KELOMPOK 2

ANGGOTA :
1) AYU KURNIA SARI (20728251028)
2) ERLINA AZMI SIREGAR (20728251035)
3) ACHMAD SAIFUL WHATONI (20728251041)
4) BAGAS RAHMATA PUTRA (20728251042)

UJI GOODNESS OF FIT DAN UJI INDEPENDENSI

A. Uji Goodness of Fit

Uji Goodness of Fit merupakan salah satu metode uji statistik nonparametrik
yang paling sering digunakan dalam praktek. Uji Goodness of Fit termasuk pada uji Chi-
Square.
1. Tujuan Uji Goodness Of Fit
Uji Goodness of Fit (uji keselarasan) bertujuan untuk mengetahui apakah
sebuah distribusi data dari sampel sesuai atau mengikuti sebuah distribusi teoritis
tertentu atau tidak. Dua distribusi data dibandingkan, yaitu teoritis (frekuensi harapan)
dan yang sesuai kenyataan (frekuensi observasi) dari uji Goodness of fit akan
diketahui apakah ada perbedaan yang signifikan antara frekuensi observasi dengan
frekuensi harapan berdasarkan hipotesis nol besar.
2. Langkah-langkah Pengujian Hipotesis Goodness of Fit
a. Menentukan hipotesis
H0 : frekuensi pengamatan sesuai dengan frekuensi yang diharapkan
H1 : frekuensi pengamatan tidak sesuai dengan frekuensi yang diharapkan
b. Menentukan tingkat signifikansi (α) dan nilai X2 dari tabel
Tingkat signifikansi (α) dan nilai X2 tabel ditentukan dengan derajat bebas (db) =
k–N
c. Menentukan statistik uji
2
2 O E
X ∑
E

d. Menentukan daerah kritis

Dengan membandingkan Chi-Square Hitung dengan Chi-Square tabel:
Jika Chi-Square Hitung Chi-Square tabel, H0 diterima
Jika Chi-Square Hitung Chi-Square tabel, H0 diterima
Dengan melihat angka probabilitas, dengan ketentuan:
 Probabilitas (P-value) 0,05 maka H0 diterima
Probabilitas (P-value) 0,05 maka H0 ditolak
e. Menentukan keputusan
Menyimpulkan apakah H0 ditolak atau diterima berdasarkan nilai statistik uji yang
diperoleh.
3. Contoh Soal uji Goodness of Fit
1) Salah satu organisasi perempuan ingin mengetahui apakah wanita berpeluang
sama dengan pria untuk menjadi kepala desa. Untuk itu dilakukan penelitian.
Populasi penelitian adalah masyarakat disuatu daerah yang sedang melakukan
pemilihan kepala desa. Ada 2 calon kepala desa, 1 pria dan 1 wanita. Sampel
diambil secara acak dari para pemilih sebanyak 300 orang. Dari sampel tersebut
ternyata 200 orang memilih calon pria dan 100 orang memilih calon wanita.
Kesimpulan apakah yang dapat diambil ?
Jawaban:
 Hipotesis
H0 : Calon wanita dan pria berpeluang sama untuk terpilih menjadi kepala desa
H1 : Calon wanita dan pria tidak berpeluang sama untuk terpilih menjadi kepala
desa.
Taraf signifikan
α 0,05
 Statistik Uji :

2
O E
∑
E
Perhitungan:
Calon Frekuensi Frekuesi (Oi) - (Ei) (Oi - Ei)2
Kepala Desa observasi harapan
(Oi) (Ei)
Pria 200 150 50 2500 16,67
Wanita 100 150 -50 2500 16,67
Jumlah 300 300 33,34

hitung = 33,34
  Kriteria keputusan :
H0 ditolak jika hitung > 0,05(1) = 3,841
 Kesimpulan :
Karna hitung = 33,34 > 0,05(1) = 3,841, maka H0 ditolak, artinya calon wanita
dan pria tidak berpeluang sama untuk terpilih menjadi kepala desa.
2) Manager Pemasaran PT. Enak yang menjual permen dengan empat macam warna
yang ingin mengetahui apakah konsumen menyukai keempat warna permen
tersebut. Untuk itu dalam waktu satu minggu diamati pembelian permen di suatu
outlet dan berikut hasilnya (angka dalam buah permen):
Warna Jumlah
Merah 35
Hijau 38
Kuning 10
Putih 27
Angka dalam tabel berarti dalam seminggu ada pembelian 100 permen dengan
warna Merah terbeli 35 buah, Hijau 28 buah, Kuning 10 buah, dan Putih 27 buah.
Akan dilihat apakah hasil pengamatan tersebut menunjukkan bahwa keempat
warna disukai konsumen secara merata? (sehingga distribusi populasi yang
diharapkan adalah distribusi yang seragam/uniform)

