A.

Pengujian Hipotesis Mengenai k proporsi ( k > 2)

Apakah perbedaan proporsi dari sampel pertama, kedua dan seterusnya Proporsi individu-individu yang mempunyai
disebabkan oleh faktor kebetulan saja atau oleh faktor-faktor yang Ho : sifat tertentu yang hendak diselidiki dari k
benar-benar berarti (significant) populasi (k > 2), adalah sama

Dari tiap-tiap populasi diambil sampel random yaitu

sampel 1 dari populasi 1
sampel 2 dari populasi 2 Sifat individu tersebut dapat dibedakan
sampel 3 dari populasi 3 “baik” dan “tidak baik”

Sampel Sampel Sampel

…… Jml
1 2 k
Banyaknya Sampel 1 terdapat n11 individu “baik”
individu yang n11 n12 …… n1k n1. n21 individu “tidak baik”
2 terdapat n12 individu “baik”
bersifat “baik” n22 individu “tidak baik”
Banyaknya k terdapat n1k individu “baik”
individu yang n2k individu “tidak baik”
n21 n22 …… n2k n2.
bersifat “tidak
baik”
Jumlah n.1 n.2 …… n.k n
Untuk membandingkan frekuensi
pengamatan dengan frekuensi diharapkan
didefinisikan suatu harga statistik sebagai
Kriteria : Membandingkan harga-harga yang sebenarnya didapat berikut:
dalam sampel yang diambil (nij = frekuensi pengamatan),
dengan harga-harga yang diharapkan (eij = frekuensi yang 2 k n  eij 
2


diharapkan) ij
2 =
i 1 j 1 eij
Apabila hipotesis benar, maka distribusi sampling
harga statistik tersebut mendekati chi-square
distribution yang beberapa harganya bisa dilihat
pada tabel 2, untuk berbagai  dan d.f

Daerah Daerah
terima tolak


2
Langkah-langkah di dalam menguji hipotesis k proporsi :

1. Menentukan formulasi H0 & H1

H0 : P1 = P2 = ….. Pk (= P)
H1 : P1 ≠ P2 ≠ ….. Pk (≠ P)
2. Dipilih  tertentu
3. Kriteria pengujian

Daerah Daerah
terima tolak

2
2 ( ; k-1)

H0 diterima apabila 2 < 2 ( ; k – 1)

H0 ditolak apabila 2 > 2 ( ; k – 1)
4. Dari sampel yang diambil atau dari hasil pengamatan yang
dilakukan, kemudian dihitung nilai 2 dengan rumus :

2 k n  eij 
2 P (proporsi individu yang bersifat
  baik) tidak diketahui hanya kita
ij
2 =
i 1 j 1 eij estimasikan dengan proporsi
kombinasi dari k sampel yang kita
ambil, yakni :
n11  n12  .....  n1k n1
P= 
n n
Expected frequencies dapat kita hitung dengan :
n1.
e11 = P . n.1 e12 = n.2
n1. n
= n.1 Dan seterusnya
n
e21 = n.1 - e11 e22 = n.2 – e12

5. Kesimpulan : Dengan membandingkan hasil perhitungan

dalam langkah 4 dengan kriteria pengujian dari langkah
3, diambil kesimpulan, apakah H0 diterima atau ditolak
Contoh soal:
Seorang pengusaha ingin meneliti apakah proses produksinya
masih dalam batas-batas “in-control” atau tidak. Dikatakan “in-
control” apabila proporsi produk yang rusak yang senyatanya
tinggal konstan. Dari penelitian diketahui bahwa : pada hari
pertama dari sampel sebanyak 100 ternyata yang rusak 12,
pada hari kedua dari sampel sebanyak 120 ternyata yang rusak
15 dan hari ketiga dari sampel sebanyak 80 yang rusak
ternyata 6. Yang menjadi persoalan adalah apakah terdapat
perbedaan yang berarti (significant) proporsi produk yang rusak
diantaran ketiga sampel itu.

