Anda di halaman 1dari 5

A.

DISTRIBUSI NORMAL

Distribusi normal merupakan salah satu distribusi probabilitas yang penting dalam analisis
statistika. Distribusi ini memiliki parameter berupa mean dan simpangan baku. Distribusi normal
dengan mean = 0 dan simpangan baku = 1 disebut dengan distribusi normal standar. Apabila
digambarkan dalam grafik, bentuk grafik distribusi normal berbentuk genta (bell-sheps) yang simetris.

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga hingga positif takhingga.
Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu
(sebagaimana konsep probabilitas). Dengan demikian, luas kurva normal pada sisi kiri = 0,5; demikian
pula luas kurva normal pada sisi kanan = 0,5.
Dalam analisis statistika, seringkali kita menentukan probabilitas kumulatif yang dilambangkan dengan
notasi P (X<x).

Distribusi normal menggunakan variabel acak kontinu. Distribusi normal sering disebut Distribusi
Gauss. Distribusi ini merupakan salah satu yang paling penting dan banyak digunakan. Distribusi ini
menyerupai bentuk lonceng (bell-shape) dengan nilai rata-rata sebagai sumbu simetrisnya.

Sifat-sifat penting dari distribusi normal, yaitu:


1. Grafiknya selalu ada di atas sumbu-X (horizontal)
2. Bentuk simetrik terhadap x = µ
3. Mempunyai modus pada x = µ sebesar 0,3989/σ
4. Grafik mendekati (berasimtutkan) sumbu-X pada X = µ-3µ dan X = µ+3µ
5. Kurva normal digunakan sebagai acuan pengujian hipotesis jika ukuran sampel n = 30 6. Luas daerah
yang dibatasi oleh sumbu-X dan kurva normal sama dengan satu satuan luas.

Untuk tiap pasang µ dan σ, sifat-sifat di atas selalu dipenuhi, hanya bentuk kurvanya saja yang
berlainan. Jika σ makin besar, kurvanya makin rendah (platikurtik) Jika σ makin kecil, kurvanya makin
tinggi (leptokurtik).

DISTRIBUSI T STUNDEN
W.S. Gosset menuliskan distribusi peluang t pada saat bekerja diperusahaan bir di Irlandia
(1908). Perusahaan tersebut melarang semua karyawan untuk menerbitkan hasil penelitiannya. Untuk
menghindari larangan tersebut W.S. Gosset menerbitkan karyanya secara rahasia dengan nama student.
Oleh sebab itulah distribusi t disebut sebagai distribusi peluang student t.

DASAR
Distribusi Student atau distribusi t, ialah Distribusi dengan variabel acak kontinu lainnya, selain daripada
distribusi normal dengan fungsi densitasnya adalah :

Untuk harga-harga n yang besar, biasanya n ≥ 30, distribusi t mendekati distribusi normal baku.
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.
Distribusi t bentuk kurva simetris

Puncak sebuah rata-ratanya ditengah berimpit dengan t=0, makin jauh dari puncaknya, kurva
makin landai mendekati sumbu datarnya.
Kasus normal dengan jumlah sampel n < 30 dan simpangan baku populasi (s ) tidak diketahui
sehingga nilainya digantikan dengan simpangan baku sampel ( S )
Misalkan t adalah variabel random berdistribusi student, maka distrbusi peluangnya adalah Dimana
K : bilangan tetap yang tergantung pana n
n-1 : derajat kebebasan, dengan n jumlah sampel
n ≥ 30: distribusi t mendekati distribusi normal
Luas di bawah kurva t antara ordinat t1 dan t2 merupakan peluang peubah acak t yang mendapat nilai
antara t = t1 dan t = t2. Jadi dapat dituliskan sebagai berikut
P ( t1 < t < t 2 ) =
Nilai t1 dan t2 dapat ditentukan dari tabel t sedangkan luas di bawah kurva tergantung a yang
diambil. Misalkan a = 0,05, maka t0,05 maksudnya luas di sebelah kanan t0,05 adalah 0,05 dan di sebelah
kiri t0,05 adalah 0,95. Selain itu, karena sifat kesimetrisan maka distribusi t mempunyai sifat -ta = t1-a.

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.

PENGGUNAAN CHI SQUARE

II.I Penggunaan Uji 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).

II.II 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

Rumus :

k (Foij – Feij)^2
c2 Hit = S
i=1 Feij

Keterangan :
Foij : Frekuensi observasi ke-I, kolom ke-j
Feij : Frekuensi ekspektasi ke-I, kolom ke-j
Total Kolom : Jumlah individu dalam kolom
Total Baris : Jumlah individu dalam baris
Total Observasi : Banyaknya individu dalam semua sampel

Langkah-langkah Hipotesis.

Membuat hipotesis nol (Ho) dan hipotesis alternatif (Ha)


Ho : P1 = P2 = ……….. = Pk
Ha : P1 # P2 # ……….. # Pk
Tentukan taraf nyata (a)
Tentukan derajat bebas (db)
Untuk uji kecocokan = kebaikan suai dimana m adalah parameter estimator
yang bernilai 0 : Db = k – m – 1 Untuk uji kebebasan : Db = (k – 1) (b – 1)
4. Tentukan wilayah kritis (c2 tabel)
c2 tabel = c2 (a ; Db)
5. Tentukan c2 hitung (berdasarkan rumus)
6. Keputusan
Daerah penolakan (Ho)
0 c2 (a ; Db)
7. Kesimpulan

II.III 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).

DISTRIBUSI F

Jika uji t digunakan untuk pengujian dua sampel, uji F atau Anova digunakan untuk pengujian
lebih dari dua sampel.

Distribusi F digunakan untuk menguji hipotesis, apakah variansi dari sebuah populasi normal
sama dengan variansi dari populasi normal lainnya. Satu variansi sampel yang lebih besar
ditempatkan pada pembilang, sehingga rasio minimalnya adalah 1,00. Distribusi F juga digunakan
untuk menguji asumsi-asumsi bagi beberapa statistik uji.

Berdasarkan pendapat Douglas A. Lind (2005, p387-388), Distribusi F memiliki ciri-ciri sebagai
berikut:

1. Terdapat suatu keluarga distribusi F.

Suatu anggota keluarga distribusi F di tentukan berdasarkan dua parameter : derajat kebebasan
pada pembilang dan derajat kebebasan pada penyebut.
2. Distribusi F bersifat kontinu.

3. Distribusi F tidak dapat bernilai negatif.

4. Bentuknya tidak simetris.

5. Bersifat Asimtotik (Asymptotic).

Distribusi F memberikan sebuah perangkat untuk menjalankan suatu uji variansi dari dua
populasi normal. Menentukan validasi sebuah asumsi untuk suatu statistik uji, mula-mula kita tetap
harus menentukan hipotesis nolnya. Hipotesis nolnya adalah bahwa variansi dari suatu populasi
(σ1²), sama dengan variansi dari populasi normal lainnya (σ2²). Hipotesis alternatifnya dapat berupa
perbedaan variansi tersebut. Dalam hal ini hipotesis nolnya dan hipotesis alternatifnya adalah :

H0 : σ1² = σ2²

H1 : σ1² ≠ σ2²