Bab 2 Goodtest or Fittest
Bab 2 Goodtest or Fittest
Adanya frekuensi observasi atau frekuensi yang benar-benar terjadi dalam eksperimen dan
dilambangkan dengan O.
d) Nilai chi-square.
e)
Jumlah sampel yang digunakan harus mencukupi nilai harapan paling sedikt lima.
Untuk masing-masing kategori, terdapat suatu peluang bahwa suatu hasil pengamatan yang dipilih
secara acak dari populasi yang dihipotesiskan akan masuk kedalam kategori tersebut. Apabila
hipotesis nolnya benar, maka kita dapat memperoleh frekuensi harapan (expected frequency) untuk
masing-masing kategori. Untuk hipotesis nol, sampel ditarik dari sebuah populasi yang mengikuti
suatu distribusi yang telah ditetapkan. Sedangkan untuk hipotesis tandingan, sampel bukan berasal
dari populasi dengan distribusi yang telah ditetapkan.
Pada uji statistik kita mengharapkan bahwa sampel-sampel acak yang ditarik dari populasipopulasi mencerminkan karakteristik populasi yang bersangkutan. Dengan kata lain bila kita telah
menarik sebuah sampel dari suatu populasi yang telah ditetapkan, tentu kita mengharapkan adanya
suatu kecocokan yang erat antar frekuensi-frekuensi teramati dengan frekuensi-frekuensi harapan
untuk setiap kategori yang ada. Dengan demikian, jika H 0 benar, maka akan ada kecocokan yang
erat antar frekuensi-frekuensi teramati dengan frekuensi-frekuensi harapan.
2.2 Chi-square
Uji chi-square dibuat oleh Katl Pearson (1899) yang sering disebut juga dengan pearson chi
square yang bisa digunakan untuk uji kecocokan (goodness of fit test), uji kebebasan (test for
independence), pengujian homogenitas serta pengujian varians dan standar deviasi populasi
tunggal.
Uji chi-square adalah pengujian hipotesis mengenai perbandingan antara frekuensi observasi atau
aktual dengan frekuensi harapan atau ekspektasi. Frekuesi observasi adalah nilai yang didapat dari
hasil percobaan. Sedangkan frekuensi harapan adalah nilai yang dapat dihitung secara teoritis.
Beberapa hal yang perlu diketahui berkenan dengan distribusi chi-square adalah:
a)
b) Nilai-nilai chi-square dimulai dari nol disebelah kiri sampai nilai-nilai positif tak terhingga
disebelah kanan.
c)
d) Luas daerah dibawah kurva normal adalah 1. Nilai dari chi-square bisa dicari jika kita memiliki
informasi luas daerah disebelah kanan kurva serta derajat bebas. Derajat bebas adalah k-1
dimana k adalah jumlah kategori.
Uji chi-square disebut juga dengan kai kuadrat. Uji chi-squeare adalah salah satu uji statistik nonparametik (distibusi dimana besaranbesaran populasi tidak diketahui) yang cukup sering
digunakan dalam penelitian yang menggunaka dua variable, dimana skala data kedua variable
adalah nominal atau untuk menguji perbedaan dua atau lebih proporsi sampel. Uji chisquarediterapkan pada kasus dimana akan diuji apakah frekuensi yang akan di amati (data
observasi) untuk membuktikan atau ada perbedaan secara nyata atau tidak dengan frekuensi yang
diharapkan. Chi-square adalah teknik analisis yang digunakan untuk menentukan perbedaan
frekuensi observasi (Oi) dengan frekuensi ekspektasi atau frekuensi harapan (Ei) suatu kategori
tertentu yang dihasilkan. Uji ini dapat dilakukan pada data diskrit atau frekuensi.
Pengertian chi-quare atau chi kuadrat lainya adalah sebuah uji hipotesis tentang perbandingan
Antara frekuensi observasi dengan frekuensi harapan yang didasarkan oleh hipotesis tertentu pada
setiap kasus atau data yang ambil untuk diamati. Uji ini sangat bermanfaat dalam melakukan
analisis statistic jika kita tidak memiliki informasi tantang populasi atau jika asumsi-asumsi yang
dipersyaratkan untuk penggunaan statistic parametric tidak terpenuhi. Chi kuadrat biasanya di
dalam frekuensi observasi berlambangkan dengan frekuensi harapan yang didasarkan atas
hipotesis yang hanya tergantung pada suatu parameter, yaitu derajat kebebasan (df).
