STATISTIKA II

(BAGIAN - 2)

Oleh :

WIJAYA

email : zeamays_hibrida@yahoo.com

FAKULTAS PERTANIAN

UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

2008

Wijaya : Statistika II (Bagian-2) 0

 VI. PENGUJIAN HIPOTESIS

Hipotesis merupakan dugaan mengenai suatu hal; atau hipotesis adalah

jawaban sementara terhadap suatu masalah. Jika dugaan itu dikhususkan
mengenai populasi (parameternya), maka hipotesis itu disebut Hipotesis Statistik.
Hipotesis Statistik adalah pernyataan atau dugaan mengenai satu atau lebih
populasi.
Setiap hipotesis bisa benar atau salah, sehingga perlu diuji dengan suatu
penelitian untuk diterima atau ditolak. Penerimaan suatu hipotesis statistik
merupakan akibat tidak cukupnya bukti untuk menolaknya, dan tidak berimplikasi
bahwa hipotesis itu pasti benar.
Langkah atau prosedur untuk menentukan apakah menerima atau menolak
hipotesis disebut Pengujian Hipotesis. Dalam pengujian hipotesis terdapat 2
kekeliruan (galat), yaitu :

Keadaan Sebenarnya
Kesimpulan
H0 Benar H0 Salah
Terima Hipotesis Benar Galat Jenis II ( β )
Tolak Hipotesis Galat Jenis I ( α ) Benar

Nilai α disebut Taraf Nyata, jika α diperkecil maka β semakin besar. Nilai α
biasanya 0,05 (5%) atau 0,01 (1%). Jika α = 0,05 artinya 5 dari tiap 100
kesimpulan kita akan menolak hipotesis yang seharusnya diterima. Harga (1 – β)
disebut Kuasa (Kekuatan) Uji.
Hipotesis Nol (H0) adalah hipotesis yang dirumuskan dengan harapan akan
ditolak. Lawan H0 adalah H1 atau Hipotesis Alternatif.

Wijaya : Statistika II (Bagian-2) 1

Teladan 6.1 :
Di suatu kota proporsi penduduk dewasa lulusan Perguruan Tinggi (PT) diduga
sebesar p = 0,3. Untuk menguji hipotesis ini diambil contoh acak 15 orang
dewasa. Bila diantara 15 orang terdapat 2 sampai 7 orang lulusan PT, kita akan
menerima hipotesis nol bahwa p = 0,3, selainnya akan disimpulkan p ≠ 0,3.
a. Hitung α bila diasumsikan p = 0,3.
b. Hitung β bagi H1 bila p = 0,2 dan p = 0,4
Jawab :
a. p = 0,3 nilai α = 1 – p (2 ≤ x ≤ 7) = 1 – [ p (x ≤ 7) – p ( x ≤ 1) ]
7 1
α = 1 – [ ∑ b(x; 15, 0,3) – ∑ b(x; 15, 0,3) ]
0 0

= 1 – (0,9500 – 0,0353) = 0,0853

b. p = 0,2 nilai β = 1 – p (2 ≤ x ≤ 7) = 1 – [ p (x ≤ 7) – p ( x ≤ 1) ]
7 1
β = 1 – [ ∑ b(x; 15, 0,2) – ∑ b(x; 15, 0,2) ]
0 0

= 1 – (0,9958 – 0,1671) = 0,8287

p = 0,4 nilai β = 1 – p (2 ≤ x ≤ 7) = 1 – [ p (x ≤ 7) – p ( x ≤ 1) ]
7 1
β = 1 – [ ∑ b(x; 15, 0,4) – ∑ b(x; 15, 0,4) ]
0 0

= 1 – (0,7869 – 0,0052) = 0,7817

Teladan 6.2 :
Sebuah contoh acak 400 orang ditanyai apakah mereka setuju dengan kenaikan
pajak penjualan bensin 4% untuk menambah dana perbaikan jalan. Bila lebih dari
220 tetapi kurang dari 260 orang setuju, maka disimpulkan bahwa 60% orang
setuju.
a. Hitung α jika 60% setuju kenaikan pajak tersebut.
b. Hitung β jika sesungguhnya hanya 48% yang setuju kenaikan tersebut.

Wijaya : Statistika II (Bagian-2) 2

Jawab :
Data diskrit, n cukup besar dan p dekat ke 0,5 jadi digunakan pendekatan normal
ke binom.
a. n = 400 p = 0,6 q = 0,4 μ = np = 240 dan σ = √ npq = 9,8
z1 = (220,5 – 240) / (9,8) = –1,99 atau p (z1) = 0,0233

z2 = (259,5 – 240) / (9,8) = 1,99 atau p (z2) = 0,9767

p (220 < x < 260) = p (z1 < z < z2 ) = 0,9767 – 0,0233 = 0,9534

nilai α = 1 – 0,9534 = 0,0466

b. n = 400 p = 0,48 q = 0,52 μ = np = 192 dan σ = √ npq = 9,99
p (220 < x < 260) = p (2,85 < z < 6,76 ) = 1 – 0,9978 = 0,0022
Nilai β = 0,0022

Teladan 6. 3 :
Sebuah mesin minuman ringan diatur sehingga volume minuman yang
dikeluarkannya menghampiri normal dengan rata–rata 200 ml dan simpangan
bakunya 15 ml. Setiap periode tertentu mesin itu diperiksa dengan cara mengambil
9 contoh acak kemudian dihitung isi rata–ratanya. Bila rata–ratanya jatuh diantara
191 < x < 209, mesin dianggap baik, bila tidak demikian disimpulkan bahwa μ ≠
200 ml.
a. Hitung α jika μ = 200 ml.
b. Hitung β jika μ = 215 ml.
Jawab :
Data kontinyu; sebaran penarikan contoh ; σ diketahui (sebaran z).
a. n = 9 μ = 200 dan σ = 15 σx = σ / √ n = 15 / √ 9 = 5

α = 1 – p (191 < x < 209) = 1 – p (–1,8 < z < 1,8 )

α = 1 – ( 0,9641 – 0,0359) = 0,0718
nilai á = 1 – 0,9534 = 0,0466
b. β = p (191 < x < 209) = p (–4,8 < z < –1,2 ) = 0,1151 – 0 = 0,1151

Wijaya : Statistika II (Bagian-2) 3

Pada Teladan 6.3, untuk 191 < x < 209 jika nilai μ ditentukan, maka peluang β
dan nilai (1– β) dapat dihitung. Misalnya nilai μ sebagai berikut :

μ 184 188 192 196 200 204 208 212 216

β 0,0808 0,2743 0,5790 0,8366 0,9282 0,8366 0,5790 0,2743 0,0808

(1– β) 0,9192 0,7253 0,4210 0,1634 0,0718 0,1634 0,4210 0,7253 0,9192

1
0, 9 (1− β)
0, 8
0,7
0,6
0,5
0,4
0,3
0,2
0,1 β
0
184 188 192 196 200 204 208 212 216

¾ Kurva β disebut Kurva Ciri Operasi atau Kurva Ciri Kerja, sedangkan Kurva
(1 – β) disebut Fungsi Kuasa.

