BAB 11

DISTRIBUSI KAI-KWADRAT

Setelah mempelajari bab ini, diharapkan Anda mampu untuk:

1. Menjelaskan Arti Metode Kai Kuadrat

2. Menjelaskan Arti Pengujian Tentang Kebaikan Kompatibilitas (Test
of Goodness of Fit)
3. Memberikan Pemahaman mengenai Pengujian Independensi (Test
of Independency)

57
 DISTRIBUSI KAI KWADRAT (CHI SQUARE)

Dalam praktek hasil eksperimen mungkin harus diklasifikasikan ke dalam 2 katagori lebih. Dengan
lain perkataan, jika unsur populasi diklasifikasi ke dalam salah satu dari sejumlah k kategori dan k >
2 distribusi Binominal tidak dapat digunakan.

Distribusi KAI KWADRAT sangat berguna sebagai kriteria untuk pengujian Hipotesa mengenai
Variance dan juga Pengujian tentang tepatnya penerapan suatu fungsi (Goodness of Fit), kalau
dipergunakan untuk data hasil observasi atau data Empiris.

Dengan demikian kita bisa menentukan apakah distribusi perkiraan berdasarkan sampel hampir
sama atau mendekati Distribusi Teoritis, sehingga kita dapat menyimpulkan bahwa Populasi dari
mana sampel yang dipilih mempunyai distribusi, misalnya: Suatu Populasi mempunyai Distribusi
Binominal, Poisson atau Normal

BENTUKNYA KURVA DARI KAI KWADRAT

Sangat dipengaruhi besar kecilnya nilai derajat kebebasan.

1. Makin kecil nilai derajat kebebasan, bentuknya makin menceng ke kanan (Skewed to the right)
2. Makin besar Nilai derajat Kebebasan (n = ∞) makin mendekati Fungsi Normal.
a. Kai kwadrat merupakan Fungsi Kontinyu dan Nilainya Tidak Pernah Negatif.
b. Nilai rata-ratanya meningkat jika Nilai Derajat Kebebasan Meningkat.

Pada hakekatnya, Distribusi x2 teoritis merupakan Distribusi Diskrit. Guna memudahkan komputasi,
pendekatan Distribusi x2 yang Diskrit lebih mudah dilakukan dengan Distribusi Kontinyu.

Misalnya:
Jika df = 10, luas Kurva yang bergaris sebesar 10 persen di ujung kanan distribusi x 2 akan mencaku
semua nilai-nilai yang lebih besar dari pada 15,99 dan dinyatakan sebagai P (X2 > 15,99) = 0,10
dengan Diagram sebagai berikut:

A. PENGUJIAN TENTANG KOMPATIBILITAS (TEST OF GOODNESS OF FIT)

Distribusi Kai Kwadrat berguna sebagai Penguji Hipotesis Varians dan Pengujian tentang tepatnya
Penerapan Suatu Fungsi (Goodness Of Fit).

Kalau memilih dari n elemen dan di dalam soal hanya memperkirakan satu perkiraan, maka Derajat
Kebebasan d.f (n – 1).

Xo = Jumlah mata dadu

n
( 0 i - h i )2
x0 = ∑ Satu arah = 0i = Frekuensi yang diobservasi
i=1 h i a hi = Frekuensi yang diharapkan

58
Contoh:
Sebutir dadu dilempar 120 kali. Apakah dadu yang dipergunakan setimbanng atau tidak dengan a=
0,05. Adapun hasil dari pelemparan adalah sebagai berikut:

xi 1 2 3 4 5 6
0i 22 18 10 30 15 25
Jadi untuk mata 1 sebanyak 22 kali
mata 2 sebanyak 18 kali, dan seterusnya

Prosedur pengujian:
1. Nyatakan H0 dan HA
2. Tentukan taraf nyata a
3. Tentukan statistik uji x2 dan derajat bebasnya
4. Tentukan daerah penolakan
5. Hitung x2 dan tentukan ditolak atau diterimanya H0

Jawab:
1. H0 : P1 = P2
HA : Dadu yang dipergunakan umumnya tidak setimbang
2. a = 0,05
3. df (n – 1) = 6 – 1= 5
x2 0,05 (5) = 11,07 Tabel
4. H0 Ditolak, jika X02 > 11,07
5. Xi 1 2 3 4 5 6
Oi 22 18 10 30 15 25
hi 20 20 20 20 20 20
Nilai harapan hi = n.p
hi = 120.1/6
hi = 20

(22–20)2 (18–20)2 (10–20)2 (30–20)2 (15–20)2 (25–20)2

X2 = + + + + +
20 20 20 20 20 20
= 0,2 + 0,2 + 5 + 5 + 1,25 + 1,25
= 12,9

Karena 12,9 > 11,07 maka kita tolak Hipotesis H 0 dan menerima HA, dengan kata lain dadu yang
dipergunakan dalam percobaan Tidak Setimbang.

59
B. PENGUJIAN INDEPENDENSI (TEST OF INDEPENDENCY)

Jika Data Populasi dan Data Sampel diklasifikasikan ke dalam beberapa atribut atau perkiraan,
sedangkan distribusi probabilita klasifikasi tersebut tidak diketahui.

