Uji Kesesuain Bentuk Distribusi

(Goodness of Fit Test)

 
Sebuah model, harus mampu merepresentasikan sistem nyata yang dimodelkan, dengan kata lain sebuah 
model  harus  mampu  meniru  perilaku  sistem  nyatanya.  Agar  model  mampu  meniru  perilaku  sistem 
nyatanya,  model  harus  dibangun  berdasarkan  karakteristik  sistem  nyatanya.  Misalnya,  dalam  sebuah 
pemodelan  loket  pembayaran  tol,  waktu  antar  kedatangan  mobil  yang  akan  membayar  biaya  tol  harus 
sesuai dengan waktu antar kedatangan mobil pada loket pembayaran tol yang sebenarnya. Demikian juga 
dengan waktu pelayanannya (waktu yang dihabiskan oleh sebuah mobil dari mulai berhenti di depan loket, 
membayar, mendapatkan kembalian atau bukti pembayaran, sampai mobil kembali berjalan), harus sesuai 
dengan waktu pelayanan petugas tol yang sebenarnya. 
Setiap  data  memiliki  pola,  dalam  ilmu  statistika,  pola  data  biasa  disebut  Distribusi  Statistik  (Statistical 
Distributions).  Data  sistem  nyata  yang  dikumpulkan  dengan  cara  melakukan  pengamatan/survey  harus 
dicari  karakteristiknya  (pola  dan  parameternya).  Jika  karakteristik  data  dari  sistem  nyata  tersebut  sudah 
diketahui,  kita  akan  dapat  memasukkan  karakteritik  tersebut  ke  dalam  model  yang  sedang  dibangun, 
sehingga  model  tersebut  akan  berjalan sesuai dengan  karakteristik  sistem nyatanya.  Untuk  mendapatkan 
karakteristik data sistem nyata tersebut diperlukan pengujian kesesuaian bentuk distribusi (goodness of fit 
test).  
Dengan goodness of fit test akan diketahui pola data (distribusi) berikut parameternya. Berikut ini disajikan 
beberapa distribusi statistik yang cukup dikenal dan banyak digunakan dalam penelitian. 
Distribusi terbagi ke dalam: 
1. Distribusi Kontinyu: 
a. Distribusi Normal 
b. Distribusi Beta 
c. Distribusi Eksponensial 
d. Distibusi Lognormal 
e. Distribusi Triangular 
f. Distribusi Weibull 
g. dll. 
2. Distribusi Diskrit: 
a. Distribusi Poissön (dibaca: poassong) 
b. Distribusi Binomial 
c. Distribusi Hipergeometrik 
d. Distribusi Geometrik 
e. dll. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

bramand@unpas.ac.id  G o o d n e s s   o f   F i t   T e s t  | 1 
Sebagai software simulasi multipurpose, Arena dilengkapi dengan fasilitas pembangkitan bilangan random 
berdistribusi  (random  number  generator)  dan  fasilitas  pengujian  bentuk  distribusi  statistik.  Distribusi 
Statistik yang tersedia dan dapat digunakan dalam pemodelan dengan Arena, adalah sebagai berikut: 

 
 
Distribusi Beta  Distribusi Continuous 

Distribusi Discrete  Distribusi Erlang 

Distribusi Exponential  Distribusi Gamma 

bramand@unpas.ac.id  G o o d n e s s   o f   F i t   T e s t  | 2 
 Distribusi Normal  Distribusi Lognormal 

 
 
Distribusi Weibull  Distribusi Poissön 

   
Distribusi Triangular  Distribusi Uniform 

 
Distribusi Johnson 

 
 
 
 
 
 
 
 
 

bramand@unpas.ac.id  G o o d n e s s   o f   F i t   T e s t  | 3 
Untuk mengetahui suatu data membentuk pola (distribusi) tertentu, perlu dilakukan Uji Kesesuaian Bentuk 
Distribusi  (Goodness  of  Fit  Test)  dengan  prosedur  tertentu.  Berikut  adalah  contoh  Pengujian  Kesesuaian 
Bentuk Distribusi Normal: 
 
