PENGUJIAN HIPOTESIS RATA-RATA

BAB I
PENDAHULUAN

            Dalam kehidupan nyata sering sekali kita menduga- duga suatu kejadian atau hasil apa
yang kita dapatkan atas apa yang sudah kita lakukan. Setiap manusia pasti akan menerka-nerka
suatu kegiatan karena sebelum melakukan kegiatan seseorang pasti telah melakukan berbagai
persiapan.

Dugaan yang dilakukan seseorang biasanya disertai dengan suatu alasan yang logis
karena biasanya orang yang mempunyai dugaan atas suatu kegiatan pasti disertai dengan suatu
alasan dan bukti yang akurat.
Tetapi tidak semua dugaan kita itu sesuai dengan pendapat orang lain. Terkadang dugaan
kita sependapat atau bertentangan dengan orang lain ataupun diterima dan ditolak  oleh orang
lain. Oleh sebab itu agar dugaan ita daapat diterima orang lain maka kita haru memiliki bukti
yang akurat misalnya melalui suatu pengujian.

BAB II
PEMBAHASAN

PENGUJIAN HIPOTESIS RATA-RATA

PENGUJIAN HIPOTESIS RATA-RATA

Pengertian Hipotesis Hipotesis adalah peryataan sementara atau dugaan sementara yang harus
diuji lagi kebenarannya.
Pengujian Hipotesis Adalah suatu prosedur yang dilakukan dengan tujuan memutuskan
apakah menerima atau menolak hipotesis mengenai paramater populasi.
Macam-macam hipotesis Penelitian
1.      Hipotesis Deskriptif yaitu hipotesis yang tidak membandingkan atau menghubungkan dengan
variabel lain.           
 2.      Hipotesis Komparatif yaitu untuk memberikan jawaban pada permasalahan yang bersifat
membedakan.
3.      Hipotesis Asosiatif yaitu untuk memberikan jawaban pada permasalahan yang bersifat
hubungan.
3 jenis Hipotesis Asosiatif:
1.      Hipotesis hubungan  simentris
Yaitu hipotesis yang menyatakan hubungan bersifat kebersamaan antara dua variabel atau
lebih, tetapi tidak menunjukkan sebab akibat.
2.      Hipotesis hubungan sebab akibat (klausal)
Yaitu hipotesis yang menyatakan hubungan bersifat mempengaruhi antara dua variabel atau
lebih
3.      Hipotesis hubungan Interaktif
Yaitu hipotesis hubungan antara dua variabel atau lebih yang bersifat saling mempengaruhi.

A.      PENGUJIAN HIPOTESIS SATU RATA-RATA

1. Sampel besar (n > 30)

  

Untuk pengujian hipotesis satu rata-rata dengan sampel  besar ( n > 30), uji statistikanya
menggunakan distribusi Z. Prosedur pengujian hipotesisnya ialah sebagai berikut.
     1.      Formulasi hipotesi
a)   H0 : μ = μ0
H1 : μ > μ0
b)      H0 : μ = μ0
 H1 : μ < μ0
c)      H0 : μ = μ0
 H1 : μ ≠ μ0

2.      Penemuan nilai α (taraf nyata ) dan nilai Z tabel (Zα)

Menentukan nilai α sesuai soal, kemudian nilai  Zα atau Zα/2 ditentukan dari tabel
  
3.      Kriteria pengujian
a)      Untuk H0 : μ = μ0   dan H1 : μ > μ0
1)   H0diterima jika Z0 ≤ Zα
2)  H0 ditolak jika Z0 ˃ Zα
 b)   Untuk     H0 : μ = μ0 dan H1 : μ < μ0
      1)   H0  diterima jika Z0 ≥ -Zα
      2)   H0  ditolak jika Z0 ˂ - Zα
c)    Untuk H0 : μ = μ0 dan H1 : μ ≠ μ0
      1)   H0  diterima jika -Zα/2  ≤ Z0 ≤ Zα/2
      2)   H0  ditolak jika   >  Zα/2 atau   < -Zα/2 

4.      Uji statistik

a.         Simpangan baku populasi diketahui:

b.         Simpangan baku populasi diketahui:

Keterangan:
S = penduga dari
 = simpangan baku sampel
     μ0 = nilai μ sesuai dengan H0

