5.2.

Melakukan Pengujian Terhadap Data Sesuai dengan Distribusinya

dengan Menggunakan Uji Chi Square Kelompok
5.2.1. Rata-rata Harga Eceran Beras di Pasar Tradisional di 33 Kota
Langkah-langkah pengujian distribusi kontinu Rata-rata Harga Eceran
Beras di Pasar Tradisional di 33 Kota adalah sebagai berikut:
1. Rumusan hipotesis
Ho : Sebaran berdistribusi normal
Hi : Sebaran tidak berdistribusi normal
2. Mengurutkan data
Data distribusi normal yang diurutkan dapat dilihat pada Tabel 5.36.
Tabel 5.36. Indeks Rata-rata Harga Eceran Beras di Pasar Tradisional di 33
Kota (Rupiah/Kg) 2012-2016
No Data No Data No Data No Data No Data No Data No Data
1 7489,85 26 8407,40 51 9044,05 76 9574,73 101 10127,24 126 10742,08 151 12258,02
2 7501,46 27 8435,67 52 9053,94 77 9601,14 102 10132,20 127 10751,58 152 12270,42
3 7565,25 28 8446,03 53 9062,10 78 9608,00 103 10146,74 128 10773,81 153 12376,07
4 7690,31 29 8571,61 54 9075,62 79 9620,26 104 10200,47 129 10814,36 154 12393,81
5 7704,52 30 8576,47 55 9127,71 80 9644,11 105 10205,05 130 11006,28 155 12413,75
6 7708,31 31 8601,97 56 9137,30 81 9644,30 106 10244,09 131 11084,87 156 12421,42
7 7776,14 32 8606,16 57 9151,21 82 9683,54 107 10249,07 132 11088,35 157 12424,87
8 7876,03 33 8620,03 58 9159,88 83 9696,08 108 10292,05 133 11171,72 158 12477,20
9 7902,48 34 8647,23 59 9171,82 84 9720,53 109 10321,85 134 11188,78 159 12533,07
10 7931,05 35 8676,74 60 9187,41 85 9735,41 110 10325,14 135 11231,04 160 12789,53
11 7949,16 36 8706,13 61 9209,61 86 9757,00 111 10326,79 136 11248,34 161 12910,90
12 7958,49 37 8710,00 62 9223,42 87 9771,84 112 10335,91 137 11272,31 162 12965,26
13 8107,55 38 8754,79 63 9291,09 88 9786,41 113 10358,26 138 11295,57 163 13767,38
14 8116,50 39 8791,97 64 9315,86 89 9817,36 114 10370,57 139 11365,26 164 13813,61
15 8151,26 40 8794,77 65 9330,47 90 9828,72 115 10378,28 140 11416,46 165 14727,73
16 8186,44 41 8826,79 66 9362,14 91 9872,40 116 10379,40 141 11429,31
17 8237,56 42 8876,55 67 9381,29 92 9886,08 117 10419,91 142 11440,15
18 8266,71 43 8898,21 68 9446,11 93 9902,22 118 10447,98 143 11665,84
19 8283,12 44 8901,29 69 9447,22 94 9924,58 119 10470,17 144 11711,67
20 8335,03 45 8921,70 70 9462,62 95 9937,78 120 10547,87 145 11712,50
21 8383,10 46 8974,06 71 9528,82 96 9960,22 121 10573,25 146 11727,36
22 8398,00 47 8981,29 72 9551,98 97 9966,58 122 10580,99 147 11732,98
23 8398,18 48 9018,31 73 9553,36 98 9999,64 123 10666,58 148 11818,78

V-1
 V-2

No Data No Data No Data No Data No Data No Data

24 8401,98 49 9037,23 74 9558,50 99 10013,37 124 10686,52 149 12012,61
25 8405,67 50 9040,99 75 9563,21 100 10027,05 125 10695,56 150 12030,75

3. Menghitung besarnya range data

Min = 7489,85
Max = 14727,70
Range = nilai Max – nilai Min
= 7237,85

4. Menghitung banyaknya kelas

K = 1 + 3.3. log (N)
K = 1 + 3.3. log (165)
K = 8,31 ≈ 8
5. Mencari interval kelas
Range
I= = 904,73
Kelas
6. Mencari interval bawah dan interval atas dengan rumus sebagai berikut:
a. Interval bawah
Interval bawah ke-1 = 7489,85

Interval bawah ke-2= interval bawah ke-1 + I

= 8394,58
Interval atas
Interval atas ke-1 = interval bawah ke-2 – 0,05
= 8394,53
 V-3

Mencari BKA dan BKB dengan rumus sebagai berikut:

a. BKB
BKB ke-1 = Interval bawah ke-1 - 0,05
= 7489,85 – 0,05
= 7489,80

b. BKA
BKA ke-1 = Interval atas ke-1 + 0,05
= 8394,58 + 0,05
= 8394,63

7. Mencari nilai tengah interval (t) dengan rumus sebagai berikut:

Interval bawah ke-1 + Interval atas ke-1
t ke-1 = 2
(7489,85 + 8394,58)
= 2

= 7942,22

8. Nilai Oi didapat dari jumlah data yang berada di antara interval bawah
dengan interval atas.
Tabel 5.37. Rata-rata Harga Eceran Beras di Pasar Tradisional di 33 Kota
(Rupiah/Kg)
No Interval BKB BKA T Oi
1 7489,85 - 8394,58 7489,80 8394,63 7942,22 21
2 8394,59 - 9299,32 8394,54 9299,37 8846,96 41
3 9299,33 - 10204,06 9299,28 10204,11 9751,70 40
4 10204,07 - 11108,80 10204,02 11108,85 10656,44 30
5 11108,81 - 12013,54 11108,76 12013,59 11561,18 17
6 12103,55 - 12918,28 12103,50 12918,33 12510,92 12
7 12918,29 - 13823,02 12918,24 13823,07 13370,66 3
8 13823,03 - 14727,76 13822,98 14727,81 14275,40 1
 V-4

10. Mencari frekuensi relatif dengan rumus sebagai berikut:

nilai Oi ke-1
Frekuensi relatif ke-1 = jumlah Oi
21
= 165

= 0,12
Hasil perhitungan frekuensi kumulatif dapat dilihat pada Tabel 5.38.
Tabel 5.38 Rata-rata Harga Eceran Beras di Pasar Tradisional di 33 Kota
(Rupiah/Kg)

Frekuensi
No Interval BKB BKA T Oi
Relatif

1 7489,85 - 8394,58 7489,80 8394,63 7942,22 21 0,13

2 8394,59 - 9299,32 8394,54 9299,37 8846,96 41 0,25
3 9299,33 - 10204,06 9299,28 10204,11 9751,70 40 0,24
4 10204,07 - 11108,80 10204,02 11108,85 10656,44 30 0,18
5 11108,81 - 12013,54 11108,76 12013,59 11561,18 17 0,10
6 12103,55 - 12918,28 12103,50 12918,33 12510,92 12 0,07
7 12918,29 - 13823,02 12918,24 13823,07 13370,66 3 0,02
8 13823,03 - 14727,76 13822,98 14727,81 14275,40 1 0,01
Jumlah 1,00

11. Mencari probabilitas kumulatif f(t) dengan rumus sebagai berikut :

Probabilitas kumulatif F(t) ke – 1 = Frekuensi relatif ke-1
= 0.13
Probabilitas kumulatif F(t) ke – 2 = Probabilitas kumulatif F(t) ke-1 +
Frekuensi relatif ke-2
= 0,13 + 0,25
= 0,38
 V-5

12. Menghitung nilai R(t) dengan rumus sebagai berikut :

R(t) = 1 – Probabilitas kumulatif F(t) ke-1
= 1 – 0,13
= 0,87
Tabel 5.39. Rata-rata Harga Eceran Beras di Pasar Tradisional di 33 Kota
(Rupiah/Kg)
Frekuensi Probabilitas
No Interval BKB BKA T Oi R(t)
Relatif Kumulatif
1 7489,85 - 8394,58 7489,80 8394,63 7942,22 21 0,13 0,13 0,87
2 8394,59 - 9299,32 8394,54 9299,37 8846,96 41 0,25 0,38 0,75
3 9299,33 - 10204,06 9299,28 10204,11 9751,70 40 0,24 0,62 0,76
4 10204,07 - 11108,80 10204,02 11108,85 10656,44 30 0,18 0,80 0,82
5 11108,81 - 12013,54 11108,76 12013,59 11561,18 17 0,10 0,90 0,90
6 12103,55 - 12918,28 12103,50 12918,33 12510,92 12 0,07 0,97 0,93
7 12918,29 - 13823,02 12918,24 13823,07 13370,66 3 0,02 0,99 0,98
8 13823,03 - 14727,76 13822,98 14727,81 14275,40 1 0,01 1,00 0,99
Jumlah 1,00

13. Mencari nilai parameter setiap distribusi dengan menggunakan Software

Minitab 16. Langkah-langkahnya adalah sebagai berikut:
a. Input data yang telah diurutkan.

Gambar 5.7. Data yang di Input untuk Pengujian Distribusi Kontinu Data I
 V-6

b. Klik Stat>Quality Tools>Individual Distribution Identification.

Gambar 5.8. Menu Stat untuk Pengujian Distribusi Kontinu Data I

c. Dipilih data yang akan dicari nilai parameternya.

Gambar 5.9.Individual Distribution Identification untuk Pengujian Distribusi

Kontinu Data I

d. Klik OK, nilai parameter akan keluar seperti pada gambar yang
ditunjukkan di bawah.
 V-7

Gambar 5.10. Nilai Parameter untuk Pengujian Distribusi Kontinu Data I

14. Menguji data untuk setiap distribusi.

5.2.1.1. Distribusi Normal Data I

Langkah-langkah pengujian yang dilakukan adalah sebagai berikut:
1. Rumusan hipotesis
H0 : data berdistribusi Normal
Hi : data tidak berdistribusi Normal
2. Dengan menggunakan α = 0,05
3. Menghitung peluang (P) dari masing-masing kelas dengan menggunakan
Software Minitab 16. Hasil perhitungan frekuensi peluang data distribusi
normal akan diperlihatkan pada Tabel 5.41. Langkah-langkah menghitung
peluang menggunakan Software Minitab 16 adalah sebagai berikut:
a. Terlebih dahulu diinput nilai BKB dan BKA, kemudian klik
Calc>Probability Distribution>Normal.
 V-8

Gambar 5.11. Menu Calc untuk Perhitungan Distribusi NormalData I

b. Input mean sebesar 9895,03861 dan standard deviatio n sebesar

1425,27133.

Gambar 5.12. Input Parameter untuk Perhitungan Distribusi Normal Data I

c. Tentukan Input Column sebagai lokasi sumber data masukan dan Optional
Storage sebagai lokasi hasil data keluaran untuk P(X<BKB).
Kemudian dengan cara yang sama dilakukan untuk memperoleh
P(X<BKA).
 V-9

Gambar 5.13. Input Column dan Optional Storage untuk Perhitungan

Distribusi Normal Data I

d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.

