Sebuah Universitas melakukan survei terhadap lulusan baru untuk mengumpulkan informasi

demografi dan kesehatan untuk tujuan perencanaan masa depan serta untuk menilai kepuasan
mahasiswa dengan pengalaman sarjana mereka. Survei tersebut mengungkapkan bahwa sebagian
besar siswa tidak melakukan olahraga teratur, banyak yang merasa gizi mereka buruk dan sejumlah
besar merokok. Menanggapi pertanyaan tentang olahraga teratur, 60% dari semua lulusan
melaporkan tidak berolahraga secara teratur, 25% melaporkan berolahraga secara sporadis dan 15%
melaporkan berolahraga secara teratur sebagai mahasiswa. Tahun berikutnya Universitas
meluncurkan kampanye promosi kesehatan di kampus dalam upaya untuk meningkatkan perilaku
kesehatan di kalangan mahasiswa. Program tersebut mencakup modul tentang olahraga, nutrisi, dan
berhenti merokok. Untuk mengevaluasi dampak program, Universitas kembali mensurvei lulusan
dan mengajukan pertanyaan yang sama. Survei ini diselesaikan oleh 470 lulusan dan data berikut
dikumpulkan pada pertanyaan latihan:

Taraf signifikansi: 5%

Jawab:

 Menentukan hipotesis dan taraf signifikansi

Hipotesis nol sekali lagi mewakili situasi "tidak ada perubahan" atau "tidak ada perbedaan".
Jika kampanye promosi kesehatan tidak berdampak maka kami berharap distribusi
tanggapan terhadap pertanyaan latihan akan sama dengan yang diukur sebelum
pelaksanaan program.

Perhatikan bahwa hipotesis penelitian ditulis dalam kata-kata daripada simbol. Hipotesis
penelitian sebagaimana dinyatakan menangkap perbedaan dalam distribusi tanggapan dari
yang ditentukan dalam hipotesis nol. Kami tidak menentukan distribusi alternatif tertentu,
melainkan kami menguji apakah data sampel "cocok" dengan distribusi di H0 atau tidak.
Dengan uji kecocokan 2, tidak ada versi uji atas atau bawah.
 Statistik Uji yang tepat

Pertama-tama kita harus menilai apakah ukuran sampel memadai. Secara khusus, kita perlu
memeriksa min(np0, np1, ..., n pk) > 5. Ukuran sampel di sini adalah n=470 dan proporsi
yang ditentukan dalam hipotesis nol adalah 0,60, 0,25 dan 0,15. Jadi, min( 470(0,65),
470(0,25), 470(0,15))=min(282, 117,5, 70,5)=70,5. Ukuran sampel lebih dari cukup sehingga
rumus dapat digunakan.
 Keputusan
Aturan keputusan untuk uji x^2 bergantung pada tingkat signifikansi dan derajat kebebasan,
yang didefinisikan sebagai derajat kebebasan (df) = k-1 (di mana k adalah jumlah kategori
respons). Jika hipotesis nol benar, frekuensi yang diamati dan diharapkan akan mendekati
nilainya dan statistik x^2 akan mendekati nol. Jika hipotesis nol salah, maka statistik x^2
akan besar. Nilai kritis dapat ditemukan dalam tabel probabilitas untuk distribusi x^2. Di sini
 kita memiliki df=k-1=3-1=2 dan tingkat signifikansi 5%. Nilai kritis yang sesuai adalah 5,99,
dan aturan keputusannya adalah sebagai berikut: Tolak H0 jika 2 > 5,99.
 Menghitung statistik uji
Kami sekarang menghitung frekuensi yang diharapkan menggunakan ukuran sampel dan
proporsi yang ditentukan dalam hipotesis nol. Kami kemudian mengganti data sampel
(frekuensi yang diamati) dan frekuensi yang diharapkan ke dalam rumus untuk statistik uji
yang diidentifikasi pada Langkah 2. Perhitungan dapat diatur sebagai berikut.

 Kesimpulan
Kami menolak H0 karena 8,46 > 5,99. Kami memiliki bukti yang signifikan secara statistik
pada =0,05 untuk menunjukkan bahwa H0 salah, atau bahwa distribusi tanggapan tidak 0,60,
0,25, 0,15. Nilai p adalah p < 0,005.

Dalam uji kecocokan x^2(goodness of fit), kami menyimpulkan bahwa distribusi yang
ditentukan dalam H0 salah (ketika kami menolak H0) atau bahwa kami tidak memiliki cukup
bukti untuk menunjukkan bahwa distribusi yang ditentukan dalam H0 salah (ketika kami
gagal untuk menolak H0). Di sini, kami menolak H0 dan menyimpulkan bahwa distribusi
tanggapan terhadap pertanyaan latihan setelah pelaksanaan kampanye promosi kesehatan
tidak sama dengan distribusi sebelumnya. Tes itu sendiri tidak memberikan rincian tentang
bagaimana distribusi telah bergeser. Perbandingan frekuensi yang diamati dan yang
diharapkan akan memberikan beberapa wawasan tentang pergeseran (ketika hipotesis nol
ditolak). Apakah kampanye promosi kesehatan terlihat efektif?

Jika hipotesis nol itu benar (yaitu, tidak ada perubahan dari tahun sebelumnya), kami akan
mengharapkan lebih banyak siswa yang masuk dalam kategori "Tidak Berolahraga Reguler"
dan lebih sedikit dalam kategori "Latihan Reguler". Dalam sampel, 255/470 = 54%
melaporkan tidak berolahraga teratur dan 90/470 = 19% melaporkan olahraga teratur.
Dengan demikian, ada pergeseran ke arah olahraga yang lebih teratur setelah pelaksanaan
kampanye promosi kesehatan. Ada bukti perbedaan statistik, apakah ini perbedaan yang
berarti? Apakah ada ruang untuk perbaikan?