5.    Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0 (sesuai dengan kriteria pengujiannya)
Contoh :
Pimpinan bagian pengendali mutu barang pabrik susu merek AKU SEHAT ingin mengetahui
apakah rata-rata berat bersih satu kaleng susu bubuk yang diproduksi dan dipasarkan masih tetep
400 gram atau sudah lebih kecil dari itu. Dari data sebelumnya diketahui bahwa simpangan baku
bersih per kaleng sama dengan 125 gram. Dari sampel 50 kaleng yang diteliti, diperoleh rata-rata
berat bersih 357 gram.
Dapatkah diterimah bahwa berat bersih rata-rata yang dipasarkan tetap 400 gram? Ujilah dengan
taraf nyata 5 %?

Penyelesaian:
 n = 50,  = 357,  = 125, μ0 = 400
a.         Formulasi hipotesisnya:
    H0 : μ = 400
  H1 : μ < 400
b.        Taraf nyata dan nilai Z table
α = 5% = 0,05
Z0,05 = - 1,64 ( pengujian sisi kiri)
c.         Kriteria pengujian
H0  diterima jika Z0 ≥ - 1,64
H0  ditolak jika Z0 ˂ - 1,64
d.        Uji statistik:

 
Z0 = -0,02
e.         Kesimpulan:
Karena  maka Z0 = -0,02 ≥ - Z0,05 = - 1,64diterima. Jadi, berat bersih rata-rata susu bubuk merek
AKU SEHAT per kaleng yang dipasarkan sama dengan 400 gram.

2.      Sampel kecil (n < 30)

Untuk pengujian hipotesis satu rata-rata dengan sampel kecil (n ≤ 30), uji statistiknya
menggunakan distribusi t. Pada distribusi t, pengambilan sampel yang jumlahnya kecil
menyebabkan distribusinya (kurvanya) agak landai dan melebar, akan tetapi bentuknya serupa
dengan kurva normal.
Prosedur pengujian hipotesisnya adalah sebagai berikut.
1.       Formulasi hipotesis
a)      H0 : μ = μo
      H1 : μ > μo
b)      H0 : μ = μo
       H1 : μ < μo
c)      H0 : μ = μo
     H1 : μ ≠ μo
2.      Menentukan taraf nyata (α) dan nilai dari t tabel
         Taraf nyata yang digunakan biasanya 5% (0,05) atau 1% (0,01) untuk uji satu arah dan 2,5%
(0,025) atau 0,5 (0,005) untuk uji dua arah
         Nilai t tabel memiliki derajat bebas (db) = n – 1
tα;n-1 = ... atau tα/2;n-1 = ...

3.      Menentukan kriteria pengujian

a)      Untuk H0 : μ = μ0 dan H1 : μ > μ0
H0 diterima apabila t0 ≤ tα
H0 ditolak apabila t0 > tα
b)      Untuk H0 : μ = μ0 dan H1 : μ < μ0
H0 diterima apabila t0 ≥ -tα
H0 ditolak apabila t0 < -tα
c)      Untuk H0 : μ = μ0 dan H1 : μ ≠ μ0
H0 diterima apabila -tα/2 ≤ t0 ≤ tα/2
H0 ditolak apabila t0 > tα/2 atau t0 < -t α/2
4.      Uji statistik

a.       Simpangan baku populasi  diketahui:

b.      Simpangan baku populasi  tidak diketahui:

5.       Membuat kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0 .
Contoh :
Sebuah sampel terdiri dari 15 kaleng cat, memiliki isi berat kotor seperti yang diberikan berikut
ini.
(isi berat kotor dalam kg/kaleng)
1,21     1,21     1,23     1,20     1,21
1,24     1,22     1,23     1,21     1,19
1,19     1,18     1,19     1,23     1,18
Jika digunakan taraf nyata 1%, dapatkah kita menyakinkan bahwa populasi cat dalam kaleng
rata-rata memiliki berat kotor 1,2 kg/kaleng? (dengan alternatif tidak sama dengan). Berikan
evaluasi anda.
Penyelesaian:
n = 15 , α = 1 %, μo = 1,2