S1 S2 S3 
Rusak 12 15 6 33

Tidak rusak 88 105 74 267

100 120 80 300
 S1 S2 S3 

Rusak 12/11 15/13,2 6/8,8 33

Tidak rusak 88/89 105/106,8 74/71,2 267

100 120 80 300
1. H0 : P1 = P2 = P3 (=P)
H1 : P1 ≠ P2 ≠ P3 (≠P)
2.  = 5% df = k – 1 2 (0,05 : 2) = 5,991
=3–1=2
3. Rule of The Test

H0 diterima apabila 2 ≤ 5,991

H0 ditolak apabila 2 > 5,991
Daerah
Daerah
terima
tolak
2
5,991
4. Menghitung 2

12  5  6 33
P=   0,11
300 300
e11 = (0,11)100 = 11 e12 = (0,11)120 = 13,2 e13 = (0,11) 80 = 8,8
e21 = 100 – 11 = 8 e22 = 120 – 13,2 = 106,8 e23 = 80 – 8,8 = 71,2
12  112 
15  13,2
2

6  8,8
2

88  89
2

2 =
11 13,2 8,8 89
105  106,82  74  71,22 1,379
106,8 71,2
5. Karena 1,379 < 5,991, maka H0 diterima
Artinya perbedaan proporsi produk yang rudak dari
ketiga sampel tersebut hanya disebabkan karena
faktor kebetulan saja bukan menunjukkan perbedaan
yang significant. Jadi proses produksi masih dalam
batas-batas “In-control”.
Di dalam distribusi binomial tiap-tiap percobaan akan menghasilkan satu
dari dua kemungkinan hasil yakni “sukses” atau “gagal”.
Di dalam praktek kita jumpai untuk percobaan yang menghasilkan lebih
dari dua kemungkinan hasil.
Misal : Pemungutan suara  setuju, tidak setuju dan blangko.
Jaminan sosial yang diberikan  memuaskan, cukup, dan kurang.
Service yang diberikan  baik sekali, baik, cukup, jelek.
Soal ujian  sukar, cukup, mudah

Contoh:
Manager untuk perusahaan ingin mengetahui bagaimana
sikap para karyawan dari berbagai departemen yang ada di
dalam perusahaannya terhadap kondisi kerja yang
diperolehnya. Untuk penelitian yang didasarkan pada
random sampel dari para karyawan dari 4 departemen
memberikan hasil sepert tercantum dalam tabel 3 x 4
berikut ini :
 Dep A Dep B Dep C Dep D Jumlah
Sangat baik 65/57,0 112/114,0 85/91,2 80/79,8 342
Cukup 27/33 67/66,0 60/52,8 44/46,2 198
Jelek 8/10,0 21/20,0 15/16,0 16/14,0 60
Jumlah 100 200 160 140 600

Dengan level of significance 0,05 ujilah hipotesa

nihil yang menyatakan bahwa distribusi proporsi
karyawan yang berpendapat/bersikap terhadap
kondisi kerja sangat baik, cukup, jelek adalah sama
untuk 4 departemen.
Penyelesaian

1. Formulasi hipotesa nihil dan hipotesa alternatip

H0 : P11 = P12 = P13 = P14
: P21 = P22 = P23 = P24
: P31 = P32 = P33 = P34
H1 : Tidak semua proporsi sama
2. Level of significance 0,05
2{0,05 ; (r - 1) (k - 1)} = 2{0,05 ; (3 - 1) (4 - 1)} = 12,592
(r - 1) (k - 1) adalah degree of freedom
r = baris k = kolom
3. Rule of the test
H0 diterima apabila 2 ≤ 12,592
H0 ditolah apabila 2 > 12,592
Daerah Daerah
terima tolak

2
12,592
4. Perhitungan 2 dari sampel-sampelnya
Proporsi karyawan yang bersikap terhadap kondisi kerja : sangat
baik, cukup dan jelek diestimasikan berdasarkan proporsi kombinasi
dari keempat sampel.

65  112  85  80 342
P (sangat baik) =   0,57
600 600
27  67  60  44 198
P (cukup) =   0,33
600 600

8  21  15  16 60
P (jelek) =   0,10
600 600

Expected frequencies dihitung dengan formula :

ni ( ni ) ( n . j )
eij = p . n.j = n . j 
n n
 198.100
e11 =
342.100
 57,0 e21 =  33,0 e31 = 60.100  10,0
600 600 600

342.200 198.200 60.200

e12 =  114,0 e22 =  66,0 e32 =  20,0
600 600 600

60.160
342.160 198.160
 52,8 e33 =  16,0
e13 =  91,2 e23 = 600
600 600

60.140
342.140
 79,8 e24 =
198.140
 46,2 e34 =  14,0
e14 = 600 600
600
 3 4 n
ij  eij 
2