Teknik dalam Pengujian Hipotesis :

Uji Dua Pihak :

H0 : θ = θ0
H1 : θ ≠ θ0

Uji Satu Pihak (Pihak Kiri) :

H0 : θ = θ0
α H1 : θ < θ0

Uji Satu Pihak (Pihak Kanan) :

H0 : θ = θ0
α H1 : θ > θ0

Wijaya : Statistika II (Bagian-2) 4

¾ Penggunaan jenis distribusi (rumus) dalam Pengujian Hipotesis sama dengan
Pendugaan Parameter –––– sebaran penarikan contoh.

6.1 Pengujian Rata–rata

(a) Jika σ diketahui atau n ≥ 30 :
x – μ
z = ————
σ/√n

(b) Jika σ tidak diketahui dan n < 30 :

x – μ
t = ————
s/√n

Teladan 6.4 :
Sebuah perusahaan alat olah raga mengembangkan jenis batang pancing sintetik
dengan rata–rata kekuatan 8 kg dan simpangan baku 0,5 kg. Suatu contoh acak
50 batang pancing diuji ternyata kekuatannya rata–rata 7,8 kg. Ujilah pada taraf
nyata 0,01 pernyataan perusahaan tersebut dapat diterima.
Jawab :
1. Hipotesis :
H0 : μ = 8 lawan H1 : μ ≠ 8 Jadi merupakan uji dua pihak
2. Uji Statistik : z
3. Taraf Nyata α = 1% atau zα/2 = z0,005 = – 2,575
4. Wilayah Kritik : z < – 2,575 atau z > 2,575
5. Perhitungan :
x = 7,8 n = 50 σ = 0,5 σ/√n = 0,5 /√50 = 0,07

z = (x – μ ) / (σ/√n)
z = (7,8 – 8) / (0,07) = – 2,83

–2,575 2,575

Wijaya : Statistika II (Bagian-2) 5

6. Kesimpulan : Karena z < z0,005 , maka Tolak H0 artinya rata- rata kekuatan
batang pancing tersebut tidak sama dengan 8 kg, tetapi kurang dari 8 kg.

Teladan 6.5 :
Seorang peneliti senior menyatakan bahwa rata–rata pendapatan per bulan
keluarga di kota A sebesar Rp 350.000,–. Suatu contoh acak berukuran 25
diambil dan diperoleh rata–rata pendapatannya Rp 250.000,– dengan simpangan
baku Rp 100.000,–. Ujilah pada taraf nyata 0,05 apakah benar pernyataan
peneliti senior tersebut bahwa rata–rata pendapatan keluarga di kota A sebesar Rp
350.000,–
Jawab :
1. Hipotesis :
H0 : μ = 350.000 lawan H1 : μ ≠ 350.000 Jadi merupakan uji dua pihak.
2. Uji Statistik : t
3. Taraf Nyata α = 0,05 atau tα/2 (n–1) = t0,025 (24) = 2,064
4. Wilayah Kritik : t < – 2,064 atau t > 2,064
5. Perhitungan :
x = 250.000 n = 25 s = 100.000 s/√n = 100.000 /√25 = 20.000

t = (x – μ ) / (s/√n)
t = (– 100.000) / (20.000) = – 5

–2,064 2,064

6. Kesimpulan : Karena t < t0,025(24), maka Tolak H0 artinya rata- rata pendapatan
keluarga tersebut kurang dari Rp 350.000,-.

Cara lain : (Pengujian dalam bentuk selang kepercayaan)

Selang Kepercayaannya : x – tα/2 . s/√n < μ < x + tα/2. s/√n
⇔ 250.000 – (2,064)(20.000) < μ < 250.000 + (2,064)(20.000)
⇔ 229.360 < μ < 270.640
Karena selang kepercayaan 95% bagi rata–rata μ tidak mencakup nilai Rp
Wijaya : Statistika II (Bagian-2) 6
350.000,– maka kita tolak pernyataan peneliti senior tersebut.

6.2 Pengujian Selisih Rata–rata

(a) Jika σ1 dan σ2 diketahui atau n ≥ 30 :
x1 – x2
z = ——————————
√ (σ12/ n1) + (σ22/ n2)

(b) Jika σ1 dan σ2 tidak diketahui dan n < 30 :

1. σ1 = σ2 , maka :

x1 – x2
t = ——————————
sg √ (1/ n1) + (1/ n2)

(n1 – 1) s12 + (n2 – 1) s22

sg2= ————————————
n1 + n2 – 2

2. σ1 ≠ σ2 , maka :

x1 – x2
t = ——————————
√ (s12/ n1) + (s22/ n2)

Nilai t dibandingkan dengan t’ sebagai t–tabel, dimana :

(w1 t1 + w2 t2 )
t’ = —————————
( w1 + w2 )

w1 = (s12 / n1) ; w2 = (s12 / n1) ; t1= tα/2(n1–1) ; t2 = tα/2(n2–1)

Wijaya : Statistika II (Bagian-2) 7

Teladan 6.6 :
Sebuah perusahaan memproduksi 2 macam lampu pijar A dan B. Misal umur
lampu pijar tersebut menyebar normal dengan simpangan baku masing–masing 80
dan 90 jam. Contoh acak masing–masing berukuran 50 diuji dan didapat rata–rata
umurnya sebesar 1282 jam dan 1208 jam. Ujilah pada taraf nyata 5%, apakah
rata–rata umur lampu pijar A lebih lama dari B.
Jawab :
1. Hipotesis :
H0 : μA = μB lawan H1 : μA > μB ( uji pihak kanan).
2. Uji Statistik : z
3. Taraf Nyata α = 0,05 atau zα = z0,05 = 1,645
4. Wilayah Kritik : z > 1,645
5. Perhitungan :
n1 = n2 = 50 σ1 = 80 σ2 = 90 x1 = 1282 x2 = 1208 x1 – x2 = 74
σx1– x2 = √(σ12/ n1) + (σ22/ n2) = √ (802/ 50) + (902/ 50) = 17,321

z = (x1 – x2) / (√ (σ12/ n1) + (σ22/n2)

z = (74) / (17,321) = 4,24

z0,05 = 1,645

6. Kesimpulan : Karena z > z0,05, maka Tolak H0 artinya rata- rata umur lampu
pijar A lebih lama dari lampu pijar B.

Teladan 6.7 :
Dua jenis tambang ingin dibandingkan kekuatannya, untuk itu 50 potong tambang
dari setiap jenis diuji dalam kondisi yang sama. Jenis A mempunyai kekuatan
rata–rata 78,3 kg dengan simpangan baku 5,6 kg, sedangkan B rata–ratanya 87,2
kg dengan simpangan baku 6,3 kg. Uji pada taraf nyata 5% apakah rata–rata
kekuatan tambang A lebih kecil dari B.