Gambar 5.14. Nilai P(X<BKB) dan P(X<BKA) untuk Perhitungan

Distribusi Normal Data I
 V-10

Tabel 5.40. Perhitungan Frekuensi Peluang Data I Distribusi Normal dengan

Menggunakan Software Minitab 16
No. Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas
1 7489,85 - 8394,58 7489,80 8394,63 0,0000 0,1462 21 0,1462
2 8394,59 - 9299,32 8394,54 9299,37 0,1462 0,3380 41 0,1918
3 9299,33 - 10204,06 9299,28 10204,11 0,3380 0,5858 40 0,2479
4 10204,07 - 11108,80 10204,02 11108,85 0,5858 0,8028 30 0,2170
5 11108,81 - 12013,54 11108,76 12013,59 0,8028 0,9314 17 0,1286
6 12103,55 - 12918,28 12103,50 12918,33 0,9394 0,9830 12 0,0437
7 12918,29 - 13823,02 12918,24 13823,07 0,9830 0,9971 3 0,0140
8 13823,03 - 14727,76 13822,98 14727,81 0,9971 1,0000 1 0,0029

4. Mengitung nilai ekspektasi (Ei) untuk setiap interval kelas distribusi.

Ei = luas ke-i × n
Contoh: E1= 0,1462×165
= 24,123
Nilai ekspektasi Ei untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.41.
Tabel 5.41. Perhitungan Nilai Ekspektasi (Ei) Normal Data I
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 7489,85 - 8394,58 7489,80 8394,63 0,0000 0,1462 21 0,1462 24,1230
2 8394,59 - 9299,32 8394,54 9299,37 0,1462 0,3380 41 0,1918 31,6470
3 9299,33 - 10204,06 9299,28 10204,11 0,3380 0,5858 40 0,2479 40,9035
4 10204,07 - 11108,80 10204,02 11108,85 0,5858 0,8028 30 0,2170 35,8050
5 11108,81 - 12013,54 11108,76 12013,59 0,8028 0,9314 17 0,1286 21,2190
6 12103,55 - 12918,28 12103,50 12918,33 0,9394 0,9830 12 0,0437 7,2105
7 12918,29 - 13823,02 12918,24 13823,07 0,9830 0,9971 3 0,0140 2,3100
8 13823,03 - 14727,76 13822,98 14727,81 0,9971 1,0000 1 0,0029 0,4785
Jumlah 165 1 165
 V-11

5. Jika Ei < 5, maka digabung ke kelas sebelumnya. Nilai Ei setelah

penggabungan untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.42.
Tabel 5.42. Penggabungan Nilai Ekspektasi (Ei) Normal Data I
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 7489,85 - 8394,58 7489,80 8394,63 0,0000 0,1462 21 0,1462 24,123
2 8394,59 - 9299,32 8394,54 9299,37 0,1462 0,3380 41 0,1918 31,647
3 9299,33 - 10204,06 9299,28 10204,11 0,3380 0,5858 40 0,2478 40,887
4 10204,07 - 11108,80 10204,02 11108,85 0,5858 0,8028 30 0,2170 35,805
5 11108,81 - 12013,54 11108,76 12013,59 0,8028 0,9314 17 0,1286 21,219
6 12103,55 - 14727,76 12103,50 14727,81 0,9394 1,0000 16 0,0606 9,999
Jumlah 165 1 165

6. Setelah didapatkan nilai Oi dan Ei untuk masing-masing kelas maka dapat

dihitung nilai uji statistik Chi-Square masing-masing kelas dengan rumus:

2
(Oi -Ei )2
χ hitung = ∑
Ei
Contoh:
Perhitungan untuk kelas pertama
(21-24,123)2
χ2 hitung = = 0,4043
24,123
Hasil perhitungan dari χ2 hitung untuk data pengujian distribusi Normal dapat

dilihat pada Tabel 5.43.

Tabel 5.43. Tabel χ2 hitung Nilai Data Pengujian Distribusi Normal Data I

No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei χ2 hitung

1 7489,85 - 8394,58 7489,80 8394,63 0,0000 0,1462 21 0,1462 24,123 0,4043

2 8394,59 - 9299,32 8394,54 9299,37 0,1462 0,3380 41 0,1918 31,647 2,7642
3 9299,33 - 10204,06 9299,28 10204,11 0,3380 0,5858 40 0,2478 40,887 0,0192
4 10204,07 - 11108,80 10204,02 11108,85 0,5858 0,8028 30 0,2170 35,805 0,9412
5 11108,81 - 12013,54 11108,76 12013,59 0,8028 0,9314 17 0,1286 21,219 0,8389
6 12103,55 - 14727,76 12103,50 14727,81 0,9394 1,0000 16 0,0606 9,999 3,6016
Jumlah 165 1 165 8,5693
 V-12

7. Kesimpulan
V (derajat kebebasan) = jumlah kelas – parameter (Total Frequency, Mean,
Standard Deviation)
=6–3
=3
Nilai χ2tabel = 7,815 (α = 0,05). Karena χ2hitung = 8,5693>χ2tabel = 12.592 maka
H0 ditolak (data tidak berdistribusi Normal).

Chart Title
50
40
30
20
10
0
1 2 3 4 5 6

Oi Ei

Gambar 5.15. Grafik Distribusi Normal Data I

5.2.1.2. Distribusi Eksponensial Data I
Langkah-langkah pengujian yang dilakukan adalah sebagai berikut:
1. Rumusan hipotesis
H0 : data berdistribusi Eksponensial
Hi : data tidak berdistribusi Eksponensial
2. Dengan menggunakan α = 0,05
3. Menghitung peluang (P) dari masing-masing kelas dengan menggunakan
Software Minitab 16. Hasil perhitungan frekuensi peluang data distribusi
normal akan diperlihatkan pada Tabel 5.45. Langkah-langkah menghitung
peluang menggunakan Software Minitab 16 adalah sebagai berikut:
a. Terlebih dahulu diinput nilai BKB dan BKA, kemudian klik
Calc>Probability Distribution>Exponential.
 V-13

Gambar 5.16. Menu Calc untuk Perhitungan Distribusi Eksponensial Data I

b. Input scale sebesar 2419,85385 dan threshold sebesar 7475,18422.

Gambar 5.17. Input Parameter untuk Perhitungan Distribusi Eksponensial

Data I

c. Tentukan Input Column sebagai lokasi sumber data masukan dan Optional
Storage sebagai lokasi hasil data keluaran untuk P(X<BKBE). Kemudian
dengan cara yang sama dilakukan untuk memperoleh P(X<BKAE).
 V-14

Gambar 5.18. Input Column dan Optional Storage untuk Perhitungan

Distribusi Eksponensial Data I
d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.

Gambar 5.19. Nilai P(X<BKB) dan P(X<BKA) untuk Perhitungan Distribusi

Eksponensial Data I
 V-15

Tabel 5.44. Perhitungan Frekuensi Peluang Data I Distribusi Eksponensial

dengan Menggunakan Software Minitab 16
No. Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas
1 7489,85 - 8394,58 7489,80 8394,63 0,0000 0,3161 21 0,3161
2 8394,59 - 9299,32 8394,54 9299,37 0,3161 0,5294 41 0,2133
3 9299,33 - 10204,06 9299,28 10204,11 0,5294 0,6762 40 0,1468
4 10204,07 - 11108,80 10204,02 11108,85 0,6762 0,7772 30 0,1010
5 11108,81 - 12013,54 11108,76 12013,59 0,7772 0,8467 17 0,0695
6 12103,55 - 12918,28 12103,50 12918,33 0,8523 0,8945 12 0,0422
7 12918,29 - 13823,02 12918,24 13823,07 0,8945 0,9274 3 0,0329
8 13823,03 - 14727,76 13822,98 14727,81 0,9274 1,0000 1 0,0726
Jumlah 165 1,0000

4. Menghitung nilai ekspektasi (Ei) untuk setiap interval kelas distribusi.

Ei = luas ke-i × n

Contoh: E1= 0,3161×165

= 52,1565

Nilai ekspektasi Ei untuk masing-masing kelas distribusi dapat dilihat pada

Tabel 5.45.
Tabel 5.45. Perhitungan Nilai Ekspektasi (Ei) Eksponensial Data I
No. Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 7489,85 - 8394,58 7489,80 8394,63 0,0000 0,3161 21 0,3161 52,1565
2 8394,59 - 9299,32 8394,54 9299,37 0,3161 0,5294 41 0,2133 35,1945
3 9299,33 - 10204,06 9299,28 10204,11 0,5294 0,6762 40 0,1468 24,2220
4 10204,07 - 11108,80 10204,02 11108,85 0,6762 0,7772 30 0,1010 16,6650
5 11108,81 - 12013,54 11108,76 12013,59 0,7772 0,8467 17 0,0695 11,4675
6 12103,55 - 12918,28 12103,50 12918,33 0,8523 0,8945 12 0,0422 6,9630
7 12918,29 - 13823,02 12918,24 13823,07 0,8945 0,9274 3 0,0329 5,4285
8 13823,03 - 14727,76 13822,98 14727,81 0,9274 1,0000 1 0,0726 11,9790
Jumlah 165 1,0000 164,0760
 V-16

5. Setelah didapatkan nilai Oi dan Ei untuk masing-masing kelas distribusi maka

dapat dihitung nilai uji statistik Chi-Square masing-masing kelas dengan
rumus:

2
(Oi -Ei )2
χ hitung = ∑
Ei
Perhitungan untuk kelas pertama
(21 – 52,1565)2
χ2 hitung = = 18,6118
52,1565
Hasil perhitungan dari χ2 hitung untuk data pengujian distribusi Eksponensial

dapat dilihat pada Tabel 5.46.

Tabel 5.46. Tabel χ2 hitung Nilai Data Pengujian Distribusi Eksponensial Data I

P(X<B P(X<B X2
No. Interval BKB BKA Oi Luas Ei
KB) KA) hitung

1 7489,85 - 8394,58 7489,80 8394,63 0,0000 0,3161 21 0,3161 52,1565 18,6118

2 8394,59 - 9299,32 8394,54 9299,37 0,3161 0,5294 41 0,2133 35,1945 0,9576
3 9299,33 - 10204,06 9299,28 10204,11 0,5294 0,6762 40 0,1468 24,2220 10,2777
4 10204,07 - 11108,80 10204,02 11108,85 0,6762 0,7772 30 0,1010 16,6650 10,6704
5 11108,81 - 12013,54 11108,76 12013,59 0,7772 0,8467 17 0,0695 11,4675 2,6692
6 12103,55 - 12918,28 12103,50 12918,33 0,8523 0,8945 12 0,0422 6,9630 3,6437
7 12918,29 - 13823,02 12918,24 13823,07 0,8945 0,9274 3 0,0329 5,4285 1,0864
8 13823,03 - 14727,76 13822,98 14727,81 0,9274 1,0000 1 0,0726 11,9790 10,0625
Jumlah 165 1,0000 165 57,9793

6. Kesimpulan
V (derajat kebebasan) = jumlah kelas – parameter (Scale, Threshold)
=8–2
=6
Nilai χ2tabel = 12,592 (α = 0,05). Karena χ2hitung = 164,0760 >χ2tabel = 14,067
maka H0 ditolak (data tidak berdistribusi Eksponensial).
 V-17

Chart Title
60

50

40

30

20

10

0
1 2 3 4 5 6 7 8

Oi Ei

Gambar 5.20. Grafik Distribusi Eksponensial Data I

5.2.1.3. Distribusi Weibull Data I

Langkah-langkah pengujian yang dilakukan adalah sebagai berikut:
1. Rumusan hipotesis
H0 : data berdistribusi Weibull
Hi : data tidak berdistribusi Weibull
2. Dengan menggunakan α = 0,05
3. Menghitung peluang (P) dari masing-masing kelas dengan menggunakan
Software Minitab 16. Hasilperhitungan frekuensi peluang data distribusi
normal akan diperlihatkan pada Tabel 5.48. Langkah-langkah menghitung
peluang menggunakan Software Minitab 16adalah sebagai berikut:
a. Terlebih dahulu diinput nilai BKB dan BKA, kemudian klik
Calc>Probability Distribution>Weibull.
 V-18

Gambar 5.21. Menu Calcuntuk Perhitungan Distribusi Weibull Data I

b. Input shape sebesar 6.46523, scale sebesar 36.12287 dan threshold

sebesar 31.77573.

Gambar 5.22. Input Parameter untuk Perhitungan Distribusi Weibull Data I

c. Tentukan Input Column sebagai lokasi sumber data masukan dan Optional
 V-19

Storage sebagai lokasi hasil data keluaran untuk P(X<BKB). Kemudian

dengan cara yang sama dilakukan untuk memperoleh P(X<BKA).

Gambar 5.23. Input Column dan Optional Storageuntuk Perhitungan

Distribusi Weibull Data I
d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.