 
 

 
s = 0,02
a.         Formulasi hipotesis
H0 : μ = 1,2
 H1 : μ ≠ 1,2

b.        Taraf nyata dan nilai t tabel

α = 1 % 0,01, α/2 = 0, 005 dengan db = 15 – 1 = 14
t0,005;14 = 2,977
c.         Kriteria pengujian:
H0 diterima apabila -2,977 ≤ t0 ≤ 2,977
H0 ditolak apabila t0 > 2,977 atau t0 < -2,977
d.        Uji statistik:

 
t0 = 1, 52
e.         Kesimpulan:
Karena t0,005;14 = 2,977  ≤ t0 = 1,52 ≤ t0,005;14 = 2,977  , maka H0 diterima.
Jadi, populasi cat dalam kaleng secara rata-rata bersih berat kotor 1,2 kg/kaleng

B.       PENGUJIAN HIPOTESIS BEDA DUA RATA-RATA

1.          Sampel besar (n > 30)

Untuk pengujian hipotesis beda dua rata-rata dengan sampel besar (n > 30), uji
statistiknya menggunakan distribusi Z. Prosedur pengujian hipotesisnya ialah sebagai berikut.
1)      Formulasi hipotesis
a)      H0 : μ1 = μ2
      H1 : μ1> μ2
b)      H0 : μ1= μ2
      H1 : μ1 < μ2
c)      H0 : μ1= μ2
     H1 : μ1 ≠ μ2
2)      Penentuan nilai α (taraf nyata) dan nilai Z tabel (Zα)
Menentukan nilai α sesuai soal (kebijakan), kemudian menentukan nilai Zα dan Zα/2
ditentukan dari tabel.

3)      Kriteria pengujian

 a)      Untuk H0 : μ1 = μ2   dan H1 : μ1 > μ2
1)   H0diterima jika Z0 ≤ Zα
2)   H0 ditolak jika Z0 ˃ Zα
b)   Untuk     H0 : μ1 = μ2    dan H1 : μ1 < μ2
     1)   H0  diterima jika Z0 ≥ -Zα
     2)   H0  ditolak jika Z0 ˂ - Zα
c)    Untuk H0 : μ1 = μ2    dan H1 : μ1 ≠ μ2
     1)   H0  diterima jika -Zα/2  ≤ Z0 ≤ Zα/2

     2)   H0  ditolak jika   >  Zα/2 atau   < -Zα/2 

4)      Uji statistik

a.         Jika simpangan baku populasi diketahui :                

b.        Jika simpangan baku populasi  tidak diketahui :

5)      Kesimpulan
Kesimpulan pengujian merupakan penerimaan atau penolakan H0
a)      Jika H0 diterima maka H1 ditolak
b)      Jika H0 ditolak maka H1 diterima
Contoh :
Seseorang berpendapat bahwa rata-rata jam kerja buruh di daerah A dan B sama dengan
alternatif A lebih besar dari pada B. untuk itu, diambil sampel dikedua daerah masing-masing
100 dan 70 dengan rata-rata dan simpangan baku 38 dan 9 per minggu serta 35 dan 7 jam per
minggu. Ujilah pendapat tersebut dengan taraf nyata 5%! (varians dan simpangan baku kedua
populasi sama besar)
Penyelesaian:

n1 = 100;  = 38, s1 = 9
 n2 = 70;  = 35, s2 = 7
a.         Formulasi hipotesisnya:
H0 : μ1 = μ2
H1 : μ1> μ2
b.        Taraf nyata dan nilai Z table
    α = 5 % = 0,05
   Z0,05 = 1,64 ( pengujian sisi kanan)
c.         Kriteria pengujian:
H0 diterima jika Z0 ≤ 1,64
H0 ditolak jika Z0 ˃ 1,64

d.        Uji statistik:

 
Z0 = 2,44
e.         Kesimpulannya:
Karena Z0 = 2,44 > Z0,05 = 1,64, maka H0 ditolak. Jadi, rata-rata jam kerja buruh di daerah A dan
daerah B adalah tidak sama.