Wijaya : Statistika II (Bagian-2) 8

Jawab :
1. Hipotesis :
H0 : μA = μB lawan H1 : μA < μB ( uji pihak kiri).
2. Uji Statistik : z
3. Taraf Nyata α = 0,05 atau zα = z0,05 = 1,645
4. Wilayah Kritik : z < – 1,645
5. Perhitungan :
n1 = n2 = 50 x1 = 78,3 s1 = 5,6 x2 = 87,2 s2 = 6,3 x1 – x2 = – 8,9

sx1– x2 = √(s12/ n1) + (s22/ n2) = √ (5,6)2/ 50 + (6,3)2/ 50 = 1,19

z = (x1 – x2)/ (√ (s12/ n1) + (s22/ n2)

z = (– 8,9) / (1,19) = – 7,48

z0,05 = –1,645

6. Kesimpulan : Karena z < z0,05, maka Tolak H0 artinya rata- rata kekuatan
tambang A lebih kecil dari tambang B.

Teladan 6.8 :
Pelajaran matematika diberikan kepada 12 siswa kelas A dengan metode
pengajaran biasa, dan 10 siswa kelas B dengan metode pengajaran menggunakan
bahan terprogram. Hasil ujian kelas A rata–ratanya 85 dengan simpangan baku 4,
kelas B rata–ratanya 81 dengan simpangan baku 5. Ujilah pada taraf nyata 10%
apakah rata–rata populasi bagi nilai ujian kedua metode tersebut sama.
Jawab :
1. Hipotesis :
H0 : μA = μB lawan H1 : μA ≠ μB ( uji dua pihak).
2. Uji Statistik : t
3. Taraf Nyata α = 0,10 atau tα/2(n1+n2-2) = t0,05(20) = 1,725
4. Wilayah Kritik : t < – 1,725 atau t > 1,725
5. Perhitungan :

Wijaya : Statistika II (Bagian-2) 9

 n1 = 12 x1 = 85 s1 = 4 n2 = 10 x2 = 81 s2 = 5

(x1 – x2) = 4 dan sg = √ [(n1–1) s12 + (n2 –1) s22 ]/ (n1+ n2 – 2)

sg = √ [11(16) + 9(25)]/ (10+12–2) = 4,478

t = (x1 – x2)/ (sg √ (1/n1 + 1/n2)

t = (4) / (1,92) = 2,08

6. Kesimpulan : Karena t > t0,05(20), maka Tolak H0 artinya rata- rata nilai
matematika kedua metode tidak sama.

Teladan 6.9 :
Masa putar film yang diproduksi oleh 2 perusahaan film adalah :

Masa Putar (menit)

Perusahaan I 97 82 123 92 175 88 118
Perusahaan II 103 94 110 87 98

Ujilah pada taraf nyata 5% apakah rata–rata masa putar film kedua perusahaan
tersebut sama, bila diasumsikan kedua ragam populasi tersebut tidak sama.
Jawab :
1. Hipotesis :
H0 : μA = μB lawan H1 : μA ≠ μB ( uji dua pihak).
2. Uji Statistik : t
3. Taraf Nyata α = 0,05
4. Wilayah Kritik : t < ̶ tα/2(v) atau t > tα/2(v)
5. Perhitungan :
Cara I :
n1 = 7 x1 = 110,7 s12 = 1035,9 n2 = 5 x2 = 98,4 s22 = 76,3

derajat bebas untuk tα/2 atau t0,025 adalah :

(s12 / n1 + s22 / n2 )2
v = —————————————————
[(s12/n1)2 / (n1 –1)] + [(s22/n2)2 / (n2 –1)]

Wijaya : Statistika II (Bagian-2) 10

 [ (1035,9 / 7) + (76,3 / 5) ]2
v = —————————————————— = 7,19 = 7
[ (1035,9 / 7)2 / (4)] + [(76,3 / 5)2 / (6) ]

jadi t0,025 (7) = 2,365 dan ( x2 – x1)= 12,3

√ [(s12/ n1) + (s22/ n2)] = √ [(1035,9)/(7) + (76,3)/(5)] = 12,78

t = (x1 – x2)/ √ [(s12/ n1) + (s22/ n2)] = (12,3) / (12,78) = 0,964

6. Kesimpulan : Karena t < t0,025(7), maka Terima H0 artinya rata-rata masa putar
film kedua perusahaan tidak berbeda nyata.

Cara lain menentukan tα/2(v) = t’ bagi σ1 ≠ σ2 (tidak diketahui)

tα/2(v) = t’ = (w1 t1 + w2 t2 ) / ( w1 + w2 )

w1 = (s12 / n1) = (1035,9)2 / (7) = 147,99

w2 = (s22 / n2) = (76,3)2 / (5) = 15,26

t1 = tα/2(n1–1) = t0,025 (7–1) = 2,447

t2 = tα/2(n2–1) =t0,025 (5–1) = 2,776

tα/2(v) = t’ = (w1 t1 + w2 t2 ) / (w1 + w2 ) = 2,478

Karena t = 0,964 < t’ = 2,478 maka Terima Ho, artinya rata–rata masa putar film
kedua perusahaan tersebut sama.

6.3 Pengujian Rata–rata Pengamatan Berpasangan

d
t = ————— db–t = (n–1)
sd / √ n

Teladan 6.10 :
Pelatihan manajemen agribisnis kepada 100 petani andalan agar mampu
mengembangkan usahataninya. Setelah beberapa waktu, 6 orang diantara 100
petani andalan tersebut diselidiki keuntungan yang mereka peroleh sebelum dan
Wijaya : Statistika II (Bagian-2) 11
sesudah pelatihan, datanya adalah sebagai berikut :

Petani 1 2 3 4 5 6
Sebelum Dilatih 40 78 49 63 55 33 Juta rupiah
Sesudah Dilatih 58 87 57 72 61 40 Juta rupiah

Ujilah pada taraf nyata 5% apakah pelatihan agribisnis dapat meningkatkan

keuntungan petani.
Jawab :
1. Hipotesis :
H0 : μA = μB lawan H1 : μA > μB ( uji pihak kanan).
2. Uji Statistik : t
3. Taraf Nyata α = 0,05 atau tα/2(n–1) = t0,025(5) = 2,02
4. Wilayah Kritik : t < – 2,02 atau t > 2,02
5. Perhitungan :

Sebelum Dilatih 40 78 49 63 55 33
Sesudah Dilatih 58 87 57 72 61 40
Beda (d) 18 9 8 9 6 7

n=6 ∑d = 57 ∑d2 = 635 d = 9,5 sd = 4,32 sd /√n = 1,76

t = d / sd /√n

t = (9,5) / (1,76) = 5,4

6. Kesimpulan : Karena t > t0,025(5), maka Tolak H0 artinya rata- rata pendapatan
petani setelah dilatih lebih tinggi dibandingkan dengan sebelum dilatih.