2 = 
i 1 j 1 eij
65  57,0
2
112  114,0 85  91,2
2 2
80  79,8 2

=   
57,0 114,0 91,2 79,8
27  33,02  67  66,02  160  52,82  44  46,22 
33,0 66,0 52,8 46,2
8  10,02 21  20,0
2
15  16,02  16  14,02
 
10,0 20,0 16,0 14,0

= 4,570

5. Kesimpulan : 4,570 < 12,592  H0 diterima

 Apabila individu-individu untuk populasi dapat
diklasifikasikan dalam dua variabel (kategori), tiap-tiap
kategori dapat terdiri dari beberapa alternatif. Kemudian
kita ingin menguji H0 apakah kedua variabel tersebut
independent. Untuk menguji H0 tersebut kemudian diambil
suatu sampel, individu-individu dalam sampel tersebut
diklasifikasikan dalam “two way classification”.
Test yang demikian dinamakan test of independency
(pengujian independensi), tabelnya dinamakan tabel
kontingensi.
Apabila variabel I terdiri dari k kategori dan variabel II
terdiri dari r kategori, tabelnya dapat disusun sebagai
berikut :
 Tabel Kontingensi

Variabel I
Jumlah
A1 A2 A3 … Ak

B1 n11 n12 n13 … n1k n1.

B2
Variabel II n21 n22 n23 … n2k n2.
. . . . … . .

. . . . … . .

. . . . … . .

Br nr1 nr2 nr3 … nrk nr.

Jumlah n.1 n.2 n.3 … n.k n
nij = individu dari baris i kolom j
i = 1, 2, …..r
j = 1, 2, 3, ….k
 Langkah-langkahnya
1. Menetapkan formulasi H0 dan H1
H0 : P11 = P12 = ….. = P1k
P21 = P22 = ….. = P2k
Pr1 = Pr2 = …..= Prk
H1 : tidak semua proporsi sama
2. Dipilih level of significance tertentu (), dengan degree
of freedom (r – 1) (k – 1)
3. Rule of the test
H0 diterima apabila :
2 ≤ 2 {; (r-1) (k-1)}
Daerah Daerah H0 ditolak apabila :
terima tolak
2 > 2 {; (r-1) (k-1)}
2
2 { ; (r-1)(k-1)}
4. Perhitungan 2 :

r k n  eij 
2
ni n j 
 eij 
ij
2 = dimana
i 1 j 1 eij n

5. Kesimpulan : Apabila H0 diterima (variabel yang satu

tidak mempengaruhi/independen dengan
variabel lain) atau H0 ditolak (variabel I
dependen dengan variabel II)
 Contoh :

Kita ingin mengetahui apakah ada pengaruh (hubungan

dependen) antara pendapatan individu dengan kualitas
bahan makan yang dikonsumir.
Untuk tujuan ini kemudian diadakan penyelidikan terhadap
100 individu dan didapat kenyataan sebagai berikut :

Pendapatan
Tinggi Sedang Rendah Jumlah
Mutu bahan

Baik 14 6 9 29
makan

Cukup 10 16 10 36
Jelek 2 13 20 35

Jumlah 26 35 39 100
 Pendapatan
Tinggi Sedang Rendah Jumlah

Mutu bahan
Baik 14/7,54 6/10,15 9/11,31 29

makan
Cukup 10/9,36 16/12,6 10/14,04 36
Jelek 2/9,10 13/12,25 20/13,65 35

Jumlah 26 35 39 100

Penyelesaian :

1. H0 : P11 = P12 = P13 Atau mutu bahan makan

P21 = P22 = P23 independen dengan
P31 = P32 = P33 tingkat pendapatan

H1 : Mutu bahan makan dependen dengan

tingkat pendapatan

2. Dipilih level of significance (α) 0,05

2{0,05; (r-1) (k-1)} = 2{0,05; (3-1) (3-1)} = 9,488
3. Rule of the test

Daerah
Daerah
terima
tolak
2
9,448

H0 diterima apabila 2 ≤ 9,488

H0 ditolak apabila 2 > 9,488
4. Perhitungan nilai 2
29.26 36.26 e13 = 35.26  9,10
e11 =  7,54 e12 =  9,36
100 100 100
36.35 35.35
e21 =
29.35
 10,15 e22 =  12,60 e23 =  12,25
100 100 100
29.39 e33 = 35.39
e31 =  11,31 e32 = 36.39
100  14,04  13,65
100 100
14  7,542 
6  10,15
2