Penyelesaian

 Rumusan hipotesis:
H0 : A : B : C : D 1 : 1 : 1 : 1 = Keempat warna permen disukai secara merata
oleh konsumen
H1 : A : B : C : D 1 : 1 : 1 : 1 = Keempat warna permen tidak disukai secara
merata oleh konsumen
 Taraf signifikansi
α 0,05
df = k – 1 = 4 – 1 = 3
X2 tabel = 7,815 (lihat tabel Chi-Square X2)
 Statistik Uji Menggunakan SPSS

a. Buka lembar kerja SPSS, lalu klik Variable View. Kemudian isi pada variable
view dengan ketentuan sebagai berikut:
 Name : Warna
Type : Numeric
Width :8
Label :
Missing : None
Columns :8
Align : Right
Role : Input
Untuk mengisi pada daftar “Values” maka kolom none hingga muncul kotak
dialog “Value Label”. Kemudian pada kotak value dan label dapat diisi sebagai
berikut.
Value Label
1 Merah
2 Hijau
3 Kuning
4 Putih

Setelah muncuk kode seperti di atas, lalu klik ok.

 b. Langkah berikutnya klik Data View, lalu untuk variable Warna isikan data
seperti di bawah ini.
Warna Jumlah
Merah (1.00) 35 Isi pada baris 1 s/d 35
Hijau (2.00) 28 Isi pada baris 36 s/d 63
Kuning (3.00) 10 Isi pada baris 64 s/d 73
Putih (4.00) 27 Isi pada baris 74 s/d 100

c. Pada barisan menu toolbar SPSS, klik Analyze – Nonparametric Test – Legacy Dialogs
– Chi-Square
d. Muncul kotak dialog “Chi-Square Test”, kemudian masukkan variable Warna ke kotak
Test Variable, lalu klik Ok.

e. Maka akan muncul hasil seperti di bawah ini.

Warna
Observed Expected
N N Residual
Merah 35 25.0 10.0
Hijau 28 25.0 3.0
Kuning 10 25.0 -15.0
Putih 27 25.0 2.0
Total 100

Test Statistics
Warna
Chi-Square 13.520a
df 3
Asymp. Sig. .004
a. 0 cells (0.0%) have expected frequencies
less than 5. The minimum expected cell
frequency is 25.0.

 Kriteria Uji
a. Jika X2 hitung 7,815, maka H0 ditolak
 Jika X2 hitung 7,815, maka H0 diterima
Kesimpulan 13,52 7,815, maka H0 ditolak
b. Jika P-Value α 0,05 , maka H0 ditolak
Jika P-Value α 0,05 , maka H0 diterima
Kesimpulan 0,04 (0,05), maka H0 ditolak

 Kesimpulan
Berdasarakan tabel hasil “Chi-Square Test” diketahui nilai Asymp. Sig.
sebesar 0,04 (0,05) dan nilai X2 hitung 13,52 7,815, maka dapat
disimpulkan bahwa H0 ditolak. Oleh karena itu dapat dikatakan bahwa keempat
warna permen tidak disukai secara merata oleh konsumen.
B. Uji Indepedensi
Sampel bebas adalah sampel yang keberadaannya tidak saling mempengaruhi.
Sampel bebas juga diartikan sebagai dua sampel yang saling tidak berkorelasi atau
independent. Misalnya, kinerja karyawan laki-laki tidak mempengaruhi kinerja karyawan
wanita dan sebaliknya.

