RESUME

UJI REGRESI DAN UJI CHI SQUARE

“Disusun untuk memenuhi tugas mata kuliah statistik”

DOSEN PENGAMPU : Herry Yulistiono M. Si

Disusun oleh kelompok 4

Nama Anggota :

M Khoirul Inkana 200231100089

Ratna Ani Lestari 200231100101

Rizal Firmansyah 200231100075

Sefi Damayanti 200231100069

Pagi’ela Novelisty 200231100051

PRODI EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS TTRUNOJOYO MADURA

2021
 UJI REGRESI DAN UJI CHI SQUARE

A. UJI REGRESI
Pengertian Uji Regresi
 Analisis regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dengan variabel yang lain. Variabel
"penyebab" disebut dengan bermacam-macam istilah, seperti variabel penjelas,
variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena
seringkali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena
akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat,
atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun
variabel yang dipengaruhi harus selalu variabel acak.
 Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya.
Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan, dengan
penggunaan yang saling melengkapi dengan bidang pembelajaran mesin. Analisis ini
juga digunakan untuk memahami variabel bebas mana saja yang berhubungan
dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut.

Definisi Regresi

 Linier (linear) : linier dalam parameter

 Sederhana (simple) : hanya satu peubah penjelas (x)
 Berganda (multiple) : lebih dari satu peubah penjelas (x)

Analisis Regresi

o Hubungan antar peubah :

 Fungsional (deterministik) → Y=f(x) ;
Misalnya : Y=10x
 Statistik (stokastik) → amanat tidak jatuh pas pada kurva
 Misal : IQ vs Prestaasi, Berat vs Tinggi, Pupuk vs Produksi, Profit vs Biaya
Iklan
o Pendugaan terhadap koefisien regresi :
 b₀ pendugabagi β₀ dan β₁ penduga bagi β₁
 (Ʃ¿¿ x )(Ʃ y )
S xy n
b 1= =Ʃxy − ¿
S xx (Ʃ x )²
Ʃ x ²−
n
b 0= y−b1 x̅

Uji Regresi Sederhana

1. Pengertian Regresi
Persamaan regresi adalah sebuah persamaan yang menunjukkan hubungan linear
antara dua variabel. Regresi sederhana didasarkan pada hubungan fungsional
ataupun kausal antara satu variabel independen dengan satu variabel dependen.
Persamaan umum regresi linier sederhana adalah :
Y = a + bX
Dimana :
Y = Variabel terikat (variabel yang diprediksi)
X = Variabel bebas (variabel yang mempengaruhi variabel terikat)
a = Konstanta, secara grafik menunjukkan intercept.
b = Koefisien regresi yang menunjukkan besarnya pengaruh X terhadap Y, secara
grafik menunjukkan slope (kemiringan garis regresi)
2. Metode Pengukuran Regresi Sederhana
a. Least Square Method
Persamaan Normal :
Y =a+bX
Rumus :
ΣY =an+ b Σ X Σ XY =a Σ X +b Σ X 2
Atau
( Σ X 2) ( Σ Y )−( Σ X ) ( Σ XY )
a=
n Σ X 2−¿ ¿
b. Product Moment Method
Persamaan Normal :
Y =a+bX
2 Σ xy
Σ xy =b Σ X +b Σ X ataub= 2
Σx
 Σ X ΣY
Σ xy =Σ XY − Σ x 2=Σ X 2−¿ ¿
n
ΣY ΣX
a= −b
n n

Regresi Linear Berganda

Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih
dari satu variabel prediktor (variabel bebas) terhadap variabel.Misalnya, hubungan
antara hasil penjualan dengan harga dan daya beli, hubungan antara rata-rata harga
dengan penduduk, pendapatan, dan uang beredar , atau hubungan antara produksi padi
dengan bibit, pupuk, luassawah, dan curah hujan. (Ir. M. Iqbal Hasan, M.M., Pokok-
Pokok Materi Statistik 2 (Statistik Inferensif), edisi kedua). Friedman (1962) bahwa
keputusanseseorang untuk mengonsumsi sesuatu pada dasarnya tidak hanya
menyatakan oleh faktor pendapatannya, tetapi juga perkiraan pendapatannya pada
masa akan dating, selain faktor suku bunga, pajak, distribusi pendapatan, dan lainnya.
Persamaan regresi linear berganda :
Y =a+b1 X 1 +b 2 X 2 + …+ bk X k
Keterangan :
Y = variabel dependen
X 1 , X 2 , X k = variabel independent
a = bilangan konstan (konstanta)
b 1 , b2 , bk = koefisien variabel
Bentuk umum persamaan regresi linear berganda :
a. Bentuk Stokastik
Y =a+b1 X 1 +b 2 X 2 + …+ bk X k + c
b. Bentuk Nonstokastik
Y =a+b1 X 1 +b 2 X 2 + …+ bk X k
Keterangan :
Y = variabel terikat/dependen (nilai duga Y)
X1 , X2 , … Xk = variabel bebas/ independen
a = bilangan konstan (konstanta)
b 1 , b2 , … bk = koefisien regresi (parameter)
C = nilai residual/error/pengganggu ( Y −Y )