2. Sampel kecil ( n < 30 )

Untuk pengujian hipotesis beda dua rata-rata dengan sampel kecil (n ≤ 30), uji statistiknya
mengunakan distribusi t. Prosedur pengujian hipotesisnya ialah sebagai berikut.
1)   Formulasi hipotesis
a)    H0 : μ1 = μ2
H1 : μ1> μ2
b)   H0 : μ1= μ2
 H1 : μ1 < μ2
c)    H0 : μ1= μ2
H1 : μ1 ≠ μ2
2)   Penentuan nilai α (taraf nyata) dan nilai t- table ( tα )
Menentukan nilai α  sesuai soal (kebijakan), kemudian menentukan mentukan nilai  tα  dan tα/2
dari tabel.

3)   Kriteria pengujian

a)      Untuk H0 : μ1 = μ2 dan H1 : μ1> μ2
(1)   H0 diterima jika t0 ≤ tα
(2)   H0 ditolak jika  t0 ˃ tα
b)      Untuk H0 : μ1= μ2 dan H1 : μ1 < μ2
(1)  H0 diterima jika  t0 ≥ tα
(2)  H0 ditolak jika  t0 ˂ tα
c)      Untuk H0 : μ1= μ2 dan H1 : μ1 ≠ μ2
(1)  H0 diterima jika -tα/2 ≤  t0 ≤ tα/2
(2)  H0 ditolak jika t0 ˃ tα/2atau t0  ˂ -tα/2
4)   Uji statistik
a)    Untuk pengamatan tidak berpasangan :

t0 memiliki distribusi db = n1 – n2 - 2

b)   Untuk pengamatan berpasangan:

 
Keterangan :
  = rata-rata dari nilai d
 = simpangan baku dari nilai d
n   = banyaknya pasangan
 t0 memiliki distribusi dengan db = n – 1

5)        Kesimpulan
Kesimpulan pengujian merupakan penerimaan atau penolakan H0
a)      Jika H0 diterima maka H1 ditolak
b)      Jika H0 ditolak maka H1diterima
Contoh :
Sebuah perusahan mengadakan pelatihan teknik pemasaran. Sampel sebanyak 12 orang dengan
metode biasa dan 10 orang dengan terprogram. Pada akhir pelatihan diberikan evaluasi dengan
materi yang sama. Kelas pertama mencapai rata-rata 80 dengan simpangan baku 4 dan kelas
kedua nilai rata-rata 75 dengan simpangan baku 4,5. Ujilah hipotesis kedua metode pelatihan,
dengan alternatif keduanya tidak sama! Gunakan taraf nyata 10%! Asumsikan kedua populasi
menghampiri distribusi normal dengan varians yang sama.

Penyelesaian:

n1 = 12;  = 80, s1 = 4

n2 = 10;  = 75, s2 = 4,5

a.    Formulasi hipotesisnya:
H0 : μ1= μ2
H1 : μ1 ≠ μ2
b.    Taraf nyata dan nilai t table
α = 10 % 0,1, α/2 = 0, 05 dengan db = 12 + 10 – 2 = 20
6)      t0,05;20 = 1,725
c.    Kriteria pengujian
H0 diterima jika -1,725 ≤  t0 ≤ 1,725
H0 ditolak jika t0 ˃ 1,725atau t0  ˂ -1,725
d.   Uji statistik:

 
t0 = 2,76
a.    Kesimpulan:
Karena t0 = 2,76 > t0,05;20 = 1,725 maka H0 ditolak. Jadi, kedua metode yang digunakan dalam
pelatihan tidak sama hasilnya.

BAB III
PENUTUP

Pada saat kita menduga parameter kita membuat suatu pernyataan yang disebut dengan
“hipotesis”. Dalam pengujian hipotesis kita akan sering menggunakan istilah ”menerima” atau
”menolak” suatu hipotesis. Dalam melakukan suatu uji hipotesis dapat dilakuka melalui satu
arah dan dua arah.
Pengujian Hipotesis dibagi menjadi beberapa bagian yaitu pengujian hipotesis satu rata-
rata dan pengujian hipotesis beda dua rata-rata. Selain itu pengujian kesamaan dua rata-rata
dilakukan karena banyak penelitian yang membandingkan antara dua keadaan atau tepatnya dua
populasi.
Dalam melakukan uji hipotesis banyak rumus-rumus yang kita gunakan untuk
perhitungan dan mempunyai langkah-langkah yang perlu kita perhatikan dalam melakukan uji
hipotesis adalah menentukan statistik uji, arah pengujian, statistik hitung dan sebagainya.
Dengan demikian untuk melakukan uji hipotesis banya sekali yang perlu kita perhatikan. 
Uji hipotesis
Dari Wikipedia bahasa Indonesia, ensiklopedia bebas