¾ Ukuran Contoh untuk Pengujian Rata–rata (μ )

Misal ingin menguji bahwa H0 : μ = μ0 lawan H1: μ = μ0 + δ , δ bisa (+) bisa
(–). Bila peluang galat I dan II adalah α dan β, dan contoh diambil dari populasi
yang menghampiri normal dengan ragam (σ2) yang diketahui, maka ukuran contoh
yang diperlukan adalah : n = (zα + zβ )2 σ2 / (δ2 )

Wijaya : Statistika II (Bagian-2) 12

Teladan 6.11 :
Misal ingin H0 : μ = 68 lawan H1: μ = 69 bagi populasi normal dengan σ = 5. Bila α
dan β keduanya 0,05 maka ukuran contoh yang diperlukan adalah :
n = (zα + zβ )2 σ2 / (δ2 ) = (–1,645 – 1,645)2 (25) / (1) = 271
¾ Ukuran Contoh untuk Pengujian Selisih Rata–rata
H0 : μ1 – μ2 = d0 lawan H1 : μ1 – μ2 = d0 + δ

n = (zα + zβ )2 (σ12 + σ22) / (δ2 )

Teladan 6.12 :
Dua contoh bebas akan diambil dari populasi normal dengan σ12 = 80 dan σ22 =
100. Untuk menguji H0 : μ1 – μ2 = 50 lawan H1 : μ1 – μ2 = 55. Bila α = 0,05
dan β = 0,01 maka ukuran contoh masing–masing yang diperlukan adalah :
n = (zα + zβ )2 (σ12 + σ22) / (δ2 ) = (–1,645 – 2,33)2 (80 + 100) / (25) = 114

6.4 Pengujian Proporsi

a. n ≥ 100 : b. n < 100 :

x/n – p x/n – p
z = ————— t = —————
√ pq / n √ pq / n

Teladan 6.13 :
Pengelola restoran menyatakan bahwa minimal 30% pengunjung restoran setiap
hari minggu menyukai makanan laut. Contoh acak 500 orang yang makan siang di
hari minggu terdapat 160 orang yang suka makanan laut. Ujilah pada taraf nyata
5% apakah pernyataan pengelola restoran tersebut dapat diterima.
Jawab :
1. Hipotesis :
H0 : p = 0,3 lawan H1 : p ≠ 0,3 (uji dua pihak).
2. Uji Statistik : z
3. Taraf Nyata α = 0,05 atau zα/2 = z0,025 = 1,96
4. Wilayah Kritik : z < – 1,96 atau z > 1,96
Wijaya : Statistika II (Bagian-2) 13
5. Perhitungan :
p = 0,3 q = 0,7 x/n = 160/500 = 0,32
z = (x/n – p) / √ (pq/n)
z = (0,32 – 0,3) / √ (0,21/500) = 1,00
6. Kesimpulan : Karena z < z0,025, maka Terima H0 artinya proporsi yang suka
makanan laut memang benar 30 %.

6.5 Pengujian Selisih Proporsi

x1/n1 – x2/n2
z = ——————————
√ pq (1/ n1 + 1/ n2)

x1 + x2
p = ————— q=1–p
n1 + n2

Teladan 6.14 :
Suatu studi dilakukan untuk menguji apakah ada perbedaan proporsi yang nyata
dari penduduk suatu kota dan penduduk di sekitar kota tersebut yang menyetujui
pembangkit listrik tenaga nuklir. Bila 1200 diantara 2000 penduduk kota dan 2400
diantara 5000 penduduk di sekitar kota yang diwawancarai menyetujui
pembangunan apakah dapat dikatakan bahwa proporsi penduduk kota yang setuju
lebih besar dari penduduk sekitar kota (gunakan taraf nyata 5%).
Jawab :
1. Hipotesis :
H0 : p1 = p2 lawan H1 : p1 > p2 (uji pihak kanan).
2. Uji Statistik : z
3. Taraf Nyata α = 0,05 atau zα = z0,05 = 1,645
4. Wilayah Kritik : z > 1,645
5. Perhitungan :
n1 = 2000 n2 = 5000 x1 = 1200 x2 = 2400 x1/ n1 = 0,60 x2/ n2 = 0,48

p = 3600/7000 = 0,51 q = 0,49 pq = 0,25

Wijaya : Statistika II (Bagian-2) 14
 z = (x1/n1 – x2/n2 ) / √ pq (1/n1 + 1/n2)

z = (0,60 – 0,48)/√ 0,25 (1/5000 + 1/2000)

z = (0,12) / (0,013) = 9,23
6. Kesimpulan : Karena z > z0,025, maka Tolak H0 artinya proporsi penduduk
yang setuju di kota lebih besar dari penduduk sekitar kota.

Masalah dalam pengujian selisih proporsi akan ditemui apabila sampel yang
diambil ukurannya semakin kecil, misalnya jika :
1. n1 = 200 n2 = 500 x1 = 120 x2 = 240 x1/n1 = 0,60 x2/n2 = 0,48

p = 360/700 = 0,51 q = 0,49 pq = 0,25

z = (0,60 – 0,48) / √ 0,25 (1/500 + 1/200) = (0,12)/(0,042) = 2,86
(z = 2,86 ) > (z0,05 = 1,645)

2. n1 = 20 n2 = 50 x1 = 12 x2 = 24 x1/n1 = 0,60 x2/n2 = 0,48

p = 36/70 = 0,51 q = 0,49 pq = 0,25

z = (0,60 – 0,48) / √ 0,25 (1/50 + 1/20) = (0,12)/(0,13) = 0,92
(z = 0,92) < (z0,05 = 1,645)

3. atau karena n < 100, maka digunakan sebaran t–student, hasilnya :

n1 = 20 n2 = 50 x1 = 12 x2 = 24 x1/n1 = 0,60 x2/n2 = 0,48

p = 36/70 = 0,51 q = 0,49 pq = 0,25

t = (0,60 – 0,48) / √ 0,25 (1/50 + 1/20) = (0,12)/(0,13) = 0,92
(t = 0,92) < (t0,05 (68) = 1,645)

Jadi apabila ukuran sampel semakin kecil (N < 100) maka H0 cenderung diterima.

Teladan 6.15 :
Seorang ahli genetika tertarik pada populasi laki–laki dan perempuan dalam
populasi yang mengidap kelainan darah tertentu. Dari contoh 100 laki–laki
terdapat 24 yang mengidap kelainan darah dan 100 perempuan terdapat 13 yang
mengidap kelainan. Ujilah pada taraf nyata 1% apakah proporsi yang mengidap
kelainan darah pada laki–laki sama dengan perempuan.
Wijaya : Statistika II (Bagian-2) 15
Jawab :
1. Hipotesis :
H0 : p1 = p2 lawan H1 : p1 ≠ p2 (uji dua pihak).
2. Uji Statistik : z
3. Taraf Nyata α = 0,01 atau zα/2 = z0,005 = 2,575
4. Wilayah Kritik : z < –2,575 atau z > 2,575
5. Perhitungan :
n1 = 100 n2 = 100 x1 = 24 x2 = 13 x1/n1 = 0,24 x2/n2 = 0,13

p = 37/200 = 0,185 q = 0,815 pq = 0,15

z = (x1/n1 – x2/n2 ) / √ pq (1/n1 + 1/n2)

z = (0,24 – 0,13) / √ 0,15 (1/100 + 1/100)

z = (0,11) / (0,039) = 2,82
6. Kesimpulan : Karena z > z0,005, maka Tolak H0 artinya proporsi kelainan darah
pada laki-laki tidak sama dengan perempuan.