Pengujian Hipotesis simultan (F statistik)

Digunakan untuk melihat signifikansi variabel independent (X 1 , X 2 , … X k ) secara
keseluruhan/Bersama-sama dalam memperngaruhi nilai variabel dependen (Y). Langkah-
langkah pengujiannya adalah sebagai berikut :
1. Menentukan formulasi hipotesis
H 0 : β 1 , β 2 , … , β k =0 ( X 1 dan X 2 secara Bersama-sama tidak mempengaruhi Y)
H a : β 1 , β 2 , … , β k ≠ 0 ( X 1 dan X 2 secara Bersama-sama tidak mempengaruhi Y atau
paling sedikit ada satu X ayng mempengaruhi Y)
2. Menentukan taraf nyata (α) dan nilai F

taraf nyata (α) dan nilai F tabel ditentukan dengan derajat kebebasan
v1 =k−1dan v 2=n−k
3. Menentukan nilai F statistic
SSR SSE
MSR= MSE=
df 1 df 2
2
SST =Σ Y −nY ²
SSR=b 1 Σ X 1 Y + b2 Σ X 2 Y
SSE=SST −SSR
4. Menetukan kriteria pengujian

F stat ≤ F tabel → H 0 tidak dapat ditolak

F stat > F tabel → H 0 ditolak
Atau
Sig. ≥ α → H 0 tidak dapat ditolak
Sig. < α → H 0 ditolak
5. Membuat kesimpulan

Menyimpulkan apakah H 0 tidak dapat ditolak atau ditolak

Pengujian Hipotesis Individual/Parsial (t statistic)

Digunakan untuk melihat signifikansi variabel independent (X 1 , X 2 , … X k ) secara
parsial dalam memperngaruhi nilai variabel dependen (Y). Langkah-langkah
pengujiannya adalah sebagai berikut :
1. Menentukan formulasi hipotesis
H 0 : β 1=0 (tidak ada pengaruh Xi secara parsial terhadap Y)
H a : β 1> 0 (ada pengaruh positif Xi secara parsial terhadap Y)
β 1< 0 (ada pengaruh negative Xi secara parsial terhadap Y)
β 1 ≠ 0 (ada pengaruh Xi secara parsial terhadap Y)
2. Menentukan taraf nyata (α) dan nilai t tabel
Taraf nyata dari t tabel ditentukan dengan derajat kebebasan :
df = n – k – 1, (k = banyaknya jumlah variabel X)
3. Menentukan nilai t stat
bi−Bi
t stat = , i=2,3
Sb i
4. Menentukan kriteria pengujian
−t tabel ≤t stat → H 0 tidak dapat ditolak
t stat <−t tabel → H 0 ditolak
t stat ≤ t tabel → H 0 ditolak
Atau
Sig. ≥ α → H 0 tidak dapat ditolak
Sig. < α → H 0 ditolak
5. Membuat kesimpulan
Menyimpulkan apakah H 0 tidak dapat ditolak atau ditolak
Koefisien Determinasi Berganda (R²)
Koefisien Determinasi Berganda, dilambangkan dengan R² merupakan ukuran
kesesuaian garis regresi linier berganda terhadap suatu data. Koefisien determinasi
tersebut digunakan untuk :
 Mengukur besarnya kontribusi variasi X 1 dan X 2 (variabel independent) terhadap
variasi Y dalam hubungannya dengan persamaan garis regresi linear berganda
Y i=a+b1 X 1 +b2 X 2
 Menentukan apakah garis regresi linear berganda Y terhadap X 1 dan X 2 sudah
cocok untuk dipakai sebagai pendekatan hubungan linear antar variabel
berdasarkan hasil observasi (goodness of fit).
Nilai koefisien determinasi berganda terletak antara 0 dan 1 (0 ≤ R² ≤ 1). Koefisien
determinasi berganda dirumuskan :

