Tugas Kelompok Probabilitas dan Statistika

Anggota :

 Afif Putra Nugraha (15/379904/TK/43169)

Bahasan 14 Categorical Data Analysis and Analysis of Variance (ANOVA)

 Contoh kasus Goodness of Fit

Uji kecocokan (Goodness of Fit) merupakan metode statistika yang membandingkan
kecocokan antara frekuensi observasi dengan frekuensi teoritis/harapan. Katakan kita
mempunyai sebuah hipotesis (dugaan) tentang populasi yang menyatakan probabilitas atau
kemungkinan bahwa sebuah observasi sampel akan berada pada setiap kategori yang ada.
Observasi-observasi dalam sampel tersebut digunakan untuk mengecek hipotesis tersebut. Jika
jumlah dari nilai sampel dalam setiap kategori mendekati dengan nilai harapan dalam hipotesis
tersebut, maka kenyataan ini dapat mendukung hipotesis tersebut. Dalam situasi seperti ini,
dapat kita katakan bahwa data tersebut mendekati kecocokan/kesesuaian (fit) pada distribusi
probabilitas populasi yang diasumsikan. Ketika hipotesis nol benar, yaitu ada
kecocokan/kesesuaian antara jumlah observasi dan harapan serta jumlah sampel cukup besar
(perkiraan ini akan bekerja dengan baik jika setiap nilai harapan sedikitnya adalah 5),
maka variabel acak akan mengikuti distribusi Chi-Square (Chi-Kuadrat). Uji dari hipotesis nol
versus hipotesis alternatif yang menyatakan sebaliknya yaitu probabilitas tidak benar dengan
tingkat kesalahan α.
Persamaan Chi-Square adalah:
𝑘
2
(𝑂𝑖 − 𝐸𝑖 )2
𝑋 =∑
𝐸𝑖
𝑖=1
Dimana:
 𝑂𝑖 = nilai observasi pada kategori ke-i
 𝐸𝑖 = nilai harapan pada kategori ke-i
 k = banyaknya kategori

Penetapan Hipotesis Awal dan Hipotesis Alternatif

𝐻0 : frekuensi setiap kategori memenuhi suatu nilai/perbandingan.

𝐻𝑎 : ada frekuensi suatu kategori yang tidak memenuhi nilai/perbandingan tersebut.

Penetapan Derajat Kebebasan (df)

Dalam uji kecocokan model derajat kebebasan (df) sama dengan jumlah kategori dikurangi
jumlah estimator yang didasarkan pada sampel dan dikurang 1. Yang dimaksud estimator
parameter adalah parameter yang diperkirakan nilainya, karena nilai parameter tidak dapat
secara tepat ditentukan berdasarkan data sampel yang tersedia. Jika dirumuskan menjadi
sebagai berikut:

𝑑𝑓 = 𝑘 − 𝑚 − 1
Dimana:

k = jumlah kategori

m = jumlah nilai-nilai parameter yang diestimasi

Contoh Kasus Goodness of Fit Test

Sebuah distributor alat penggilingan padi membagi pasar menjadi 4 wilayah (A, B, C, dan D).
Ada informasi bahwa pendistribusian alat penggilingan merata pada setiap wilayah. Untuk
membuktikan pernyataan tersebut diambil 40 arsip sebagai sampel. Dari 40 arsip tersebut
diperoleh informasi yang tertuang dalam tabel di bawah. Gunakan tingkat signifikansi 5% untuk
menguji hipotesis yang menyatakan bahwa distribusi alat penggilingan di keempat wilayah
merata (sama).

Wilayah
Total Baris
A B C D
Data berdasarkan hasil sampel (O) 6 12 14 8 40
Data yang diharapkan (E) 10 10 10 10 40
Pembahasan Contoh Kasus

1. Hipotesis
Sebelum memulai pembahasan langkah pertama yang harus diketahui adalah permasalahan
dan tujuan dari soal yang ingin dicapai oleh peneliti. Pertama Peneliti ingin membuktikan
bahwa pendistribusian sama rata, sehingga bisa memperkirakan hipotesis. Hipotesis yang
digunakan dalam penelitian ini adalah :
𝐻0 : distribusi alat penggilingan di keempat wilayah merata (sama)
𝐻𝑎 : distribusi alat penggilingan di keempat wilayah tidak merata (tidak sama)
2. Nilai Kritis
Kedua yang perlu diperhatikan yaitu nilai kritis. Nilai kritis adalah nilai batas dari penentu
keputusan hipotesis mana yang di ambil, sehingga ini sangat perlu dilakukan. Berdasarkan
penjelasan di atas tidak perlu ada parameter yang diestimasi, oleh karena itu:
𝑑𝑓 = 𝑘 − 1 = 4 − 0 − 1 = 3
k = jumlah kategori data sampel (A, B, C, dan D)
Selain itu, tingkat signifikansi yang digunakan adalah 0,05 (5%) sehingga nilai kritisnya adalah:
𝑋 2 (0,05; 3) = 7,81
Nilai 7,81 ini diperoleh dari tabel chi square.
3. Nilai Hitung
Nilai uji statistik 𝑋 2 hitung diperoleh dengan cara sebagai berikut:
𝑘
2
(𝑂𝑖 − 𝐸𝑖 )2
𝑋 =∑
𝐸𝑖
𝑖=1
(6 − 10)2 (12 − 10)2 (14 − 10)2 (8 − 10)2
𝑋2 = + + +
10 10 10 10
40
𝑋2 = =4
10
4. Kesimpulan
 Setelah diperoleh nilai statistik hitung yaitu 4, kemudian kita bandingkan dengan nilai kritis
tadi yang sudah diperoleh sebelumnya yaitu 7,81. Nilai statistik hitung lebih kecil dari nilai
kritis hitung maka keputusan tidak menolak 𝐻0 , sehingga keputusan yang diperoleh
berdasarkan 𝐻0 yaitu distribusi alat penggilingan di keempat wilayah merata (sama).

 Contoh kasus Contingency


 Contoh kasus ANOVA