Gambar 5.24. Nilai P(X<BKB) dan P(X<BKA) untuk Perhitungan Distribusi

Weibull Data I

Tabel 5.47. Perhitungan Frekuensi Peluang Data IDistribusi Weibull dengan

Menggunakan Software Minitab 16
 V-20

No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas

1 54.72 - 57.54 54.715 57.545 0.0000 0.1065 34 0.1065
2 57.55 - 60.36 57.545 60.365 0.1065 0.1979 5 0.0914
3 60.37 - 63.19 60.365 63.195 0.1979 0.3334 4 0.1354
4 63.20 - 66.01 63.195 66.015 0.3334 0.5071 36 0.1737
5 66.02 - 68.83 66.015 68.835 0.5071 0.6930 35 0.1859
6 68.84 - 71.66 68.835 71.665 0.6930 0.8502 32 0.1572
7 71.67 - 74.48 71.665 74.485 0.8502 0.9479 13 0.0977
8 74.49 - 77.31 74.485 77.315 0.9479 0.9885 4 0.0407
9 77.32 - 80.13 77.315 80.135 0.9885 1.0000 4 0.0115
Jumlah 167 1.000

4. Menghitung nilai ekspektasi (Ei) untuk setiap interval kelas distribusi.

Ei = luas ke-i × n
Contoh: E1= 0.1065 ×167
= 17.7833
Nilai ekspektasi Ei untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.48.
Tabel 5.48. Perhitungan Nilai Ekspektasi (Ei) Weibull Data I
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 54.72 - 57.54 54.715 57.545 0.0000 0.1065 34 0.1065 17.7833
2 57.55 - 60.36 57.545 60.365 0.1065 0.1979 5 0.0914 15.2701
3 60.37 - 63.19 60.365 63.195 0.1979 0.3334 4 0.1354 22.6164
4 63.20 - 66.01 63.195 66.015 0.3334 0.5071 36 0.1737 29.0131
5 66.02 - 68.83 66.015 68.835 0.5071 0.6930 35 0.1859 31.0458
6 68.84 - 71.66 68.835 71.665 0.6930 0.8502 32 0.1572 26.2521
7 71.67 - 74.48 71.665 74.485 0.8502 0.9479 13 0.0977 16.3153
8 74.49 - 77.31 74.485 77.315 0.9479 0.9885 4 0.0407 6.7902
9 77.32 - 80.13 77.315 80.135 0.9885 1.0000 4 0.0115 1.9136
Jumlah 167 1 167
 V-21

5. Jika Ei < 5, maka digabung ke kelas sebelumnya. Nilai Ei setelah

penggabungan untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.49.
Tabel 5.49. Penggabungan Nilai Ekspektasi (Ei) Weibull Data I
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 54.72 - 57.54 54.715 57.545 0.0000 0.1065 34 0.1065 17.7833
2 57.55 - 60.36 57.545 60.365 0.1065 0.1979 5 0.0914 15.2701
3 60.37 - 63.19 60.365 63.195 0.1979 0.3334 4 0.1354 22.6164
4 63.20 - 66.01 63.195 66.015 0.3334 0.5071 36 0.1737 29.0131
5 66.02 - 68.83 66.015 68.835 0.5071 0.6930 35 0.1859 31.0458
6 68.84 - 71.66 68.835 71.665 0.6930 0.8502 32 0.1572 26.2521
7 71.67 - 74.48 71.665 74.485 0.8502 0.9479 13 0.0977 16.3153
8 74.49 - 80.13 74.485 80.135 1.9364 1.9885 8 0.0521 8.7038
Jumlah 167 1 167

6. Setelah didapatkan nilai Oi dan Ei untuk masing-masing kelas distribusi maka

dapat dihitung nilai uji statistik Chi-Square masing-masing kelas dengan
rumus:

2
(Oi -Ei )2
χ hitung = ∑
Ei

Contoh:
Perhitungan untuk kelas pertama

2
(34-17.17.7833)2
χ hitung = = 14.7881
17.7833
Hasil perhitungan dari χ2 hitung untuk data pengujian distribusi Weibull dapat

dilihat pada Tabel 5.50.

Tabel 5.50. Tabel χ2 hitung Nilai Data Pengujian Distribusi Weibull Data I

No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei χ2 hitung

1 54.72 - 57.54 54.715 57.545 0.0000 0.1065 34 0.1065 17.7833 0.7523

 V-22

2 57.55 - 60.36 57.545 60.365 0.1065 0.1979 5 0.0914 15.2701 20.3951

3 60.37 - 63.19 60.365 63.195 0.1979 0.3334 4 0.1354 22.6164 15.4084
4 63.20 - 66.01 63.195 66.015 0.3334 0.5071 36 0.1737 29.0131 19.7386
5 66.02 - 68.83 66.015 68.835 0.5071 0.6930 35 0.1859 31.0458 34.8008
6 68.84 - 71.66 68.835 71.665 0.6930 0.8502 32 0.1572 26.2521 45.7350
7 71.67 - 74.48 71.665 74.485 0.8502 0.9479 13 0.0977 16.3153 3.2714
8 74.49 - 80.13 74.485 80.135 1.9364 1.9885 8 0.0521 8.7038 0.7112
Jumlah 167 1 167 41.1946

7. Kesimpulan
V (derajat kebebasan) = jumlah kelas – parameter (Shape,Scale, Threshold)
=8–3
=5
Nilai χ2tabel = 11,070 (α = 0,05). Karena χ2hitung = 41.1946 > χ2tabel = 11,070
maka H0 ditolak (data tidak berdistribusi Weibull).
40

35

30

25

20 Oi

15 Ei

10

0
1 2 3 4 5 6 7 8

Gambar 5.25. Grafik Distribusi WeibullData I

5.2.1.4. Distribusi Lognormal Data I

Langkah-langkah pengujian yang dilakukan adalah sebagai berikut:
1. Rumusan hipotesis
H0 : data berdistribusi Lognormal
 V-23

Hi : data tidak berdistribusi Lognormal

2. Dengan menggunakan α = 0,05
3. Menghitung peluang (P) dari masing-masing kelas dengan menggunakan
Software Minitab 16. Hasilperhitungan frekuensi peluang data distribusi
normal akan diperlihatkan pada Tabel 5.52. Langkah-langkah menghitung
peluang menggunakan Software Minitab 16adalah sebagai berikut:
a. Terlebih dahulu diinput nilai BKB dan BKA, kemudian klik
Calc>Probability Distribution>Lognormal.

Gambar 5.26. Menu Calcuntuk Perhitungan Distribusi Lognormal Data I

b. Inputlocationsebesar 10.24404, scale sebesar 0.00022 dan threshold

sebesar -2.80490E+0.4.
 V-24

Gambar 5.27. Input Parameter untuk Perhitungan Distribusi Lognormal

Data I

c. Tentukan Input Column sebagai lokasi sumber data masukan dan Optional
Storage sebagai lokasi hasil data keluaran untuk P(X<BKB). Kemudian
dengan cara yang sama dilakukan untuk memperoleh P(X<BKA).

Gambar 5.28. Input Column dan Optional Storageuntuk Perhitungan

 V-25

Distribusi Lognormal Data I

d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.

Gambar 5.29. Nilai P(X<BKB) dan P(X<BKA) untuk Perhitungan Distribusi

Lognormal Data I

Tabel 5.51. Perhitungan Frekuensi Peluang Data IDistribusi Lognormal

dengan Menggunakan Software Minitab 16
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas
1 54.72 - 57.54 54.715 57.545 0.0000 0.0997 34 0.0997
2 57.55 - 60.36 57.545 60.365 0.0997 0.2043 5 0.1045
3 60.37 - 63.19 60.365 63.195 0.2043 0.3557 4 0.1515
4 63.20 - 66.01 63.195 66.015 0.3557 0.5345 36 0.1788
5 66.02 - 68.83 66.015 68.835 0.5345 0.7065 35 0.1720
6 68.84 - 71.66 68.835 71.665 0.7065 0.8413 32 0.1348
7 71.67 - 74.48 71.665 74.485 0.8413 0.9273 13 0.0860
8 74.49 - 77.31 74.485 77.315 0.9273 0.9721 4 0.0448
9 77.32 - 80.13 77.315 80.135 0.9721 1.0000 4 0.0279
Jumlah 167 1

4. Mengitung nilai ekspektasi (Ei) untuk setiap interval kelas distribusi.

 V-26

Ei = luas ke-i × n
Contoh: E1= 0.0997 × 167
= 16.4934
Nilai ekspektasi Ei untuk masing-masing kelas distribusi dapat dilihat
pada Tabel 5.52.
Tabel 5.52. Perhitungan Nilai Ekspektasi (Ei) Lognormal Data I
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 54.72 - 57.54 54.715 57.545 0.0000 0.0997 34 0.0997 16.6513
2 57.55 - 60.36 57.545 60.365 0.0997 0.2043 5 0.1045 17.4586
3 60.37 - 63.19 60.365 63.195 0.2043 0.3557 4 0.1515 25.2969
4 63.20 - 66.01 63.195 66.015 0.3557 0.5345 36 0.1788 29.8616
5 66.02 - 68.83 66.015 68.835 0.5345 0.7065 35 0.1720 28.7197
6 68.84 - 71.66 68.835 71.665 0.7065 0.8413 32 0.1348 22.5056
7 71.67 - 74.48 71.665 74.485 0.8413 0.9273 13 0.0860 14.3702

Tabel 5.52. Perhitungan Nilai Ekspektasi (Ei) Lognormal Data I (Lanjutan)

No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
8 74.49 - 77.31 74.485 77.315 0.9273 0.9721 4 0.0448 7.4767
9 77.32 - 80.13 77.315 80.135 0.9721 1.0000 4 0.0279 4.6594
Jumlah 167 1 167

5. Jika Ei < 5, maka digabung ke kelas sebelumnya. Nilai Ei setelah

penggabungan untuk masing-masing kelas distribusi dapat dilihat pada Tabel
5.53.
Tabel 5.53. Penggabungan Nilai Ekspektasi (Ei) Lognormal Data I
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 54.72 - 57.54 54.715 57.545 0.0000 0.0997 34 0.0997 16.6513
2 57.55 - 60.36 57.545 60.365 0.0997 0.2043 5 0.1045 17.4586
 V-27

3 60.37 - 63.19 60.365 63.195 0.2043 0.3557 4 0.1515 25.2969

4 63.20 - 66.01 63.195 66.015 0.3557 0.5345 36 0.1788 29.8616
5 66.02 - 68.83 66.015 68.835 0.5345 0.7065 35 0.1720 28.7197
6 68.84 - 71.66 68.835 71.665 0.7065 0.8413 32 0.1348 22.5056
7 71.67 - 74.48 71.665 74.485 0.8413 0.9273 13 0.0860 14.3702
8 74.49 - 80.13 74.485 80.135 1.8994 1.9721 8 0.0727 12.1361
Jumlah 167 1 167

6. Setelah didapatkan nilai Oi dan Ei untuk masing-masing kelas distribusi

maka dapat dihitung nilai uji statistik Chi-Square masing-masing kelas
dengan rumus:

2
(Oi -Ei )2
χ hitung = ∑
Ei
Contoh:
Perhitungan untuk kelas pertama
(34 –16.6513)2
χ2 hitung = = 18.0752
16.6513
Hasil perhitungan dari χ2 hitung untuk data pengujian distribusi Lognormal dapat
dilihat pada Tabel 5.54.
Tabel 5.54. Tabel χ2 hitung Nilai Data Pengujian Distribusi Lognormal Data I

No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei χ2 hitung

1 54.72 - 57.54 54.715 57.545 0.0000 0.0997 34 0.0997 16.6513 18.0752

2 57.55 - 60.36 57.545 60.365 0.0997 0.2043 5 0.1045 17.4586 8.8905
3 60.37 - 63.19 60.365 63.195 0.2043 0.3557 4 0.1515 25.2969 17.9294
4 63.20 - 66.01 63.195 66.015 0.3557 0.5345 36 0.1788 29.8616 1.2618
5 66.02 - 68.83 66.015 68.835 0.5345 0.7065 35 0.1720 28.7197 1.3733
6 68.84 - 71.66 68.835 71.665 0.7065 0.8413 32 0.1348 22.5056 4.0054
7 71.67 - 74.48 71.665 74.485 0.8413 0.9273 13 0.0860 14.3702 0.1307
8 74.49 - 80.13 74.485 77.315 1.8994 1.9721 8 0.0727 12.1361 1.4096
Jumlah 167 1 167 53.0759
 V-28

7. Kesimpulan
V (derajat kebebasan) = jumlah kelas – parameter (Location,Scale, Threshold)
=8–3
=5
Nilai χ2tabel = 11,070 (α = 0,05). Karena χ2hitung = 53.0759 >χ2tabel = 11,070
maka H0 ditolak (data tidak berdistribusi Lognormal).
40
35
30
25
20 Oi
15 Ei
10
5
0
1 2 3 4 5 6 7 8 9

Gambar 5.30. Grafik Distribusi Lognormal Data I

5.2.1.5. Distribusi Gamma Data I
Langkah-langkah pengujian yang dilakukan adalah sebagai berikut:
1. Rumusan hipotesis
H0 : data berdistribusi Gamma
Hi : data tidak berdistribusi Gamma
2. Dengan menggunakan α = 0,05
3. Menghitung peluang (P) dari masing-masing kelas dengan menggunakan
Software Minitab 16. Hasilperhitungan frekuensi peluang data distribusi
normal akan diperlihatkan pada Tabel 5.56. Langkah-langkah menghitung
peluang menggunakan Software Minitab 16adalah sebagai berikut:
a. Terlebih dahulu diinput nilai BKB dan BKA, kemudian klik
Calc>Probability Distribution>Gamma.
 V-29

Gambar 5.31. Menu Calcuntuk Perhitungan Distribusi Gamma Data I

b. Inputshape sebesar 0.35702 ,scale sebesar 29.83596 dan threshold sebesar

54.71999.

