penjualan (y) akan

meningkat
Bila promosi (x) berkurang nilai penjualan (y) akan
menurun

Bila harga barang naik (q) naik jumlah barang yang

diminta (p) akan berkurang

Bila harga barang naik (q) turun jumlah barang yang

diminta (p) akan
bertambah

Analisis Korelasi :
adalah alat statistik yang dapat digunakan untuk mengetahui
derajat hubungan linier antara suatu variabel dengan variabel
lain.
Ukuran statistik yang dapat menggambarkan hubungan linier
antara suatu variabel dengan variabel lain adalah Koefisien
Determinasi (r2) dan Koefisien Korelasi (r).

y = nilai penjualan dan x = biaya promosi

y = f(x) = a + bx

Bila r2 = 0,74 atau r2 = 74 %, artinya : besarnya pengaruh

variabel independen (x) terhadap variabel dependen (y) yang
dapat dijelaskan oleh garis regresi adalah 74 % dan sisanya
pengaruh yang tidak dapat dijelaskan oleh garis regresi
tersebut.
Dengan kata lain : perubahan nilai penjualan (y) adalah 74 %
dipengaruhi oleh biaya promosi (x) dan sisanya sebesar 26 %
dipengaruhi oleh faktor lain selain biaya promosi.

Koefisien Korelasi (linier) : sebagai ukuran hubungan

(korelasi) linier antara 2 peubah x dan y, dan dilambangkan
dengan r.

Nilai r terletak antara : -1 < r < +1

Bila titik-titik pengamatan ( data ) mengikuti sebuah garis lurus

dengan kemiringan + maka ada korelasi positif antara kedua
peubah.

Bila r = +1 artinya semua

titik
pengamatan
tepat
berada pada suatu garis lurus
dengan kemiringan +

 Bila titik-titik pengamatan ( data ) mengikuti sebuah garis lurus

dengan kemiringan - maka ada korelasi negatif antara kedua
peubah.

Bila r = -1 artinya semua

titik
pengamatan
tepat
berada pada suatu garis lurus
dengan kemiringan -

Bila r mendekati nol korelasi linier antara kedua peubah ( x

dan y ) sangat lemah atau mungkin tidak ada hubungan linier
sama sekali.

Untuk memastikan apakah ada korelasi linier antara kedua

peubah, maka r hasil hitungan dibandingkan dengan r tabel
( pada P tertentu ).

Bila r hitung
kedua peubah

> r tabel berarti ada korelasi linier antara

Soal :
Pada suatu percobaan membuat senyawa baru (X) di salah satu laboratorium
di lingkungan DEP. PERINDUSTRIAN, dilakukan dengan menjalankan percobaan
tersebut pada berbagai suhu. Diperoleh data sebagai berikut :

Suhu ( C )

Senyawa X yang terbentuk

(g)

40

5.6

50

6.6

60

7.5

70

8.6

80

9.1

a.

Persamaan regresi linier dapat dinyatakan dengan : y = a x + b.

Apa artinya nilai a dan b tersebut ?

b.

Pada kumpulan data di atas, apakah ada korelasi linier antara

senyawa X yang terbentuk dan suhu pada percobaan diatas?

c.

Bila ada korelasi linier : tentukan garis regresinya dan perkirakan

senyawa X yang terbentuk bila percobaan dilakukan pada suhu 56
C !

d.

Berapa persen pengaruh suhu terhadap pembentukan senyawa X

yang dapat dijelaskan oleh garis regresi ?