Beberapa uji yang berdasarkan pada dist.

Binomial

1. Uji binomial
2. Uji Quantil

NEXT
 Uji Binomial
Data :
 Sampelnya merupakan unit-unit dr n percob.
Indep
 Setiap unit dpt masuk klas 1 atau klas 2, ttp
tdk kedua2nya
Asumsi :
1. N percob saling independen
2. Setiap percob. Memp. Prob P untuk masuk klas
1, dg P adalah sama untuk semua n percobaan
Hipotesis:
Misal P* adalah suatu konstan yang ditentukan,
0  p*  1
 Uji Hipotesis

H0 : p  p *
H0 : p  p *

H1 : p  p *
H1 : p  p *

H0 : p  p *
Statistik Uji :

H1 : p  p * T : Jumlah unit yang masuk dalam klas 1

 Menetukan Daerah kritis
A. Misal H1 benar, maka P<P* atau P>P*

P  P  Diaharapkan T kecil
*

P  P  Diharapkan T besar
*

 Dk : Ho ditolak Jk

T  t1atauT  t 2
 P( H 0ditolak / H 0benar )  
P(T  t1atauT  t 2 / p  p * )  
t1
 n  *i n
 n  *i
 
i 
i 0  
P (1  p ) n i
  
i 
i t 2 1  
 P (1  p ) n i


Harga t1 dan t2 dipilih sedemikian

hingga masing-masing jumlah
mendekati α/2. dan t1 dan t2
diperoleh dari tabel A3
 A. Ho ditolak jika Tt1 dimana
P(Y t1 )=1 atau
T>t2 dimana P(Y>t2) = 2
1+ 2=  dan 1 2 /2

B. Misal H1 benar, maka P>P* T besar

Daerah kritis : H0 ditolak jika T>t

B. Ho ditolak jika T>t2 dimana P(Y>t2) = 

C. Misal H1 benar, maka P<P*  T kecil
Daerah kritis : Ho ditolak jika Tt
C. Ho ditolak jika Tt1 dimana
P(Y t1 )=

Contoh soal:
Misal anda mendapat kiriman barang yg
cukup banyak.Anda akan menerima
kiriman tsb jika proporsi yg cacat kurang
dr 10%.Untuk menguji hal tsb,
digunakansampel random 16 barang dan
diket 1 buah cacat.
P. alpha =5%, kesimpulan apa yg dapat
anda ambil?
Jawab:
Misal P: Proporsi barang kiriman yg cacat
Kiriman diterima  P<10%
Kiriman tdk diterima  p  10%
 = 5 % dan n=16

Statistik uji :
Ho : P 10%
H1 : P<10%
Daerah kritis jika T<t
P(T<t / P=10%) <0.05
Dari tabel A3 : P(T≤0)=0.1853>0.05
T=1
t0
Jadi n=16 tdk cukup untuk dapat menarik kesimpulan.
 Contoh 2
 Diketahuisuatu macam insek jika hidup
dalam keadaan alam bebas ada 20%
yang mati setelah satu minggu. Delapan
belas insek macam itu dicoba dalam
keadaan dilaboratorium, ternyata setelah
satu minggu yg mati tidak ada. Apakah
nberalasan kalau dikatakan bahwa insek
macam itu jika hidup dalam lab memp
prob akan mati setelah satu minggu ?
 Ho: p=0,20 Vs H10,20
n = 18
dan yg mati (gol 1) tidak ada
y=0
 jika digunakan = 5% dari tabel A3 n
= 18 diperoleh y = o prob 0,0180 dan y
=7 prob = 0,9837 . Sehingga untuk y
= 0 Ho ditolak karena prob
untukmenolak  = 0,0180+(1-
0,9837)=0,0343 ini kurang dari 5%
Untuk n relatif besar, maka T akan
bersifat mendekati normal dengan mean
np* dan variansi np* (1-p*)

