DISTRIBUSI

F dan Chi
Kelompok IV :
 Desi Wulandari 2016.11.0850
 Muhammad Muhyil Huda 2016.11.0870
 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. Nama tersebut diambil dari nama
penemunya, yakni untuk menghargai Sir Ronald Aylmer
Fisher (1890 – 1962) dan George W. Snedecor (1881 – 1974)
yang merupakan pakar statistika, pertanian eksperimental, dan
genetika kuantitiatif asal Inggris dan asal Amerika. Distribusi
F seringkali digunakan dalam pengujian statistika, antara lain
analisis varians dan analisis regresi.
Walpole et al. (1998) juga mendiskusikan ciri-ciri dari distribusi
F, yaitu sebagai berikut.
1. Distribusi F bersifat kontinu. Hal ini berarti bahwa distribusi
F nilainya bisa jadi tidak terbatas, antara nol dan positif tak
hingga,
2. Ditribusi F tidak dapat bernilai negatif. Nilai terkecil dari F
adalah nol,
3. Bentuknya tidak simetris. Semakin besar jumlah derajat
kebebasan pada pembilang dan penyebut, distribusinya
semakin mendekati distribusi normal,
4. Bersifat asimtotik (asymptotic). Semakin besar nilai x, kurva
generalized F semakin mendekati sumbu X tetapi tidak akan
pernah menyentuhnya.
 Distribusiini juga mempunyai variabel acak yang kontinu. Fungsi
identitasnya mempunyai persamaan:

f(F) = K

Dengan variabel acak F memenuhi batas F > 0, K = bilangan yang

tetap harganya bergantung pada v1 dan v2 . Sedemikian sehingga
luas dibawah kurva sama dengan satu, v1 = dk pembilang dan v2 =
dk penyebut. Jadi distribusi F ini mempunyai dua buah derajat
kebebasan.
Grafik distribusi F tidak simetrik dan umumnya positif seperti juga distribusi
lainya, untuk keperluan penghitungan dengan distribusi F,. Daftar tersebut
berisikan nilai-nilai F untuk peluang 0,01 dan 0,05 dengan derajat kebebasan v1
dan v2. Peluang ini sama dengan luas daerah ujung kanan yang diarsir, sedangkan
dk = v1 ada pada baris paling atas dan dk = v2 pada kolom paling kiri.

Untuk tiap pasang dk, v1 dan v2,

daftar berisikan harga-harga F
dengan luas kedua ini (0,01 atau
0,05)

Untuk tiap dk = v2, daftar terdiri atas dua baris, yang atas untuk peluang p = 0,05
dan yang bawah untuk p = 0,01.
Contoh :
Untuk pasangan derajat kebebasan v1 = 24 dan v2 = 8, ditulis
juga (v1,v2) = (24,8), maka untuk p = 0,05 didapat F = 3,12
sedangkan untuk p = 0,01 didapat F = 5,28 (lihat tabel F). Ini
didapat dengan jalan mencari 24 pada baris atas dan 8 pada
kolom kiri. Jika dari 24 turun dan dari 8 ke kanan, maka didapat
bilangan bilangat tersebut. Yang atas untuk p = 0,05 dan yang
bawahnya untuk p = 0,01. Notasi lengkap untuk nilai-nilai F dari
daftar distribusi F dengan peluang p dan dk = (v1,v2) adalah Fp
(v1,v2).
Demikian untuk contoh kita didapat :
F 0,05 (24,8) = 3,12 dan F 0,01 (24,8) = 5,28
 Meskipun daftar yang diberikan hanya untuk peluang p = 0,01 dan p
= 0,05, tetapi sebenarnya masih bisa didapat nilai-nilai F dengan
peluang 0,99 dan 0,95.
Untuk ini digunakan hubungan .

 Dalam rumus diatas perhatikan antara p dan (1-p) dan pertukaran

antara derajat kebebasan (v1,v2) menjadi (v2,v1).
Contoh :
Nilai = = = 0,44
Cara membaca tabel F
Sebelum membaca tabel distribusi f, kita harus menentukan derajat bebas
(df) terlebih dahulu. Rumus untuk menentukan kedua df pada tabel-F
adalah sebagai berikut.
df1 = k -1
df2 = n – k
dimana:
k : jumlah variabel (bebas dan terikat), dan
n : jumlah observasi/sampel pembentuk regresi.
 