Gambar 5.32. Input Parameteruntuk Perhitungan Distribusi Gamma Data I

c. Tentukan Input Column sebagai lokasi sumber data masukan dan Optional
Storage sebagai lokasi hasil data keluaran untuk P(X<BKB). Kemudian
dengan cara yang sama dilakukan untuk memperoleh P(X<BKA).
 V-30

Gambar 5.33. Input Column dan Optional Storageuntuk Perhitungan

Distribusi Gamma Data I

d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.

Gambar 5.34. Nilai P(X<BKB) dan P(X<BKA) untuk Perhitungan Distribusi

Gamma Data I

Tabel 5.55. Perhitungan Frekuensi Peluang Data I Distribusi Gamma dengan

Menggunakan Software Minitab 16
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas
1 54.72 - 57.54 54.715 57.545 0.0000 0.4722 34 0.4722
 V-31

2 57.55 - 60.36 57.545 60.365 0.4722 0.5906 5 0.1184

3 60.37 - 63.19 60.365 63.195 0.5906 0.6670 4 0.0764
4 63.20 - 66.01 63.195 66.015 0.6670 0.7228 36 0.0557
5 66.02 - 68.83 66.015 68.835 0.7228 0.7658 35 0.0431
6 68.84 - 71.66 68.835 71.665 0.7658 0.8002 32 0.0344
7 71.67 - 74.48 71.665 74.485 0.8002 0.8283 13 0.0281
8 74.49 - 77.31 74.485 77.315 0.8283 0.8516 4 0.0233
9 77.32 - 80.13 77.315 80.135 0.8516 1.0000 4 0.1484
Jumlah 167 1

4. Menghitung nilai ekspektasi (Ei) untuk setiap interval kelas distribusi.

Ei = luas ke-i × n
Contoh: E1= 0.4704×167
= 78.5506
Nilai ekspektasi Ei untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.56.
Tabel 5.56. Perhitungan Nilai Ekspektasi (Ei) Gamma Data I
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 54.72 - 57.54 54.715 57.545 0.0000 0.4722 34 0.4722 78.8634
2 57.55 - 60.36 57.545 60.365 0.4722 0.5906 5 0.1184 19.7686
3 60.37 - 63.19 60.365 63.195 0.5906 0.6670 4 0.0764 12.7586
4 63.20 - 66.01 63.195 66.015 0.6670 0.7228 36 0.0557 9.3098
5 66.02 - 68.83 66.015 68.835 0.7228 0.7658 35 0.0431 7.1926
6 68.84 - 71.66 68.835 71.665 0.7658 0.8002 32 0.0344 5.7457
7 71.67 - 74.48 71.665 74.485 0.8002 0.8283 13 0.0281 4.6918
8 74.49 - 77.31 74.485 77.315 0.8283 0.8516 4 0.0233 3.8915
9 77.32 - 80.13 77.315 80.135 0.8516 1.0000 4 0.1484 24.7779
Jumlah 167 1 167

5. Jika Ei < 5, maka digabung ke kelas sebelumnya. Nilai Ei setelah

 V-32

penggabungan untuk masing-masing kelas distribusi dapat dilihat pada Tabel

5.57.
Tabel 5.57. Penggabungan Nilai Ekspektasi (Ei) Gamma Data I
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 54.72 - 57.54 54.715 57.545 0.0000 0.4722 34 0.4722 78.8634
2 57.55 - 60.36 57.545 60.365 0.4722 0.5906 5 0.1184 19.7686
3 60.37 - 63.19 60.365 63.195 0.5906 0.6670 4 0.0764 12.7586
4 63.20 - 66.01 63.195 66.015 0.6670 0.7228 36 0.0557 9.3098
5 66.02 - 68.83 66.015 68.835 0.7228 0.7658 35 0.0431 7.1926
6 68.84 - 71.66 68.835 71.665 0.7658 0.8002 32 0.0344 5.7457
7 71.67 - 74.48 71.665 74.485 1.6286 1.6800 17 0.0514 8.5833
8 74.49 - 80.13 74.485 80.135 0.8516 1.0000 4 0.1484 24.7779
Jumlah 167 1 167

6. Setelah didapatkan nilai Oi dan Ei untuk masing-masing kelas distribusi

maka dapat dihitung nilai uji statistik Chi-Square masing-masing kelas
dengan rumus:

2
(Oi -Ei )2
χ hitung = ∑
Ei

Contoh:
Perhitungan untuk kelas pertama

2
(34 – 78.8634)2
χ hitung = = 25.5217
78.8634
Hasil perhitungan dari χ2 hitung untuk data pengujian distribusi Gamma dapat

dilihat pada Tabel 5.58.

Tabel 5.58. Tabel χ2 hitung Nilai Data Pengujian Distribusi Gamma Data I

No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei χ2 hitung

1 54.72 - 57.54 54.715 57.545 0.0000 0.4722 34 0.4722 78.8634 25.5217

2 57.55 - 60.36 57.545 60.365 0.4722 0.5906 5 0.1184 19.7686 11.0333
 V-33

3 60.37 - 63.19 60.365 63.195 0.5906 0.6670 4 0.0764 12.7586 6.0127

4 63.20 - 66.01 63.195 66.015 0.6670 0.7228 36 0.0557 9.3098 76.5177
5 66.02 - 68.83 66.015 68.835 0.7228 0.7658 35 0.0431 7.1926 107.5058
6 68.84 - 71.66 68.835 71.665 0.7658 0.8002 32 0.0344 5.7457 119.9674
7 71.67 - 74.48 71.665 74.485 1.6286 1.6800 17 0.0514 8.5833 8.2534
8 74.49 - 80.13 74.485 77.315 0.8516 1.0000 4 0.1484 24.7779 141.5473
Jumlah 167 1 167 496.3591

7. Kesimpulan
V (derajat kebebasan) = jumlah kelas – parameter (Shape, Scale, Threshold)
=8–3
=5
Nilai χ2tabel = 11,070 (α = 0,05), Karena χ2hitung = 496.3591 > χ2tabel = 11,070
maka H0 ditolak (data tidak berdistribusi Gamma).
90
80
70
60
50
Oi
40
Ei
30
20
10
0
1 2 3 4 5 6 7 8

Gambar 5.35. Grafik Distribusi Gamma Data I

5.2.1.6. Menghitung Koefisien Determinasi Uji Chi Square Kelompok Data I

Tabel 5.57. menunjukkan diterima atau tidak diterimanya hipotesis dari
setiap distribusi berdasarkan pengujian distribusi yang telah dilakukan.
Tabel 5.59. Rekapitulasi Hasil Pengujian Distibusi Kontinu Data I
 V-34

No Distribusi Keterangan
1 Distribusi Normal H0 ditolak
2 Distribusi Eksponensial H0 ditolak
3 Distribusi Weibull H0 ditolak
4 Distribusi Lognormal H0 ditolak
5 Distribusi Gamma H0 ditolak
Sumber: Pengolahan Data

Berdasarkan dari hasil yang telah didapatkan di atas, dimana semua

distribusi pada Data I terjadi penolakan terhadap semua hipotesis distribusi, maka
perhitungan koefisien determinasi menjadi tidak diperlukan lagi.
 V-35

Selanjutnya adalah menganalisis Data I dengan menggunakan software

EasyFit.
1) Input data yang telah diurutkan.

Sumber : EasyFit
Gambar 5.36. Data yang di Input pada EasyFit

2) Klik Analyze > Fit Distributions.

Sumber: EasyFit
Gambar 5.37. Menu Analyze pada EasyFit
 V-36

3) Dipilih Continuous pada Data Domain lalu klik OK.

Sumber: EasyFit
Gambar 5.38. Kotak Dialog Input Data pada EasyFit

4) Diperlihatkan hasil perhitungan EasyFit.

Tabel 5.60. Goodness of Fit

Kolmogorov Anderson
Chi-Squared
# Distribution Smirnov Darling
Statistic Rank Statistic Rank Statistic Rank
1 Beta 0.31353 49 102.31 53 N/A
2 Burr N/A N/A N/A
3 Burr (4P) 0.35822 51 105.85 54 N/A
4 Cauchy 0.11125 9 4.0402 7 14.757 1
5 Chi-Squared 0.20524 44 13.384 36 96.999 42
6 Chi-Squared (2P) 0.19882 43 8.4393 34 64.072 32
7 Dagum 0.09856 3 2.0635 1 15.71 2
8 Dagum (4P) 0.37147 52 109.58 55 N/A
9 Erlang 0.1681 38 6.8824 33 44.617 12
10 Erlang (3P) 0.13287 22 5.3801 16 52.117 18
 V-37

11 Error 0.1385 24 5.1634 14 64.206 33

12 Error Function 1 59 N/A N/A
13 Exponential 0.56702 54 63.173 47 1176.7 46
14 Exponential (2P) 0.29537 47 115.53 56 118.41 43
15 Fatigue Life 0.14803 30 6.2024 28 62.537 30
16 Fatigue Life (3P) 0.13148 19 4.9335 11 50.812 14
17 Frechet 0.21947 45 13.735 37 79.717 37
18 Frechet (3P) 0.18731 41 8.8703 35 87.092 40
19 Gamma 0.1405 25 5.8827 23 52.854 20
20 Gamma (3P) 0.14104 27 5.5126 19 54.611 23
21 Gen. Extreme Value 0.09517 2 18.188 39 N/A
22 Gen. Gamma 0.14115 28 5.745 22 56.031 25
23 Gen. Gamma (4P) 0.13677 23 5.5094 18 51.191 15
24 Gen. Pareto 0.11222 10 37.434 43 N/A
25 Gumbel Max 0.19667 42 16.992 38 64.645 34
26 Gumbel Min 0.1059 7 2.6027 3 19.557 3
27 Hypersecant 0.12329 11 5.6233 21 30.52 5
28 Inv. Gaussian 0.12779 14 6.1951 27 56.205 26
29 Inv. Gaussian (3P) 0.12814 18 4.9945 12 53.64 22
30 Johnson SB 0.10232 5 21.936 40 N/A
31 Kumaraswamy 0.18327 40 86.581 50 N/A
32 Laplace 0.12791 17 6.4129 29 28.068 4
33 Levy 0.63696 55 78.548 48 1893.4 48
34 Levy (2P) 0.33068 50 22.91 41 234.05 44
35 Log-Gamma 0.15082 33 6.4429 30 60.449 29
36 Log-Logistic 0.15198 36 5.8964 24 49.801 13
37 Log-Logistic (3P) 0.12784 15 4.5395 9 40.669 9
38 Log-Pearson 3 0.10992 8 3.6657 5 41.738 10
39 Logistic 0.12405 12 5.2348 15 37.118 7
40 Lognormal 0.14766 29 6.193 26 62.563 31
 V-38

41 Lognormal (3P) 0.13204 20 5.1615 13 51.337 17

42 Nakagami 0.13253 21 5.6018 20 52.915 21
43 Normal 0.1279 16 4.8413 10 51.288 16
44 Pareto 0.3105 48 51.276 46 88.115 41
45 Pareto 2 0.65073 56 83.762 49 1260.8 47
46 Pearson 5 0.15433 37 6.6826 32 66.713 36
47 Pearson 5 (3P) 0.1492 31 5.9326 25 60.444 28
48 Pearson 6 0.1516 34 6.5901 31 65.268 35
49 Pearson 6 (4P) 0.14056 26 5.4883 17 55.864 24
50 Pert 0.12533 13 4.3175 8 52.616 19
51 Power Function 0.17692 39 89.267 51 80.904 38
52 Rayleigh 0.42322 53 43.176 45 492.34 45
53 Rayleigh (2P) 0.23899 46 94.493 52 83.468 39
54 Reciprocal 0.15186 35 42.495 44 57.527 27
55 Rice 0.76198 57 2311.7 58 N/A
56 Student's t 0.99983 58 1325.4 57 2.4690E+6 49
57 Triangular 0.1003 4 3.75 6 44.173 11
58 Uniform 0.14955 32 29.509 42 N/A
59 Weibull 0.08822 1 2.5159 2 32.381 6
60 Weibull (3P) 0.1036 6 3.1921 4 40.052 8
61 Johnson SU No fit

