MAKALAH

ANALISIS DATA KATEGORIK

“Uji Chi Square dan Uji Kolmogorov-Smirnov”

Dosen pengajar :

Djoni Hatidja,S.Si,M.Si

Disusun Oleh :

Fiqih Syaukani Belenehu

17101103019

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SAM RATULANGI
MANADO
2020

i
 KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena berkat
dan rahmat-Nya lah sehingga penulis dapat menyelesaikan makalah tentang “Uji Chi
Square dan Uji Kolmogorov-Smirnov” ini.
Dalam pembuatan makalah ini tidak lepas dari bantuan berbagai pihak. Oleh karena
itu, penulis berterima kasih kepada semua pihak yang telah membantu dalam pembuatan
makalah ini, terutama kepada orang tua yang telah memberikan kasih dan sayangnya serta
supportnya juga kepada teman-teman yang turut ikut membantu dalam pembuatan
makalah ini dan juga kepada penulis blog/website yang telah penulis copy beberapa
ilmunya. Penulis menyadari bahwa dalam penulisan makalah ini terdapat banyak
kekurangan di dalamnya dan jauh dari kesempurnaan. Oleh sebab itu, penulis berharap
adanya saran atau kritikan untuk memperbaiki kesalahan dalam penulisan laporan ini.
Semoga makalah ini dapat memberikan manfaat kepada pembaca dalam rangka
menambah wawasan.

Manado, 03 April 2020

Fiqih Belenehu

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................... i

DAFTAR ISI............................................................................................................... ii
BAB I. PENDAHULUAN.......................................................................................... 1
1.1 Latar Belakang......................................................................................... 1
1.2 Rumusan Masalah.................................................................................... 1
1.3 Tujuan....................................................................................................... 1
BAB II. DASAR TEORI............................................................................................ 2
2.1 Uji Chi Square ......................................................................................... 2
2.2 Uji Kolmogorov-Smirnov ....................................................................... 4

BAB III. PEMBAHASAN.......................................................................................... 7

3.1 Contoh Soal ............................................................................................. 7
3.2 Penyelsaian .............................................................................................. 8
BAB IV. PENUTUP.................................................................................................... 15
4.1 Kesimpulan............................................................................................... 15
DAFTAR PUSTAKA ................................................................................................ iii
LAMPIRAN ............................................................................................................... iv

ii
 BAB I
PENDAHULUAN

1.1. Latar Belakang

Uji normalitas berguna untuk menentukan data yang telah dikumpulkan

berdistribusi normal atau diambil dari populasi normal. Metode klasik dalam pengujian
normalitas suatu data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa
pakarstatistik, data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat di
asumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar.

Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau
tidak, sebaiknya digunakan uji statistic normalitas. Karena belum tentu data yang lebih
dari 30 bisa di pastikan berdistribusi normal, demikian sebaliknya data yang banyaknya
kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian.
Uji statistic normalitas yang dapat digunakan diantaranya Chi-Square dan Kolmogorov
Smirnov.

1.2. Rumusan Masalah

Adapun rumusan masalah pada makalah ini yakni sebagai berikut:
1. Apa yang dimaksud dengan Uji Chi-Square?
2. Apa yang dimaksud dengan Uji Kolmogorov Smirnov?
3. Bagaimana penerapan Uji Chi-Square?
4. Bagaimana penerapan Uji Kolmogorov Smirnov?

1.3. Tujuan
Adapun tujuan penulisan makalah ini agar mahasiswa dapat mengetahui dan
memahami tentang Uji Statistik metode Chi Square dan metode Kolmogorov Smirnov.