Sebagai contoh, misalnya kita punya persamaan regresi dengan dua variabel
bebas dan satu variabel terikat. Jumlah sampel pembentuk regresi tersebut
sebanyak 10. Maka  df1= k-1 = 3 – 1 = 2 sedangkan df2 = n – k = 10 – 3 = 7
Jika pengujian dilakukan pada α = 5%, maka nilai F tabelnya adalah 4,74. Lihat
pada N1=2 dan N2= 7 pada tabel di bawah ini.
 Distribusi Chi Kuadrat (χ2)

Distribusi chi-kuadrat ( bahasa Inggris: Chi-square distribution )

atau distribusi χ² dengan k derajat bebas adalah distribusi jumlah
kuadrat keperubah acak normal baku yang saling bebas.
Distribusi ini seringkali digunakan dalam statistika inferensial,
seperti dalam uji hipotesis, atau dalam penyusunan selang
kepercayaan.
Distribusi khi-kuadrat merupakan kasus khusus distribusi
gamma. Grafik distribusi chi-kuadrat bergantung pada derajat
kebebasan ө, yang umumnya merupakan kurva positif dan
miring ke kanan. Kemiringan kurva ini akan semakin berkurang
jika derajat kebebasasan ө makin besar.  Untuk ө =1 dan  ө =2,
bentuk kurvanya berlainan daripada untuk  ө ≥ 3.
Distribusi chi kuadrat merupakan distribusi dengan variabel
acak kontinu. Simbol yang dipakai ialah χ2 apabila besar
sampel n dan varians s2, maka : χ2  dan didapat distribusi
sampling χ2  untuk memudahkan menulis, dan harga u > 0, v =
( n - 1 ) = derajat kebebasam K bilangan tetap yang bergantung
pada v, sedemikian sehingga luas daeah di bawah kurva sama
dengan satu satuan luas dan e = 2,7183. Grafik distribusi
x2 umumnya merupakan kurva positif yaitu miring kekanan,
makin berkurang kemiringannya jika v makin besar.
Contoh:
Diketahui bahwa distribusi x2 dengan n = 10.
a. Luas daerah yang diarsir sebelah kanan = 0,025, hitung X12
b. Luas daerah yang diarsir sebelah kiri = 0,05, hitung X12
Jawab:
c. v = (n-1) = 10 – 1 = 9; P = 1 – 0,25 = 0,975, dicari pada tabel
di dapat X21 = 19,02278
d. v = (n – 1) = 10 – 1 = 9; P = 1 – 0,05 = 0,95 dicari pada
tabel  didapat X12 = 16,91896
1. Ketentuan Pemakaian Chi-Kuadrat (X2)
Agar pengujian hipotesis dengan chi-kuadrat dapat digunakan dengan baik,
maka hendaknya memperhatikan ketentuan-ketentuan sebagai berikut:
1.Jumlah sampel harus cukup besar untuk meyakinkan kita bahwa terdapat
kesamaan antara distribusi teoretis dengan distribusi sampling chi-kuadrat.
2.Pengamatan harus bersifat independen (unpaired). Ini berarti bahwa jawaban
satu subjek tidak berpengaruh terhadap jawaban subjek lain atau satu subjek
hanya satu kali digunakan dalam analisis.
3.Pengujian chi-kuadrat hanya dapat digunakan pada data deskrit (data
frekuensi atau data kategori) atau data kontinu yang telah dikelompokan
menjadi kategori.
4.Jumlah frekuensi yang diharapkan harus sama dengan jumlah frekuensi yang
diamati.
5.Pada derajat kebebasan sama dengan 1 (table 2 x 2) tidak boleh ada nilai
ekspektasi yang sangat kecil.
2. Uji Chi Kuadrat (²)
Uji Chi Kuadrat adalah pengujian hipotesis mengenai
perbandingan antara :
frekuensi observasi / yg benar-benar terjadi/aktual dengan
frekuensi harapan/ekspektasi.
Beberapa manfaat dari distribusi chi-kuadrat, yaitu antara lain :
1. Untuk menguji apakah frekuensi yang diamati berbeda secara
signifikan dengan frekuensi teoritis atau frekuensi yang
diharapkan.
2. Untuk menguji kebebasan (independensi antar faktor dari data
dalam daftar kontingensi.
3. Untuk menguji apakah data sampel mempunyai distribusi
yang mendekati distribusi teoritis tertentu atau distribusi
hipotesis tertentu (distribusi populasi), seperti distribusi
binomial, distribusi poisson, dan distribusi normal.
Pengertian Frekuensi Observasi dan Frekuensi Harapan
frekuensi observasi = nilainya didapat dari hasil percobaan (o)
frekuensi harapan = nilainya dapat dihitung secara teoritis (e)