9  11,31
2

2 =
7,54 10,15 11,31
10  9,362 
16  12,60  10  14,04 
2

9,36 12,60 14,04

2  9,102 
13  12,25
2

20  13,65
2

9,10 12,25 13,65
= 18,36
5. Kesimpulan : Oleh karena 18,36 > 9,488 maka H0 ditolak,
berarti terdapat hubungan antara mutu
bahan makan dengan tingkat pendapatan.
D. Test of “Goodness of Fit”
(Pengujian tentang Kompatibilitas)
Disini dilakukan pengujian apakah dis. Frekuensi hasil
pengamatan “sesuai” dengan expected normal curve
frequencies dengan menggunakan chi-square distribution.

Langkah-langkah dalam pengujian “goodness of Fit” adalah

sebagai berikut :

1. Hipotesis :
H0 : Dis. Frekuensi hasil observasi sesuai (fit) dengan
dis. Teoritis tertentu.
H1 : Dis. Frekuensi hasil observasi tidak sesuai
dengan dis. Teoritis tertentu
2. Penentuan level of significance ()
3. Kriteria pengujian

Daerah Daerah
terima tolak
2
2 ( ; df)

H0 diterima apabila : 2 ≤ 2 ( : df)

H0 ditolak apabila : 2 > 2 ( : df)

4. Perhitungan 2 :
ni  ei 2
2 =  ei
5. Kesimpulan : Apakah H0 diterima atau ditolak
 Contoh :

Dis. Frekuensi pengamatan atau mengenai berat badan 300

orang prajurit (dalam pounds) ditunjukkan sebagai berikut :

Dis. Frekuensi Berat Badan 300 orang prajurit

Berat badan Observed

(dalam pounds) frequencies
150 – 158 9
159 – 167 24
168 – 176 51
177 – 185 66
186 – 194 72
195 – 203 48
204 – 212 21
213 – 221 6
222 – 230 3 9

Distribusi pengamatan tersebut apakah merupakan sampel

atau bukan dari populasi yang mempunyai distribusi normal
1. Formulasi H0 dan H1
H0 : Distribusi frekuensi hasil observasi sesuai (fit) dengan
distribusi normal
H1 : Distribusi frekuensi hasil observasi tidak sesuai dengan
distribusi normal
2. α = 0,05
d.f = k – 3
k = jumlah kelas (ada 8)
3 = banyaknya besaran ( X , S, Z)
2(0,05; 5) = 11,070

3. Rule of the test

H0 diterima apabila : 2 ≤ 11,070

Daerah
H0 ditolak apabila : 2 > 11,070
terima Daerah
tolak
2
11,070
4. Menghitung 2
Expected frequencies dihitung dengan cara menentukan :
1. Class Boundaries (batas nyata)
2. Nilai Z *)
3. Luas kurva normal
4. Selisih luas
5. Normal curve frequencies (expected frequencies)

X X
*) Z =
S
X = 184,3 185,32
S = 14,54 14,56
 a b c d e
149,5 -2,39 0,4916 0,0300 9
150 - 158
158,5 -1,77 0,4616
159 - 157 0,0846 25,4
167,5 -1,16 0,3770
168 - 176 0,1716 51,5
176,5 -0,54 0,2054
177 - 185 0,2373 71,2
185,5 0,08 0,0319
186 - 194 0,2261 67,8
194,5 0,70 0,2580
195 - 203 0,1486 44,6
203,5 1,32 0,4066
204 - 212 0,0672 20,2
212,5 1,94 0,4738
213 - 221 0,0210 6,3
221,5 2,56 0,4948 7,7
222 – 230 0,0045 1,4
230,5 3,18 0,4993

9  9 2 
24  25,4
2

51  51,5
2

66  71,2

2

2 =
9 25,4 51,5 71,2
72  67,82  48  44,62  21  20,22  9  7,7 2
67,8 44,6 20,2 7,7
= 1,232
5. Kesimpulan : Karena 1,232 < 11,070 berarti dis.
Pengamatan tersebut merupakan
sampel dari populasi yang mempunyai
dis. normal