Dibawah hip. Ho, maka t1&t2 dengan

Didekati sbb:

p (T  t1 ) 
2
T  np * t1  np * 
p(  )
np (1  p )
* *
np (1  p )
* * 2
t1  np *
  Z 
np (1  p )
* *
2
t1  np  Z  np (1  p
* * *

atau
t 2  np  Z  np (1  p
* * *

2
 Contoh soal
 Teori mendel mengatakan bahwa
persilangan dari 2 genotip
menghasilkan keturunan ¼ kerdil dan
¾ tinggi untuk membuktikan teori tsb
dicoba suatu persilangan dan
menghasilkan 243 kerdil dan 682
tinggi. Jika klas 1 menotasikan tinggi,
kesimpulan apa yg dpt diambil?
Bagaimana Jawabannya?
 3
p*  ,   0.05, n  925(243  682) JAWAB
4
3
H0 : P 
4

3
H1 : P 
4
Daerah  kritis : H 0 ditolak  jika  T  t1atauT  t 2
t1  np *  Z  np * (1  p*)
2

3 3 1
 925.  1.96 925. .  667.94
4 4 4
3 3 1
t 2  925.  1.96 925. .  719.56
4 4 4
KarenaT  682  H 0 diterima( sesuaiTmendel )
 Next
Interval konfidensi untuk
probabilitas
Interval konfidensi untuk probabilitas (p)

Misal dengan tingkat konf 1   , P terletak

dalam interval L<P<U
L= Limit Konfidensi bawah
U=Limit konfidensi atas
Dari sampel berukuran n, hitung Y=banyak unit
yg berada dlm klas 1.

Estimator untuk unit P adl Y/N

L & U???
A. Metode A
Tingkat konfidensi 95% atau 99%=> L&U dari T.A4

B. Metode B
Untuk berdistr.Binomial dgn parameter n & p, p
tdk diketahui
P (Y  y / L  p  u )  1  

P(Y  y | p  L) 
2

P(Y  y | p  L)  1 
2

P(Y  y  1 | p  L)  1   LdaritabelA3
2

P (Y  y | p  U )   TabelA3
2
C. Metode C
Untuk n besar (n>20), Y yang
berdistribusi Bin. Dengan parameter
n&p, mendekati distr.normal

Rumus

Y  np
z ~ N (0,1)
np(1  p )
 Y  np
P ( Z1   Z 2)  1  
np(1  p )
Y  np
 Z   Z
2 np(1  p ) 2

p (1  p ) p (1  p)
Y  Z  np  Y  Z 
2 n 2 n
Y Y Y Y
(1  ) (1  )
Y n n  p Y Z n n
 Z 
n 2 n n 2 n

U PL
Cantoh Soal
Diambil sampel random 20 SMA di
suatu daerah untuk mengetahui
apakah SMA di daerah tsb bermutu
baik. Diperoleh 7 SMA bermutu
baik. Berapakah interval konfidensi
95% untuk p, yaitu proporsi
seluruh SMA di daerah tsb yang
bermutu baik?
Jawabannya??
 Penyelesaian

1). Methode A
2). Methode B
3). Methode C

KLIK
Metode A
n=20, Y=7Y/n=0.35
Dari tabel A4 :L=0.15 & U=0.59

Jadi :
Interval konfidensi 95% untuk
0.15<p<0.59
 Metode B
a)

P (Y  y  1 | p  L)  1 
2
P (Y  6 | p  L)  0.975
 0.15  P  0.59
b) 
P (Y  y | p  U ) 
2
P (Y  7 | p  U )  0.025
 Metode C

0.35(1  0.35)
U  0.35  1.96  0.559
20
0.35(1  0.35)
L  0.35  1.96  0.14
20
 0.14  p  0.56
 Next
Uji Kuantil
 Uji Quantil
Data= Sampel random X1,X2,…,Xn
Asumsi :
1.Xi merupakan sampel random

2.Skala pengukuran Xi paling tidak

ordinal
Hipotesis:
Misal P* adl. Bil. tertentu dengan
0<P*<1, dan X* adl Quantil ke P* dari
pop.
 HIPOTESIS
 H0 : Quantil ke P* adalah x*
H1 : Quantil ke P* tdk sama dgn x*
 H0: Quantil ke P* paling tidak
sebesar x*
H1 : Quantil ke P* lebih kecil x*
 Ho : Quantil ke P* tidak lebih besar
dari x*
H1 : Quantil ke P* lebih besar x*
 STATISTIK UJI