Langsung ke: navigasi, cari

Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisa data, baik dari
percobaan yang terkontrol, maupun dari observasi (tidak terkontrol). Dalam statistik sebuah hasil
bisa dikatakan signifikan secara statistik jika kejadian tersebut hampir tidak mungkin disebapkan
oleh faktor yang kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya.
[1]

Uji hipotesis kadang disebut juga "konfirmasi analisa data". Keputusan dari uji hipotesis hampir
selalu dibuat berdasarkan pengujian hipotesis nol. Ini adalah pengujian untuk menjawab
pertanyaan yang mengasumsikan hipotesis nol adalah benar. [2]

Daerah kritis (en= Critical Region) dari uji hipotesis adalah serangkaian hasil yang bisa menolak
hipotesis nol, untuk menerima hipotesis alternatif. Daerah kritisini biasanya di simbolkan dengan
huruf C.

Daftar isi
 1 Definisi Istilah
 2 Interpretasi

 3 Prosedur Uji Hipotesis

 4 Contoh Uji Hipotesis

 5 Rumus

 6 Referensi

 7 Pranala luar

Definisi Istilah

Definisi berikut diambil dari buku karangan Lehmann dan Romano:[3]

Hipotesis statistik 

Sebuah pernyataan tentang parameter yang menjelaskan sebuah populasi (bukan sampel).

Statistik 

Angka yang dihitung dari sekumpulan sampel.

Hipotesis nol (H0) 

Sebuah hipotesis yang berlawanan dengan teori yang akan dibuktikan.

Hipotesis alternatif (H1) 

Sebuah hipotesis (kadang gabungan) yang berhubungan dengan teori yang akan dibuktikan.

Tes Statistik 

Sebuah prosedur dimana masukannya adalah sampel dan hasilnya adalah hipotesis.

Daerah penerimaan 

Nilai dari tes statistik yang menggagalkan untuk penolakan hipotesis nol.

Daerah penolakan 

Nilai dari tes statistik untuk penolakan hipotesis nol.

Kekuatan Statistik (1 − β)

Probabilitas kebenaran pada saat menolak hipotesis nol.

Tingkat signifikan test (α)

Probabilitas kesalahan pada saat menolak hipotesis nol.

Nilai P (P-value)

Probabilitas, mengasumsikan hipotesis nol benar.

Interpretasi

Jika nilai p lebih kecil dari tingkat signifikan test yang diharapkan, maka hipotesis nol bisa di
tolak. Jika nilai p tidak lebih kecil dari tingkat signifikan test yang diharapkan bisa disimpulkan
bahwa tidak cukup bukti untuk menolak hipotesa nol, dan bisa disimpulkan bahwa hipotesa
alternatiflah yang benar.

Prosedur Uji Hipotesis

1. Tentukan parameter yang akan diuji
2. Tentukan Hipotesis nol (H0)

3. Tentukan Hipotesis alternatif (H1)

4. Tentukan (α)

5. Pilih statistik yang tepat

6. Tentukan daerah penolakan

7. Hitung statistik uji

8. Putuskan apakah Hipotesis nol (H0) ditolak atau tidak

Contoh Uji Hipotesis

Seorang yang dituduh pencuri dihadapkan kepada seorang hakim. Seorang hakim akan
menganggap orang tersebut tidak bersalah, sampai kesalahannya bisa dibuktikan. Seorang jaksa
akan berusaha membuktikan kesalahan orang tersebut.

Dalam kasus ini, Hipotesis nol (H0) adalah: "Orang tersebut tidak bersalah", dan Hipotesis
alternatif (H1) adalah : "Orang tersebut bersalah". Hipotesis alternatif (H1) inilah yang akan
dibuktikan.

