TUGAS KELOMPOK

STATISTIKA ELEMENTER
Oleh :
Kelompok 9
Adek Farhan Muhardiansyah
kayla arruza khalisah
Nurul Hidayah Islami
DISTRIBUSI DALAM
STATISTIKA
 01

LATAR BELAKANG
Statistika merupakan ilmu pengetahuan yang berhubungan dengan Teknik
pengumpulan, pengolahan, atau penganalisisan dan penarikan kesimpulan
berdasarkan kumpulan data dan penganalisisan yang dilakukan (Sudjana, 1996). Ilmu
statistika bisa dikatakan tidak pernah berhenti melakukan pembaharuan untuk
melengkapi teori ataupun metode yang sudah ada.
Dalam statistika terdapat ilmu yang mempelajari tentang distribusi data. Dimana
distribusi ini digunakan untuk mengetahui peluang yang mungkin terjadi dalam
penelitian, baik dilakukan secara berulang atau tidak. Pada beberapa metode
statistika, setiap data harus memiliki distribusi tertentu. Yang harus diingat adalah
tidak semua jenis data bisa menggunakan metode analisis yang sama, maka dari itu
kita harus menyesuaikan dengan distribusi yang dimiliki oleh data. Salah satu
distribusi yang sering digunakan dalam statistika yaitu distribusi peluang kontinu.
Distribusi peluang kontinu merupakan peubah acak yang dapat memperoleh semua
nilai dalam skala kontinu.
02
PEMBAHASAN
1. Distribusi Chi-Square
Distribusi Chi-Square atau khi-kuadrat diperkenalkan oleh Karl Pearson
menjadi salah satu uji non parametrik yang paling sederhana dan sering
digunakan. Distribusi chi-square merupakan distribusi yang digunakan untuk
mengetahui perbedaan observasi dengan nilai harapan dari kelompok sampel.
Dalam pengaplikasiannya, distribusi chi-square diterapkan melalui uji chi-
square.
Uji chi-square merupakan uji data yang bersifat komparasional yang berdasar
pada perbedaan frekuensi data yang sedang di observasi. Perbedaa pada
obeservasi dan frekuensi yang diharapkan melalui uji chi-square atau (X2).
 05

Adapun rumus dari chi-square yaitu :

1.1 Chi-square satu sampel
03
Uji chi-square satu sampel merupakan pengujian hipotesis tentang
perbandingan antara frekuensi sampel yang benar-benar terjadi dengan
frekuensi harapan berdasarkan hipotesis tertentu pada setiap pengujian.

1.2 Chi-square dua sampel

Chi-Square digunakan untuk menguji hipotesis komparatif dua sampel bila datanya berbentuk nominal
dan sampelnya besar. Cara perhitungan dapat menggunakan rumus yang telah ada, atau dapat
menggunakan Tabel Kontingensi 2x2 (dua baris x dua kolom/tabel ). Pada Bab ini diberikan contoh
penggunaan Tabel Kontingensi untuk menghitung harga Chi-Square, karena lebih mudah.
04
1.3 Chi-square K sample
Chi-square k sample digunakan untuk menguji hipotesis komparatif lebih dari dua
sampel, bila datanya berbentuk diskrit atau nominal. Rumus dasar yang digunakan
untuk adalah sama dengan komparatif dua sampel independent, yaitu sebagai
berikut.
06 2.1 Distribusi F

Dalam teori probabilitas dan statistika, distribusi F merupakan

distribusi probabilitas kontinu. Distribusi F juga dikenal dengan
sebutan distribusi F Snedecor atau distribusi Fisher-Snedecor.
 07
Salah satu contoh uji Chi-Square satu sampel yaitu :
Selama ini manajer pemasaran tas SELU
menganggap bahwa konsumen sama-sama
menyukai tiga warna tas yaitu broken
white, hitam, dan khaki. Untuk
mengetahui apakah pendapat manajer
pemasaran itu benar, kepada dua belas
responden ditanya mengenai warna tas
yang disukai. Berikut adalah data yang
berhasil dikumpulkan.
08
09

Selanjutnya, untuk tingkat signifikan 5% dan derajat bebas

(db)=k-1=3-1=2, diperoleh tabel chi-square sebesar 7,81.
Keputusan: Dikarenakan chi-square hitung lebih kecil dari chi-
square tabel (0,5<7,81), maka gagal tolak .
Kesimpulan: Dengan tingkat signifikan 5%, dapat disimpulkan
bahwa konsumen menyukai warna tas secara merata, dalam
arti tidak ada warna yang lebih disukai dari lainnya.
 Salah satu contoh studi kasus Chi-Square dua sampel yaitu : 10

1.Seorang peneliti ingin mengetahui kecenderungan gender terhadap partisipasi

dalam pilkada. Berdasarkan 120 total sampel, didapatkan hasil sebagai berikut.