2 b1 ∑ x 1 y +b 2 ∑ x 2 y
R=
∑ y2
Koefisien Korelasi Berganda (R)

Koefisien korelasi berganda, disimbolkan R y .12, merupakan ukuran keeratanhubungan

antara variabel yang digunakan dan semua variabel bebas secara bersama-sama.

b 1 ∑ x 1 y +b 2 ∑ x 2 y
R y .12=
∑ y2
Koefisien Korelasi Parsial (r)

Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel jikavariabel
lainnya konstan, pada hubungan yang melibatkan lebih dari duavariabel. Sebelum
koefisien korelasi parsial, dilakukan terlebih dahulu perhitungan koefisien korelasi
sederhana, yaitu:

n ∑ Y X 1− ∑ Y ∑ X 1
r y1=
√¿ ¿¿

n ∑ Y X 2−∑ Y ∑ X 2
r y2=
√¿¿¿

n ∑ X 1 X 2−∑ X 1 ∑ X 2
r y12=
√ ¿ ¿¿

Koefisien korelasi parsial antara Y dan X 1 apabila X 2 konstan

r y 1−r y 2 r y 12
r y1.2 =
√(1−r y 2 ²)(1−r 12 ²)
Koefisien korelasi parsial antara Y dan X 2 apabila X 1 konstan

r y2−r y 1 r y12
r y2.1 =
√(1−r y 1 ²)(1−r y 2 ²)
Koefisien korelasi parsial antara X 1 dan X 2 apabila Y konstan
 r 12−r y 1 r y 2
r 12. y =
√(1−r y 1 ²)( 1−r y 2 ²)
B. UJI CHI SQUARE
Pengertian Chi Kuadrat
 Chi Kuadrat (dibaca kai kuadrat) merupakan suatu teknik statistik yang
memungkinkan peneliti menilai probabilitas memperoleh perbedaan
frekuensi yang nyata (dapat diobservasi), dengan frekuensi yang diharapkan
dalam kategori-kategori tertentu sebagai akibat dari kesalahan sampling.
 Pengertian chi-quare atau chi kuadrat lainya adalah sebuah uji hipotesis
tentang perbandingan Antara frekuensi observasi dengan frekuensi harapan
yang didasarkan oleh hipotesis tertentu pada setiap kasus atau data yang
ambil untuk diamati. Uji ini sangat bermanfaat dalam melakukan analisis
statistic jika kita tidak memiliki informasi tantang populasi atau jika asumsiasumsi
yang dipersyaratkan untuk penggunaan statistic parametric tidak
terpenuhi. Chi kuadrat biasanya di dalam frekuensi observasi
berlambangkan dengan frekuensi harapan yang didasarkan atas hipotesis
yang hanya tergantung pada suatu parameter, yaitu derajat kebebasan (df).
 Bila kita mempunyai dua macam proporsi dan kita ingin menguji apakah perbedaan
antar kedua proporsi itu signifikan atau tidak, maka disini kita menggunakan
pengujian hipotesa mengenai beda dua proporsi. Perluasan dari pada pengujian
selisih proporsi (beda antara dua proporsi) adalah pengujian chi kuadrat, karena
didalam pengujian ini kita mengadakan pengujian hipotesa tentang perbedaan
proporsi dan proporsi yang banyaknya lebih dari dua. Dengan perkataan lain,
pengujian χ 2 adalah pengujian hipotesa mengenai perbedaan k proporsi dimana k >
2 proporsi.
 Chi square merupakan suatu ukuran yang menyangkut perbedaan yang terdapat di
antara frekuensi pengamatan dengan frekuensi teoritis/frekuensi harapan
(Schum’s). maksud dari pengujian chi square adalah untuk membandingkan fakta
yang diperoleh berdasarkan hasil observasi dan fakta yang didasarkan secara teoritis
(Drs. Andi Supangat, M.Si.). Dalam statistic, distribusi chi square (dilambangkan
dengan χ 2 BUKAN X 2 ) termasuk dalam statistic non parametrik. Distribusi non
 parametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui.
Distribusi ini sangat bermanfaat dalam melakukan analisis statistic jika kita tidak
memiliki informasi tentang populasi atau jika asumsi-asumsi yang dipersyaratkan
untuk penggunaan statistic parametrik tidak terpenuhi.
Kegunaan Chi Kuadrat
Adapum kegunaan dari uji chi square, adalah untuk mengetahui :
 Ada tidaknya asosiasi antara 2 variabel (Independent test)
 Apakah suatu kelompok homogen atau tidak (Homogenity test)
 Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)
 Digunakan untuk menganalisis data yang berbentuk frekuensi.
 Digunakan untuk menentukan besar atau kecilnya korelasi dari variabel-variabel
yang dianalisis
 Cocok digunakan untuk data kategorik, data diskrit atau data nominal
Berikut beberapa hal yang berhubungan dengan chi square :
a. Adanya derajat kebebasan/degree of freedom (df). Besarnya df menunjukkan
banyak observasi yang bebas untuk bervariasi sesudah Batasan-batasan tertentu
dikenakan pada data.
b. Chi square tidak pernah bernilai negative. Hal ini dikarenakan selisih antara
frekuensi data observasi ( f ¿¿ ∘) ¿ dengan frekuensi data yang diharapkan (f ¿¿ e) ¿
dikuadratkan, yaitu (f ¿ ¿ ∘−f e )² ¿
c. Jika χ 2=0 maka frekuensi-frekuensi teoritis sama dengan frekuensi pengamatan.
Jika χ 2 >0 maka frekuensi-frekuensi teoritis tidak tepat sama dengan frekuensi
pengamatan. Semakin besar nilai χ 2 semakin besar pula perbedaan antara frekuensi
yang diobservasi dan frekuensi teoritis.
d. Distribusi chi square adalah menceng kanan. Jika n nya sangat besar maka distribusi
χ 2 ini mendekati distribusi normal.

