Anda di halaman 1dari 8

A.

DISTRIBUSI NORMAL
Distribusi normal merupakan suatu alat statistik yang sangat
penting untuk menaksir dan meramalkan peristiwa-peristiwa yang lebih
luas. Distribusi normal disebut juga dengan distribusi Gauss untuk
menghormati
Gauss
sebagai
penemu
persamaannya
(17771855). Menurut pandangan ahli statistik, distribusi variabel pada populasi
mengikuti distribusi normal.
Distribusi
normal
pertama
kali
diperkenalkan
oleh
Abraham DeMoivre (1733) sebagai pendekatan distribusi binomial untuk n
besar. Selanjutnya dikembangkan oleh Pierre Simon de Laplace dan
dikenal dengan Teorema Moivre - Laplace. Laplace menggunakan
distribusi normal untuk analisis galat suatu eksperimen.
Suatu data membentuk distribusi normal jika jumlah data di atas
dan di bawah mean adalah sama.
Distribusi normal berupa kurva berbentuk lonceng setangkup yang
melebar tak berhingga pada kedua arah positif dan negatifnya.
Ciri-ciri kurva normal :
1. Bentuk kurva normal
1. Menyerupai lonceng (genta/bel).
2. Merupakan suatu poligon yang dilicinkan yang mana ordinat
(sumbu tegak) merupakan frekuensi dan absisnya (sumbu
alas) memuat nilai variabel.
3. Simetris.
4. Luas daerah merupakan nilai rata-rata (mean).
5. Luas daerah sebelah kiri dan kanan mendekati 50%.
6. Memiliki satu modus (disebut juga bimodal).
2. Daerah kurva normal
1. Merupakan ruangan yang dibatasi daerah kurva dengan
absisnya (sumbu alas).
2. Luas daerah biasanya dinyatakan dalam persen atau
proporsi.
Distribusi normal dipengaruhi oleh dua parameter, yaitu mean dan
standar deviasi.
Mean menentukan lokasi pusat statistik dan standar deviasi menentukan
lebar dari kurva normal.

Rumus umum distribusi normal :

dengan

Kurva normal menggambarkan daerah penerimaan dan penolakan


Ho.
Jika pengujian dua arah / sisi, maka gambarnya sebagai berikut :

Jika pengujian satu arah, maka gambarnya sebagai berikut :

Uji satu arah biasanya untuk uji F dan uji t satu arah.
B. DISTRIBUSI T STUNDEN
Distribusi probabilitas t-Student diturunkan dari distribusi
probabilitas normal baku, dalam bentuk yang berkaitan dengan distribusi
probabilitas khi-kuadrat, yakni dengan z1, z2, z3, . . . sebagai distribusi
probabilitas normal baku dan c2n = z21 + z22 + z23 + . . . + z2n. dari
distribusi probabilitas khi-kuadrat.
Fungsi Densitas

Fungsi densitas distribusi probabilitas t adalah dengan n = derajat


kebebasan
Distribusi probabilitas t-Student memiliki derajat kebebasan n. Jika n
maka t z yakni distribusi probabilitas t mendekati distribusi probabilitas
normal baku Distribusi probabilitas t adalah simetris terhadap rerata
(rerata = 0) sehingga memiliki nilai positif dan negative Dalam bentuk
grafik.

Rerata dan Variansi

Rerata mt = 0
Variansi
. Fungsi Distribusi
Fungsi distribusi bawah pada distribusi probabilitas t-Student disusun ke
dalam suatu tabel
Fungsi distribusi bawah ini dapat juga ditemukan di dalam program
komputer seperti Minitab
Fungsi distribusi atas dapat dicari melalui hubungan FDA = 1 FDB
Pada fungsi distribusi bawah
Diketahui : f dan n
Ditabelkan : tf
Tabel Fungsi Distribusi Bawah Distribusi Probabilitas t-Student
Tabel terlampir
Untuk membaca tabel diperlukan f dan n sehingga dicari t(f)(n)

Distribusi Probabilitas t-Student melalui pendekatan dari zf

Dari Cornish dan Fisher

6. Hubungan a dan f pada Distribusi Probabilitas t-Student

Pendekatan Distribusi
Probabilitas t-Student ke
Distribusi Probabilitas Normal
Baku
Makin besar derajat
kebebasan n, makin dekat
distribusi probabilitas t-Student
ke distribusi probabilitas normal baku
Pada n maka t z
Pada n = , tabel t = tabel z
Karena itu, apabila n cukup besar maka kita dapat mencari tf pada tabel
zf