Gambar 5.39. Kurva Distribusi Cauchy

 V-39

Gambar 5.40. Parameter Distribusi Cauchy

5.2.2. Persentase Rumah Tangga Berdasarkan Jenis Lantai Terluas

(Persen), 2010-2014
Langkah-langkah pengujian distribusi kontinu Persentase Rumah Tangga
Berdasarkan Jenis Lantai Terluas (Persen), 2010-2014 adalah sebagai berikut:
1. Rumusan hipotesis
Ho : Sebaran berdistribusi normal
Hi : Sebaran tidak berdistribusi normal
2. Mengurutkan data
Data distribusi normal yang diurutkan dapat dilihat pada Tabel 5.61.
Tabel 5.61. Persentase Rumah Tangga Berdasarkan Jenis Lantai Terluas
(Persen), 2010 - 2014
No Data No Data No Data No Data No Data
1 0.09 35 1.77 69 3.98 103 6.23 137 10.51
2 0.25 36 1.94 70 4.02 104 6.28 138 10.65
3 0.32 37 1.96 71 4.05 105 6.30 139 10.97
4 0.38 38 2.04 72 4.07 106 6.33 140 11.07
5 0.41 39 2.15 73 4.07 107 6.38 141 11.14
6 0.45 40 2.16 74 4.14 108 6.45 142 11.37
7 0.46 41 2.19 75 4.32 109 6.58 143 11.50
8 0.47 42 2.22 76 4.54 110 6.67 144 11.72
9 0.47 43 2.24 77 4.63 111 6.80 145 12.21
10 0.51 44 2.24 78 4.70 112 6.80 146 12.35
11 0.54 45 2.26 79 4.79 113 6.89 147 12.60
12 0.56 46 2.26 80 4.83 114 6.91 148 13.29
13 0.56 47 2.31 81 4.84 115 6.98 149 13.59
14 0.57 48 2.32 82 4.94 116 6.99 150 14.33
15 0.62 49 2.34 83 4.99 117 7.01 151 14.58
 V-40

Tabel 5.61. Persentase Rumah Tangga Berdasarkan Jenis Lantai Terluas

(Persen), 2010 – 2014 (Lanjutan)
No Data No Data No Data No Data No Data
16 0.63 50 2.54 84 4.99 118 7.10 152 14.62
17 0.65 51 2.70 85 5.01 119 7.29 153 15.31
18 0.65 52 2.81 86 5.17 120 7.37 154 15.85
19 0.75 53 2.87 87 5.33 121 7.72 155 16.60
20 0.75 54 2.88 88 5.34 122 8.13 156 17.60
21 0.82 55 3.01 89 5.34 123 8.24 157 18.29
22 0.82 56 3.16 90 5.49 124 8.26 158 18.45
23 0.88 57 3.23 91 5.55 125 8.30 159 18.52
24 0.92 58 3.25 92 5.73 126 8.35 160 21.28
25 1.01 59 3.25 93 5.86 127 8.49 161 21.43
26 1.04 60 3.34 94 5.94 128 8.55 162 24.37
27 1.05 61 3.46 95 5.99 129 8.60 163 29.45
28 1.15 62 3.55 96 6.01 130 8.68 164 29.75
29 1.15 63 3.58 97 6.03 131 8.75 165 31.17
30 1.19 64 3.61 98 6.06 132 8.81 166 32.62
31 1.41 65 3.66 99 6.08 133 8.85 167 34.19
32 1.44 66 3.75 100 6.12 134 9.21 168 35.66
33 1.74 67 3.78 101 6.20 135 10.43 169 35.81
34 1.76 68 3.86 102 6.21 136 10.44 170 37.59

3. Menghitung besarnya range data

Min = 37.59
Max = 0.09
Range = Nilai Max – Nilai Min
= 37.50
4. Menghitung banyaknya kelas
K = 1 + 3.3. log (N)
K = 1 + 3.3. log (170)
 V-41

K = 8.3605 ≈ 9
5. Mencari interval kelas
Range
I= = 4.48
Kelas
6. Mencari interval bawah dan interval atas dengan rumus sebagai berikut:
a. Interval bawah
Interval bawah ke-1 = 0.09

Interval atas ke-1 = Interval bawah ke-1 + I

= 4.57
Interval bawah ke-2 = interval atas ke-1 + 0,01
= 4.58

Mencari BKA dan BKB dengan rumus sebagai berikut:

a. BKB
BKB ke-1 = Interval bawah ke-1 - 0,00005
= 0.09 – 0.005
= 0.085
b. BKA
BKA ke-1 = Interval atas ke-1 + 0,00005
= 4.57 + 0,005
= 4.585

7. Mencari nilai tengah interval (t) dengan rumus sebagai berikut:

Interval bawah ke-1 + Interval atas ke-1
t ke-1 =
2
( 0.09 + 4.57)
=
2
= 2.333
8. Nilai Oi didapat dari jumlah data yang berada di antara interval bawah
dengan interval atas.
 V-42

Tabel 5.62. Persentase Rumah Tangga Berdasarkan Jenis Lantai Terluas

(Persen), 2010 - 2014
No Interval BKB BKA t Oi
1 0.09 - 4.57 0.085 4.575 2.330 76
2 4.58 - 9.06 4.575 9.065 6.820 57
3 9.07 - 13.55 9.065 13.555 11.310 15
4 13.56 - 18.04 13.555 18.045 15.800 8
5 18.05 - 22.53 18.045 22.535 20.290 5
6 22.54 - 27.02 22.535 27.025 24.780 1
7 27.03 - 31.51 27.025 31.515 29.270 3
8 31.52 - 36.00 31.515 36.005 33.760 4
9 36.00 - 40.48 35.995 40.485 38.240 1

9. Mencari frekuensi relatif dengan rumus sebagai berikut:

nilai Oi ke-1
Frekuensi relatif ke-1 =
jumlah Oi
76
=
170
= 0,447
Hasil perhitungan frekuensi kumulatif dapat dilihat pada Tabel 5.64.
Tabel 5.63. Persentase Rumah Tangga Berdasarkan Jenis Lantai Terluas
(Persen), 2010 - 2014

Frekuensi
No Interval BKB BKA t Oi
Relatif

1 0.09 - 4.57 0.085 4.575 2.330 76 0.447

2 4.58 - 9.06 4.575 9.065 6.820 57 0.335
3 9.07 - 13.55 9.065 13.555 11.310 15 0.088
4 13.56 - 18.04 13.555 18.045 15.800 8 0.047
 V-43

Tabel 5.63. Persentase Rumah Tangga Berdasarkan Jenis Lantai Terluas

(Persen), 2010 – 2014 (Lanjutan)
Frekuensi
No Interval BKB BKA t Oi
Relatif
5 18.05 - 22.53 18.045 22.535 20.290 5 0.029
6 22.54 - 27.02 22.535 27.025 24.780 1 0.006
7 27.03 - 31.51 27.025 31.515 29.270 3 0.018
8 31.52 - 36.00 31.515 36.005 33.760 4 0.024
9 36.00 - 40.48 35.995 40.485 38.240 1 0.006
Jumlah 170

10. Mencari probabilitas kumulatif f(t) dengan rumus sebagai berikut :

Probabilitas kumulatif F(t) ke – 1 = Frekuensi relatif ke-1
= 0.447
Probabilitas kumulatif F(t) ke – 2 = Probabilitas kumulatif F(t) ke-1 +
Frekuensi relatif ke-2
= 0.447 + 0.335
= 0.782
11. Menghitung nilai R(t) dengan rumus sebagai berikut :
R(t) = 1 – Probabilitas kumulatif F(t) ke-1
= 1 – 0.447
= 0.553

Tabel 5.64. Persentase Rumah Tangga Berdasarkan Jenis Lantai Terluas

(Persen), 2010 - 2014

Frekuensi Probabilitas
No Interval BKB BKA t Oi R(t)
Relatif Kumulatif

1 0.09 - 4.57 0.085 4.575 2.330 76 0.447 0.447 0.553

2 4.58 - 9.06 4.575 9.065 6.820 57 0.335 0.782 0.218
3 9.07 - 13.55 9.065 13.555 11.310 15 0.088 0.870 0.130
 V-44

Tabel 5.64. Persentase Rumah Tangga Berdasarkan Jenis Lantai Terluas

(Persen), 2010 – 2014 (Lanjutan)
Frekuensi Probabilitas
No Interval BKB BKA t Oi R(t)
Relatif Kumulatif
4 13.56 - 18.04 13.555 18.045 15.800 8 0.047 0.917 0.083
5 18.05 - 22.53 18.045 22.535 20.290 5 0.029 0.946 0.054
6 22.54 - 27.02 22.535 27.025 24.780 1 0.006 0.952 0.048
7 27.03 - 31.51 27.025 31.515 29.270 3 0.018 0.970 0.030
8 31.52 - 36.00 31.515 36.005 33.760 4 0.024 0.994 0.006
9 36.00 - 40.48 35.995 40.485 38.240 1 0.006 1.000 0
Jumlah 170 1.0000

12. Mencari nilai parameter setiap distribusi dengan menggunakan Software

Minitab 16. Langkah-langkahnya adalah sebagai berikut:
a. Input data yang telah diurutkan.

Gambar 5.41. Data yang di input untuk Pengujian Distribusi Kontinu Data
II
 V-45

b. Klik Stat>Quality Tools>Individual Distribution Identification.

Gambar 5.42. Menu Stat untuk Pengujian Distribusi Kontinu Data II

c. Dipilih data yang akan dicari nilai parameternya.

Gambar 5.43. Individual Distribution Identification untuk Pengujian

Distribusi Kontinu Data II
 V-46

d. Klik OK, nilai parameter akan keluar seperti pada Gambar 5.11. di bawah
ini.

Gambar 5.44. Nilai Parameter untuk Pengujian Distribusi Kontinu Data II

13. Menguji data untuk setiap distribusi.

5.2.2.1. Distribusi Normal Data I

Langkah-langkah pengujian yang dilakukan adalah sebagai berikut:
 V-47

1. Rumusan hipotesis
H0 : data berdistribusi Normal
Hi : data tidak berdistribusi Normal
2. Dengan menggunakan α = 0,05
3. Menghitung peluang (P) dari masing-masing kelas dengan menggunakan
Software Minitab 16. Hasil perhitungan frekuensi peluang data distribusi
normal akan diperlihatkan pada Tabel 5.66. Langkah-langkah menghitung
peluang menggunakan Software Minitab 16 adalah sebagai berikut:
a. Terlebih dahulu diinput nilai BKB dan BKA, kemudian klik
Calc>Probability Distribution>Normal.

Gambar 5.45. Menu Calc untuk Perhitungan Distribusi Normal Data

Kontinu II

b. Input mean sebesar 7.1066 dan standard deviation sebesar 7.5575.

 V-48

Gambar 5.46. Input Parameter untuk Perhitungan Distribusi Normal Data

Kontinu II

c. Tentukan Input Column sebagai lokasi sumber data masukan dan

Optional Storage sebagai lokasi hasil data keluaran untuk P(X<BKB).
Kemudian dengan cara yang sama dilakukan untuk memperoleh
P(X<BKA).
 V-49

Gambar 5.47. Input Column dan Optional Storage untuk Perhitungan

Distribusi Normal Data Kontinu II

d. Klik OK, nilai P(X<BKBN) dan P(X<BKAN) akan keluar seperti pada
gambar yang ditunjukkan di bawah.

Gambar 5.48. Nilai P(X<BKBN) dan P(X<BKAN) untuk Perhitungan

Distribusi Normal Data Kontinu II
 V-50

Tabel 5.65. Perhitungan Frekuensi Peluang Data Kontinu II Distribusi

Normal dengan Menggunakan Software Minitab 16
No Interval BKA BKB P(X<BKB) P(X<BKA) Oi Luas
1 0.09 - 4.57 0.085 4.575 0.000000 0.368816 76 0.3688
2 4.58 - 9.06 4.575 9.065 0.368771 0.601999 57 0.2334
3 9.07 - 13.55 9.065 13.555 0.601953 0.802904 15 0.2010
4 13.56 - 18.04 13.555 18.045 0.802871 0.925849 8 0.1229
5 18.05 - 22.53 18.045 22.535 0.925833 0.979279 5 0.0533
6 22.54 - 27.02 22.535 27.025 0.979273 0.995763 1 0.0164
7 27.03 - 31.51 27.025 31.515 0.995762 0.999373 3 0.0036
8 31.52 - 36.00 31.515 36.005 0.999372 0.999933 4 0.0006
9 36.00 - 40.48 35.995 40.485 0.999933 1.00000 1 0.0001
Jumlah 170 1.000000

e. Mengitung nilai ekspektasi (Ei) untuk setiap interval kelas distribusi.