Uji Chi Square Dari Data Multinomial

Uji ini dilakukan untuk meneliti peristiwa yang terdiri lebih dari dua golongan.
Eksperimen yang dilakukan sebanyak n kali hasilnya dicatat, dikumpulkan menurut
golongan atau kategorinya masing-masing lalu diperoleh sebuah data, data yang
diperoleh demikian dinamakan data multinomial. Langkah-langkahnya sebagai berikut :
1. Tentukan hipotesis awal dan hipotesis alternatifnya
H 0 :π 1=π 2=π 3=…=π r
Ha : terdapat paling sedikit satu tanda ≠
2. Tentukan nilai χ 2a pada distribusi chi square dengan df =c−1 dan tingkat signifikansi
α dimana c adalah banyaknya kolom dari data.
3. Lakukan uji statistic dengan menggunakn rumus :
(o ¿ ¿ i−e j)²
χ =∑
2
¿
ej
Dimana :
o i = data hasil observasi
e j = data yang diharapkan atau diestimasikan
4. Lakukan uji kriteria dengan membandingkan nilai χ 2 dan χ a ² , yaitu :
2
χ ≤ χ a ² → H 0 tidak dapat ditolak

χ > χ a ² → H 0 ditolak
2

5. Buat kesimpulan

Uji Chi Square dari Tabel Kontingensi

Tabel kontingensi merupakan tabel klasifikasi dua arah yang terdiri dari banyak kolom
dan banyak baris yang merupakan pengembangan konsepr dari uji chi square data
multinomial yang menggunakan tabel klasifikasi satu arah atau hanya sebuah variabel
saja. Langkah-langkahnya :

1. Tentukan hipotesis awal alternatifnya

Ho : π 11=π 12 =π 13=…=π 1 r

π 21=π 22=π 23=…=π 2r

π 31=π 32=π 33=…=π 3 r

Ha : terdapat paling sedikit satu tanda ≠
2. Tentukan nilai χ a ² dari distribusi chi square dengan tingkat signifikansi α dan
df =( r−1 ) .(c −1), dimana r adalah banyaknya baris dari data dan c adalah
banyaknya kolom dari data.
3. Lakukan uji statistic dengan menggunakan rumus :
(o ¿ ¿ij−e ij ) ²
χ =∑ ∑
2
¿
e ij
Dimana :
o ij= data hasil observasi dari baris ke i kolom ke j
e ij= data hasil estimasi dari baris ke I kolom ke j
4. Tentukan uji kriterianya
2
χ ≤ χ a ² → H 0 tidak dapat ditolak

χ > χ a ² → H 0 ditolak
2

5. Buat kesimpulan

Koefisien Kontingensi (C)

Koefisien kontingensi yaitu bilangan yang digunakan untuk menentukan derajat

hubungan antara dua faktor yang telah disusun dalam daftar kontingensi.