Contoh : 1
6

Sebuah dadu setimbang dilempar sekali (1 kali) berapa nilai

ekspektasi sisi-1, sisi-2, sisi-3, sisi-4, sisi-5 dan sisi-6 muncul ?
kategori :
Sisi-1 sisi-2 sisi-3 sisi-4 sisi-5 sisi-6
frekuensi ekspektasi
(e) 1/6 1/6 1/6 1/6 1/6 1/6
 Bentuk Distribusi Chi Kuadrat (²)
Nilai ² adalah nilai kuadrat karena itu nilai ² selalu positif.
Bentuk distribusi ² tergantung dari derajat bebas (db)/degree of
freedom.

Contoh :
Berapa nilai ² untuk db = 5 dengan = 0.010? (15.0863)
Berapa nilai ² untuk db = 17 dengan = 0.005? (35.7185)
Pengertian pada Uji ² sama dengan pengujian hipotesis yang lain,
yaitu luas daerah penolakan atau taraf nyata pengujian
 
 Pengunaan Uji ²
Salah satu penggunaan distribusi ini adalah uji khi-kuadrat
untuk kebersesuaian (goodness of fit) suatu distribusi
pengamatan dengan distribusi teoretis, kriteria klasifikasi
analisis data yang saling bebas, serta pendugaan selang
kepercayaan untuk simpangan baku populasi berdistribusi
normal dari simpangan baku sampel. Sejumlah pengujian
statistika juga menggunakan distribusi ini, seperti Uji
Friedman.
Chi-kuadrat digunakan untuk mengadakan pendekatan dari
beberapa vaktor atau mngevaluasi frekuensi yang diselidiki
atau frekuensi hasil observasi dengan frekuensi yang
diharapkan dari sampel apakah terdapat hubungan atau
perbedaan yang signifikan atau tidak.
Dalam statistik, distribusi chi square termasuk dalam statistik
nonparametrik. Distribusi nonparametrik adalah distribusi
dimana besaran-besaran populasi tidak diketahui. Distribusi ini
sangat bermanfaat dalam melakukan analisis statistik jika kita
tidak memiliki informasi tentang populasi atau jika asumsi-
asumsi yang dipersyaratkan untuk penggunaan statistik
parametrik tidak terpenuhi.
Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi
square adalah :
Distribusi  chi-square memiliki satu parameter yaitu derajat  bebas
(db).
Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-
nilai positif tak terhingga di sebelah kanan.
Probabilitas nilai chi square di mulai dari sisi sebelah kanan.
Luas daerah di bawah kurva normal adalah 1.
Uji ² dapat digunakan untuk :
a. Uji Kecocokan = Uji kebaikan-suai = Goodness of fit
b. Uji Kebebasan
c. Uji beberapa proporsi
Metode Chi-kuadrat menggunakan data nominal, data tersebut
diperoleh dari hasil menghitung. Sedangkan besarnya nilai chi-
kuadrat bukan merupakan ukuran derajat hubungan atau perbedaan.
Macam-macam bentuk analisa Chi-kuadrat :
1. Penaksiran standar deviasi
2. Pengujian hipotesis standar deviasi
3. Pengujian hipotesis perbedaan beberapa proporsi atau chi-
square dari data multinominal
4. Uji hipotesis tentang ketergantungan suatu variabel terhadap
variabel lain/uji Chi-square dari tabel kontingensi/tabel
dwikasta/tabel silang
5. Uji hipotesis kesesuaian bentuk kurva distribusi frekuensi
terhadap distribusi peluang teoritisnya atau uji Chi-square
tentang goodness of fit
 UjiKecocokan
Penetapan Hipotesis Awal dan Hipotesis Alternatif :
: frekuensi setiap kategori memenuhi suatu nilai/perbandingan.
: Ada kategori yang tidak memenuhi nilai/perbandingan
tersebut.