Tentukan apakah terdapat perbedaan hubungan yang signifikan antara gender dan partisipasi pada pilkada!
Jawab:
1. Tentukan Hipotesis H0 dan Hipotesis alternatif
Tidak terdapat perbedaan yang signifikan terkait gender terhadap partisipasi pilkada
: Terdapat perbedaan yang signifikan antara gender terhadap partisipasi pilkada
2. Tentukan taraf signifikansi
α = 5% (0.05)
3. Tentukan kriteria pengujian
.
 Bila Chi-Square Hitung > Chi Square tabel, berhasil menolak
Bila Chi-Square Hitung < Chi Square tabel, kita gagal menolak
Dengan menggunakan Statistik Uji Chi-Square 2 populasi, kita
mendapatkan nilai Chi-Square hitung adalah 2.44.
≥
Karena n 40, gunakan maka kita juga bisa menggunakan
menggunakan koreksi kontinuitas dengan perhitungan sebagai
berikut:
Salah satu studi kasus Chi-Square k sampel yaitu :
 Bila Chi-Square Hitung > Chi Square tabel, berhasil menolak
Bila Chi-Square Hitung < Chi Square tabel, kita gagal menolak
Dengan menggunakan Statistik Uji Chi-Square k-populasi, kita
mendapatkan nilai Chi-Square hitung adalah 29.00.
perhitungan-chi-square-hitung

~Kesimpulan
Dengan menggunakan statistik uji Chi-Square k-sampel, nilai
Chi-Square hitung > Chi-Square tabel. Artinya, kita berhasil
menolak .
 Salah satu studi kasus distribusi F yaitu :

Akan dilakukan analisis regresi linier berganda menggunakan lama waktu belajar dan skor IQ
sebagai variabel independen serta nilai ujian sebagai variabel dependen. Ketika melakukan
analisis regresi diperoleh output sebagai berikut.

Berdasarkan output tabel di atas, diperoleh nilai F hitung atau F value sebesar 5,09. Hipotesis null (H0)
dari uji F yang dilakukan adalah model tidak signifikan sedangkan hipotesis alternatifnya (H1) adalah
model signifikan. Misalkan, tingkat signifikansi yang digunakan sebesar 5% atau 0,05.
Dengan menggunakan tabel distribusi F dengan tingkat
signifikansi 0,05, derajat bebas numerator 2 (df untuk
regression) dan derajat bebas denominator 9 (df untuk
residual), diperoleh nilai kritis F atau nilai F tabel sebesar 4,26.
Hipotesis null (H0) ditolak jika F hitung lebih besar dari F tabel. Karena
F hitung (5,09) lebih besar dari F tabel (4,26) maka H0 ditolak. Jadi
dapat disimpulkan bahwa model regresi signifikan secara statistik.
 KESIMPULAN
Distribusi peluang kontinu merupakan peubah acak yang dapat memperoleh semua
nilai dalam skala kontinu. Peubah acak yang digunakan dalam distribusi ini
menggunakan bilangan real yang dinyatakan dalam bentuk interval a ≤ ≤x b atau
batas-batas lainnya. Distribusi peluang kontinu ini didefinisikan sebagai area di bawah
kurva fungsi padat peluang. Beberapa jenis dari distribusi peluang kontinu antara lain
distribusi Chi-Square dan distribusi F.
Distribusi Chi-Square merupakan distribusi yang digunakan untuk mengetahui
perbedaan observasi dengan nilai harapan dari kelompok sampel. Sedangkan Distribusi
F adalah salah satu distribusi peluang kontinu yang terbentuk dari perbandingan dua
peubah acak (variabel random) yang saling bebas dan memiliki sebaran Distribusi Chi-
Square.
 SARAN
Tim penulis menyarankan agar para pembaca dapat
menggunakan makalah ini sebagai bahan ajar ketika
mempelajari materi distribusi peluang kontinu. Kami juga
menyarankan agar makalah ini dijadikan sebagai modul untuk
digunakan oleh mahasiswa/i ketika mempelajari materi
distribusi peluang. Selain itu, kami juga memberikan saran agar
para pembaca dapat menerapkan langsung materi-materi yang
terdapat di makalah ini guna menyelesaikan persoalan yang
berhubungan dengan materi distribusi peluang kontinu.
Thank you