Tabel fungsi distribusi t terlampir menyajikan tf untuk n = 1 sampai n =


100
Jika dikehendaki, pada n > 100, pencarian tf dapat dilakukan pada tabel
zf
C. DISTRIBUSI CHI KUADRAT
Chi square adalah pengujian hipotesis mengenai perbandingan antara
frekuensi observasi atau yang benar-benar terjadi atau aktual dengan
frekuensi harapan. Yang dimaksud dengan frekuensi harapan adalah
frekuensi yang nilainya dapat di hitung secara teoritis (e). sedangkan
dengan frekuensi observasi adalah frekuensi yang nilainya di dapat dari
hasil percobaan (o).
Dalam statistik, distribusi chi square termasuk dalam statistik
nonparametrik. Distribusi nonparametrik adalah distribusi dimana
besaran-besaran populasi tidak diketahui. Distribusi ini sangat bermanfaat
dalam melakukan analisis statistik jika kita tidak memiliki informasi
tentang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk
penggunaan statistik parametrik tidak terpenuhi.
Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi
square
adalah
:
Distribusi chi square memiliki satu parameter yaitu derajad bebas (db).
Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-nilai
positif tak terhingga di sebelah kanan.
Probabilitas nilai chi square di mulai dari sisi sebelah kanan.
Luas daerah di bawah kurva normal adalah 1. Nilai dari chi square bisa
dicari jika kita memiliki informasi luas daerah disebelah kanan kurva serta
derajad bebas. Misalnya jika luas daerah disebelah kanan adalah 0,1 dan
derajad bebas sebanyak 7, maka nilai chi square adalah 12, 017.
Dalam statistik, distribusi chi square digunakan dalam banyak hal. Mulai
dari pengujian proporsi data multinom, menguji kesamaan rata-rata
Poisson serta pengujian hipotesis. Pengujian hipotesis yang menggunakan
dasar distribusi chi square misalnya Goodness-of-fit test, pengujian
indepensi, pengujian homogenitas serta pengujian varians dan standar
deviasi populasi tunggal.
Bentuk Distribusi Chi Square
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.
PENGGUNAAN CHI SQUARE
Uji chi square dapat digunakan untuk :
a. Uji Kecocokan = Uji Kebaikan Suai = Goodness of Fit
b. Uji Kebebasan
c. Uji Beberapa Proporsi (Prinsip pengerjaan (b) dan (c) sama saja).
Penjelasan Kegunaan dalam Uji Chi Square
Uji Kecocokan = Goodness of Fit
Penetapan Hipotesis Awal dan Hipotesis Alternatif
Ho : Frekuensi setiap kategori memenuhi suatu nilai / perbandingan
Ha : Ada kategori yang tidak memenuhi nilai / perbandingan tersebut
Dimana :
c2 : Chi Square hitung
Fo : Frekuensi data yang diperoleh dari observasi
Fe : Frekuensi data yang diharapkan secara teoritis
k : Banyaknya kategori / sel 1, 2, .., k
Uji Kebebasan dan Uji Beberapa Proporsi.
Penetapan Hipotesis Awal dan Hipotesis Alternatif
1. UJI KEBEBASAN
Ho : Variabel variable saling bebas
Ha : Variabel variabel tidak saling bebas
2. UJI BEBERAPA PROPORSI
Ho : Setiap proporsi bernilai sama
Ha : Setiap proporsi tidak bernilai sama
k (Foij Feij)^2
c2 Hit =
S
i=1
Feij
Keterangan :
Foij
Feij

: Frekuensi observasi ke-I, kolom ke-j


: Frekuensi ekspektasi ke-I, kolom ke-j

Total Kolom
Total Baris
Total Observasi

: Jumlah individu dalam kolom


: Jumlah individu dalam baris
: Banyaknya individu dalam semua sampel

Uji Kecocokan
Penggunaan distribusi chi square untuk menguji Goodness-of-fit.
Dalam Goodness-of-fit test ada hal-hal yang harus diperhatikan yaitu:
Adanya frekuensi observasi atau frekuensi yang benar-benar terjadi
dalam eksperimen dan dilambangkan dengan O.
Adanya frekuensi yang diharapkan terjadi yang dilambangkan dengan
Derajad bebas adalah k 1 dimana k adalah jumlah kategori. Misalnya jika
kita melempar dadu, maka aka nada 6 kategori kejadian sehingga k = 6.
Dengan demikian db = 6 1 = 5.
Nilai chi square hitung diperoleh dari rumus:
Jumlah sampel yang digunakan harus mencukupi nilai harapan paling
sedikit 5 (E > 5).
D. DISTRIBUSI F
Distribusi ini juga mempunyai variabel acak yang kontinu. Fungsi
identiatasnya mempunyai persamaan:
Dengan variabel acak F memenuhi batas F > 0, K = bilangan yang
tetap harganya bergantung pada v1 dan v2 . sedemikian sehingga luas
dibawah kurva sama dengan satu, v1= dk pembilang dan v2= dk
penyebut.
Jadi distribusi F ini mempunyai dua buah derajat kebebasan. Grafik
distribusi F tidak simetrik dan umumnya sedikit positif seperti juga
distribusi lainya, untuk keperluan penghitungan dengan distribusi F, daftar
distribusi F telah disediakan seperti dapat ditemukan dalam lampiran ,
daftar 1. Daftar tersebut berisikan nilai-nilai F untuk peluang 0,01 dan
0,05 dengan derajat kebebasan v1 dan v2. Peluang ini sama dengan luas
daerah ujung kanan yang diarsir, sedangkan dk=v1 ada pada baris paling
atas dan dk=v2 pada kolom paling kiri.
Untuk tiap pasang dk,v1 dan v2,daftar
berisikan harga-harga Fdengan luas kedua ini
(0,01 atau 0,05)

Untuk tiap dk= v2, daftar terdiri atas dua baris, yang atas untuk peluang
p=0,05 dan yang bawah untuk p=0,01.
Contoh:
untuk pasangan derajat kebebasan v1=24 dan v2=8, ditulis
juga(v1,v2)=(24,8), maka untuk p=0,05 didapat F =3,12 sedangkan untuk
p=0,01 didapat F=5,28(lihat daftar1,lampiran). Ini didapat dengan jalan
mencari 24 pada baris atas dan 8 pada kolom kiri. Jika dari 24 turun dan
dari 8 ke kanan, maka didapat bilangan bilangat tersebut. Yang atas untuk
p=0,05 dan yang bawahnya untuk p=0,01.
Notasi lengkap untuk nilai-nilai F dari daftar distribusi F dengan
peluang p dan dk=(v1,v2) adalah Fp(v1,v2)
Demikian untuk contoh kita didapat
F0,05(24,8)=3,12 dan
F0,01(24,8)=5,28 Meskipun daftar yang diberikan hanya untuk peluang
p=0,01 dan p=0,05, tetapi sebenarnya masih bisa didapat nilai-nilai F
dengan peluang 0,99 dan 0,95.