Contoh :
Pelemparan dadu 120 kali, kita akan menguji kesetimbangan dadu .
Dadu setimbang jika setiap sisi dadu akan muncul 20 kali.
: setiap sisi akan muncul = 20 kali.
: ada sisi yang muncul 20 kali.
Uji Kebebasan dan Uji Beberapa Proporsi

Uji kebebasan antara 2 variabel memiliki prinsip pengerjaan yang

sama dengan pengujian beberapa proporsi.
(Berbeda hanya pada penetapan Hipotesis awal dan hipotesis
alternatif)
Penetapan Hipotesis Awal dan Hipotesis Alternatif
: v:ariabel-variabel saling bebas
: variabel-variabel tidak saling bebas
Uji Beberapa Proporsi :
: setiap proporsi bernilai sama
: ada proporsi yang bernilai tidak sama
Rumus Uji ²
Bentuk umum Tabel Kontingensi berukuran r baris x k kolom

( total kolom ) x (total baris )

frekuensi harapan 
total observasi

r,k
(oij  eij) 2
2  
i,j 1 eij
Distribusi chi-square (chi-kuadrat/x2) merupakan distribusi yang
banyak digunakan dalam sejumlah prosedur statistik inferensial.
Distribusi chi-square merupakan kasus khusus dari distribusi
gamma dengan faktor bentuk 𝛼=𝑣/2, dimana v adalah bilangan
bulat positif dan faktor skala 𝛽=2.
Jika variabel acak kontinu X memiliki distribusi chi-kudrat dengan
parameter v, maka fungsi kepadatan probabilitas dari X adalah :
Contoh :
Kita akan menguji kebebasan antara faktor gender (jenis
kelamin) dengan jam kerja di suatu pabrik. Tabel kontingensi
dapat dibuat sebagai berikut :
Solusi :
1. H0 : Gender dan Jam kerja saling bebas
H1 : Gender dan Jam kerja tidak saling bebas
2. Statistik Uji = ²
3. Nilai α = 5 % = 0.05
4. Nilai Tabel ² db = 2 ; α = 0.05 ² tabel = 5.99147
5. Wilayah Kritis : Penolakan ² hitung > ² tabel
² hitung > 5.99147
6. Perhitungan ²

frekuensi harapan untuk :

Contoh :
Berikut adalah data proporsi penyiaran film(satuan
pengukuran dalam persentase (%) jam siaran TV) di 3
stasiun TV. Apakah proporsi pemutaran Film India, Kungfu
dan Latin di ketiga stasiun Tv tersebut sama? Lakukan
Pengujian proporsi dengan Taraf Nyata = 2.5 %
Parameter n disebut angka derajat kebebasan (degree of freedom
atau df) dari X. Sedangkan fungsi distribusi kumulatif chi-kuadrat
adalah :
 
Berikut ini diberikan rumusan beberapa ukuran statistik deskriptif
untuk distribusi chi-square.
Mean (Nilai Harapan) : 
𝜇𝑥 = 𝐸(X) = 𝑣
Varians:

Kemencengan (skewness) :

Keruncingan (kurtosis) :
Karakteristik Chi‐Square:
a. Nilai Chi‐Square selalu positif.
b. Terdapat beberapa keluarga distribusi Chi‐Square, yaitu
distribusi Chi‐Square dengan df=1, 2, 3, dst.
c. Bentuk distribusi Chi‐Square adalah menjulur positif. Semakin
besar derajat bebas, maka semakin mendekati distribusi
normal.
d. df = k – 1, dimana k adalah jumlah katagori. Jadi bentuk
distribusi chi square tidak ditentukan banyaknya sampel,
melainkan banyaknya derajat bebas.
 Rumus Chi-Square:

Dimana:
χ2 : Nilaichi-kuadrat
fe : Frekuensi yang diharapkan
fo : Frekuensi yang diperoleh atau diamati
Cara Membaca Tabel Chi-Square
Sama seperti dalam tabel T, dalam tabel chi-square ada yang namannya tingkatan
signifikasi (α ) serta derajat kebebasan (dk) atau degree of freedom. Tingkat
signifikansi merupakan ukuran seberapa besar keyakinan yang kita ambil. Derajat
kebebasan yang didapat dengan rumus n-1. Sebagai contoh, kita ingin mencari
berapa nilai di tabel chi-square untuk df = 59 dengan tingkat signifikansi 0,05,
maka kita lihat di kolom derajat signifikasi sebesar 0,05 kemudian tarik kebawah
hingga ketemu angka derajat kebebasan di angka 59. Karena itu, maka akan
menemukan angka 77.93.
 SEKIAN DAN
TERIMAKASIH