Rumus : C=
√ χ2
2
χ +n
dengan nilai maksimum C max=
m−1
m √
Dimana :

n = banyaknya data

m = banyaknya baris atau kolom minimal

Keterangan :

C max−C <C , hubungan erat

C max−C=C , hubungan cukup kuat

C max−C >C , hubungan kurang erat

Contoh Soal Materi Chi Square

 Dilakukan suatu penelitian terhadap seorang penjual sepatu untuk mengetahui
apakah ada pengaruh warna sepatu terhadap banyaknya sepatu yang terjual. Berikut
adalah hasil pengamatan sepatu berbagai warna selama satu periode tertentu :

Warna Sepatu Hitam Putih Biru Coklat Total

Sepatu yang terjual (unit) 90 55 25 30 200
Pada tingkat signifikansi 1% dapatkah disimpulkan bahwa warna sepatu tersebut
berpengaruh terhadap banyaknya sepatu yang terjual?

Jawab :

H 0 :π 1=π 2=π 3=…=π r

Ha : terdapat paling sedikit satu ≠
df =c−1=4−1=3
a=1 %
2
χ a =11.3449
Uji statistik :

ej=
∑ o = 200 =50
e 4
( o−e )2 ( 90−50 )2 ( 55−50 )2 ( 25−50 )2 ( 30−50 )2
χ =∑
2
= + + + =53
e 50 50 50 50
Uji Kriteria ;
χ 2 ≤ χ a ² → H 0 tidak dapat ditolak

χ > χ a ² → H 0 ditolak
2

Ternyata 53 > 11,3449 atau χ 2 > χ a ² → H 0 ditolak

Pada tingkat signifikansi 1% hasil pengamatan diatas menunjukkan bahwa warna sepatu
mempengaruhi banyaknya sepatu yang terjual karena perbedaannya signifikan.

SEFI DAMAYANTI (200231100069)

CONTOH SOAL UJI REGRESI DAN UJI CHI SQUARE

1. Contoh Soal Uji Regresi

Buatlah persamaan regresi linier dari data pada tabel menggunkan rumus dasar, lalu
hitung koefisien determinasinya.
 Usia Tinggi Berat Badan
8 125 37
10 137 41
7 100 34
12 122 39
9 129 40
10 128 42
7 98 38
8 103 42
11 130 40
8 95 36
10 115 41
8 105 38

Jawab :

No X1 X2 Y X1 Y X2 Y X1 ² X2 ² Y²
1 8 125 37 296 4625 64 15625 1369
2 10 127 41 410 5617 100 18769 1681
3 7 100 34 238 3400 49 10000 1156
4 12 122 39 468 4758 144 14884 1521
5 9 129 40 360 5160 81 16641 1600
6 10 128 42 420 5376 100 16384 1764
7 7 98 38 266 3724 49 9604 1444
8 8 103 42 336 4326 64 10609 1764
9 11 130 40 440 5200 121 16900 1600
10 8 95 36 288 3420 64 9025 1296
11 10 115 41 410 4715 100 13225 1681
12 8 105 38 304 3990 64 11025 1444
Jumlah 108 1287 468 4236 54311 1000 162691 18320
 2
2 2 ( Σ X1) ( 108 )2
Σ X =Σ X .
1 1 =1000. =28
n 12
2
2 2 ( Σ X2) ( 1287 )2
Σ X =Σ X .
2 2 =162691. =2376,92
n 12
( Σ Y )2 ( 468 )2
ΣY ²=Σ Y ². =18320. =68
n 12
( Σ X 1 ) ( ΣY ) ( 108 ) . ( 468 )
Σ X 1 Y =Σ X 1 Y . =4236. =24
n 12
( Σ X 2 ) ( ΣY ) (1287 ) . ( 468 )
Σ X 2 Y =Σ X 2 Y . =54311. =218
n 12
( Σ X1) ( Σ X2) ( 108 ) . ( 1287 )
Σ X 1 X 2=Σ X 1 X 2 . =12665. =182
n 12