1. Tujuan Uji Independensi

Menguji apakah ada atau tak ada hubungan atau tidak berkolerasi antara dua
kategori suatu hasil observasi dari suatu populasi dengan kategori populasi lain.
disebut pula sebagai analisis tabel kontingensi.
2. Langkah – langkah Uji Independensi
a. Pernyataan H0 dan Ha
H0 : antar variabelIndependen (tidak terikat)
Ha : antar variabel dependen (saling terikat)
b. Penentuan daerah penerimaan H0 dan Ha
Dalam pengujian ini yang digunakan adalah distribusi probabilitas chi kuadrat
yang disajikan dalam bentuk tabel, yang dapat ditentukan dengan mengetahui :
Pada tabel kontingensi:
df = (n -1) (k-1), n = jumlah baris dalam tabel dan k = jumlah kolom dalam table.
c. Penentuan taraf nyata (level of significant) = α

Biasanya digunakan α 0,01 atau α 0,05

 d. Kriteria Keputusan

misalnya dari tabel untuk α 0,01; df 3-1 = 2; diperoleh chi kuadrat = 9,21

H0 ditolak jika X2hitung > X2tabel atau Tolak Ho dan terima Ha jika RU (rasio
uji) chi kuadrat > 9,21. Jika tidak demikian terima H0.
3. Contoh Soal Independensi

1) Pertanyaan : Ujilah dengan taraf signifikan 0,05, apakah kebiasaan

merokok berhubungan dengan BBLR ?

BBLR
MEROKOK TOTAL
TIDAK YA

TIDAK 86 29 115

YA 44 30 74

Total 130 59 N=189

a. Hipotesis

H0 = Tidak ada hubungan merokok dengan BBLR

Ha = Terdapat hubungan merokok dengan BBLR

b. Taraf signifikan (α = 0,05)

c. Kriteria Keputusan
α 0,05, df 2-1) (2-1 1; diperoleh χ2 0,05 = 3,841, H0 ditolak
jika χ2hitung> χ2 α
maka, χ2hitung > 3,841

d. Uji Statistik

Langkah langkah uji:

1.Hitung nilai/frekuensi ekspektasi dari masing-masing sel.

2.Lengkapi tabel perhitungan untuk memperoleh χ2 hitung

  Menghitung nilai/frekuensi ekspektasi dari masing-masing sel.

eij =

e11 = e12 =

e21 = e22 =

BBLR
BBLR (ekspektasi)
MEROKOK (observasi) TOTAL
TIDAK YA TIDAK YA
TIDAK 86 29 115 79,10 35,90
YA 44 30 74 50,90 23,10
Total 130 59 N=189 130 59
 Tabel Perhitungan
O eij O - eij (O- eij)2 (O- eij)2/ eij

86 79,10 6,9 47,61 0,60

29 35,90 -6,9 47,61 1,33

44 50,90 -6,9 47,61 0,94

30 23,10 6,9 47,61 2,06

Total χ2 = 4,92

e. Keputusan

Karena diperoleh χ2hitung = 4,92 atau χ2hitung > 3,841 maka H0 ditolak, berarti
terdapat hubungan signifikan antara kebiasaan merokok dengan BBLR.

Pengujian Independen sampel T-Test dengan program spss

Pengujian hipotesis yang dilakukan dengan analisis Independent Sample T-test pada program
SPSS, pengambilan keputusannya dilakukan dengan cara membandingkan nilai t hitung
dengan table dengan ketentuan:

a. Jika ± t hitung < ± t tabel, maka H0 diterima dan Ha ditolak 75

b. Jika ± t hitung > ± t tabel, maka H0 ditolak dan Ha diterima. Selain itu,
pengambilan keputusan juga dapat dilihat dari taraf signifikan p (Sig(2-tailed)).
Jika p > 0,05 maka H0 diterima dan jika p < 0,05 maka H0 ditolak (Triton,
2006: 175).
A. contoh Uji Independent Sample T Test
Sebagai contoh, kita akan melakukan pengujian hipotesis komparatif untuk
mengetahui apakah ada perbedaan rata-rata harga kos per bulan antara kelas
EPD41 dengan PRO22. Berikut adalah data yang dihasilkan dari 30 reposnden
pada masing-masing kelas.