Ei = luas ke-i × n
Contoh: E1= 0.3688×170
= 62.69481
Nilai ekspektasi Ei untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.66.
Tabel 5.66. Perhitungan Nilai Ekspektasi (Ei) Normal Data Kontinu II
No Interval BKA BKB P(X<BKB) P(X<BKA) Oi Luas Ei
1 0.09 - 4.57 0.085 4.575 0.000000 0.368816 76 0.3688 62.6995
2 4.58 - 9.06 4.575 9.065 0.368771 0.601999 57 0.2334 39.6802
3 9.07 - 13.55 9.065 13.555 0.601953 0.802904 15 0.2010 34.1708
4 13.56 - 18.04 13.555 18.045 0.802871 0.925849 8 0.1229 20.8867
5 18.05 - 22.53 18.045 22.535 0.925833 0.979279 5 0.0533 9.0604
6 22.54 - 27.02 22.535 27.025 0.979273 0.995763 1 0.0164 2.7884
7 27.03 - 31.51 27.025 31.515 0.995762 0.999373 3 0.0036 0.6086
8 31.52 - 36.00 31.515 36.005 0.999372 0.999933 4 0.0006 0.0942
 V-51

Tabel 5.66. Perhitungan Nilai Ekspektasi (Ei) Normal Data Kontinu II

(Lanjutan)
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
9 36.00 - 40.48 35.995 40.485 0.999933 1.00000 1 0.0001 0.0112
Jumlah 170 1.000000 170.0000

5. Jika Ei < 5, maka digabung ke kelas sebelumnya. Nilai Ei setelah

penggabungan untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.67.
Tabel 5.67. Penggabungan Nilai Ekspektasi (Ei) Normal Data Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 0.09 - 4.57 0.085 4.575 0.176575 0.36882 76 0.3688 62.6995
2 4.58 - 9.06 4.575 9.065 0.368771 0.60200 57 0.2334 39.6802
3 9.07 - 13.55 9.065 13.555 0.601953 0.80290 15 0.2010 34.1708
4 13.56 - 18.04 13.555 18.045 0.802871 0.92585 8 0.1229 20.8867
5 18.05 - 40.48 135.1150 157.5650 4.900173 4.974348 14 0.074156 12.60652
Jumlah 170 1.000000 170.0000

8. Setelah didapatkan nilai Oi dan Ei untuk masing-masing kelas maka dapat

dihitung nilai uji statistik Chi-Square masing-masing kelas dengan rumus:

2
(Oi -Ei )2
χ hitung = ∑
Ei
Contoh:
Perhitungan untuk kelas pertama

2
(76-62.69481)2
χ hitung = = 2.8236
62.69481
Hasil perhitungan dari χ2 hitung untuk data pengujian distribusi Normal dapat
dilihat pada Tabel 5.69.
 V-52

Tabel 5.68. Tabel χ2 hitung Nilai Data Pengujian Distribusi Normal Data

Kontinu II
No Interval BKA BKB P(X<BKB) P(X<BKA) Oi Luas Ei χ2 hitung

1 0.09 - 4.57 0.085 4.575 0.176575 0.36882 76 0.3688 62.6995 2.8236

2 4.58 - 9.06 4.575 9.065 0.368771 0.60200 57 0.2334 39.6802 7.6014
3 9.07 - 13.55 9.065 13.555 0.601953 0.80290 15 0.2010 34.1708 10.7419
4 13.56 - 18.04 13.555 18.045 0.802871 0.92585 8 0.1229 20.8867 7.9634
5 18.0310 - 40.48 135.1150 157.5650 4.900173 4.974348 14 0.074156 12.60652 0.1540
Jumlah 170 1.000000 170.0000 29.2843

9. Kesimpulan
V (derajat kebebasan) = jumlah kelas – parameter (Total Frequency, Mean,
Standard Deviation)
=5–3
=2
Nilai χ2tabel = 5.991 (α = 0,05). Karena χ2hitung = 29.2843 > χ2tabel = 5.991 maka
H0 ditolak (data tidak berdistribusi Normal).
80

70

60

50

40 Oi
Ei
30

20

10

0
1 2 3 4 5

Gambar 5.49. Grafik Distribusi Normal Data Kontinu II

 V-53

5.2.2.2. Distribusi Eksponensial Data II

Langkah-langkah pengujian yang dilakukan adalah sebagai berikut:
1. Rumusan hipotesis
H0 : data berdistribusi Eksponensial
Hi : data tidak berdistribusi Eksponensial
2. Dengan menggunakan α = 0,05
3. Menghitung peluang (P) dari masing-masing kelas dengan menggunakan
Software Minitab 16. Hasilperhitungan frekuensi peluang data distribusi
normal akan diperlihatkan pada Tabel 5.70. Langkah-langkah menghitung
peluang menggunakan Software Minitab 16 adalah sebagai berikut:
a. Terlebih dahulu diinput nilai BKB dan BKA, kemudian klik
Calc>Probability Distribution>Exponential.

Gambar 5.50. Menu Calc untuk Perhitungan Distribusi Eksponensial Data

Kontinu II

b. Input scale sebesar 7.05816 dan threshold sebesar 0.04848.

 V-54

Gambar 5.51. Input Parameter untuk Perhitungan Distribusi Eksponensial

Data Kontinu II

c. Tentukan Input Column sebagai lokasi sumber data masukan dan

Optional Storage sebagai lokasi hasil data keluaran untuk P(X<BKBE).
Kemudian dengan cara yang sama dilakukan untuk memperoleh
P(X<BKAE).

Gambar 5.52. Input Column dan Optional Storage untuk Perhitungan

Distribusi Eksponensial Data Kontinu II
 V-55

d. Klik OK, nilai P(X<BKBE) dan P(X>BKAE) akan keluar seperti pada
Gambar 5.21. di bawah ini

Gambar 5.53. Nilai P(X<BKBE) dan P(X<BKAE) untuk Perhitungan

Distribusi Eksponensial Data Kontinu II

Tabel 5.69. Perhitungan Frekuensi Peluang Data Kontinu II Distribusi

Eksponensial dengan Menggunakan Software Minitab 16
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas
1 0.09 - 4.57 0.085 4.575 0.000000 0.473394 76 0.473394
2 4.58 - 9.06 4.575 9.065 0.473327 0.721074 57 0.247747
3 9.07 - 13.55 9.065 13.555 0.721038 0.852262 15 0.131224
4 13.56 - 18.04 13.555 18.045 0.852243 0.921748 8 0.069505
5 18.05 - 22.53 18.045 22.535 0.921738 0.958552 5 0.036814
6 22.54 - 27.02 22.535 27.025 0.958547 0.978047 1 0.019500
7 27.03 - 31.51 27.025 31.515 0.978044 0.988372 3 0.010328
8 31.52 - 36.00 31.515 36.005 0.988370 0.993841 4 0.005471
9 36.00 - 40.48 35.995 40.485 0.993840 1.000000 1 0.006160
Jumlah 170 1.000000
 V-56

e. Menghitung nilai ekspektasi (Ei) untuk setiap interval kelas distribusi.

Ei = luas ke-i × n
Contoh: E1= 0,473394 × 170
= 79.492
Nilai ekspektasi Ei untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.70.
Tabel 5.70. Perhitungan Nilai Ekspektasi (Ei) Eksponensial Data Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 0.09 - 4.57 0.085 4.575 0.000000 0.473394 76 0.473394 80.476980
2 4.58 - 9.06 4.575 9.065 0.473327 0.721074 57 0.247747 42.116990
3 9.07 - 13.55 9.065 13.555 0.721038 0.852262 15 0.131224 22.308080
4 13.56 - 18.04 13.555 18.045 0.852243 0.921748 8 0.069505 11.815850
5 18.05 - 22.53 18.045 22.535 0.921738 0.958552 5 0.036814 6.258380
6 22.54 - 27.02 22.535 27.025 0.958547 0.978047 1 0.019500 3.315000
7 27.03 - 31.51 27.025 31.515 0.978044 0.988372 3 0.010328 1.755760
8 31.52 - 36.00 31.515 36.005 0.988370 0.993841 4 0.005471 0.930070
9 36.00 - 40.48 35.995 40.485 0.993840 1.000000 1 0.006160 1.047200
Jumlah 170 1.000000 170.024310

f. Setelah didapatkan nilai Oi dan Ei untuk masing-masing kelas distribusi maka

dapat dihitung nilai uji statistik Chi-Square masing-masing kelas dengan
rumus:

2
(Oi -Ei )2
χ hitung = ∑
Ei
Perhitungan untuk kelas pertama

2
(76 –80.476980)2
χ hitung = = 0.2490
80.476980
Hasil perhitungan dari χ2 hitunguntuk data pengujian distribusi Eksponensial
dapat dilihat pada Tabel 5.72.
 V-57

Tabel 5.71. Tabel χ2 hitung Nilai Data Pengujian Distribusi Eksponensial Data

Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei χ2 hitung

1 0.09 - 4.57 0.085 4.575 0.000000 0.473394 76 0.473394 80.476980 0.2490

2 4.58 - 9.06 4.575 9.065 0.473327 0.721074 57 0.247747 42.116990 5.2592
3 9.07 - 13.55 9.065 13.555 0.721038 0.852262 15 0.131224 22.308080 2.3941
4 13.56 - 18.04 13.555 18.045 0.852243 0.921748 8 0.069505 11.815850 1.2323
5 18.05 - 22.53 18.045 22.535 0.921738 0.958552 5 0.036814 6.258380 0.2530
6 22.54 - 27.02 22.535 27.025 0.958547 0.978047 1 0.019500 3.315000 1.6166
7 27.03 - 31.51 27.025 31.515 0.978044 0.988372 3 0.010328 1.755760 0.8817
8 31.52 - 36.00 31.515 36.005 0.988370 0.993841 4 0.005471 0.930070 10.1330
9 36.00 - 40.48 35.995 40.485 0.993840 1.000000 1 0.006160 1.047200 0.0021
Jumlah 170 1.000000 170.024310 22.021

7. Kesimpulan
V (derajat kebebasan) = jumlah kelas – parameter (Scale, Threshold)
=9–2
=7
Nilai χ2tabel = 14,067 (α = 0,05). Karena χ2hitung = 22.021 > χ2tabel = 14,067
maka H0 ditolak. (data tidak berdistribusi Eksponensial).
 V-58

90
80
70
60
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9

Oi Ei

Gambar 5.54. Grafik Distribusi Eksponensial Data Kontinu II

5.2.2.3. Distribusi Weibull Data Kontinu II

Langkah-langkah pengujian yang dilakukan adalah sebagai berikut:
1. Rumusan hipotesis
H0 : data berdistribusi Weibull
Hi : data tidak berdistribusi Weibull
2. Dengan menggunakan α = 0,05
3. Menghitung peluang (P) dari masing-masing kelas dengan menggunakan
Software Minitab 16. Hasilperhitungan frekuensi peluang data distribusi
normal akan diperlihatkan pada Tabel 5.72. Langkah-langkah menghitung
peluang menggunakan Software Minitab 16 adalah sebagai berikut:
a. Terlebih dahulu diinput nilai BKB dan BKA, kemudian klik
Calc>Probability Distribution>Weibull.
 V-59

Gambar 5.55. Menu Calc untuk Perhitungan Distribusi Weibull Data

Kontinu II

b. Input shape sebesar 0.99693, scale sebesar 7.04781 dan threshold

sebesar 0.04914.

Gambar 5.56. Input Parameter untuk Perhitungan Distribusi Weibull Data

Kontinu II
 V-60

c. Tentukan Input Column sebagai lokasi sumber data masukan dan

Optional Storage sebagai lokasi hasil data keluaran untuk P(X<BKBW).
Kemudian dengan cara yang sama dilakukan untuk memperoleh
P(X<BKAW).

Gambar 5.57. Input Column dan Optional Storage untuk Perhitungan

Distribusi Weibull Data Kontinu II

d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.