6.6 Pengujian Ragam

(a) Satu Ragam :

H0 : σ2 = σ02

H1 : σ2 ≠ σ02 atau σ2 > σ02 atau σ2 < σ02

(n – 1) s2
χ2 = —————
σ02

(b) Kesamaan Dua Ragam :

H0 : σ12 = σ22

H1 : σ12 ≠ σ22 atau σ12 > σ22 atau σ12 < σ22

s12
F = ——— v1 = n1 – 1 dan v2 = n2 – 1
2
s2

Wijaya : Statistika II (Bagian-2) 16

Teladan 6.16 :
Pengelola perusahaan aki mobil mengatakan bahwa umur aki yang diproduksinya
mempunyai simpangan baku 0,9 tahun. Bila suatu contoh acak 10 aki
menghasilkan simpangan baku 1,2 tahun. Ujilah pada taraf nyata 0,05 apakah :
a. Pernyataan perusahaan dapat diterima bahwa σ = 0,9
b. Menurut saudara σ > 0,9
Jawab (a) :
1. Hipotesis :
H0 : σ2 = 0,81 lawan H1 : σ2 ≠ 0,81 (uji dua pihak).
2. Uji Statistik : χ2
3. Taraf Nyata α = 0,05
4. Wilayah Kritik : χ2 < χ2(1–α/2)(n–1) atau χ2 > χ2α/2(n–1)
5. Perhitungan :
Untuk α = 5% didapat χ2α/2(n–1) = χ20,025 (9) = 19,023 dan

χ2(1–α/2) (n–1) = χ20,975 (9) = 2,7

χ2 = (n – 1) s2 / σ02

χ2 = (10–1)(1,44) / (0,9)2
χ2 = 16,0

χ2(1–α/2)(9) = 2,7 χ2α/2(9) = 19,023

6. Kesimpulan : Karena χ20,975(9) < χ2 < χ20,025(9), maka Terima H0 artinya benar
bahwa umur aki mempunyai σ = 0,9.

Jawab (b) :
1. Hipotesis :
H0 : σ2 = 0,81 lawan H1 : σ2 > 0,81 (uji pihak kanan).
2. Uji Statistik : χ2
3. Taraf Nyata α = 0,05
4. Wilayah Kritik : χ2 > χ2α/2(n–1)

Wijaya : Statistika II (Bagian-2) 17

5. Perhitungan :
Untuk α = 5% didapat χ2α/2(n–1) = χ20,05(9) = 16,919
χ2 = (n – 1) s2 / σ02 = (10–1)(1,44) / (0,9)2 = 16,0

6. Kesimpulan : Karena χ2 < χ20,05(9), maka Terima H0 artinya benar bahwa umur
aki mempunyai σ = 0,9.

Teladan 6.17 :
Pelajaran matematika diberikan kepada 12 siswa kelas A dengan metode
pengajaran biasa, dan 10 siswa kelas B dengan metode pengajaran menggunakan
bahan terprogram. Hasil ujian kelas A rata–ratanya 85 dengan simpangan baku 4,
kelas B rata–ratanya 81 dengan simpangan baku 5. Asumsi kedua populasi
mempunyai ragam yang sama tetapi tidak diketahui apakah dapat diterima ? Ujilah
pada taraf nyata 0,10.
Jawab :
1. Hipotesis :
H0 : σ12 = σ22 lawan H1 : σ12 ≠ σ22 (uji dua pihak).
2. Uji Statistik : F
3. Taraf Nyata α = 0,10
4. Wilayah Kritik : F < 1/Fα/2 (v2, v1) atau F > Fα/2 (v1, v2)
5. Perhitungan :
n1 = 12 x1 = 85 s1 = 4 n2 = 10 x2 = 81 s2 = 5

Untuk α = 10% didapat 1/Fα/2(v2, v1) = 1/F0,05 (9, 11) = 0,34

dan Fα/2(v1, ϖ2) = F0,05(11, 9) = 3,11
F = s12 / s22 = (16) / (25) = 0,64

6. Kesimpulan : Karena 1/Fα/2(v2, v1) < F < Fα/2(v1, v2) maka Terima H0 artinya
kedua populasi mempunyai ragam yang sama .

Wijaya : Statistika II (Bagian-2) 18

Teladan 6.18 :
Masa putar film yang diproduksi oleh 2 perusahaan film adalah :

Masa Putar (menit)

Perusahaan I 103 94 110 87 98
Perusahaan II 97 82 123 92 175 88 118

Ujilah pada taraf nyata 10% apakah kedua populasi mempunyai ragam yang
sama.
Jawab :
1. Hipotesis :
H0 : σ12 = σ22 lawan H1 : σ12 ≠ σ22 (uji dua pihak).
2. Uji Statistik : F
3. Taraf Nyata α = 0,10
4. Wilayah Kritik : F < 1/Fα/2 (v2, v1) atau F > Fα/2 (v1, v2)
5. Perhitungan :
n1 = 5 x1 = 98,4 s12 = 76,3 n2 = 7 x2 = 110,7 s22 = 1035,9

Untuk α = 10% didapat 1/Fα/2 (v2, v1) = 1/F0,05 (6, 4) = 0,22

dan Fα/2 (v1, v2) = F0,05 (4, 6) = 4,53
F = s12 / s22 = (76,73) / (1035,9) = 0,074

6. Kesimpulan : Karena 1/Fα/2 (v2, v1) < F < Fα/2 (v1, v2) maka Tolak H0 artinya
kedua populasi mempunyai ragam yang tidak sama .