1
 BAB II
DASAR TEORI

4.1. Uji Chi-Square

Uji chi-square (Khi kuadrat) merupakan suatu teknik statistik yang menggunakan
untuk menilai probabilitas guna memperoleh perbedaan frekuensi nyata atau hasil
pengamatan atau observasi dengan frekuensi yang diharapkan dalam kategori-kategori
tertentu. Alat uji ini khusus digunakan untuk menguji lebih dari dua proporsi dengan
kriteria tertentu. Kriteria-kriteria itu didasarkan pada ciri data yang akan diuji proporsinya
sehingga menimbulkan jenis pengujian yang berbeda, walaupun tetap menggunakan satu
bentuk rumus yang sama.
Chi square adalah test of independence, merupakan salah satu pengujian untuk
mengetahui hubungan atau kebebasan antar variabel yang bersifat kategori.

Uji chi square tidak dibatasi oleh asumsi-asumsi ketat tentang jenis populasi maupun
parameter populasi, yang dibutuhkan hanya derajat bebas. Uji chi square menggunakan
teknik goodness of fit, yaitu dapat digunakan untuk menguji apakah terdapat perbedaan
yang nyata antara banyak yang diamati yang masuk dalam masing-masing kategori dengan
banyak yang diharapkan berdasarkan hipotesis nol. (Suciptawati, 2010). Uji chi square
tergolong ke dalam jenis statistik nonparametrik sehingga uji chi square tidak memerlukan
syarat data berdistribusi normal (Sufren dan Natanael, 2013). Chi square dapat digunakan
untuk menguji ada tidaknya interdependensi antara variabel kualitatif yang satu terhadap
lainya berdasarkan pada observasi yang ada. Secara umum uji chi square digunakan
untuk:
a) Interdepensensi satu variabel atau lebih dengan variabel lainya
b) Kesesuaian antara frekuensi observasi variabel tertentu dengan frekuensi yang
didapat berdasarkan nilai harapannya.

Adapun beberapa karakteristik dari Chi Square adalah sebagai berikut:

1. Nilai Chi Square selalu positif karena merupkan hasil pengkuadratan.
2. Terdapat beberapa kelompok distribusi Chi Square, yaitu distribusi Chi square
dengan dk=1, 2, 3, dst.
3. Datanya berbentuk diskrit atau nominal

2
 Chi Kuadrat dapat digunakan untuk menguji hipotesis deskriptif satu sampel atau
satu variabel, yang terdiri atas dua kategori atau lebih. selain itu dapat digunakan untuk
menguji hipotesis komparatif 2 sampel atau 2 variabel serta untuk menguji hipotesis
asosiatif yang berskala nominal.

Rumus Umum:

k
X 2 =∑ ¿ ¿ ¿
i=1

Dimana:

O ij: frekuensi observasi baris i dan kolom j

Eij : frekuensi ekspetasi baris i dan kolom j

Hipotesis-hipotesis

Hipotesis Nol : variabel A dan variabel B saling bebas

Hipotesis Alternatif : variabel A dan variabel B tidak saling bebas

Taraf Nyata (α)

Biasanya digunakan α =0,01 atau α =0,05

Derajat bebas (df)

- Pada uji keselarasan fungsi: df = k-1
Dimana k= jumlah outcome/observasi
- Pada tabel kontingensi: df = (n-1) (k-1)
dimana, n=¿jumlah baris dalam tabel
k =¿jumlah kolom dalam table

Daerah Kritis
Misalnya dari tabel untuk α =0,01; df = 3-2 = 2; diperoleh chi kuadrat tabel = 9,21

Statistik Uji
Tabel Kontingensi :
Sampel Frekuensi pada: Jumlah Sampel
Obyek I Obyek II

3
 Sampel A A B A+B
Sampel B C D C+D
Jumlah A+C B+D N
N = jumlah sampel

a. Jika data disusun dalam tabel 2x2

1. Jika ukuran sampel n < 20 maka gunakan uji eksak fisher
2. Jika ukuran sampel n ¿ 40 maka gunakan uji X 2 sebagai berikut:
Rumus Pendekatan koreksi Yates:
1 2
N (| AD−BC|− N)
2
X2=
( A + B)( C+ D)( A+C)( B+ D)

b. Jika data disusun dalam tabel b × k

Dengan n > 40 maka gunakan uji X 2 sebagai berikut:

2
b
(Oij −Eij )2
k
X =∑ ∑
i=1 j=1 Eij
O ij: frekuensi observasi baris i dan kolom j
Eij : frekuensi ekspetasi baris i dan kolom j

Kriteria Pengujian
- Ho: chi square hitung < chi square tabel
- H1 : chi square hitung ≥ chi square tabel

Kaidah Pengambilan Keputusan

- Bila Nilai Chi square hitung lebih kecil dari nilai Chi square tabel, maka H 0
diterima. Dan bila lebih besar atau sama dengan nilai tabel, maka H1 diterima.

4.2. Uji Kolmogorov-Smirnov

Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak dipakai,
terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini
adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat
dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan
grafik.

4
 Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal
baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk
Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji
beda antara data yang diuji normalitasnya dengan data normal baku.

Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat
perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan
yang signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi
di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan
data normal baku, berarti data tersebut tidak normal.

p<0,05 ; distribusi data tidak normal

p ≥0,05 ; distribusi data normal

Kelemahan dari Uji Kolmogorov Smirnov, yaitu bahwa jika kesimpulan kita
memberikan hasil yang tidak normal, maka kita tidak bisa menentukan transformasi seperti
apa yang harus kita gunakan untuk normalisasi.

Jadi ya kalau tidak normal, gunakan plot grafik untuk melihat menceng ke kanan
atau ke kiri, atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan
transformasi seperti apa yang paling tepat dipergunakan.

Prinsip uji Kolmogorov Smirnov adalah menghitung silisih absolut F s (x) (distribusi
frekuensi kumulatif sampel) dengan F t (x) (distribusi frekuensi kumulatif teoritis).

D=max∨F s ( x )−Ft ( x )∨¿

Persyaratan pengujian Kolmogorov Smirnov adalah sebagai berikut:

a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.

Tabel Perhitungan Uji Kolmogorov Smirnov

X i− X́
No Xi Z= Ft Fs D=| Ft −F s|
SD
1
2
3

5
 dst
Keterangan :
X i = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
F t = Probabilitas komulatif normal
F s = Probabilitas komulatif empiris

Hipotesis-hipotesis

H0: Distribusi populasi normal

H1: Distribusi populasi tidak normal

H0 : F(x) = F t (x) , ∀ x
H1 : F(x) ≠ F t (x) , paling sedikit satu x

Taraf Nyata (α)

Biasanya digunakan α =0,01 atau α =0,05

Nilai Tabel (k)

Dibutuhkan α =0,05 atau 0,01 dan jumlah sampel N =… sehingga diperoleh table
Kolmogorov Smirnov ( t ).

Statistik Uji

X i− X́
No Xi Z= Ft Fs D=| Ft −F s|
SD
1
2
3
dst

1. Urutkan data dari yang terkecil ke terbesar

2. Hitung nilai rata-rata Xi dan Simpangan Baku rata-rata
3. Hitung F t (x) dibantu table distribusi normal baku Z.
4. Hitung distribusi F s (x) dengan nilai rata-rata dan nilai simpangan baku
5. Hitung D. Tentukan nilai D (max) dalam table.
6. Tentukan kuantil satatistik uji Kolmogorov Smirnov pada tabel Kolmogorov Smirnov,
sebut k.

Kriteria Pengujian
H0 : D max< k

6
H1 : D max ≥ k
Kaidah Pengambilan Keputusan
Jika nilai D max> k maka H1 diterima dan H0 ditolak
BAB III
PEMBAHASAN

3.1. Contoh Soal

1. Dalam suatu studi, tentang dugaan keadaan ekonomi seseorang tidak ada kaitannya
dengan tingkat pendidikannya, atau justru sebaliknya bahwa keadaan ekonomi
seseorang  terkait erat dengan tingkat pendidikannya.  Untuk menjawab dugaan-
dugaan ini, kita bisa menggunakan uji chi square. Taraf nyata 0,05.