T2 : jumlahobservasiyang  x *
T1 : jumlahobservasiyang  x *

Jika tidak ada observasi yangtepat=x*

maka T1=T2
 DAERAH KRITIK
A. H0 ditolak jika T2<t2 atau T1≤t1,
t1&t2?
t1
n 
P(T1  t1 / H 0benar )    ( P*)i (1  p*)n 1   1
i 0  i  2
t1
n 
P(T2  t 2 / H 0benar )    ( P*)i (1  p*)n 1 
i t 2 1  i  2
t2
n 
   ( P*)i (1  p*)n 1  1    2
i 0  i  2
Hitung harga t1 shg P(T1  t1)  1 dan t2 shg P(T2  t2)   2
dg 1   2  
B. H0 ditolak jika T2>t2
t1
n
P(T2  t 2 / H 0benar )    ( P*)i (1  p*) n 1  
i t 2 1  i 
t2
n
   ( P*)i (1  p*) n 1  1  
i 0  i 

Hitung t2 shg P( T2  t2)  1  

C. H0 ditolak jika T1≤t1

n t1
P (T1  t1 / H 0benar )    ( P*)i (1  p*) n 1  
i 0  i 

Hitung t1 shg P( T1  t1 )  
t1 & t2 diperoleh dari tabel A3
Contoh soal
 Dalam beberapa tahun diketahui bahwa quartil
atas nilai ujian siswa adalah 193. Diambil sampel
random 15 siswa yang akan menempuh
ujian.Apakah quartil atas nilai ujian seluruh siswa
tahun ini nilainya seperti tahun-tahun yang lalu?
Data nilai ujian 15 siswa :
189 233 195 160 212
176 231 185 199 213
202 193 174 166 248

Penyelesainnya???
 Penyelesaian
H0 : Quantil atas adalah 193
H1 : Quantil atas ≠193
•T2 = banyaknya siswa yang nilainya
<193 =6
•T1 = banyaknya siswa yang nilainya
≤193=7
•Daerah kritis : T2>t2 atau T1 ≤t1
 Dari tabel A3 : α=0.05, n=15, p=0.75

P (T  7)  0.0173danP(T  14)  0.9866

D.K  T2  14atauT1  7

 Karena t1=7 H0 ditolak α???

 
0.9866  1    0.0134
2 2
 
    0.0173  0.0134  0.0307  3.07%
2 2
Untuk n besar (n>20), digunakan

t1  np *  Z  np * (1  p*)
2

t 2  np *  Z  np * (1  p*)
2
 Interval Konfidensi untuk quantil

 Data : sampel random berukuran n

dan misal x(1) ≤ …. ≤ x(r) ≤ …. ≤ x(s)
…. ≤ x(n) adalah sampel terurut
dengan 1≤r≤s ≤ n
 Ingin dicari interval konfidensi untuk
quantil ke p* (tidak diketahui)
0≤p*≤1
 Asumsi
1. X1,X2…Xn merupakan sampel
random
2. Skala pengukuran Xi paling tidak
ordinal
Misal x variabel random kontinu, maka:
P(X≥ XP*)= P(X>XP*)=1-P*
 Untuk n>20

r  np   np (1  p )
* * *

s  np  
*
 np (1  p )
* *
1
2

r dan s dibulatkan ke atas

 CONTOH SAMPEL
 Enam belas lampu radio dipilih
secara random dari sejumlah lampu
radio dan kemudian diuji
untukmasing-masing lampu radio
dicatat waktu hidupnya. Hitunglah
interfal konfidensi untuk quartil atas
dengan koef.konf. Mendekati 90%.
Data
 46.9 56.8 63.3 67.1
 47.2 59.2 63.4 67.7
 49.1 59.9 63.7 73.3
 56.5 63.2 64.1 78.5
 Penyelesaian
 N=16, P=0.75
16 
r 1
P( xp*  x )    (0.75) i (0.25)16i  0.05
(r )

i 0  i 

 
s 1 16
P( xp*  x )    (0.75) i (0.25)16i  0.95
(s)

i 0  i 

n  16, p  0.75
y  8  0.0271  r  1  8  r  9
y  14  0.9365  s  1  14  s  15
interfal konfidensi : P ( x ( 9 )  x0.75  x (15)  0.9094
interfal konfidensi 90.94% untuk x0.75 adalah 63.3  x 0.75  73.3
 LIMIT TOLERANSI
Beberapa ukuran sampel n supaya tdp
sebanyak proporsi q unit pop. Terletak
antara
X(r) X ( n 1 m ) dengan probabilitas
dan
tdk kurang dari 1   ?
1). Misal dg prob. Tdk kurang dari 1-
alpha, tdp paling sedikit q unit pop
yang  x ( n 1 m )

