PROPORSI, ESTIMASI,

DAN GOODNESS OF FIT

BAHAN KULIAH
DI SEKOLAH TINGGI ILMU STATISTIK
2012/1013

Agung Priyo Utomo - agung@stis.ac.id

 PROPORSI TUNGGAL
 Data kategorik  berskala nominal atau ordinal
 Misalkan dipilih sampel acak sebanyak 10 siswa dan
dicatat berapa siswa yang pandai di bidang
matematika dan yang tidak
 n = 10
 Y = banyaknya siswa yang pandai matematika
Y ~ binomial
 peluang terdapat k siswa yang pandai
matematika dari n siswa dihitung dg rumus:

Agung Priyo Utomo - agung@stis.ac.id

 PROPORSI TUNGGAL
 Misalkan terdapat 4 dari 10 siswa yang pandai matematika,
sehingga peluangnya adalah:

 MLE mpk nilai π yg membuat prob. (likelihood) maksimal.

 Misal jika π = 0,3, maka

 Jika π = 0,4, maka

Agung Priyo Utomo - agung@stis.ac.id

 PROPORSI TUNGGAL

 MLE untuk proporsi (π) adalah proporsi sampel,

yaitu p = k/n (dalam contoh kita p = 4/10 = 0,4)

Peluang binomial
untuk beberapa
nilai π, jika n = 10
dan k = 4

Agung Priyo Utomo - agung@stis.ac.id

 UJI HIPOTESIS: PROPORSI TUNGGAL

 Menguji apakah proporsi yang dihipotesisnya didukung

informasi sampel (apakah proporsi sampel berbeda
dengan proporsi yang dihipotesiskan)
 Pada contoh sebelumnya, misalkan pihak sekolah
beranggapan bahwa seharusnya 80% siswanya pandai
matematika.
 Misalkan data sampel menunjukkan hanya 70% siswa
yang pandai matematika

 Apakah dapat dikatakan bahwa proporsi sampel

berbeda dengan proporsi populasi? Apakah
pernyataan pihak sekolah tidak didukung oleh sampel?
 H 0 : π = 0,8 vs H 1 : π < 0,8

Agung Priyo Utomo - agung@stis.ac.id

 PROSEDUR UJI HIPOTESIS: PROPORSI TUNGGAL

Exact test  pendekatan distribusi probabilita binomial

• Data sampel menunjukkan

70% siswa pandai
matematika  k = 7
• Pada k = 7, P(Y ≤ 7 ) =
0,3222
• Dg tingkat signifikansi (α)
5%, maka P(Y ≤ 7 ) > 0,05,
H0 tidak ditolak 
pernyataan pihak sekolah
masih dapat diterima

Agung Priyo Utomo - agung@stis.ac.id

 PROSEDUR UJI HIPOTESIS: PROPORSI TUNGGAL

Uji Wald  pendekatan distribusi probabilita Normal

 Jika n → ∞, bin ~ Normal
 Pendekatan Normal baik digunakan jika nπ > 5 dan n(1-π) > 5
 Pada contoh kita, nπ = 10×0,8 = 8 dan n(1-π) = 10×0,2 = 2
 Untuk menguji H 0 : π = π 0 , statistik uji yg digunakan:

~ N(0,1) untuk n→∞

 Pada contoh kita,

 Pada hipotesis 2 arah, dg α = 5%, H 0 ditolak jika |z| > 1,96

 Hasil: H 0 tidak ditolak  pernyataan pihak sekolah dapat
diterima

Agung Priyo Utomo - agung@stis.ac.id

 PROSEDUR UJI HIPOTESIS: PROPORSI TUNGGAL

Score Test  seperti uji Wald, namun estimasi varian proporsi

didasarkan pada nilai π 0
 Untuk menguji H 0 : π = π 0 , statistik uji yg digunakan:

~ N(0,1) untuk n→∞

 Pada contoh kita,

 Pada hipotesis 2 arah, dg α = 5%, H 0 ditolak jika |z| > 1,96

 Hasil: H 0 tidak ditolak  pernyataan pihak sekolah dapat
diterima
Terdistribusi chi-squares dengan derajat bebas 1
𝑧 2 ~𝜒12  bisa digunakan utk menguji hipotesis dua arah
tentang proporsi

Agung Priyo Utomo - agung@stis.ac.id

 PROSEDUR UJI HIPOTESIS: PROPORSI TUNGGAL

Metode Likelihood Ratio

 Membandingkan likelihood (probabilita) dari data observasi
yg diperoleh menggunakan proporsi dibawah hipotesis nol
(L 0 ) terhadap data observasi yg diperoleh dari sampel (hasil
estimasi, L 1 )
likelihood ratio (LR) = L 0 /L 1
 Jika L 1 lebih besar dari L 0 , maka LR semakin kecil  H 0
cenderung tidak ditolak
 Statistik uji LR adalah sebagai berikut:

 Dibawah H 0 , statistik uji G 2 ~ Chi-Square dg derajat bebas

sebanyak parameter yg dihipotesiskan (pd kasus proporsi
tunggal, db = 1)  hanya utk uji 2 arah
 Tolak H 0 jika G 2 > Chi-sq dg db=1