6.7 Pengujian Kesamaan Beberapa Rata–rata

H0 : μ1 = μ2 = … = μn
H1 : Paling sedikit ada satu tanda “=” tidak berlaku
Uji Statistik yang digunakan adalah :
s12
F = ——— v1 = n1 – 1 dan v2 = n2 – 1
s22

Wijaya : Statistika II (Bagian-2) 19

Teladan 6.19 :
Untuk data penurunan bobot badan (kg) pada 4 metode diet, ujilah pada taraf
nyata 0,05 apakah rata–rata penurunan bobot badan keempat metode diet itu
sama.
Metode Diet

Nomor A B C D
1 1,2 1,4 0,7 1,0
2 2,0 1,5 1,6 0,9
3 2,1 1,0 1,6 1,4
4 1,0 1,9 1,4 1,6
5 1,7 2,2 1,7 1,1
Jumlah 8,0 8,0 7,0 6,0 29,0
Rta–rata 1,6 1,6 1,4 1,2

Jawab :
1. Hipotesis : H0 : μ1 = μ2 = … = μn
H1 : Paling sedikit ada satu tanda “=” tidak berlaku
2. Uji Statistik : F
3. Taraf Nyata α = 0,05
4. Wilayah Kritik : F > Fα (v1, v2)
5. Perhitungan :
2
a. Faktor Koreksi (FK) = (29) : 20 = 42,05
2 2
b. Jumlah Kuadrat Perlakuan (JKP) = (8,0 + … + 6,0 ) / 5 – FK = 0,55
2 2
c. Jumlah Kuadrat Total (JKT) = (1,2 + … + 1,1 ) – FK = 3,35
d. Jumlah Kuadrat Galat (JKG) = JKT – JKP = 3,35 – 0,55 = 2,80
e. Derajat Bebas (db) Total = n – 1 = 20 – 1 = 19
f. Derajat Bebas (db) Perlakuan = k – 1 = 4 – 1 = 3
g. Derajat Bebas (db) Galat = db Total – db Perlakuan = 19 – 3 = 16
h. Kuadrat Tengah (KT) Perlakuan = JK Perlakuan : db Perlakuan
i. Kuadrat Tengah (KT) Galat = JK Galat : db Galat

Wijaya : Statistika II (Bagian-2) 20

 j. F = (s12 ) / (s22 ) = (0,183) / (0,175) = 1,05

Daftar Sidik Ragam :

No. Sumber Variasi db JK KT F F0,05

1 Metode Diet 3 0,55 0,183 1,05 3,24

2 Galat 16 2,80 0,175
Total 19 3,35

6. Kesimpulan : Karena F < F0,05, maka Terima H0 artinya penurunan bobot

badan pada keempat metode diet itu sama besar.

6.8 Pengujian Kesamaan Beberapa Proporsi (Data Multinom)

H0 : p1 = p2 = … = pn
H1 : Paling sedikit ada satu tanda “=” tidak berlaku
(oi – ei ) 2
χ2 = ∑ ————— db–χ2 = (b–1)(k–1)
ei

dimana b = banyaknya baris dan k = banyaknya kolom. Untuk tabel kontingensi 2

x 2, berarti db–χ2 = (b–1)(k–1) = 1 perlu dilakukan koreksi Yate bagi kekontinyuan
(karena data asal bersifat diskrit) yaitu :

[ (oi – ei ) – 0,5 ]2
χ2 = ∑ ————————
ei

Bila frekuensi harapan (ei ) antara 5 dan 10, maka koreksi Yates harus
dipakai. Bila frekuensi harapan (ei ) besar, maka χ2 ≈ χ2 terkoreksi. Bila frekuensi
harapan (ei ) kurang dari 5, maka dipakai Uji Pasti Fisher–Irwin, oleh karena itu
sebaiknya digunakan ukuran contoh yang besar.

Teladan 6.20 :
Data berikut menunjukkan banyaknya produk yang cacat pada 3 macam waktu
kerja. Ujilah pada taraf nyata 0,025 apakah produk yang cacat mempunyai

Wijaya : Statistika II (Bagian-2) 21

proporsi sama untuk ketiga waktu kerja tersebut.

Pagi Siang Malam Jumlah

Cacat 45 55 70 170
Baik 905 890 870 2665
Jumlah 950 945 940 2835

Jawab :
1. Hipotesis :
H0 : p1 = p2 = … = pn
H1 : Paling sedikit ada satu tanda “=” tidak berlaku
2. Uji Statistik : χ2
3. Taraf Nyata α = 0,025
4. Wilayah Kritik : χ2 > χ2α(b–1) (k–1)
5. Perhitungan :
Untuk α = 0,025 didapat χ2α(b–1) (k–1) = χ20,025 (2) = 19,023

Pagi Siang Malam

Oi Ei Oi Ei Oi Ei

Cacat 45 57,0 55 56,7 70 56,3 170

Baik 905 893,0 890 888,3 870 883,7 2665
Jumlah 950 945 940 2835

(oi – ei ) 2
χ2 = ∑ —————
ei
(45 – 57 )2 (905 – 893 )2 (870 – 883,7) 2
χ = ————— + —————— + … + ——————— = 6,288
2

(57) (893) (883,7)

6. Kesimpulan : Karena χ2 < χ20,025(2), maka Terima H0 artinya proporsi produk

cacat yang dihasilkan pada ketiga macam waktu kerja adalah sama.

Wijaya : Statistika II (Bagian-2) 22

Teladan 6.21 :
Tiga penyalur ‘mixed nut’ mengiklankan bahwa produknya mengandung
sebanyak–banyaknya 60% kacang. Bila sebuah kaleng berisi 500 mixed nut
diambil secara acak dari masing–masing penyalur ternyata mengandung berturut–
turut 345 ; 319 dan 359 kacang. Simpulkan pada taraf nyata 0,01 apakah
proporsi kacang mixed nut dari ketiga penyalur tersebut sama.

Penyalur I Penyalur II Penyalur III Jumlah

Berkacang 345 319 359 1017
Tidak 155 181 141 483
Jumlah 500 500 500 1500

Jawab :
1. Hipotesis :
H0 : p1 = p2 = … = pn
H1 : Paling sedikit ada satu tanda “=” tidak berlaku
2. Uji Statistik : χ2
3. Taraf Nyata α = 0,01
4. Wilayah Kritik : χ2 > χ2α(b–1) (k–1)
5. Perhitungan :
Untuk α = 0,01 didapat χ2α(b–1) (k–1) = χ20,01(2) = 9,21

Penyalur I Penyalur II Penyalur III

Oi Ei Oi Ei Oi Ei
Berkacang 345 339 319 339 359 339 1017
Tidak 155 161 181 161 141 161 483
Jumlah 500 500 500 1500

(345 – 339)2 (319 – 339 )2 (141 – 161)2

χ2 = —————— + —————— + … + —————— = 10,19
(339) (339) (161)

6. Kesimpulan : Karena χ2 < χ20,01(2), maka Tolak H0 artinya proporsi kacang

pada mixed nut dari ketiga penyalur berbeda.
Wijaya : Statistika II (Bagian-2) 23
Teladan 6.22 :
Hasil penelitian untuk mengetahui proporsi ibu rumah tangga yang suka acara
Sinetron TV diperoleh 29 diantara 150 ibu rumah tangga di daerah A, 48 diantara
200 di daerah B dan 35 diantara 150 di daerah C suka acara tersebut. Simpulkan
pada taraf nyata 0,05 apakah tidak ada perbedaan proporsi ibu rumah tangga
terhadap acara tersebut.