( Σ X 22) ( Σ X 1 Y )−( Σ X 1 X 2)( Σ X 2 Y )

b 1=
( Σ X 21 )( Σ X 22 )−( Σ X 1 X 2)²
( 2376,92 )( 24 )−(182)(218)
¿
( 28 )( 2376,92 ) −(182)²

57046,08−39676
¿
66553,76−33124

17370,08
¿ =0,519 →0,52
33429,76

( Σ X 21) ( Σ X 2 Y ) −(Σ X 1 X 2)( Σ X 1 Y )

b 2=
( Σ X 21 )( Σ X 22 )−(Σ X 1 X 2) ²
( 28 )( 218 ) −(182)(24)
¿
( 28 )( 2376,92 )−(182)²
6104−4368
¿
66553,76−33124
5668
¿ =0,169 →0,17
33429,76

a=
ΣY
n
−b 1 .
Σ X1
n ( ) ( )
−b 2 .
Σ X2
n

a=
18320
12
−0,52.
108
12 ( )
−0,17.
1287
12 ( )
 a=152,5−4,68−19,64
Jadi persamaan regresi gandanyaY =128,2 – 0,52 X 1−0,17 X 2

R X1 . X2. Y =
√ b1 . Σ X 1 Y +b2 . Σ X 2 Y
ΣY ²

¿
√( 0,52 ) . ( 24 ) + ( 0,17 ) .(218)
68
¿ √ 0,728=0,85
2 2
R ( n−m−1 ) 0,85 ( 12−2−1 )
F hitung = = =11,74
m . ( 1−R ) 2. ( 1−0,85 )
2 2

2. Contoh Soal Uji Chi Square

Di pasar radio Indonesia, terdapat empat stasiun radio komersial yang masing-
masing memiliki program kuis pagi sendiri dari pukul 08.00 hingga 09.00. Menurut
laporan di surat kabar lokal hari ini, sampel acak dari 180 pemirsa pagi lalu
mengungkapkan 53 mendengarkan kuis di Bee Radio, 64 mendengarkan di HypeRadio,
33 di Radio Ixu, dan 30 mendengarkan di Boom Radio. Pada taraf signifikansi 5%, apakah
ada perbedaan proporsi pendengar dari empat radio?
Jawab :
Diketahui : α = 5%

Radio Bee Hype Ixu Boom

Pendengar 53 64 33 30
Ditanya : apakah ada perbedaan proporsi pendengar keempat radio?
Penyelesaian :
Ho : tidak ada perbedaan proporsi pendengar keempat radio
Ha : ada perbedaan proporsi pendengar keempat radio
(o ¿ ¿ i−e j)²
χ 2=∑ ¿
ej
( 53−45 )2 ( 64−45 )2 ( 33−45 )2 ( 30−45 )2
χ 2= + + +
45 45 45 45
2
χ =1,42+ 8,02+3,2+5=17,64
df =4−1=3
χ 2a =7,81473
 2
χ ≤ χ a ² → H 0 tidak dapat ditolak
χ > χ a ² → H 0 ditolak
2

Ternyata 17,64 > 7,81437 atau χ 2 > χ a ² → H 0 ditolak

Kesimpulan : Pada taraf signifikansi 5%, terdapat perbedaan proporsi pendengar dari
keempat radio tersebut.

PAGI’ELA NOVELISTY (200231100051)

Contoh soal Regresi

Iklan Profit Apakah semakin besar biaya iklan yang dikeluarkan akan
31 553 semakin besar pula profit yang diperoleh?
38 590
Diamati contoh acak 10 perusahaan yang memproduksi
48 608
Laptop, kemudian dicatat pengeluaran iklan (dalam milyar) dan
52 682 profit (dalam milyar) selama tahun 2015.
63 752
a. Buat scatter plotnya dan jelaskan.
67 725
75 834 b. Tentukan persamaan model regresinya.
84 754
c. Tentukan penduga bagi parameter model regresi tersebut.
89 845
99 960
Penyelesaian : Dengan model

Y i=β 0 + β 1 X i+ ε i ; i=1,2 , … ,n

No x y x² y² xy
1 31 553 961 305,809 17,143
2 38 590 1,444 348,100 22,420
3 48 608 2,304 369,664 29,184
4 52 682 2,704 465,124 45,464
5 63 752 3,969 565,504 47,376
6 67 725 4,489 525,625 48,75
7 75 834 5,625 695,556 62,550
8 84 754 7,056 569,504 63,168
Sxy 24,480.4