Gambar 5.58. Nilai P(X<BKBW) dan P(X<BKAW) untuk Perhitungan

Distribusi Weibull Data Kontinu II
 V-61

Tabel 5.72. Perhitungan Frekuensi Peluang Data Kontinu II Distribusi

Weibull dengan Menggunakan Software Minitab 16
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas
1 0.09 - 4.57 0.085 4.575 0.000000 0.474300 76 0.474300
2 4.58 - 9.06 4.575 9.065 0.474233 0.721302 57 0.247069
3 9.07 - 13.55 9.065 13.555 0.721266 0.852099 15 0.130833
4 13.56 - 18.04 13.555 18.045 0.852080 0.921460 8 0.069380
5 18.05 - 22.53 18.045 22.535 0.921450 0.958272 5 0.036822
6 22.54 - 27.02 22.535 27.025 0.958267 0.977821 1 0.019554
7 27.03 - 31.51 27.025 31.515 0.977819 0.988208 3 0.010389
8 31.52 - 36.00 31.515 36.005 0.988207 0.993729 4 0.005522
9 36.00 - 40.48 35.995 40.485 0.993728 1.000000 1 0.006272
Jumlah 170 1.000000

4. Menghitung nilai ekspektasi (Ei) untuk setiap interval kelas distribusi.

Ei = luas ke-i × n
Contoh: E1= 0,474300 ×170
= 80.631
Nilai ekspektasi Ei untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.73.
Tabel 5.73. Perhitungan Nilai Ekspektasi (Ei) Weibull Data Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 0.09 - 4.57 0.085 4.575 0.000000 0.474300 76 0.474300 80.63100
2 4.58 - 9.06 4.575 9.065 0.474233 0.721302 57 0.247069 42.00173
3 9.07 - 13.55 9.065 13.555 0.721266 0.852099 15 0.130833 22.24161
4 13.56 - 18.04 13.555 18.045 0.852080 0.921460 8 0.069380 11.79460
5 18.05 - 22.53 18.045 22.535 0.921450 0.958272 5 0.036822 6.259740
6 22.54 - 27.02 22.535 27.025 0.958267 0.977821 1 0.019554 3.324180
7 27.03 - 31.51 27.025 31.515 0.977819 0.988208 3 0.010389 1.766130
8 31.52 - 36.00 31.515 36.005 0.988207 0.993729 4 0.005522 0.938740
 V-62

Tabel 5.73. Perhitungan Nilai Ekspektasi (Ei) Weibull Data Kontinu II

(Lanjutan)
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
9 36.00 - 40.48 35.995 40.485 0.993728 1.000000 1 0.006272 1.066240
Jumlah 170 1.000000 170.023970

5. Jika Ei < 5, maka digabung ke kelas sebelumnya. Nilai Ei setelah

penggabungan untuk masing-masing kelas distribusi dapat dilihat pada Tabel
5.74.
Tabel 5.74. Penggabungan Nilai Ekspektasi (Ei) Weibull Data Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 0.09 - 4.57 0.085 4.575 0.000000 0.474300 76 0.474300 80.631000
2 4.58 - 9.06 4.575 9.065 0.474233 0.721302 57 0.247069 42.001730
3 9.07 - 13.55 9.065 13.555 0.721266 0.852099 15 0.130833 22.241610
4 13.56 - 18.04 13.555 18.045 0.852080 0.921460 8 0.069380 11.794600
5 18.05 - 40.48 135.115 157.565 4.839471 4.918030 14 0.075223 13.355030
Jumlah 170 1.000000 170.023970

6. Setelah didapatkan nilai Oi dan Ei untuk masing-masing kelas distribusi

maka dapat dihitung nilai uji statistik Chi-Square masing-masing kelas
dengan rumus:

2
(Oi -Ei )2
χ hitung = ∑
Ei

Contoh:
Perhitungan untuk kelas pertama

2
(76-80.631000)2
χ hitung = = 0.2659
80.631000
Hasil perhitungan dari χ2 hitunguntuk data pengujian distribusi Weibull dapat
dilihat pada Tabel 5.75.
 V-63

Tabel 5.75. Tabel χ2 hitung Nilai Data Pengujian Distribusi Weibull Data

Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei χ2 hitung

1 0.09 - 4.57 0.085 4.575 0.000000 0.474300 76 0.474300 80.631000 0.2659

2 4.58 - 9.06 4.575 9.065 0.474233 0.721302 57 0.247069 42.001730 5.3556
3 9.07 - 13.55 9.065 13.555 0.721266 0.852099 15 0.130833 22.241610 2.3577
4 13.56 - 18.04 13.555 18.045 0.852080 0.921460 8 0.069380 11.794600 1.2208
5 18.05 - 40.48 135.115 157.565 4.839471 4.918030 14 0.075223 13.355030 0.0311
Jumlah 170 1.000000 170.023970 9.2311

7. Kesimpulan
V (derajat kebebasan) = jumlah kelas – parameter (Shape,Scale, Threshold)
=5–3
=2
Nilai χ2tabel = 5.991 (α = 0,05). Karena χ2hitung = 9.2311 > χ2tabel = 5.991 maka
H0 ditolak. (data tidak berdistribusi Weibull).
90

80

70

60

50
Oi
40
Ei
30

20

10

0
1 2 3 4 5

Gambar 5.59. Grafik Distribusi Weibull Data Kontinu II

 V-64

5.2.2.4. Distribusi Lognormal Data Kontinu II

Langkah-langkah pengujian yang dilakukan adalah sebagai berikut:
1. Rumusan hipotesis
H0 : data berdistribusi Lognormal
Hi : data tidak berdistribusi Lognormal
2. Dengan menggunakan α = 0,05
3. Menghitung peluang (P) dari masing-masing kelas dengan menggunakan
Software Minitab 16. Hasilperhitungan frekuensi peluang data distribusi
normal akan diperlihatkan pada Tabel 5.76. Langkah-langkah menghitung
peluang menggunakan Software Minitab 16adalah sebagai berikut:
a. Terlebih dahulu diinput nilai BKB dan BKA, kemudian klik
Calc>Probability Distribution>Lognormal.

Gambar 5.60. Menu Calc untuk Perhitungan Distribusi Lognormal Data

Kontinu II

b. Input location sebesar 1.55778, scale sebesar 0.99269 dan threshold

sebesar -0.32289.
 V-65

Gambar 5.61. Input Parameter untuk Perhitungan Distribusi Lognormal

Data Kontinu II

c. Tentukan Input Column sebagai lokasi sumber data masukan dan

Optional Storage sebagai lokasi hasil data keluaran untuk
P(X<BKBL). Kemudian dengan cara yang sama dilakukan untuk
memperoleh P(X<BKAL).

Gambar 5.62. Input Column dan Optional Storage untuk Perhitungan

Distribusi Lognormal Data Kontinu II
 V-66

d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.

Gambar 5.63. Nilai P(X<BKBL) dan P(X<BKAL) untuk Perhitungan

Distribusi Lognormal Data Kontinu II

Tabel 5.76. Perhitungan Frekuensi Peluang Data Kontinu II Distribusi

Lognormal dengan Menggunakan Software Minitab 16
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas
1 0.09 - 4.57 0.085 4.575 0.000000 0.512458 76 0.512458
2 4.58 - 9.06 4.575 9.065 0.512384 0.753696 57 0.241312
3 9.07 - 13.55 9.065 13.555 0.753665 0.859874 15 0.106209
4 13.56 - 18.04 13.555 18.045 0.859860 0.913407 8 0.053547
5 18.05 - 22.53 18.045 22.535 0.913400 0.943208 5 0.029808
6 22.54 - 27.02 22.535 27.025 0.943204 0.961043 1 0.017839
7 27.03 - 31.51 27.025 31.515 0.961040 0.972319 3 0.011279
8 31.52 - 36.00 31.515 36.005 0.972318 0.979765 4 0.007447
9 36.00 - 40.48 35.995 40.485 0.979763 1.000000 1 0.020237
Jumlah 170 1.000000

4. Menghitung nilai ekspektasi (Ei) untuk setiap interval kelas distribusi.

Ei = luas ke-i × n
 V-67

Contoh: E1= 0,512458 ×170

= 87.11786
Nilai ekspektasi Ei untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.77.
Tabel 5.77. Perhitungan Nilai Ekspektasi (Ei) Lognormal Data Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 0.09 - 4.57 0.085 4.575 0.000000 0.512458 76 0.512458 87.117860
2 4.58 - 9.06 4.575 9.065 0.512384 0.753696 57 0.241312 41.023040
3 9.07 - 13.55 9.065 13.555 0.753665 0.859874 15 0.106209 18.055530
4 13.56 - 18.04 13.555 18.045 0.859860 0.913407 8 0.053547 9.102990
5 18.05 - 22.53 18.045 22.535 0.913400 0.943208 5 0.029808 5.067360
6 22.54 - 27.02 22.535 27.025 0.943204 0.961043 1 0.017839 3.032630
7 27.03 - 31.51 27.025 31.515 0.961040 0.972319 3 0.011279 1.917430
8 31.52 - 36.00 31.515 36.005 0.972318 0.979765 4 0.007447 1.265990
9 36.00 - 40.48 35.995 40.485 0.979763 1.000000 1 0.020237 3.440290
Jumlah 170 1.000000 170.023120

5. Jika Ei < 5, maka digabung ke kelas sebelumnya. Nilai Ei setelah

penggabungan untuk masing-masing kelas distribusi dapat dilihat pada Tabel
5.78.
Tabel 5.78. Penggabungan Nilai Ekspektasi (Ei) Lognormal Data Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 0.09 - 4.57 0.085 4.575 0.000000 0.512458 76 0.512458 87.117860
2 4.58 - 9.06 4.575 9.065 0.512384 0.753696 57 0.241312 41.023040
3 9.07 - 13.55 9.065 13.555 0.753665 0.859874 15 0.106209 18.055530
4 13.56 - 18.04 13.555 18.045 0.859860 0.913407 8 0.053547 9.102990
5 18.05 - 22.53 18.045 22.535 0.913400 0.943208 5 0.029808 5.067360
6 22.54 - 40.48 117.070 135.03 3.856325 3.913127 9 0.056802 9.656340
Jumlah 170 1.000000 170.02312
 V-68

6. Setelah didapatkan nilai Oi dan Ei untuk masing-masing kelas distribusi

maka dapat dihitung nilai uji statistik Chi-Square masing-masing kelas
dengan rumus:

2
(Oi -Ei )2
χ hitung = ∑
Ei

Contoh:
Perhitungan untuk kelas pertama

2
(76-87.117860)2
χ hitung = = 1.4190
87.117860
Hasil perhitungan dari χ2 hitunguntuk data pengujian distribusi Lognormal dapat
dilihat pada Tabel 5.79.
Tabel 5.79. Tabel χ2 hitung Nilai Data Pengujian Distribusi Lognormal Data

Kontinu II

No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei χ2 hitung

1 0.09 - 4.57 0.085 4.575 0.000000 0.512458 76 0.512458 87.117860 1.4190

2 4.58 - 9.06 4.575 9.065 0.512384 0.753696 57 0.241312 41.023040 6.2224
3 9.07 - 13.55 9.065 13.555 0.753665 0.859874 15 0.106209 18.055530 0.5170
4 13.56 - 18.04 13.555 18.045 0.859860 0.913407 8 0.053547 9.102990 0.1336
5 18.05 - 22.53 18.045 22.535 0.913400 0.943208 5 0.029808 5.067360 0.0008
6 22.54 - 40.48 117.070 135.030 3.856325 3.913127 9 0.056802 9.656340 0.0446
Jumlah 170 1.000000 170.02312 8.3374

7. Kesimpulan
V (derajat kebebasan) = jumlah kelas–parameter (Location, Scale, Threshold)
=6–3
=3
Nilai χ2tabel = 7.815 (α = 0,05). Karena χ2hitung = 8.3374 > χ2tabel = 7.815 maka
H0 ditolak. (data tidak berdistribusi Lognormal).
 V-69

100
90
80
70
60
50 Oi

40 Ei

30
20
10
0
1 2 3 4 5 6

Gambar 5.64. Grafik Distribusi Lognormal Data Kontinu II

5.2.2.5. Distribusi Gamma Data Kontinu II

Langkah-langkah pengujian yang dilakukan adalah sebagai berikut:
1. Rumusan hipotesis
H0 : data berdistribusi Gamma
Hi : data tidak berdistribusi Gamma
2. Dengan menggunakan α = 0,05
3. Menghitung peluang (P) dari masing-masing kelas dengan menggunakan
Software Minitab 16. Hasilperhitungan frekuensi peluang data distribusi
normal akan diperlihatkan pada Tabel 5.80. Langkah-langkah menghitung
peluang menggunakan Software Minitab 16adalah sebagai berikut:
a. Terlebih dahulu diinput nilai BKB dan BKA, kemudian klik
Calc>Probability Distribution>Gamma.
 V-70

Gambar 5.65. Menu Calc untuk Perhitungan Distribusi Gamma Data

Kontinu II

b. Input shape sebesar 1.03720 ,scale sebesar 6.81207 dan threshold sebesar
0.04117.