Misal:
Tiap keluarga konsumen dapat diklasifikasikan menurut pendapatnya dan kualitas sabun yang
dipergunakan.

Jadi pengujian independensi (test of independency) adalah persoalan yang ingin kita ketahui sabun
yang dipergunakannya. Hipotesis yang akan diuji ialah apakah pendapatan perorangan dan kualitas
sabun yang dipergunakan benar-benar independen.

Dapat juga dikatakan: Pengujian Hipotesa tentang lebih dari 2 proporsi.

(nj) (ni) (ni) (nj)
Eij = =
N N

Keterangan:
i = 1, 2 . . . baris
j = 1, 2 . . . kolom
cij = frekuensi harapan (expected frequency)
ni = total marginal dari baris i
nj = total marginal dari kolom j
nij = frekuensi yang diobservasi (total dari baris dan kolom)
k = proposal k populasi

2 ( n ij - cij )2
n n
x =∑ ∑
0
i=1 j=1 c ij

Degree of Freedom = df (jumlah baris – 1) (jumlah kolom – 1)

= df (∑I – 1)(∑j – 1)

Contoh:
Seorang pemilik pabrik berpendapat bahwa persentase barang produksi yang rusak, selama 3 hari
berturut-turut sama, maksudnya P1 = P2 = P3 yaitu persentase barang yang rusak dari hari pertama
sama dengan hari kedua dan sama dengan hari ketiga. Setelah diselidiki ternyata diperoleh data
sebagai berikut:

Hari kondisi Hari pertama Hari kedua Hari ketiga Jumlah

Rusak 12 15 6 33
Tidak rusak 88 105 74 267
Jumlah 100 120 80 300
Dengan menggunakan  = 0,05 Ujilah Pendapat tersebut?

Jawab:
Kolom 1 Kolom 2 Kolom 3

Hari kondisi Hari pertama Hari kedua Hari ketiga Jumlah

Rusak 12(11)* 15(13,2) 6(8,8) 33 Baris 1

Tidak rusak 88(89) 105(106,8) 74(71,2) 267 Baris 2
Jumlah 100 120 80 300

*) angka dalam kurung adalah frequensi harapan (Expected Frequency)

60
 (nj) (ni) (ni) (nj)
eij = =
n n

e11 = (n1) (n1) (33) (100)

n = 300 = 11 C21 = 100 – 11 = 89

e12 = (n1) (n2) (33) (120)

n = 300 = 13,2 C22 = 120 – 13,2 = 106,8

e13 = (n1) (n3) (33) (80)

= = 8,8 C23 = 80 – 8,8 = 71,2
n 300

1. H0 : P1 = P2 = P3 persentasi produksi barang yang rusak sama.

HA : persentase produksi barang yang rusak tidak semuanya sama (paling tidak ada dua yang
tidak sama)
2.  = 0,05

3. df (∑I – 1)(∑j – 1)
df (2 – 1)(3 – 1) = 2
X2 0,05 (2) = 5,99 (tabel)
4. H0 ditolak jika
H02 > 5,99 (tabel)
2 3
5. H0 2
= ∑ ∑ ¿ ¿¿ ¿
i=1 j=1
= (12-11)2 + (15-13,2)2 + (6-8,8)2 + (88-89)2 +
11 13,2 8,8 89
(105-106,8)2 (74-71,2)2
106,8 71,2
= 1,397

Oleh karena x02 = 1,397 < X 0,05 (2) = 5,99 maka H 0 diterima berarti persentase produksi barang
yang rusak dari hari pertama sama dengan hari kedua dan sama dengan hari ketiga.

61
SOAL LATIHAN

1. Tabel di bawah ini menyajikan hasil observasi tentang penduduk Ibu kota yang diklasifikasi atas
dasar atribut warna mata dan warna rambut, sebagai berikut:

Warna rambut Hitam Coklat Jumlah

Warna mata
Hitam 32 12 44
Coklat 14 22 36
Lain-lain 6 9 15
Jumlah 52 43 95

Apakah ada alasan guna menganggap bahwa atribut penduduk kota di atas independen?
Gunakan  = 0,01 dan beri evaluasi Saudara!
2. Distributor air condition membagi wilayah pemasarannya menjadi empat wilayah (A, B, C, D).
Berdasarkan pendapat dan perkiraan sebelumnya dinyatakan bahwa pembelian di keempat
wilayah pemasaran itu akan sama banyaknya. Seorang Salesman baru mengambil sampel
secara random dari catatan pemasangan air condition baru (sejumlah 40 unit) pada tahun yang
lalu. Dari catatan itu diketahui bahwa penjualan dan pemasangan “AC” baru di empat wilayah
itu adalah sebagai berikut:

Wilayah Jumlah Pemasangan

A 6
B 12
C 14
D 8
Jumlah 40

Benarkah pernyataan yang menyatakan bahwa Distribusi Penjualan “AC” di empat Wilayah itu
sama banyaknya? Gunakan  = 0,05.

62