Rumusan Hipotesis :
 H0 = Tidak ada perbedaan rata-rata harga kos per bulan antara kelas EPD41
dengan PRO22.
 Ha = Ada perbedaan rata-rata harga kos per bulan antara kelas EPD41

Sebelum melakukan uji independent sample t-test dengan SPPS, maka terlebih
membuat kode untuk kelas EPD41 dan PRO22. Kode 1 untuk kelas EPD41 dan
kode 2 untuk kelas PRO22.
 Langkah-Langkah Uji Independent Sample T-Test dengan SPSS

1. Buka lembar kerja SPSS, lalu klik Variable View selanjutnya adalah tahap
mengisi pada daftar pada variable view dengan ketentuan sebagai berikut :
1. Name
HARGA_KOS
KELAS
2. Type : Numeric
3. Width : 8
4. Label
HARGA_KOS
KELAS
5. Missing : None
6. Columns : 8
7. Align : Right
8. Measure : Scale
9. Role : Input
 Untuk mengisi pada daftar “Values” untuk variable kelompok maka klik kolom
none baris kedua hingga muncul kotak dialog “Value Label” kemudian pada
kotak value isikan 1 dan kotak label isikan EPD41, lalu klik add. Dan lakukan
step yang sama untuk kode ke-2

Setelah muncul kedua kode seperti di atas, lalu klik ok.

2. Langkah berikutnya klik Data View, kemudian untuk variable HARGA_KOS
isikan data harga kos kelas EPD41 dan PRO22, copykan dari data excel yang
sudah diatur sebelumnya, untuk variable KELAS isikan data yang sudah diatur
pada excel sebelumnya. Kemudian akan muncul tampilan seperti gambar
dibawah.

3. Langkah selanjutnya dari menu SPSS klik Analyze – Compare Means –

Independent Sample T-Test
4. Muncul kotak dialog “Independent Sample T Test”, kemudian masukkan variable
HARGA_KOS ke kotak Test variable, lalu masukkan variable KELOMPOK ke
kotak Grouping Variabel.

5. Selanjutnya klik Define Groups, maka akan muncul kotak dialog “Define
Groups”, pada kotak Group 1 isikan 1 dan pada kotak Group 2 isikan 2, lalu klik
Continue.

6. Terakhir klik ok. Maka akan muncul output SPSS

HASIL OUTPUT :
 Group Statistics
KELAS N Mean Std. Deviation Std. Error
Mean
HARGA_KO S EPD41 30 553666.67 125409.215 22896.485
PRO22 30 551333.33 130324.088 23793.814

Dari hasil output di atas diketahui jumlah data harga kos untuk kelas EPD41
adalah sebanyak 30 orang dan untuk kelas PRO22 sebanyak 30 orang. Nilai rata-
rata harga kos kelas EPD41 adalah sebesar 553666.67, sementara kelas PRO22
sebesar 551333.33. Dengan demikian secara deskriptif statistik dapat disimpulkan
ada perbedaan rata-rata harga kos antara kelas EPD41 dengan PRO22.
Independent Samples Test
Levene' t-test for Equality of Means
s
Tes
t for
Equalit
y of
Varianc
Es
F Sig T df Sig. Mean Std. 95% Confidence
. (2- Differe Error Interval of the
taile n ce Differe Difference
d) n Lower Upper
ce
Equal -
.53 .46 .07 2333.33 33021.1 68432.2
variance 58 .944 63765.
1 9 1 3 24 95
s 6
HARGA
Assumed 28
_ KOS
Equal
-
variance .07 57.91 2333.33 33021.1 68434.3
.944 63767.
s not 1 4 3 24 73
7
Assumed
06

Berdasarkan output diatas diketahui nilai Sig. Levene’s Test for Equality of
Variances sebesar 0.469 > 0.05 maka dapat diartikan bahwa varians data antara
kelas EPD41 dengan PRO22 adalah homogeny atau sama.
 Berdasarkan table output “Independent Samples Test” pada bagian “Equal
variances assumed” diketahui nilai Sig. 2-tailed) sebesar 0.944 > 0.05 maka dapat
disimpulkan bahwa H0 diterima dan Ha ditolak. Dengan demikian tidak ada
perbedaan yang signifikan antara rata-rata harga kos pada kelas EPD41 dengan
PRO22.
Selanjutnya pada table “Mean Difference” adalah sebesar 2333.333. Nilai ini
menunjukkan selisih anatara rata-rata harga kos pada kelas EPD41 dan PRO22. Dan
selisih perbedaan tersebut adalah -63765.628 sampai 68432.295.