Ada dua kondisi yang mungkin terjadi terhadap orang tersebut:

1. Orang tersebut tidak bersalah.

2. Orang tersebut bersalah.

Dan ada dua keputusan yang bisa diambil hakim

1. Melepaskan orang tersebut.

2. Memenjarakan orang tersebut.

Hipotesis nol (H0) benar Hipotesis alternatif (H1) benar

(Orang tersebut tidak bersalah) (Orang tersebut bersalah)

Menerima hipotesis nol Keputusan yang salah

Keputusan yang benar
(Orang tersebut dibebaskan) (Kesalahan Tipe II)

Menolak hipotesis nol Keputusan yang salah

Keputusan yang benar.
(Orang tersebut dipenjara) (Kesalahan Tipe I)

Dalam kasus ini, ada dua kemungkinan kesalahan yang dilakukan hakim

1. Memenjarakan orang yang benar (Kesalahan Tipe I)

2. Melepaskan orang yang bersalah (Kesalahan Tipe II)

Rumus

Ada banyak jenis uji hipotesis yang dikenal. Tabel berikut menjelaskan rumus untuk masing-
masing uji hipotesis tersebut.

Nama Rumus Asumsi / Catatan

Satu sampel z-test (Populasi normal atau n > 30) dan σ

(En=One-sample z-test) diketahui.
 (z adalah jarak dari rata-rata
sehubungan dengan simpangan
baku rata-rata). Untuk distribusi
non-normal memungkinkan
untuk dihitung proporsi terkecil
dalam sebuah populasi yang
berada di dalam k simpangan
baku untuk setiap k.

Dua sampel z-test Populasi normal dan observasi

(En=Two-sample z-test) independen dan σ1 dn σ2 diketahui

Satu sampel t-test (Populasi normal atau n > 30) dan

(En=One-sample t-test) tidak diketahui

Pasangan t-test (Populasi normal dari perbedaan

(En=Paired t-test) atau n > 30) dan tidak diktahui

Dua sampel t-test

digabung (Populasi normal atau n1 + n2 > 40)
(En=Two-sample pooled t- dan observasi independen dan σ1 =
test) σ2 idak diketahui
varians yang sama
[4]

Dua sampel t-test terpisah

(Populasi normal atau n1 + n2 > 40)
(En=Two-sample
dan observasi independen dan
unpooled t-test)
kedua σ1 ≠ σ2 diketahui
varians tidak sama

[4]

Satu proporsi z-test

(En=One-proportion z- n .p0 > 10 dan n (1 − p0) > 10.
test)
Dua proporsi z-test
(En=Two-proportion z- n1 p1 > 5 dan n1(1 − p1) > 5 dan n2
test) p2 > 5 dan n2(1 − p2) > 5 dan
digabungk observasi independen.
an

Dua proporsi z-test

n1 p1 > 5 dan n1(1 − p1) > 5 dan n2
(En=Two-proportion z-
p2 > 5 dan n2(1 − p2) > 5 dan
test) tidak
observasi independen.
digabung

Chi-squared test untuk

Populasi normal
varians

df = k - 1 - # parameter terestimasi

• Semua jumlah yang diharapkan

Chi-squared test untuk paling tidak 5.[5]
goodness of fit
• Semua jumlah yang diharapkan
> 1 dan tidak lebih dari 20% dari
jumlah yang diharapkan lebih
kecil dari 5[6]
Dua sampel F test untuk Populasi normal
persamaan varians Diurutkan > dan H0 ditolak jika
(En=Two-sample F test for
equality of variances) [7]

Definisi simbol:

 , probabilitas melakukan  = Variacs  = x/n = Proporsi sampel,

kesalahan tipe I (menolak sampel (kecuali ditentukan
hipotesis nol pada saat sebelumnya)
hipotesis nol benar)  = Simpangan
baku sampe 1  = Dugaan proporsi populasi
 = Jumlah sampel
 = Simpangan  = proporsi 1
 = Jumlah sampel 1 baku sampe 2
 = proporsi 2
 = Jumlah sampel 2  = t statistik
 = Dugaan perbedaan
 = Rata-rata sampel
 = derajat proporsi
 = Dugaan rata-rata populasi kebebasan
(En=Degree of  = minimum
 = Rata-rata populasi 1 freedom) of n1 and n2

 = Rata-rata populasi 2  = Rata-rata 

perbedaan
 = Simpangan baku populasi 
sampel
 = Varians populasi  = F statistik
 = Dugaan
 = Simpangan baku sampel rata-rata
perbedaan
populasi

 = Penjumlahan(dari angka  = Simpangan

sejumlak k) baku perbedaan

 = Chi-squared
statistik