Chi kuadrat mempunyai masingmasing nilai derajat kebebasan, yaitu distribusi (kuadrat standard
normal) merupakan distribusi chi kuadrat dengan d.f. = 1, dan nilai variabel tidak bernilai
negative. Kegunaan dari chi square untuk menguji seberapa baik kesesuaian diantara frekuensi
yang teramati dengan frekuensi harapan yang didasarkan pada sebaran yang akan dihipotesiskan,
atau juga menguji perbedaan antara dua kelompok pada data dua kategorik untuk dapat menguji
signifikansi asosiasi dua kelompok pada data dua katagorik tersebut.
Uji chi-square merupakan uji non parametris yang paling banyak digunakan. Namun perlu
diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar,
sebab ada beberapa syarat di mana chi square dapat digunakan yaitu:
a)
Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0)
sebesar 0 (Nol).
b)
Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki
frekuensi harapan atau disebut juga expected count (Fh) kurang dari 5.
c)
Apabila bentuk tabel lebih dari 2 x 2, misal 2 x 3, maka jumlah cell dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih dari 20%.
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.
Adapun kegunaan dari uji Chi-Square, adalah :
a)
Uji kenormalan data dengan melihat distribusi data (Goodness of fit test).
f)
Cocok digunakan untuk data kategorik, data diskrit atau data nominal.
yang
Bila harga Chi Square (X 2) Tabel Chi Square Hipotesis Nol (H 0) ditolak & Hipotesis
Alternatif (Ha) diterima
b)
Bila harga Chi Square (X2) < Tabel Chi Square Hipotesis Nol (H0) diterima & Hipotesis
Alternatif (Ha) ditolak
Dalam pengujian chi-square untuk memutuskan apakah menerima atau menolak H0, yaitu
hipotesis antara dua variabel yang saling bebas. Dua variabel tersebut adalah:
a)
b) Daerah geografis.
Uji chi-square dapat juga digunakan untuk memutuskan apakah keterangan-keterangan distribusi
seperti binomial, poisson dan normal adaah distribusi yang tepat. Uji chi-square memungkinkan
kita untuk bertanya sejauh mana kita dapat melakukan asumsi yang mendasari keteranganketerangan distribusi sebekum kita menyimpulkan apakah dstribusi itu tidak terlalu panjang untuk
dipakai dan apakah ada signifikansi yang berbeda antara pengamatan distribusi frekuensi dan teori
distribusi. Dengan cara ini kita dapat kebaikan yang tepat. Dari distribusi ini dapat menentukan
apakah kita harus percaya bahwa pengamatan merupakan sampel penutup dari hipotesa mengenai
teori distribusi.
Berikut ini adalah beberapa perbedaan uji chi-square dan uji kolmogorov-smirnov:
a)
Uji chi-square dirancang untuk digunakan dengan data frekuensin, sedangkan uji kolmogorovsmirnov dirancang untuk digunakan dalam data kontiyu.
b) Uji kolmogorov-smirnov boleh digunakan baik dalam uji satu sisi maupun dua sisi. Uji chisquare tidak membedakan arah ketidaksesuaian yang terjadi antara data teramati dan data
harapan.
c)
Uji chi-square mempersyaratkan agar data dikelompokkan data dalam kategori, sementara uji
kolmogorov-smirnov tidak demikian. Dengan demikian uji kolmogorov-smirnov lebih efisien
dalam menggunakan data yang dikelompokkan.
d) Uji chi-square tepat bila digunakan dengan data nomiman serta bila distribusi yang
dipotesiskan ini adalah data diskrit.
e)
Uji chi-square dilengkapi dengan data suatu prosedur koreksi yang jelas apabila parameterparameter yang dikehendaki masih harus diduga dari data sampel.
2
hit
( OiE i )
Ei
(2.1)
Dimana: X2 adalah suatu nilai bagi peubah acak X2 yang distribusi penarikan sampelnya sangat
mendekati chi-square.
Oi adalah menyatakan frekuensi teramati (observasi).