Dibawah garis Di atas garis

Kategori Total
kemiskinan kemiskinan
Tidak tamat
8 4 12
SD
SD 20 17 37
SMP 15 16 31
SMA 3 23 26
Perguruan
2 22 24
Tinggi
Total 48 82 130

2. Suatu penelitian dilakukan untuk mengetahui perbedaan ketika mengikuti program

diklat terhadap peningkatan pengetahuan peserta. Kelompok yang diberi
penyuluhan sebanyak 80 orang dan yang tidak diberi penyulihan 70 orang. Pada
akhir diklat, sebanyak 60 orang meningkat pengetahuannya sedangkat. Dari
kelompok yang tidak diberi diklat ada perbedaan (kelompok control) yang
pengetahuannya meningkat, sebanyak 30 orang dan yang tidak mengkat sebnayak
40 orang.
Pengaruh perlakuan
Kelompok Berpengaru Tidak Jumlah
h berpengaruh
ikut diklat 60 20 80
tidak ikut
30 40 70
diklat
Jumlah 90 60 150

7
 3. Hasil dari outopsi mendapatkan data berat otak 15 orang dewasa yang menderita
penyakit X sebagai berikut: 1348, 1140, 1086, 1039, 920, 1233, 1146, 1002, 1012,
904, 1255, 1168, 1016, 1001, 973. Berdasarkan data tersebut apakah dapat ditarik
kesimpulan bahwa populasi asal sampel adalah normal dengan rata-rata 1082,87
dan simpangan baku 128,792? Selidikilah dengan tingkat signifikansi 0,05.

4. Suatu penelitian tentang berat badan mahasiswa yang mengijkuti pelatihan

kebugaran fisik/jasmani dengan sampel sebanyak 27 orang diambil secara random,
didapatkan data sebagai berikut ; 78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87,
78, 77, 88, 97, 89, 97, 98, 70, 72, 70, 69, 67, 90, 97 kg. Selidikilah dengan α =
0,05, apakah data tersebut di atas diambil dari populasi yang berdistribusi normal ?

3.2. Penyelesaian
1. Uji Chi Square #1
Hipotesis :
H0: Tidak ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya
H1: Ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya

Daerah Kritis:
Taraf Nyata : α = 0,05 Derajat Bebas : df = (5-1) (2-1) = (4)(1) = 4 sehingga didapat X 2
tabel = 9,49.

Statistik Uji :
O i × jumlah kategori ekonomi
a. Menentukan nilai yang diharapkan rumus E =
jumlah seluruh data
Nilai O (Observasi) adalah nilai pengamatan di lapangan
Nilai E (expected) adalah nilai yang diharapkan, dihitung sebagai berikut:
12× 48
1) Nilai E untuk kategori tidak tamat SD di bawah garis kemiskinan ¿ =4,43
130
12× 82
2) Nilai E untuk kategori tidak tamat SD di atas garis kemiskinan ¿ =¿7,57
130
37× 48
3) Nilai E untuk kategori SD di bawah garis kemiskinan ¿ = 13,66
130
37 ×82
4) Nilai E untuk kategori SD di atas garis kemiskinan = = 23,34
130

8
 31× 48
5) Nilai E untuk kategori SMP di bawah garis kemiskinan = = 11,45
130
31× 82
6) Nilai E untuk kategori SMP di atas garis kemiskinan = = 19,55
130
26 ×48
7) Nilai E untuk kategori SMA di bawah garis kemiskinan = = 9,60
130
26 ×82
8) Nilai E untuk kategori SMA di atas garis kemiskinan = = = 16,40
130
24 × 48
9) Nilai E untuk kategori Perguruan Tinggi di bawah garis kemiskinan = = =
130
8,86
24 ×82
10) Nilai E untuk kategori Perguruan Tinggi di atas garis kemiskinan = = 15,14
130
b. Tabel Kontingensi:

Di bawah garis Di atas garis

Kategori Total
kemiskinan kemiskinan
O1 8 4
Tidak tamat SD 12
E1 4,43 7,57
O2 20 17
SD 37
E2 13,66 23,34
O3 15 16
SMP 31
E3 11,45 19,55
O4 3 23
SMA 26
E4 9,6 16,4
Perguruan O5 2 22
24
Tinggi E5 8,86 15,14
Total 48 82 130
c. Selanjutnya masukkan dalam rumus:

2
b
(Oij −Eij )2
k
X =∑ ∑
i=1 j=1 Eij
Dapat kita selesaikan dengan mudah menggunakan table,

Kategori Oi Ei Oi-Ei (Oi-Ei)2 (Oi-Ei)2/Ei

Tidak tamat
8 4,43 3,57 12,74 2,88
SD
6,34asaas
Dibawah garis SD 20 13,66 40,20 2,94
d
kemiskinan SMP 15 11,45 3,55 12,60 1,10
SMA 3 9,6 -6,6 43,56 4,54
Perguruan 2 8,86 -6,86 47,06 5,31

9
 Tinggi
Tidak tamat
4 7,57 -3,57 12,74 1,68
SD
SD 17 23,34 -6,34 40,20 1,72
Diatas garis
SMP 16 19,55 -3,55 12,60 0,64
kemiskinan
SMA 23 16,4 6,6 43,56 2,66
Perguruan
22 15,14 6,86 47,06 3,11
Tinggi
Jumlah   130 130   X 2  =26,584

Kaidah pengambilan keputusan:

Bila Nilai Chi square hitung lebih kecil dari nilai Chi square tabel, maka H 0 diterima. Dan
bila lebih besar atau sama dengan nilai tabel, maka H1 diterima.

Keputusan:
Hasil analisis menunjukkan bahwa nilai X 2 hitung = 26,584 yaitu lebih besar dari nilai X 2
tabel yaitu  9,49 sehingga H1 diterima.

Kesimpulan:
Dengan demikian, kita simpulkan bahwa ada kaitan yang signifikan antara keadaan
ekonomi seseorang dengan tingkat pendidikannya. Pada taraf nyata 0,05.

2. Uji Chi Square #2

Hipotesis :
H0: Tidak ada perbedaan peningkatan pengetahuan
H1: Ada perbedaan peningkatan pengetahuan.

Daerah Kritis:
Taraf Nyata : α = 0,05 Derajat Bebas : df = k-1 = 2-1 =1 sehingga didapat X 2 tabel =
3,841.

Statistik Uji :
Pengaruh perlakuan
Kelompok Berpengaru Tidak Jumlah
h berpengaruh
ikut diklat 60 20 80
belum ikut
30 40 70
diklat
Jumlah 90 60 150

10
 2
1
X2=
(
N | AD−BC|− N
2 )
( A+ B ) ( C+ D )( A+C ) ( B+ D )
2
1
X2=
(
150 |60.40−20.30|− 150
2 )
( 60+ 20 )( 60+ 30 )( 20+ 40 ) ( 30+40 )
2
2 150 (|2400−600|−75 )
X =
( 80 ) ( 90 ) ( 60 )( 70 )

X 2 =14,7

Kaidah pengambilan keputusan:

Bila Nilai Chi square hitung lebih kecil dari nilai Chi square tabel, maka H 0 diterima. Dan
bila lebih besar atau sama dengan nilai tabel, maka H1 diterima.

Keputusan:
Hasil analisis menunjukkan bahwa nilai X 2 hitung = 14,7 yaitu lebih besar dari nilai X 2
tabel yaitu  3,841 sehingga H1 diterima.

Kesimpulan :
Dengan demikian, kita simpulkan bahwa ada perbedaan signifikan pengetahuan sebelum
dan sesudah mengikuti program diklat. taraf nyata 0,05.

