V-1
V-2
b. BKA
BKA ke-1 = Interval atas ke-1 + 0,05
= 8394,58 + 0,05
= 8394,63
= 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
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
Gambar 5.7. Data yang di Input untuk Pengujian Distribusi Kontinu Data I
V-6
d. Klik OK, nilai parameter akan keluar seperti pada gambar yang
ditunjukkan di bawah.
V-7
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
d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.
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
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
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
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
P(X<B P(X<B X2
No. Interval BKB BKA Oi Luas Ei
KB) KA) hitung
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
c. Tentukan Input Column sebagai lokasi sumber data masukan dan Optional
V-19
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
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
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).
d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.
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
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
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
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
d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.
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
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
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
Sumber : EasyFit
Gambar 5.36. Data yang di Input pada EasyFit
Sumber: EasyFit
Gambar 5.37. Menu Analyze pada EasyFit
V-36
Sumber: EasyFit
Gambar 5.38. Kotak Dialog Input Data pada EasyFit
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
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
Frekuensi
No Interval BKB BKA t Oi
Relatif
Frekuensi Probabilitas
No Interval BKB BKA t Oi R(t)
Relatif Kumulatif
Gambar 5.41. Data yang di input untuk Pengujian Distribusi Kontinu Data
II
V-45
d. Klik OK, nilai parameter akan keluar seperti pada Gambar 5.11. di bawah
ini.
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.
d. Klik OK, nilai P(X<BKBN) dan P(X<BKAN) akan keluar seperti pada
gambar yang ditunjukkan di bawah.
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
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
d. Klik OK, nilai P(X<BKBE) dan P(X>BKAE) akan keluar seperti pada
Gambar 5.21. di bawah ini
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
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
d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.
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
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
d. Klik OK, nilai P(X<BKB) dan P(X<BKA) akan keluar seperti pada
gambar yang ditunjukkan di bawah.
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
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
b. Input shape sebesar 1.03720 ,scale sebesar 6.81207 dan threshold sebesar
0.04117.
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).
d. Klik OK, nilai P(X<BKBG) dan P(X<BKAG) akan keluar seperti pada
gambar yang ditunjukkan di bawah.
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
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
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
Sumber : EasyFit
Gambar 5.70. Data yang di input pada EasyFit
V-76
Sumber : EasyFit
Gambar 5.71. Menu Analyze pada EasyFit
Sumber : EasyFit
Gambar 5.72. Kotak Dialog Input Data pada EasyFit
V-77
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
Sumber : EasyFit
Gambar 5.73. Kurva Distribusi Gen Extreme Value
Sumber : EasyFit
Gambar 5.74. Parameter Distribusi Gen Extreme Value