Gambar 5.66. Input Paramete runtuk Perhitungan Distribusi Gamma Data

Kontinu II
 V-71

c. Tentukan Input Column sebagai lokasi sumber data masukan dan Optional
Storage sebagai lokasi hasil data keluaran untuk P(X<BKBG). Kemudian
dengan cara yang sama dilakukan untuk memperoleh P(X<BKAG).

Gambar 5.67. Input Column dan Optional Storage untuk Perhitungan

Distribusi Gamma Data Kontinu II

d. Klik OK, nilai P(X<BKBG) dan P(X<BKAG) akan keluar seperti pada
gambar yang ditunjukkan di bawah.

Gambar 5.68. Nilai P(X<BKB) dan P(X<BKA) untuk Perhitungan Distribusi

Gamma Data Kontinu II
 V-72

Tabel 5.80. Perhitungan Frekuensi Peluang Data Kontinu II Distribusi

Gamma dengan Menggunakan Software Minitab 16
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas
1 0.09 - 4.57 0.085 4.575 0.000000 0.468078 76 0.468078
2 4.58 - 9.06 4.575 9.065 0.468009 0.720533 57 0.252524
3 9.07 - 13.55 9.065 13.555 0.720497 0.853842 15 0.133345
4 13.56 - 18.04 13.555 18.045 0.853823 0.923740 8 0.069917
5 18.05 - 22.53 18.045 22.535 0.923730 0.960268 5 0.036538
6 22.54 - 27.02 22.535 27.025 0.960262 0.979319 1 0.019057
7 27.03 - 31.51 27.025 31.515 0.979317 0.989244 3 0.009927
8 31.52 - 36.00 31.515 36.005 0.989242 0.994408 4 0.005166
9 36.00 - 40.48 35.995 40.485 0.994408 1.000000 1 0.005592
Jumlah 170 1.000000

4. Menghitung nilai ekspektasi (Ei) untuk setiap interval kelas distribusi.

Ei = luas ke-i × n
Contoh: E1= 0.468078×170
= 79.573
Nilai ekspektasi Ei untuk masing-masing kelas distribusi dapat dilihat pada
Tabel 5.81.
Tabel 5.81. Perhitungan Nilai Ekspektasi (Ei) Gamma Data Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 0.09 - 4.57 0.085 4.575 0.000000 0.468078 76 0.468078 79.573260
2 4.58 - 9.06 4.575 9.065 0.468009 0.720533 57 0.252524 42.929080
3 9.07 - 13.55 9.065 13.555 0.720497 0.853842 15 0.133345 22.668650
4 13.56 - 18.04 13.555 18.045 0.853823 0.923740 8 0.069917 11.885890
5 18.05 - 22.53 18.045 22.535 0.923730 0.960268 5 0.036538 6.211460
6 22.54 - 27.02 22.535 27.025 0.960262 0.979319 1 0.019057 3.239690
7 27.03 - 31.51 27.025 31.515 0.979317 0.989244 3 0.009927 1.687590
8 31.52 - 36.00 31.515 36.005 0.989242 0.994408 4 0.005166 0.878220
 V-73

Tabel 5.81. Perhitungan Nilai Ekspektasi (Ei) Gamma Data Kontinu II

(Lanjutan)
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
9 36.00 - 40.48 35.995 40.485 0.994408 1.000000 1 0.005592 0.950640
Jumlah 170 1.000000 170.024480

5. Jika Ei < 5, maka digabung ke kelas sebelumnya. Nilai Ei setelah

penggabungan untuk masing-masing kelas distribusi dapat dilihat pada Tabel
5.82.
Tabel 5.82. Penggabungan Nilai Ekspektasi (Ei) Gamma Data Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei
1 0.09 - 4.57 0.085 4.575 0.000000 0.468078 76 0.468078 79.573260
2 4.58 - 9.06 4.575 9.065 0.468009 0.720533 57 0.252524 42.929080
3 9.07 - 13.55 9.065 13.555 0.720497 0.853842 15 0.133345 22.668650
4 13.56 - 18.04 13.555 18.045 0.853823 0.923740 8 0.069917 11.885890
5 18.05 - 40.48 135.115 157.565 4.846959 4.923239 14 0.076280 12.967600
Jumlah 170 1.000000 170.024480

6. Setelah didapatkan nilai Oi dan Ei untuk masing-masing kelas distribusi maka

dapat dihitung nilai uji statistik Chi-Square masing-masing kelas dengan
rumus:

2
(Oi -Ei )2
χ hitung = ∑
Ei

Contoh:
Perhitungan untuk kelas pertama

2
(76 – 79.573260)2
χ hitung = = 0.1604
79.573260
Hasil perhitungan dari χ2 hitung untuk data pengujian distribusi Gamma dapat

dilihat pada Tabel 5.83.

 V-74

Tabel 5.83. Tabel χ2 hitung Nilai Data Pengujian Distribusi Gamma Data

Kontinu II
No Interval BKB BKA P(X<BKB) P(X<BKA) Oi Luas Ei χ2 hitung

1 0.09 - 4.57 0.085 4.575 0.000000 0.468078 76 0.468078 79.573260 0.1604

2 4.58 - 9.06 4.575 9.065 0.468009 0.720533 57 0.252524 42.929080 4.6120
3 9.07 - 13.55 9.065 13.555 0.720497 0.853842 15 0.133345 22.668650 2.5942
4 13.56 - 18.04 13.555 18.045 0.853823 0.923740 8 0.069917 11.885890 1.2704
5 18.05 - 40.48 135.115 157.565 4.846959 4.923239 14 0.076280 12.967600 0.0821
Jumlah 170 1.000000 170.024480 8.7191

7. Kesimpulan
V (derajat kebebasan) = jumlah kelas – parameter (Shape, Scale, Threshold)
=5–3
=2
Nilai χ2tabel = 5.991 (α = 0,05), Karena χ2hitung = 8.7191 > χ2tabel = 5.991 maka
H0 ditolak (data tidak berdistribusi Gamma).
90

80

70

60

50
Oi
40
Ei
30

20

10

0
1 2 3 4 5

Gambar 5.69. Grafik Distribusi Gamma Data Kontinu II

 V-75

5.2.2.6. Menghitung Koefisien Determinasi Uji Chi Square Kelompok Data II

Tabel 5.79. menunjukkan diterima atau tidak diterimanya hipotesis dari
setiap distribusi berdasarkan pengujian distribusi yang telah dilakukan.
Tabel 5.84. Rekapitulasi Hasil Pengujian Distribusi Kontinu Data II
No Distribusi Keterangan
1 Distribusi Normal H0 ditolak
2 Distribusi Eksponensial H0 ditolak
3 Distribusi Weibull H0 ditolak
4 Distribusi Lognormal H0 ditolak
5 Distribusi Gamma H0 ditolak
Sumber : Pengolahan Data

Berdasarkan dari hasil yang telah didapatkan di atas dimana semua

distribusi pada Data II terjadi penolakan terhadap semua hipotesis distribusi, maka
perhitungan koefisien determinasi menjadi tidak diperlukan lagi.
Selanjutnya untuk menganalisis Data II dengan menggunakan software
EasyFit.
1. Input data yang telah diurutkan.

Sumber : EasyFit
Gambar 5.70. Data yang di input pada EasyFit
 V-76

2. Klik Analyze > Fit Distributions.

Sumber : EasyFit
Gambar 5.71. Menu Analyze pada EasyFit

3. Dipilih Continuous pada Data Domain lalu klik OK.

Sumber : EasyFit
Gambar 5.72. Kotak Dialog Input Data pada EasyFit
 V-77

4. Diperlihatkan hasil perhitungan EasyFit.

Tabel 5.85. Goodness of Fit

Kolmogorov Anderson
Chi-Squared
# Distribution Smirnov Darling
Statistic Rank Statistic Rank Statistic Rank
1 Beta 0.14298 28 10.264 36 N/A
2 Burr 0.04785 3 0.62406 2 12.602 9
3 Burr (4P) 0.05335 7 0.66364 5 12.999 13
4 Cauchy 0.17689 35 5.8349 27 9.5321 5
5 Chi-Squared 0.22689 47 37.438 49 74.704 40
6 Chi-Squared (2P) 0.08782 23 4.3149 23 12.975 11
7 Dagum 0.04669 2 0.50905 1 9.1421 4
8 Dagum (4P) 0.04546 1 0.6302 3 7.4306 2
9 Error 0.1972 42 10.686 39 26.709 30
10 Error Function 0.50731 55 69.023 54 118.13 46
11 Exponential 0.0702 17 0.89137 11 12.974 10
12 Exponential (2P) 0.0693 16 0.97123 13 12.009 8
13 Fatigue Life 0.14344 29 4.2828 22 26.092 29
14 Fatigue Life (3P) 0.07159 21 1.2234 17 15.287 17
15 Frechet 0.15991 33 7.9806 30 42.597 35
16 Frechet (3P) 0.15217 30 11.973 44 N/A
17 Gamma 0.0676 15 1.3992 18 13.471 15
18 Gamma (3P) 0.07145 20 4.8555 25 N/A
19 Gen. Extreme Value 0.05194 6 0.74108 8 5.2096 1
20 Gen. Gamma 0.08344 22 1.0949 14 10.675 6
21 Gen. Gamma (4P) 0.05794 11 0.74036 7 13.687 16
22 Gen. Pareto 0.05133 5 8.857 32 N/A
23 Gumbel Max 0.15983 32 5.7818 26 23.61 27
24 Gumbel Min 0.26485 50 33.607 48 48.024 36
25 Hypersecant 0.19463 41 10.03 35 24.466 28
 V-78

26 Inv. Gaussian 0.12721 26 9.8576 34 15.405 18

27 Inv. Gaussian (3P) 0.07062 18 1.1551 15 17.558 20
28 Johnson SB 0.14181 27 103.84 55 N/A
29 Kumaraswamy 0.17457 34 6.3573 29 34.711 33
30 Laplace 0.1972 43 10.686 40 26.709 31
31 Levy 0.18727 38 9.7707 33 86.507 42
32 Levy (2P) 0.21223 46 11.059 42 82.473 41
33 Log-Logistic 0.09919 25 2.0396 21 19.327 23
34 Log-Logistic (3P) 0.06423 13 1.4326 19 18.376 22
35 Log-Pearson 3 0.05414 8 0.83937 9 15.421 19
36 Logistic 0.19452 40 10.319 37 27.979 32
37 Lognormal 0.09062 24 1.9918 20 22.09 25
38 Lognormal (3P) 0.07088 19 1.1905 16 18.001 21
39 Normal 0.19447 39 11.745 43 37.265 34
40 Pareto 0.3501 53 40.377 50 237.59 48
41 Pareto 2 0.0622 12 0.90562 12 11.019 7
42 Pearson 5 0.18115 37 8.3485 31 54.656 38
43 Pearson 5 (3P) 0.17777 36 10.591 38 53.637 37
44 Pearson 6 0.04907 4 0.66316 4 13.348 14
45 Pearson 6 (4P) 0.05459 9 0.68476 6 12.983 12
46 Pert 0.15381 31 5.8686 28 19.621 24
47 Power Function 0.24771 49 18.254 45 104.99 45
48 Rayleigh 0.20661 45 31.654 47 68.574 39
49 Rayleigh (2P) 0.20219 44 10.861 41 23.394 26
50 Reciprocal 0.30295 51 25.823 46 104.13 44
51 Rice 0.32076 52 56.341 53 132.39 47
52 Student's t 0.69977 56 323.51 56 1312.0 49
53 Triangular 0.37406 54 44.859 51 95.76 43
54 Uniform 0.23221 48 52.513 52 N/A
55 Weibull 0.05648 10 0.85855 10 8.3824 3
 V-79

56 Weibull (3P) 0.06437 14 4.8364 24 N/A

57 Erlang No fit
58 Erlang (3P) No fit
59 Johnson SU No fit
60 Log-Gamma No fit
61 Nakagami No fit

Sumber : EasyFit
Gambar 5.73. Kurva Distribusi Gen Extreme Value

Sumber : EasyFit
Gambar 5.74. Parameter Distribusi Gen Extreme Value