Ei adalah menyatakan frekuensi harapan bagi sel ke satu (ekspektasi).
Bila frekuensi yang teramati sangat dekat dengan frekuensi harapannya, nilai X 2 akan kecil, hal ini
menunjukkan adanya kesesuaian yang baik. Bila frekuensi yang teramati berbeda cukup besar
tidak habis dari frekuensi harapannya, nilai X2 akan besar, sehingga kesesuaiannya akan buruk.
Kesesuaian yang buruk akan membawa penolakan H0, dengan demikian wilayah kritisnya akan
jatuh. Nilai kritis X2 diperoleh dari tabel maka wilayah kritisnya adalah X2 > X2.
Kriteria keputusan ini tidak digunakan bila ada frekuensi harapan yang kurang dari lima.
Pernyataan ini mengakibatkan berkurangnya derajat kebebasan. Besarnya derajat kebebasan yang
berkaitan dengan distribusi chi-square yang digunakan di sini tergantung pada dua faktor, yaitu:
a) Banyaknya sel dalam percobaan yang bersangkutan.
b) Banyaknya besaran yang diperoleh dari data pengamatan yang diperlukan dalam perhitungan
frekuensi harapan.
Rumus yang digunakan dalam uji chi-square goodness of fit test:
a)
Xi
Oi = fi
e . x
Pi=
x!
Ei =
n.Pi
x=
( Oi Ei )
E
Interval
LCB
UCB
Pi
Oi
Ei =
n.Pi
x=
( Oi Ei )
N1
N2
nr
Kolo
m
Kelas ke-1
Kelas ke-2
...
Kelas ke-c
O11
O12
...
O1c
E11
2
E21
(O21 E21)2/E21
...
Or1
Er1
2
E12
2
...
E22
...
(O22 E22)2/E22
...
Or2
Er2
2
...
...
...
E1c
2
E2c
(O2c E2c)2/E2c
...
Orc
Erc
2
...
B1
B2
...
Bc
Baris
A1
A2
...
Ar
N
Untuk dapat membandingkan sekelompok frekuensi yang diamati dengan kelompok yang
diharapkan, tentunya kita harus dapat menyatakan frekuensi manakah yang diharapkan itu.
Hipotesis nol menyatakan proporsi objek yang jatuh ke dalam masing-masing kategori di dalam
populasi yang ditetapkan. Ini berarti dari hipotesis nolnya kita dapat membuat deduksi berapakah
frekuensi yang diharapkan. Teknik X2 menguji apakah frekuensi yang diamati mendekati frekuensi
yang diharapkan sehingga mempunyai kemungkinan besar untuk terjadi di bawah H0.
Pada distribusi sampling statistik chi-square dapat diketahui dengan menggunakan kurva. Dalam
hal ini kita menggunakan distribusi T, untuk menggambarkan distribusi chi-square yang
mempunyai derajat kebebasan yang berbeda. Jika harga derajat kebebasannya kecil maka kurva
akan semakin simetris mendekati kurva normal. Dengan itu kita mencari selisih antara yang
diamati dengan yang diharapkan, mengkuadratkan selisih-selisih tersebut lalu membaginya dengan
jumlah yang diharapkan lalu menjumlahkan hasil bagi tersebut.
Sering terjadi penelitian yang dijalankan untuk mengetahui banyaknya subjek, objek jawaban
respon yang terdapat dalam berbagai kategori misalnya sekelompok pasien diklasifikasikan
menurut tipe kecenderungan utama dalam hal jawaban Rorschach mereka dan penyelidik mungkin
membuat ramalan bahwa tipe-tipe tertentu akan lebih sering terdapat dibandingkan dengan tipetipe lainnya.
Ada beberapa persoalan yang dapat diselesaikan dengan cara mengambil manfaat dari distribusi
chi-square, diantaranya seperti:
a)
Menguji kesesuaian antara data hasil pengamatan dengan model distribusi, darimana data itu
diduga kembali.
f)
Sedangkan pada pengujian dua sampel memperlihatkan perjanjian antara dua pengamatan
distribusi kumulatif, hipotesis dua sampel ini menyatakan apakah kedua sampel saling bebas dari
distribusi kontinyu yang sama.