Prosedur Uji Hipotesis Kesesuaian Bentuk Distribusi (Normal) 
1. Hipotesis: 
Ho:  Data Hasil Pengamatan Berdistribusi Normal 
H1:  Data Hasil Pengamatan Tidak Berdistribusi Normal 
2. Statistik Pengujian (Test Statistics): 
Perhitungan  2  (Chi‐Square)  dilakukan  dengan  mekanisme  tertentu,  proses 
perhitungan selengkapnya dipelajari dalam kuliah Statistika. 
 
3. Kriteria Penolakan Ho: 
Tolak Ho jika ଶ௛௜௧௨௡௚  > ଶ௧௔௕௘௟   
ଶ௧௔௕௘௟  diperoleh dari Tabel Chi‐Square dengan  dan  tertentu  
 = significance level = tingkat signifikansi = tingkat keberartian 
  =  degree  of  freedom  =  derajat  kebebasan,    =  k  –  p  ‐  1,  dengan  k  =  jumlah  kelas,  dan  p  =  jumlah 
parameter dari distribusi yang sedang diuji. 

Daerah 
penolakan 
Ho  
Daerah   = tingkat signifikansi 
penerimaan 
Ho 

ଶ௧௔௕௘௟    
 
Tabel Chi‐Square ૛  

 
dst.. 
4. Kesimpulan: 
 Jika Ho DITERIMA,  maka Data  Hasil Pengamatan tidak  berbeda  secara  signifikan  dengan Distribusi 
Normal, artinya Data Hasil Pengamatan Berdistribusi NORMAL. 
 Jika Ho DITOLAK, maka Data Hasil Pengamatan berbeda secara signifikan dengan Distribusi Normal, 
artinya Data Hasil Pengamatan Tidak Berdistribusi NORMAL. 
 
 

bramand@unpas.ac.id  G o o d n e s s   o f   F i t   T e s t  | 4 
Arena juga dilengkapi dengan  fasilitas untuk melakukan pengujian bentuk  distribusi.  Fasilitas  itu terdapat 
pada menu Tools ‐ Input Analyzer: 

 
Sebelum melakukan pengujian bentuk  distribusi  ini, data yang akan diuji harus disiapkan terlebih dahulu. 
Data tersebut dapat ditulis menggunakan aplikasi Notepad dan disimpan dengan extension DST. Berikut ini 
adalah contoh data yang disusun mengunakan Notepad: 

 
Jika  data  yang  akan  diuji  telah  siap,  pengujian  dapat  dilakukan  dengan  memilih  menu  File  –  New,  maka 
akan tampil layar Input seperti ini: 

bramand@unpas.ac.id  G o o d n e s s   o f   F i t   T e s t  | 5 
  
Lalu klik menu File – Data File – Use Existing dan browse file data yang akan diuji, maka data tersebut akan 
ditampilkan dalam bentuk grafik seperti ini: 

 
Dan untuk mengetahui bentuk distribusi dari data yang akan diuji, klik menu Fit – Fit All, maka akan tampil 
hasil pengujian seperti ini: 

bramand@unpas.ac.id  G o o d n e s s   o f   F i t   T e s t  | 6 
  
Dari pengujian tersebut terlihat hasil sebagai berikut: 
1. Bentuk distribusi: Normal 
2. Distribusi Normal  memiliki  2  parameter, yaitu rata‐rata  (mean) dengan nilai  18.6  dan  simpangan baku 
(standard deviation) dengan nilai 1.5, dapat dilihat pada bagian Expression: NORM(18.6,1.5).  
Hasil pengujian ini adalah hasil pengujian terbaik (square error‐nya paling kecil), hasil pengujian terhadap 
seluruh Distribusi Statistik dapat dilihat menggunakan menu Window – Fit All Summary: 

bramand@unpas.ac.id  G o o d n e s s   o f   F i t   T e s t  | 7