3. Uji Kolmogorov Smirnov #1

Hipotesis :
H0: Distribusi populasi normal
H1: Distribusi populasi tidak normal

Nilai Tabel (k):

Dibutuhkan α =0,05 dan jumlah sampel N = 15 sehingga diperoleh table Kolmogorov
Smirnov ( t ) = 0,338 .

Statistik Uji:
1. Urutkan data dari yang terkecil ke yang terbesar:
904, 920, 973, 1001, 1002, 1012, 1016, 1039, 1086, 1140, 1146, 1168, 1233, 1255,
1348.
2. Hitung distribusi F s (x) dengan nilai rata-rata dan nilai simpangan baku

11
 Xi f f kum Fs
904 1 1 0.066667
920 1 2 0.133333
973 1 3 0.2
1001 1 4 0.266667
1002 1 5 0.333333
1012 1 6 0.4
1016 1 7 0.466667
1039 1 8 0.533333
1086 1 9 0.6
1140 1 10 0.666667
1146 1 11 0.733333
1168 1 12 0.8
1233 1 13 0.866667
1255 1 14 0.933333
12348 1 15 1

3. Hitung F t (x) dibantu table distribusi normal baku Z. ( X́ =¿1082.87, S = 128,792)

X i− X́
Xi X i − X́ Ft
S
904 -178,87 -1,38883 0,823
920 -162,87 -1,26460 0,1038
973 -109,87 -0,85308 0,1977
1001 -81,87 -0,63568 0,2611
1002 -80,87 -0,62791 0,2643
1012 -70,87 -0,55027 0,2912
1016 -66,87 -0,51921 0,3015
1039 -43,87 -0,34063 0,3669
1086 3,13 0,02430 0,508
1140 57,13 0,44358 0,67
1146 63,13 0,49017 0,6879
1168 85,13 0,66099 0,7454
1233 150,13 1,16568 0,877
1255 172,13 1,33650 0,9082
1348 265,13 2,05859 0,9798

4. Hitung D. Tentukan nilai D (max) dalam table.

X i− X́
No Xi Z= Ft Fs D=| Ft −F s|
SD
1 904 -1,38883 0,823 0.066667 0,015633

12
 2 920 -1,26460 0,1038 0.133333 0,029533
3 973 -0,85308 0,1977 0.2 0,0023
4 1001 -0,63568 0,2611 0.266667 0,005567
5 1002 -0,62791 0,2643 0.333333 0,069033
6 1012 -0,55027 0,2912 0.4 0,1088
7 1016 -0,51921 0,3015 0.466667 0,165167
8 1039 -0,34063 0,3669 0.533333 0,166433
9 1086 0,02430 0,508 0.6 0,092
10 1140 0,44358 0,67 0.666667 0,003333
11 1146 0,49017 0,6879 0.733333 0,045433
12 1168 0,66099 0,7454 0.8 0,0546
13 1233 1,16568 0,877 0.866667 0,010333
14 1255 1,33650 0,9082 0.933333 0,025133
15 1348 2,05859 0,9798 1 0,0202

Kaidah Pengambilan Keputusan:

Jika nilai D max> k maka H1 diterima dan H0 ditolak. Jika nilai D max< k maka H0
diterima.

Keputusan:
Karena D max=0,166433<k =0,338, maka H0 diterima.

Kesimpulan:
Sampel berat otak berdistribusi Normal.

4. Uji Kolmogorov Smirnov #2

Hipotesis :
H0: Distribusi populasi normal
H1: Distribusi populasi tidak normal

Nilai Tabel (k):

Dibutuhkan α =0,05 dan jumlah sampel N = 27 sehingga diperoleh table Kolmogorov
Smirnov ( t ) = 0,254.