Uji dua sampel kolmogorov-smirnov didasarkan pada perbedaan absolut maksimum antara nilainilai dari dua distribusi kumulatif yang teliti secara prinsip. Uji dua sampel sangat mirip dengan uji
satu sampel, nilai-nilai kritis yang diperlukan dapat diperoleh dari tabel-tabel khusus.
Uji sampel tunggal kolmogorov-smirnov dapat kita ringkaskan dengan langkah-langkah sebagai
berikut:
a)
b)
c)
d)
e)
f)
Dengan rumus mencari deviasi maksimum maka dapat ditentukan besarnya deviasi mengamati
selisih maksimum dari suatu frekuensi kumulatif yang telah dihitung.
g)
Apabila sampel lebih besar dari 35, maka kriteria yang dipergunakan adalah sesuai rumus yang
diberikan pada bagian bawah tabel.
h)
Bandingkan besarnya angka yang diperoleh pada deviasi maksimum dengan angka dalam tabel.
i)
Kriteria pengambilan keputusan adalah apabila harga deviasi maksimum lebih kecil dari angka
yang didapat dalam tabel maka H0 diterima.
Tes satu sampel kolmogorov-smirnov adalah suatu goodness of fit test artinya yang diperlihatkan
adalah tingkat kesesuaian antara distribusi serangkaian harga sampel (skor yang observasi) dengan
suatu distribusi teoritis tertentu. Tes ini menetapkan apakah skor-skor dalam sampel dapat secara
masuk akal dianggap berasal dari suatu populasi dengan teoritis itu.
Singkatnya tes ini mencakup perhitungan distribusi frekuensi kumulatif yang akan terjadi di bawah
distribusi teoritisnya serta membandingkan distribusi frekuensi itu dengan distribusi frekuensi
kumulatif hasil observasi. Distribusi teoritis tersebut merupakan representatif dari apa yang
diharapkan di bawah H0. Tes ini menetapkan suatu titik dimana kedua distribusi itu diyakini
sebagai distribusi yang teoritis dan yang terobservasi memiliki perbedaan terbesar.
Dengan melihat distribusi sampling dapat kita ketahui apakah perbedaan yang besar itu mungkin
terjadi hanya karena kebetulan saja artinya distribusi sampling itu menunjukkan apakah perbedaan
besar yang teramati itu mungkin terjadi apabila observasi itu benar-benar suatu sampel dari
distribusi teoritis itu.
Misalkan f0(x) = Suatu fungsi distribusi frekuensi kumulatif yang sepenuhnya ditentukan yakni
distribusi kumulatif teoritis di bawah H0. Artinya harga n yang sembarangan besarnya, harga f 0(x)
adalah sembarangan proporsi kasus yang diharapkan mempunyai skor yang sama atau kurang dari
pada x.
Misalkan SN(x) = distribusi frekuensi kumulatif yang terobservasi dari suatu sampel random
dengan N buah observasi. Dimana x adalah sembarangan skor yang mungkin, S N(x) = k/N,
dimana k adalah banyaknya observasi yang sama atau kurang dari x.
Dibawah hipotesis nol bahwa sampel itu telah ditarik dari distribusi teoritis tertentu, maka
diharapkan bahwa untuk setiap harga x, S N(x) harus jelas mendekati f0(x) artinya di bawah nol kita
akan mengharapkan selisih antara SN(x) dan f0(x) adalah kecil dan ada dalam batas-batas kesalahan
random. Tes kolmogorov-smirnov memusatkan perhatian pada penyimpangan terbesar.
Harga f0(x) - SN(x) terbesar dinamakan deviasi maksimum.
Dmaks = f0(x) - SN(x)
(2.2)
Distribusi sampling D di bawah H0 diketahui tabel E pada lampiran memberikan harga-harga kritis
tertentu distribusi sampling itu perhatikanlah bahwa signifikan suatu harga D tertentu adalah
bergantung pada N.
Dalam perhitungan tes kolmogorov-smirnov dilakukan langkah-langkah sebagai berikut:
a)
Tetapkan fungsi kumulatif teoritis, yakni distribusi kumulatif yang diharapkan di bawah H 0.
b)
Aturlah skor-skor yang diobservasi dalam suatu distribusi kumulatif dengan memasangkan
interval SN(x) dengan interval f0(x) yang sebanding.
c)
Untuk tiap-tiap jenjang pada distribusi kumulatif, kurangilah f0(x) dengan SN(x).
d)
e)
Lihatlah tabel E untuk menentukan harga kemungkinan dua sisi yang dikaitkan dengan munculnya
harga-harga sebesar harga observasi di bawah H0. Jika P sama atau kurang dari , maka H 0
ditolak.