Sxx 4,542.4

Syy 146,050.9

b1 5.39

b0 381.95

9 89 845 7,921 714,025 75,205

10 99 960 9,801 921,600 95,040
Jumlah 646 7,301 46,274 5,476,511 496,125

(Ʃ¿¿ x )(Ʃ y )
S xy n
b 1= =Ʃxy − ¿
S xx (Ʃ x )²
Ʃ x ²−
n
b 0= y−b1 x̅

Contoh Soal Chi-Square

Suatu survei dilakukan di Kota Depok terhadap bayi baru lahir dari 300 bayi yang dipilih
secara acak. Tentukan 40 bayi Berat Bayi Lahir Rendah (BBLR) dari 30 bayi yang lahir
normal (tidak BBLR) sebanyak 40 bayi dilahirkan oleh ibu yang anemia.

Lahir
Ibu Anemia Jumlah
BBLR Normal

Ya 40 40 80
Tidak 20 200 220
Jumlah 60 240 300
a. Jika Dinas Kesehatan Depok melaporkan bahwa kejadian BBLR di daerahnya hanya 17%
Buktikanlah secara statistik apakah laporan Dinkes tersebut dapat dipercaya pada Alpha 0,05

b. Jika dicurigai anemia dapat menyebabkan BBLR buktikanlah secara statistik apakah
kecurigaan tersebut benar atau tidak. Tuliskan hipotesis yang sesuai untuk menjawab
kecurigaan tersebut lakukan perhitungan uji hipotesis tersebut dan Apa kesimpulan pada
Alpha 0,05

Penyelesaian :

a.

Cara menghitung kejadian dan pengamatan

17% x 300 = 51

Hipotesis

H₀ : Persentase sesuai

H₁ : Persentase tidak sesuai

Mencari Rumus E

Total kolom 1 x Jumlah kolom 1

E=
Jumlah seleruhnya

300 x 111
E1= =55,5
600

300 x 489
E 2= =244,5
600

Rumus X2
Ʃ= ( (O−E )2
E )
( 51−55,5 ) ² ( 249−244,5 ) ² ( 60−55,5 ) ² ( 240−244,5 ) ²
X² hitung = + + +
55,5 244,5 55,5 244,5

(−4,5 ) ² ( 4,5 ) ² ( 4,5 ) ² (−4,5 ) ²

= + + +
55,5 244,5 55,5 244,5

20,25 20,25 20,25 20,25

= + + +
55,5 244,5 55,5 244,5

= 0,36 + 0,08 + 0,36 +0,08 = 0,88

df = (kolom – 1) (baris – 1)

= (2 – 1) (2 – 1)

= 1.1

=1

Tingkat signifikan

α = 0,05

x² tabel = 3,841

Kesimpulan

Karena x² hitung < x² tabel maka H₀ diterima. Jadi kejadian BBLR di Depok hanya 17% itu
benar.

b.

Lahir
Ibu Anemia Jumlah
BBLR Normal

Ya 40 40 80
Tidak 20 200 220
Jumlah 60 240 300

Hipotesis
H₀ : Tidak ada pengaruh anemia dengan BBLR

H₁ : Ada pengaruh anemia dengan BBLR

80 x 60
Q₁ = 40 → E₁ = =16
300

80 x 240
Q2 = 40 → E2 = =64
300

220 x 60
Q3 = 20 → E3 = =44
300

220 x 240
Q4 = 200 → E4 = =176
300

( 40−16 ) ² ( 40−64 ) ² ( 20−44 ) ² ( 200−176 ) ²

X² hitung = + + +
16 64 44 176

( 24 ) ² (−24 ) ² (−24 ) ² ( 24 ) ²
= + + +
16 64 44 176

576 576 576 576

= + + +
16 64 44 176

= 36 + 9 + 14 + 3,27 = 62,27

df = (kolom – 1) (baris – 1)

= (2 – 1) (2 – 1)

=1.1

=1

Tingkat signifikan

α = 0,05

x² tabel = 3,841

Kesimpulan

Karena x² hitung > x² tabel maka H₀ ditolak atau dapat diterima. Jadi, adanya pengaruh
apabila ibu mengalami anemia dapat menyebabkan BBLR.
 DAFTAR PUSTAKA
Modul Statistika II Tim penyusun asisten dosen statistika FEB UNDAP
https://www.academia.edu/35761265/Modul_statistika_ii (Diakses 09 Desember 2021)
https://www.kursiguru.com/contoh-soal-regresi-linier-berganda/
https://www.statistikian.com/2012/11/rumus-chi-square.html