Statistik Uji:
1. Urutkan data dari yang terkecil ke yang terbesar:
67, 67, 68, 69, 70, 70, 72. 72, 77, 77, 78, 78, 78, 78, 80, 82, 84, 87, 88, 89, 90, 90,
95, 97, 97, 97, 98.
2. Didapatkan X́ = 81, 2963 dan S = 10,29372

13
3. Hitung D. Tentukan nilai D (max) dalam table.
No X i− X́
Xi Z= Ft Fs D=| Ft −F s|
SD
1 67
-1,3902 0,0823 0,0741 0,0082
2 67
3 68 -1,2929 0,0985 0,1111 0,0126
4 69 -1,1957 0,1151 0,1481 0,033
5 70
-1,0985 0,1357 0,2222 0,0865
6 70
7 72
-0,904 0,1847 0,2963 0,1122
8 72
9 77
-0,4178 0,3372 0,3704 0,0332
10 77
11 78
12 78
-0,3205 0,3745 0,5185 0,144
13 78
14 78
15 80 -0,1261 0,4483 0,5556 0,1073
16 82 0,0684 0,5279 0,5926 0,0647
17 84 0,2629 0,6026 0,6296 0,027
18 87 0,5546 0,7088 0,6667 0,0421
19 88 0,6519 0,7422 0,7037 0,0385
20 89 0,7491 0,7734 0,7407 0,0327
21 90
0,8464 0,8023 0,8148 0,012
22 90
23 95 1,3326 0,9082 0,8519 0,0563
24 97
25 97 1,527 0,937 0,963 -0,026
26 97
27 98 1,6243 0,9474 1 -0,0526

Kaidah Pengambilan Keputusan:

Jika nilai D max> k maka H1 diterima dan H0 ditolak. Jika nilai D max< k maka H0
diterima.

Keputusan:
Karena D max=0,1 44< k=0 , 254, maka H0 diterima.

Kesimpulan:
Sampel berat badan peserta pelatihan kebugaran fisik berdistribusi Normal.

14
 BAB IV
PENUTUP

4.1. Kesimpulan
1. Uji chi-square (Khi kuadrat) merupakan suatu teknik statistik yang menggunakan
untuk menilai probabilitas guna memperoleh perbedaan frekuensi nyata atau hasil
pengamatan atau observasi dengan frekuensi yang diharapkan dalam kategori-
kategori tertentu. Rumus Umum:
k
2
X =∑ ¿ ¿ ¿
i=1

Rumus Pendekatan koreksi Yates: untuk bentuk tabel 2x2

2
1
N (| AD−BC|− N)
2
X2=
( A + B)( C+ D)( A+C)( B+ D)
2. Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak dipakai,
terutama setelah adanya banyak program statistik yang beredar. Konsep dasar dari
uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data
(yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal
baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan
diasumsikan normal.

15
Prinsip uji Kolmogorov Smirnov adalah menghitung silisih absolut F s (x)
(distribusi frekuensi kumulatif sampel) dengan F t ( x) (distribusi frekuensi
kumulatif teoritis).
D=max∨F s ( x )−Ft ( x )∨¿

16
 DAFTAR PUSTAKA

Anwar. 2012. Tutorial Rumus Chi Square Dan Metode Hitung.

https://www.statistikian.com/2012/11/rumus-chi-square.html [Diakses pada 4 April
2020]

Arini, Sukma. 2011. Uji Chi Kuadrat Kasus Dua Sampel Independen.
arini2992.blogspot.com/2011/10/fungsi-bila-penelitian-terdiri-dari.html [Diakses pada
4 April 2020]

Getut. 2012.Uji Kolmogrov Smirnov. Universitas Sebelas Maret: Surakarta.

https://getut.staff.uns.ac.id/files/2014/02/Sampel-Tunggal-_2_2014.pdf [Diakses pada
4 April 2020]

Jayanti, Atik, Tri, dkk. 2011. Uji Normaliats. Universitas Negeri Semarang: Kota
Semarang.

Supranto, J. Tanpa tahun. Statistik Teori dan Aplikasi. Jakarta: Erlangga

Sudjana. 2001. Metoda Statistika. Bandung: PT TARSITO BANDUNG

iv
 LAMPIRAN

Tabel distribusi peluang binomial