A B C Jumlah
Suka 29 48 35 112
Tidak Suka 121 152 115 388
Jumlah 150 200 150 500

Jawab :
1. Hipotesis :
H0 : p1 = p2 = … = pn
H1 : Paling sedikit ada satu tanda “=” tidak berlaku
2. Uji Statistik : χ2
3. Taraf Nyata α = 0,05
4. Wilayah Kritik : χ2 > χ2α(b–1) (k–1)
5. Perhitungan :
Untuk α = 0,05 didapat χ2α(b–1) (k–1) = χ20,05(2) = 5,991

A B C
Oi Ei Oi Ei Oi Ei
Suka 29 33,6 48 44,8 35 33,6 112
Tidak Suka 121 116,4 152 155,2 115 161,4 388
Jumlah 150 200 150 500

(29 – 33,69)2 (48 – 44,8 )2 (115 – 161,4)2

χ2 = —————— + —————— + … + ——————— = 1,181
(33,6) (44,8) (161,4)

6. Kesimpulan : Karena χ2 < χ20,05(2), maka Terima H0 artinya proporsi ibu

rumah tangga yang suka acara Sinetron tidak berbeda.
Wijaya : Statistika II (Bagian-2) 24
6.9 Pengujian Kesamaan Beberapa Ragam

H0 : σ12 = σ22 = … = σk2

H1 : Paling sedikit satu tanda = tidak berlaku.
Uji dari Bartlett :
χ2 = Ln 10 [ {Log s2 ∑ (ni –1) } – { ∑ (ni –1) Log si2 } ]

∑ (ni –1) si2 ∑ (ni –1) si2

s2 = —————— = ——————
∑ (ni –1) N–k

Teladan 6.23 :
Untuk data penurunan bobot badan (kg) pada 4 metode diet. Ujilah pada taraf
nyata 0,05 apakah ragam penurunan bobot badan keempat metode diet itu sama.
Jawab :
1. Hipotesis : H0 : σ12 = σ22 = … = σk2
H1 : Paling sedikit satu tanda = tidak berlaku.
2. Uji Statistik : χ2
3. Taraf Nyata α = 0,05
4. Wilayah Kritik : χ2 > χ2α(n–1)
5. Perhitungan :
Untuk α = 0,05 didapat χ2α(n–1) = χ20,05(3) = 7,81

ni –1 si2 Log si2 (ni –1) Log si2

A 1,2 2,0 2,1 1,0 1,7 4 0,235 – 0,63 – 2,52

B 1,4 1,5 1,0 1,9 2,2 4 0,215 – 0,67 – 2,67
C 0,7 1,6 1,6 1,4 1,7 4 0,165 – 0,78 – 3,13
D 1,0 0,9 1,4 1,6 1,1 4 0,085 – 1,07 – 4,28

s2 = 4 (0,235 + 0,215 + 0,165 + 0,085) / (16) = 0,175

χ2 = 2,3 [ (– 0,76)(16) – (– 12,6) ] = 1,012
6. Kesimpulan : Karena χ2 < χ20,05(3), maka Terima H0 artinya ragam penurunan
bobot badan keempat metode diet itu sama.
Wijaya : Statistika II (Bagian-2) 25
6.10 Uji Kebaikan Suai (Uji Kecocokan)
Uji ini digunakan untuk mengetahui ada tidaknya kesesuaian (kecocokan)
model sebaran yang diasumsikan. Misal sebuah dadu dilempar 120 kali, bila dadu
itu setimbang maka secara teoritik masing–masing sisi akan muncul sebanyak 20
kali. Dengan membandingkan frekuensi yang teramati dengan frekuensi harapan,
kita harus memutuskan apakah ketaksuaian itu disebabkan oleh fluktuasi
penarikan contoh atau karena dadunya tidak setimbang sehingga sebaran hasil
percobaan tidak seragam. Uji Kebaikan Suai didasarkan pada besaran :

k ( oi – ei ) 2
χ2 = ∑
i ei

db–χ2 = (k – g – 1) dimana k adalah banyaknya kategori atau kelas interval dan g

adalah banyaknya parameter yang ditaksir. Kriteria pengujian adalah Tolak H0 jika
χ2 > χ2α(k–g–1).
Bila frekuensi teramati (oi) dekat dengan frekuensi harapan (ei), maka nilai χ2
akan kecil, menunjukkan adanya kesuaian yang baik. Kesuaian yang baik
membawa pada penerimaan H0. Bila ada frekuensi–frekuensi harapan (ei) kurang
dari 5, maka frekuensi harapan tersebut harus digabungkan, berarti db–χ2 akan
berkurang.

Teladan 4.24 :
Misal data berikut menunjukkan frekuensi teramati dan frekuensi harapan dari
pelemparan dadu sebanyak 120 kali. Ujilah pada taraf nyata 5% apakah dadu
tersebut setimbang.

Sisi Dadu
1 2 3 4 5 6
Teramati 20 22 17 18 19 24
Harapan 20 20 20 20 20 20

Wijaya : Statistika II (Bagian-2) 26

Jawab :
1. Hipotesis :
H0 : p1 = p2 = … = pn
H1 : Paling sedikit ada satu tanda “=” tidak berlaku
2. Uji Statistik : χ2
3. Taraf Nyata α = 0,05
4. Wilayah Kritik : χ2 > χ2α(k–g–1)
5. Perhitungan :
Untuk α = 0,05 dan db–χ2 = (k – g – 1) = (6–0–1) = 5

didapat χ2α(k–g–1) = χ20,05 (5) = 11,07

(20 – 20)2 (22 – 20)2 (24 – 20)2

χ2 = ————— + ————— + … + ————— = 1,7
(20) (20) (20)
6. Kesimpulan : Karena nilai χ2 < χ20,05 (5) maka disimpulkan untuk menerima
H0 (dadu setimbang).

Teladan 6.25 :
Eksperimen genetika menunjukkan bahwa semacam karakteristik diturunkan
menurut perbandingan 1:3:3:9, untuk kategori A, B, C dan D. Dari 160
pengamatan terdapat 5 kategori A, 23 B, 32 C dan 100 D. Dengan taraf nyata 5%,
apakah data tersebut menguatkan teori genetika ?

Kategori
A B C D Jml
Teramati 5 23 32 100 160
Harapan 10 30 30 90 160

Jawab :
1. Hipotesis :
H0 : p1 = p2 = … = pn
H1 : Paling sedikit ada satu tanda “=” tidak berlaku
2. Uji Statistik : χ2
Wijaya : Statistika II (Bagian-2) 27
3. Taraf Nyata α = 0,05
4. Wilayah Kritik : χ2 > χ2α (k–g–1)
5. Perhitungan :
Untuk α = 0,05 dan db–χ2 = (k – g – 1) = (4–0–1) = 3

didapat χ2α(k–g–1) = χ20,05 (3) = 7,81

(5 – 10)2 (23 – 30)2 (100 – 90)2

χ2 = ————— + ————— + … + —————— = 5,18
(10) (30) (90)

6. Kesimpulan : Karena nilai χ2 < χ20,05 (3) maka Terima H0 artinya tidak ada
alasan untuk tidak mempercayai teori genetika tersebut.