Tes dua sampel kolmogorov-smirnov adalah suatu tes apakah dua sampel independen telah dicari
dari populasi yang sama (dari populasi yang memiliki distribusi yang sama). Tes dua sisi peka
terhadap segala jenis perbedaan dalam distribusi yang menjadi asal usul kedua sampel itu
perbedaan-perbedaan dalam lokasi (harga tengah) kemencengan (skewness), pemencaran dan lainlain.
Seperti tes satu sampel kolmogorov-smirnov tes dua sampel ini memperhatikan kesesuaian antara
dua sampel distribusi kumulatif tes satu sampel dan meperhatikan kesesuaian antara distribusi
suatu himpunan harga sampel dengan suatu distribusi teoritis tertentu, tes dua sampel ini
memperhatikan kesesuaian antara dua himpunan harga-harga sampel.
Jika kedua sampel itu pada kenyataannya memang telah ditarik dari distribusi yang sama, maka
distribusi kumulatif kedua sampel tadi dapat diharapkan cukup pendekatan satu dengan yang
lainnya karena keduanya menunjukkan deviasi random saja dari pada distribusi populasi itu. Jika
kedua distribusi populasi kumulatif kedua sampel itu jauh berbeda pada suatu titik manapun, ini
menunjukkan bahwa sampel-sampel berasal dari populasi yang berbeda. Dengan demikian suatu
deviasi yang cukup besar antara distribusi kumulatif kedua sampel tersebut adalah fakta untuk
menolak H0.
Uji kolmogorov-smirnov dapat kita ringkas dalam langkah-langkah sebagai berikut:
a)
Asumsi-asumsi
1)
Data untuk analisis terdiri dari uji dua sampel acak bebas berukuran m dan n.
2)
b) Hipotesis-hipotesis
Pada dasarnya sama dengan hipotesis pada uji sampel kolmogorov-smirnov.
c)
Uji statistik
Uji statistik kolmogorov-smirnov dapat dilihat pada persamaan berikut:
D = f0 - fe
(2.3)
A1
O1
E1
A2
O2
E2
......
......
......
Ak
Ok
Ek
X =
2
i=1
( O i Ei )
Ei
Oi2
atau X =
n
i=1 Ei
k
(2.4)
Ternyata bahwa statistik di atas berdistribusi chi-square dengan dk = (k-1). Kriteria pengujian
adalah tolak H0 jika X2 > X2(1-)(k-1) dengan = taraf nyata untuk pengujian. Dalam hal lainnya,
maka H0 diterima.
Sebagai hal khusus dari data multinomial adalah data binomial yang didapat apabila banyak kelas
k=2. Jika dalam hal ini kedua kategori disebut kategori I dan kategori II dengan peluang terjadinya
kategori I dan II masing-masing (I - II), maka untuk sebuah sampel acak berukuran n diantaranya
didapat x buah kategori I. Kita lihat bahwa distribusi chi-kuadrat yang digunakan hanya
mempunyai derajat kebebasan satu ini mengakibatkan terlalu sering terjadi penolakan. H 0 yang
seharusnya diterima apabila rumus di atas digunakan. Selain daripada itu rumus di atas adalah
pengkontinuitasan data diskrit yang dengan sendirinya harus di adakan penyesuaian seperlunya.
Sebagai hal khusus dari data multinomial ialah data binomial yang didapat apabila banyak kategori
k = 2. Jika dalam hal ini kedua kategori disebut kategori I dan kategori II dengan peluang
terjadinya kategori I dan kategori II masing-masing dan (1-), maka untuk sebuah sampel acak
berukuran n diantaranya didapat x buah kategori I, didapat dibuat daftar sebagai berikut:
Tabel 4.2.5Tabel pengamatan peluang terjadinya kategori I dan kategori II
Kategori
II
Jumlah
Pengamatan
Diharapkan
n.
n-x
n(1)
N
N
Statistik yang digunakan untuk menguji hipotesis H0: = 0 melawan H1: 0 ialah:
2
X=
( nn . 0 )
n . 0 (1 0 )
(2.6)
dan tolak H0 jika X2 X2(1-)(1): sedangkan dalam hal lain H0 diterima.