Agung Priyo Utomo - agung@stis.ac.id

 PROSEDUR UJI HIPOTESIS: PROPORSI TUNGGAL

Metode Likelihood Ratio

 Pada contoh kita (H 0 : π = 0,8 vs H 1 : π ≠ 0,8),

dan

sehingga

 Nilai kritis distribusi Chi -sq dg db=1 pd tk signifikansi 5%

adalah 3,84, sehingga H 0 tidak ditolak

Agung Priyo Utomo - agung@stis.ac.id

RANGKUMAN: UJI PROPORSI TUNGGAL

Agung Priyo Utomo - agung@stis.ac.id

 GOODNESS-OF-FIT TEST

Bagaimana cara menguji beberapa contoh kasus berikut:

 Penelitian tentang kecakapan siswa dalam bidang
matematika yang dikategorikan menjadi 4, yaitu
mahir/sangat baik, baik, cukup, dan kurang. Pihak
sekolah beranggapan bahwa pada awalnya dari seluruh
siswanya, 15% termasuk dalam kategori sangat baik, 40%
baik, 30% cukup, dan 15% kurang. Jika diberikan suatu
program khusus utk meningkatkan kemampuan
matematika dg harapan dapat meningkatkan
ekamampuan mereka, apakah anggapan pihak sekolah
didukung oleh informasi sampel?
 Setelah menerapkan kurikulum baru, pihak PT
bermaksud menguji apakah distribusi kemampuan
mahasiswanya berbeda secara signifikan dibandingkan
sebelumnya (dilihat melalui distribusi grade nilai yang
diperoleh, yaitu A, B, C, D)
Agung Priyo Utomo - agung@stis.ac.id
 GOODNESS-OF-FIT TEST

 Pada kasus disini terdapat lebih dari 2 kategori dan

yang diamati adalah distribusi frekuensi dari setiap
sel.
 Hipotesis:
H 0: Frekuensi harapan sama dengan frekuensi sampel
(Distribusi frekuensi harapan sesuai/didukung oleh
informasi sampel)
H 1: Frekuensi harapan tidak sama dg frekuensi sampel
(Distribusi frekuensi harapan tidak sesuai/tidak
didukung oleh informasi sampel)
 Statistik uji:
1. Pearson Chi-Squared
2. Likelihood Ratio

Agung Priyo Utomo - agung@stis.ac.id

 GOODNESS-OF-FIT TEST

1. Pearson Chi-Squared Test Statistic

2
Tolak H 0 jika 𝑋 2 > 𝜒 (𝛼; 𝑐−1 )

2. Likelihood Ratio Test Statistic

2
Tolak H 0 jika 𝐺 2 > 𝜒 (𝛼; 𝑐−1 )

Agung Priyo Utomo - agung@stis.ac.id

 GOODNESS-OF-FIT TEST
1. Pearson Chi -Squared Test Statistic

Contoh:
Penelitian tentang kecakapan siswa dalam bidang matematika yang
dikategorikan menjadi 4, yaitu mahir/sangat baik, baik, cukup, dan
kurang. Pihak sekolah beranggapan bahwa pada awalnya dari seluruh
siswanya, 15% termasuk dalam kategori sangat baik, 40% baik, 30%
cukup, dan 15% kurang. Jika diberikan suatu program khusus utk
meningkatkan kemampuan matematika dg harapan dapat
meningkatkan ekamampuan mereka, apakah anggapan pihak sekolah
didukung oleh informasi sampel? Hasilnya sbb:

Agung Priyo Utomo - agung@stis.ac.id Dapat darimana ???

 GOODNESS-OF-FIT TEST
1. Pearson Chi -Squared Test Statistic
Hipotesis:
H 0 : Distribusi Frekuensi harapan sama dg frekuensi sampel
H 1 : Distribusi Frekuensi harapan tidak sama dg frekuensi sampel

Statistik Uji:

2 2 2
Nilai 𝜒 (0,05; 𝑐 −1 ) = 𝜒 (0,05; 4−1 ) = 𝜒 (0,05;3) = 7,82

2
Karena X 2 > 𝜒 (0,05;3) = 7,82, maka H 0 ditolak, artinya distribusi
frekuensi harapan tidak sama dg frekuensi observasi.

Jika dilihat distribusi frekuensi pada tabel, pihak sekolah berhasil

meningkatkan kemampuan matematika siswa.

Agung Priyo Utomo - agung@stis.ac.id

 GOODNESS-OF-FIT TEST
1. Likelihood Ratio Test Statistic
Hipotesis:
H 0 : Distribusi Frekuensi harapan sama dg frekuensi sampel
H 1 : Distribusi Frekuensi harapan tidak sama dg frekuensi sampel

Statistik Uji:

2 2 2
Nilai 𝜒 (0,05; 𝑐 −1 ) = 𝜒 (0,05; 4−1 ) = 𝜒 (0,05;3) = 7,82
2
Karena G 2 > 𝜒 (0,05;3) = 7,82, maka H 0 ditolak.

Agung Priyo Utomo - agung@stis.ac.id

PROBLEMS

Agung Priyo Utomo - agung@stis.ac.id

PROBLEMS

Agung Priyo Utomo - agung@stis.ac.id