1.

Uji keselarasan

Awalnya uji goodness of fit disebut Uji Chi-Kuadrat. Merupakan salah satu prosedur non parametrik
yang dapat digunakan dalam analisis statistik yang sering digunakan dalam praktek. Uji Chi-Kuadrat (Chi-
Square: Chi dibaca: Kai: simbol dari huruf Yunani: χ2) ditemukan oleh Helmat pada tahun 1875, tetapi
baru pada tahun 1900 pertama kali diperkenalkan kembali oleh Karl Pearson.

Uji goodness of fit merupakan alat uji statistik yang digunakan untuk menguji hipotesis bila dalam
populasi terdiri atas dua atau lebih kelas bila data berbentuk nominal dan sampelnya Uji ini digunakan
untuk mengetahui apakah ada perbedaan signifikan antara frekuensi observasi dengan frekuensi
harapan berdasarkan hipotesis nol besar.

Uji goodness of fit (uji keselarasan) adalah analisis untuk mengetahui apakah distribusi data seragam
atau tidak. Uji goodness of fit salah satu teknik statistik yang memudahkan peneliti menilai kemungkinan
memperoleh perbedaan frekuensi yang nyata (yang diobservasi) dengan frekuensi yang diharapkan
dalam kategori-kategori tertentu akibat dari kesalahan sampling.

Uji Chi-Square untuk Goodness of Fit

Uji CHI-KUADRAT satu sampel digunakan untuk menguji hipotesis deskriptif bila dalam populasi terdiri
atas dua atau lebih kelas, data berbentuk nominal dan ukuran sampelnya besar. Yang dimaksud dengan
hipotesis deskriptif disini merupakan estimasi/dugaan terhadap ada tidaknya perbedaan frekuensi
antara kategori satu dengan kategori lain dalam sebuah sampel.

Hal-hal yang perlu diperhatikan dalam uji chi-square adalah sebagai berikut:

1. Data
Data terdiri dari observasi independen N dari suatu variabel acak X. N
2. Asumsi
a. Sampel merupakan sampel acak.
b. Skala pengukuran setidaknya nominal.
3. Hipotesis
Misalkan F(x) menjadi fungsi distribusi yang benar, tetapi X tidak diketahui, dan misalkan F*(x)
beberapa fungsi distribusi yang ditentukan, fungsi distribusi hipotesis.
H0 : F(x) = F*(x)
H1: F(x) ≠ F*(x)
Hipotesis dapat dinyatakan dalam kalimat yaitu,
H0: fungsi distribusi dari variabel random yang diamati yaitu F*(x)
H1: fungsi distribusi dari variabel random yang diamati berbeda dari F*(x)
4. Uji statistik
Misalkan p*j merupakan probabilitas acak pengamatan pada X yang berada di kelas j, dengan
asumsi bahwa F*(x) adalah fungsi distribusi X. Kemudian menentukan Ej sebagai berikut.
Ej = p*j /N, j = 1,2,…c
 dimana Ej merupakan jumlah yang diharapkan dari pengamatan di kelas ketika H0 benar. Uji
statistik yang diberikan yaitu,

Ekuivalen dengan sebuah ekspresi, yang lebih mudah digunakan dengan kalkulator, yaitu
Dimana :
: Frekuensi hasil pengamatan
: Frekuensi Harapan
5. Aturan kesimpulan
Kita mungkin selalu yakin bahwa aturan fungsi distribusi sesungguhnya tidak pernah persis sama
dengan fungsi distribusi hipotesis. Namun, dalam banyak kasus pendekatan yang baik untuk
fungsi distribusi yang benar dan tes ini menyediakan cara untuk membenarkan penggunaan
F*(x) sebagai pendekatan yang baik, dengan penerimaan H0. Kita menyadari bahwa dalam
setiap uji goodnes of fit H0 akan ditolak jika ukuran sampel cukup besar, untuk alasan ini T
sering digunakan sebagai ukuran dari goodness of fit.
H0 :ditolak jika T hitung T tabel
H0 :diterima jika T hitung < T tabel

Daftar pustaka
http://agussukoco.dosen.narotama.ac.id/files/2012/04/TM-8-dan-9-statistik-bisnis-ke1.pdf