Goodness of Fit Test

Chi Square Oleh:

Cindy W. (17051334006) Nibras Aulia (17051334022)

Alfi Lailatul K. (17051334009) Thalita Aulia R. (17051334024)

Amanatuz Z. (17051334010) Rosyidatul M. (17051334031)

Anggita Kurnia R. (17051334033)

)
Goodness Of Fit Test
 Biasa disebut dengan Uji Kecocokan
 Uji ini dilakukan untuk membuat kesimpulan tentang distribusi variabel.
n = ukuran sample
p = frekuensi relatif

E=n.p

 Chi – Square Subtotals (x²)

x² = Σ (O-E)² / E

O = data aktual
E = frekuensi harapan
Asumsi Uji Kecocokan
 Semua frekuensi yang diharapkan adalah 1 atau lebih besar.
 Paling banyak dari 20% frekuensi yang diharapkan adalah < 5
 Sample acak
PROSEDURE!
1 Tentukan:
H0 = variabel memiliki distribusi yang diketahui.
Ha = variabel tidak memiliki distribusi yang diketahui.

2 Mencari nilai signifikan ()

3 Hitung Uji Statistik menggunakan rumus : Sample O E

O– ²
E
x² = Σ (O-E)² / E
Untuk mempermudah dapat menggunakan
tabel disamping.

4 Menentukan titik kritis (χ2) menggunakan df = c − 1.

Dengan c merupakan banyaknya jenis sample. Lalu dicocokan dg tabel.
Contoh Soal!
Halaman 601, Buku Neil A Weiss-Inductory Statistic-Pearson

Sampel acak sederhana dari 500 laporan kejahatan-kekerasan dari tahun lalu menghasilkan
distribusi frekuensi ditunjukkan pada Tabel 13.2. Misalkan kita ingin menggunakan data dalam
Tabel 13.1 dan 13.2 untuk memutuskan apakah pembagian kejahatan kekerasan tahun lalu adalah
berubah dari distribusi 2010.
Diketahui;
H0 = Distribusi kejahatan-kejahatan tahun lalu sama dengan distribusi 2010.
Ha = Distribusi kejahatan-kejahatan tahun lalu berbeda dari distribusi 2010.

χ hitung = 6,529
Menentukan titik kritis (χ2) Mencari nilai signifikan ():
menggunakan df = c − 1 df = c − 1  = 0,05
df = 4 – 1 χ2 = Χ0,052
df = 3

χ tabel = 7,815.
 Kesimpulan:

Dengan  = 0,05 diperoleh

7,815 dan Xhit: 6,529,
sehingga jatuh pada daerah
X hitung: 6,529 penerimaan Ho. Jadi, dapat
disimpulkan bahwa distribusi
kejahatan tahun lalu sama
dengan tahun 2010
Contoh Soal!
Tabel berikut menunjukkan distribusi usia dari 100 orang sampel yang tertangkap
mabuk minuman keras selama mengendarai mobil (drunk driving).

Usia 16 – 25 26 – 35 36 – 45 46 – 55 < 56

Jumlah 32 25 19 16 8

Dengan tingkat signifikansi 1%, dapatkah kita menolak H0 bahwa

proporsi orang yang tertangkap dalam kasus drunk driving
adalah sama untuk semua kelompok usia ?
Diketahui;
• H0 : Proporsi orang yg tertangkap mabuk minuman keras selama berkendara adalah sama
untuk semua kelompok umur
• Ha : Proporsi tidak sama

• Disini terdapat 5 kategori usia , peluang masing2 kategori jika H0 benar = 1/5 = 0.2 (p)

Menentukan titik kritis (χ2) Mencari nilai signifikan ():

menggunakan df = c − 1 df = c − 1
 = 0,01
df = 5 – 1
χ2 = Χ0,012
df = 4

maka dari tabel distribusi χ2 diperoleh χ2 =13.277

Kategori ² ²/E
O p E O–E
(umur)
16
16 –
– 25
25 32
32 0.2
0.2 20
20 12
12 144
144 7,20
7,20
26
26 –
– 35
35 25
25 0.2
0.2 20
20 5
5 25
25 1,25
1,25
36
36 –
– 45
45 19
19 0.2
0.2 20
20 -1
-1 1
1 0.05
0.05
46 – 55 16 0.2 20 4 16 0.8
46 – 55 16 0.2 20 4 16 0.8
< 56 8 0.2 20 -12 144 7,2
< 56 8 0.2 20 -12 144 7,2
n = 100 Σ = 16.5
n = 100 Σ = 16.5

X hitung.
 Kesimpulan:

Nilai statistik uji χ2 = 16.5 >

13.277 (nilai kritis) dan jatuh
pada daerah penolakan H0,
X hit: 16,5 sehingga kita menolak H0
dan mengatakan bahwa
proporsi drunk driving
berbeda untuk kelompok
usia.
 Daftar Pustaka
• Weiss, Neil A. 2017. “Inductory Statistic; Tenth Edition”. England. Pearson Education Limited
2017.
• http://evan_ramdan.staff.gunadarma.ac.id/Downloads/files/53426/H.+Chi+Square+Test.pdf
THANK
THANK
YOU