Kita lihat bahwa distribusi chi-square yang digunakan hanya mempunyai satu derajat kebebasan.
Ini mengakibatkan terlalu sering terjadinya penolakan H 0 yang sebenarnya diterima apabila rumus
di atas digunakan. Khusus dalam hal ini, yakni dalam hal data binomial dimana digunakan
distribusi chi-kuadrat dengan dk = 1. Rumus di atas perlu diperbaiki dengan menggunakan koreksi
kontinuitas, yaitu harga mutlak 1x n. 0. I harus dikurangi dengan setengah. Jadi rumusnya yang
dipakai adalah:
(1 xn . 0 .11 /2)2
X=
n . 0 (1 0 )
2
(2.7)
2.5 Menguji kesamaan poisson
Misalkan ada k(k>2) buah distribusi poisson dengan parameter 1, 2, k. Akan diuji pasangan
hipotesis H0: 1 = 2 = . = k. H1 : paling sedikit 1 randa sama dengan tidak berlaku.
Dari setiap populasi diambil sebuah sampel acak, berukuran n 1 dari populasi ke-1, n2 dari populasi
ke-2 dan seterusnya berukuran nk dari populasi ke-k. Untuk tiap sampel dihitung banyak peristiwa
yang mengikuti distribusi poisson. Jika banyak peristiwa ini dinyatakan dengan x1 + x2 +..+ xn,
maka rata-rata x adalah:
x=
x 1 + x 2+ + x n
k
(2.8)
Statistik yang digunakan untuk menguji hipotesis Ho adalah:
X2 hit =
(Xi-X )
X
(2.9)
dan tolak H0 jika X2 X2(1-)(k-1). Dalam hal lain H0 diterima.
2.6 Banyak independen antar dua faktor
Banyak data hasil pengamatan yang dapat digolongkan ke dalam beberapa faktor, karakteristik
atau atribut dengan tiap faktor atau atribut terdiri dari beberapa klasifikasi, kategori, golongan atau
mungkin tingkatan. Berdasarkan hasil pengamatan terhadap fenomena demikian akan diselidiki
mengenai hubungan, asosiasi, kaitan antar faktor. Jika ternyata tidak terdapat kaitan antara faktorfaktor, biasa dikatakan bahwa faktor-faktor itu bersifat independen atau bebas, tepatnya bebas
statistik. Dengan kata lain akan dipelajari apakah terdapat atau tidak suatu kaitan diantara faktorfaktor itu.
Dalam bagian ini hanya akan dipelajari fenomena yang terdiri dari paling banyak dua faktor, selain
daripada itu disini akan dibahas juga ada tidaknya pengaruh mengenai beberapa taraf atau
tingkatan suatu faktor terhadap kejadian fenomena.
2.6.1 Asosiasi antara dua faktor dalam daftar kontingensi B K
Secara umum, untuk menguji independen antara dua faktor dapat dijelaskan sebagai berikut:
Misalkan sebuah sampel acak berukuran n telah diambil, dimana tiap pengamatan tunggal diduga
terjadi karena adanya dua macam faktor, ialah faktor I dan faktor II. Faktor I terbagi atas B taraf
atau tingkatan dan faktor II terbagi atas K taraf. Banyak pengamatan yang terjadi karena taraf ke-i
faktor ke-I (I = 1,2,.., B) dan taraf ke-j faktor ke-II (j = 1,2,..,K) akan menyatakan dengan O ij.
Hasilnya dapat dicatat dalam sebuah daftar kontingensi B x K.
(B TARAF)FAKTOR I
FAKTOR II
(K TARAF)
1
2
Jumlah
Jumlah
K
1
2
O11
O21
O12
O22
nB1
nO1
O1k
O2k
n10
N20
nB2
OBK
nB0
nO2
nOK
(2.10)
2
hit
(Oi-Ei )
=
Ei
(2.11)
Dan untuk menentukan kriteria pengujian digunakan distribusi chi-kuadrat dengan dk=(k-3) dan
taraf .