Teladan 6.26 :
Tabel berikut menunjukkan distribusi frekuensi gaji (x Rp 10.000,– per minggu) dari
40 karyawan Pabrik Rotan, dengan rata–rata (x) = 3,4 dan simpangan baku (s) =
0,7. Untuk menghitung frekuensi harapan (ei) digunakan batas atas masing–
masing kelas ke rumus z (data kontinyu, n > 30), misalnya :
z1 = (1,45 – 3,41) / (0,7) = – 2,80 jadi p(z1 ) = 0,0026
z2 = (1,95 – 3,41) / (0,7) = – 2,09 jadi p(z2) = 0,0183
P (1,45 < x < 1,95) = P (z1 < z < z2 ) = 0,0157 atau ei = 0,0157 x 40 = 0,6
Dengan cara yang sama akan didapat :

Batas Kelas z1 z2 P Ei oi (oi – ei)2 / ei

1,45 – 1,95 –2,80 –2,09 0,0157 0,6 2

1,95 – 2,45 –2,09 –1,37 0,0670 2,7 10,0 1 7 0,900
2,45 – 2,95 –1,37 –0,66 0,1693 6,7 4
2,95 – 3,45 –0,66 0,06 0,2693 10,7 15 1,728
3,45 – 3,95 0,06 0,77 0,2555 10,1 10 0,001
3,95 – 4,55 0,77 1,49 0,1525 6,0 8,2 5 8 0,005
4,45 – 4,95 1,49 2,20 0,0548 2,2 3

40 40 2,634

Wijaya : Statistika II (Bagian-2) 28

Jawab :
χ2 = 2,634. db–χ2 = (k – g – 1) = (4–2–1) = 1, k = 4 (asalnya 7 kelas setelah
digabung jadi 4 kelas) dan g = 2 (banyaknya parameter yang ditaksir ada 2 yaitu
rata–rata dan simpangan baku).
Untuk α = 0,05 nilai χ2α(k–g–1) = χ20,05 (4) = 7,879. Karena nilai χ2 < χ20,05 (4)
maka Terima H0 artinya sebaran normal memberikan kesuaian yang baik bagi
pendapatan.

6.11 Uji Kebebasan Dua Peubah

Untuk Tabel Kontingensi b x k ( b baris dan k kolom ) :

(oi – ei ) 2
χ2 = ∑ ———— db–χ2 = (b–1)(k–1)
ei

Untuk tabel kontingensi 2x2, berarti db–χ2 = (b–1)(k–1) = 1 perlu dilakukan koreksi
Yate bagi kekontinyuan (karena data asal bersifat diskrit) yaitu :

[ ( oi – ei ) – 0,5 ]2
χ2 = ∑ ————————
ei

atau dengan menggunakan rumus lain, yaitu :

Baris Kolom Jumlah

1 a b a+b
2 c d c+d
Jumlah a+c b+d n

n [ ( ad – bc ) – 0,5 n ]2
χ2 = ———————————
(a+b)(a+c)(b+d)(c+d)

Wijaya : Statistika II (Bagian-2) 29

Teladan 6.27 :
Data berikut menunjukkan tingkat pendidikan kepala keluarga dan banyaknya anak
dari 1000 keluarga. Ujilah pada taraf nyata 5%, apakah terdapat hubungan antara
tingkat pendidikan kepala keluarga dengan banyaknya anak tersebut.

Banyaknya Anak
Pendidikan 1–3 >3 Jumlah
Oi Ei Oi Ei
Sekolah dasar 182 200,9 154 135,1 336
Sekolah menengah 213 209,9 138 141,1 351
Akademi 203 187,2 110 125,8 313

598 402 1000

Jawab :
(182 – 200,9)2 (110 – 125,8)2
χ = ——————— + … + ——————— =
2
7,854
(200,9) (125,8)

db–χ2 = (b–1)(k–1) = (3–1)(2–1) = 2 jadi χ20,05 (2) = 5,991. Karena nilai

χ2 > χ20,05(2) maka Tolak H0 artinya besarnya keluarga bergantung pada tingkat
pendidikan kepala keluarga (atau terdapat hubungan yang nyata antara tingkat
pendidikan kepala keluarga dengan banyaknya anak).

Teladan 6.28 :
Contoh acak 30 orang dewasa diklasifikasikan menurut jenis kelamin dan lamanya
nonton TV setiap minggu. Ujilah pada taraf nyata 1%, apakah terdapat hubungan
antara lamanya nonton TV dengan jenis kelamin.

Jenis Kelamin
Lama Nonton TV Laki–laki Perempuan Jumlah
Oi Ei Oi Ei
≥ 25 jam 5 6,53 9 7,47 14
< 25 jam 9 7,47 7 8,53 16
14 16 30

Wijaya : Statistika II (Bagian-2) 30

Dengan Rumus I :
[(5 – 6,53) – 0,5]2 [(7 – 8,53) – 0,5]2
χ2 = ————————— + … + ————————— = 0,571
(6,53) (8,53)

Dengan Rumus II :

30 [ {(5x7 – 9x9) – ½. 30]2

χ = ————————————— = 0,575
2

( 14 x 16 x 14 x 16 )

db–χ2 = 1 jadi χ20,01(1) = 6,635. Karena nilai χ2 < χ20,01(1) maka Terima H0,
artinya lamanya nonton TV tidak bergantung pada jenis kelamin (bebas).

Wijaya : Statistika II (Bagian-2) 31

 DAFTAR PUSTAKA

Anto Dajan. 1995. Pengantar Metode Statistika Jilid II. LP3ES. Jakarta.

Jalaluddin Rakhmat. 1999. Metode Penelitian Komunikasi. Remaja Rosdakarya.

Bandung.

J. Supranto. 1995. Statistik : Teori dan Aplikasi, Jilid II. Erlangga. Jakarta.

Kwanchai A. Gomez dan Arturo A. Gomez. 1995. Prosedur Statistik Untuk

Penelitian Pertanian. Universitas Indonesia Press. Jakarta.

Robert, G. D. Steel dan James H. Torrie. 1993. Prinsip dan Prosedur Statistika.
Gramedia Pustaka Utama. Jakarta.

Ronald E. Walpole. 1995. Pengantar Statistika. Gramedia Pustaka Utama.

Jakarta.

Sudjana. 1989. Metoda Statistika. Tarsito. Bandung.

Sugiyono. 1997. Statistika Untuk Penelitian. Alfabeta. Bandung

Vincent Gaspersz. 1991. Teknik Analisis Dalam Penelitian Percobaan, Jilid I.

Tarsito. Bandung.

Vincent Gaspersz. 1991. Teknik Analisis Dalam Penelitian Percobaan, Jilid II.
Tarsito. Bandung.

Wijaya : Statistika II (Bagian-2) 32