DISUSUN OLEH
1. ALFIKA GAYATRI 021826416
2. LUSI KURNIAWATI 021826201
UNIVERSITAS TERBUKA UPBJJ YOGYAKARTA
FAKULTAS EKONOMI
AKUNTANSI
KEGIATAN BELAJAR 1
Dengan demikian, suatu variabel acak yang menyebar secara khi kuadrat dapat
diturunkan dari suatu variabel acak yang menyebar normal atau menyebar normal
baku. Apabila X menyebar secara normal dengan nilai tengah 𝜇 dan ragam 𝜎2 ,
𝑋− 𝜇
Z2 = ( ) 2 menyebar secara khi kuadrat.
𝜎
Nilai khi kuadrat berkisar dari nol sampai tak terhingga. Bentuk kurvanya bermacam-
macam, tergantung pada derajat bebasnya, sebagaimana terlihat pada gambar 7.1
Bila dicermati dari gambar diatas diketahui bahwa dengan semakin besar derajat
bebasnya, semakin simetri bentuk kurva distribusi khi kuadrat.
Distribusi khi kuadrat memiliki ciri-ciri :
1. Nilainya selalu positif karena merupakan nilai kuadrat.
2. Bentuk distribusi khi kuadrat ditentukan oleh derajat bebasnya, tetapi tidak
dipengaruhi oleh besarnya sampel.
3. Distribusi khi kuadrat menceng ke kanan dan semakin mendekati distribusi
normal jika derajat bebas bertambah besar.
Derajat bebas memegang peran penting dalam distribusi khi kuadrat. Pada hakikatnya,
derajat bebas menunjukkan elemen yang nilainya dapat ditetapkan secara bebas,
sedangkan sisanya secara otomatis dapat diketahui.
B. Derajat Bebas
Perhatikan tabel kontingensi yang memiliki r baris dan s kolom berikut ( tabel
kontingensi r x s )
Kolom baris 1 2 ... S
1 O11 O12 ... O1S
2 O21 O22 ... O2S
.
.
.
r Or1 Or2 ... Ors
Keterangan :
Derajat bebas3 bagi yabel kontingensi yang memiliki baris sebanyak r dan kolom
sebanyak s (tabel kontingensi r x s) adalah (r-1) (s-1). Karena, dari baris pertama tabel
kontingensi, dapat diamati bahwa bila nilai dari r-1 baris telah diketahui, nilai elemen
ke r dapat diketahui. Dalam hal ini nilai elemen ke r tergantung pada nilai (r-1)
elemen yang lain. Hal yang sama juga berlaku atas kolom-kolom dari tabel
kontingensi. Bila sebanyak s-1 elemen diketahui nilainya, nilai elemen ke s dapat
ditentukan nilainya. Nilai elemen ke s tergantung pada nilai elemen (s-1) elemen yang
lain.
Dengan demikian, secara keseluruhan, didapati (r-1)(s-1) elemen yang nilainya dapat
ditentukan secara bebas, sedangkan sisanya sebanyak rs-[(r-1)(s-1)] secara otomatis
dapat diketahui. Oleh karena itu, untuk tabel kontingensi r x s, derajat kebebasannya
sebesar (r-1)(s-1). Dengan demikian, derajat kebebasan untuk tabel kontingensi 2 x 2
adalah (2-1)(2-1) = 1. Derajat kebebasan untuk tabel kontingensi 3 x 3 adalah
(3-1)(3-1) = 4.
Keterangan:
Fo : frekuensi observasi.
Fe : frekuensi harapan.
3. Koreksi Yates
Pada prisipnya, koreksi Yates analog dengan koreksi kekontinuan diterapkan pada
pendekatan normal atas distribusi binominal. Secara umum, koreksi Yates hanya
digunakan ketika jumlah derajat kebebasan adalah 1. Untuk sampel yang besar,
perhitungannya menggunakan koreksi Yates akan memberikan hasil X2 yang
sama seperti X2 yang tak terkoreksi. Dengan demikian bila didapati derajat
kebebasan yang lebih dari 1, koreksi Yates tidak dipakai. Pemberlakuan koreksi
Yates terhadap X2 menjadikan ststistik ujinya tampak sebagai berikut:
D. Koefisien Kontingensi
Setelah diketahui ada tidaknya hubungan antara kedua variabel kategori yang menjadi
perhatian, selanjutnya dapat dilakukan penghitungan nilai ukuran keeratan hubungan
antara dua variabel kategori tersebut dengan koefisien kontingensi.
Nilai koefisien kontingensi dapat dicari melalui rumus :
Semakin besar nilai koefisien kontingensi berarti semakin erat hubungan dari kedua
variabel kategori yang menjadi perhatian. Namun, dalam koefisien kontingensi ini,
hasil yang diperoleh selalu bertanda positif sehingga interpretasi arah hubungan akan
dapat ditentukan bila dilihat kecenderungan pergerakan dari kedua variabel kategori
tersebut, apakah searah atau berlawanan arah melalui data yang tersedia pada sel-sel
tabel kontingensi. Dengan memperhatikan rumus diatas, dapat dimengerti bahwa nilai
besarnya 0≤C≤1.
KEGIATAN BELAJAR 2
UJI KEPATUTAN (GOODNESS OF FIT)
Salah satu terapan dari distribusi khi kuadrat (dinotasikan dengan 𝑋 2 ) ditujukan untuk
uji kepatutan . metode ini dikembangkan oleh Karl Person . Pada hakikatnya uji
kepatutan digunakan untuk menguji apakh distribusi sample mendukung distribusi
frekuensi .
2 ( 𝑓𝑜 −𝑓𝑒 ) 2
𝑥 =∑
𝑓𝑒
TES HOMOGENITAS
Uji khi kuadrat juga dapat digunakan untuk homogenitas. Penggunaan ini pada
prinsipnya adalah menguji hipotesis yang menyatakan bahwa sample yang
diambil berasal dari populasi yang sama . dalam populasi yang sama terdapat
suatu ditribusi peluang tertentu.
Sample
Pendapat Total
1 2 3 … k
. .
. .
. .
Total n1 n2 n3 … nk mk
Keterangan :
P1 = peluang masing-masing nilai , i=1,2…,r
Nij = banyaknya observasi pada kelompok nilai pi dari sample ke nj
Nj = (dibaca jumlahkan nij untuk nilai I dari 1 hingga r
Pada contoh yang dilistrasikan ini dari setiap sample kita dapat mengetahui
dengan pasti bentuk populasinya. Dengan demikian kita pun bisa mengetahui bentuk
distribusi peluang yang sebenarnya, berdasarkan teori kita dapat menyatakan bentuk
distribusi peluang tersebut sebagai dasar untuk melakukan pengujian yang kita
kehendaki
Dengan uji khi kuadrat kita menguji kehomogenan sample-sample
sebagaimana diilustrasikan pada table diatas. Apabila sample yang diuji tersebut
homogen dengan ungkapan lain dapat dinyatakan bahwa terkait kehomogenan
sample-sample yang menjadi perhatian kita
Pada analog dengan pengujian khi kuadrat yang dilakukan sebelumnya . tujuan utama
kita dalam pengujian homogenitas ini adalah mendapatkan penyimpangan antara
distribusi data observasi dan distribusi teoretis. Semakin kecil penyimpangan yang
didapatkan semakin tinggi indikasi kehomogenan dari sample-sample yang dihadapi.