P ( Paling sedikit q dr pop yg  x (n 1-m) )  P ( xq  x (n 1-m) )

 n i
nm
P ( xq  x )    q (1  q ) n i  1  
(n 1- m)

i 0  i 

T.A 3 baca y  n - m, p  q, prob  1 -  maka didapat n

2). Misal dengan prob.tdk kurang
dari 1-alpha, tdp paling sedikit q
unit pop. Yang harganya  x r

P( x ( r )  paling sedikit q dr pop)  P( x ( r )  x1-q )  1  

P( x ( r )  x1-q )  
r 1
 n
  
i 
i 0  
(1  q ) i
( q ) n i


T.A 3 baca y  r - 1, p  1 - q, prob    maka didapat n

3).Misal dengan prob.tdk kurang
dari 1-alpha, proporsi unit pop.
Yang ≥ x(r) dan yang ≤ x(n+1-m)
paling sedikit q.
P ( x ( r )  paling sedikit q dr pop  x (n 1- m) )  1  

P ( paling sedikit q dr pop  x (n 1- m) )  1 
2
nm
n i
 
i 
i 0 
 q (1  q )
n i
 1   / 2  n  didapat dari T.A 3

dan
P ( x ( r )  paling sedikit q dr pop)  1 - /2
r 1
n i
 
i 
i 0 
 q (1  q )
n i
  / 2  n didapat dari T.A 3

Di ambil n yang terkecil
 Contoh Soal

Berapa banyak mhs MIPA harus

diambil supaya dengan prob.>=
90% terdapat paling sedikit 60%
mhs yg tingginya tidak lebih dr
urutan terkecil ke-8 mhs dalam
sampel tersebut?
 Penyelesaian
Diketahui :

1-α=90%=0.9, q=0.6, n+1-

m=8 n-m=7
7
n
P ( x0.6  x )    (0.6) (0.4)  0.9
(8 ) i n i

i 0  i 

Dari tabel A 3  n  9
 Next
Uji Tanda
 UJI TANDA
 Datanya merupakan sampel
random bivariar (xi, yi ),…,(xn, yn)
jika:
xi<yi diberi tanda “+” (plus)
xi>yi diberi tanda “-” (minus)
xi=yi diberi tanda “0” (tie)
 Hipotesis

H 0 : P( )  P(-) identik dengan H 0 : E(x i )  E(yi ), i

A
H1 : P( )  P(-) H1 : E(x i )  E(yi ), i

B H 0 : P( )  P(-) identik dengan H 0 : E(x i )  E(yi ), i

H1 : P( )  P(-) H1 : E(x i )  E(yi ), i

C H 0 : P( )  P(-) identik dengan H 0 : E(x i )  E(yi ), i

H1 : P( )  P(-) H1 : E(x i )  E(yi ), i
 STATISTIK UJI
T= Jumlah pasangan yang bertanda
“+”

Daerah Kritis:
N=Jumlah pasangan yang bertanda
“+” dan “-”
 Daerah kritik T  t atau T  n - t
t
n i  1
A 
i 0  i 
n i
  p (1  p )  , p   t diperoleh dari T.A 3
2 2
Daerah kritik T  n  t
t
n i
B
  
i 
i 0  
p (1  p ) n i
   t diperoleh dari T.A 3

Daerah kritik T  t
t
n i
C
  
i 
i 0  
p (1  p ) n i
   t diperoleh dari T.A 3
 Untuk n>20

1 1
A. t  (n  Z n ) atau t  (n   n )
2 2 2 2

1 1
B. t  (n  Z n ) atau t  (n   n )
2 2
Ket :  dari tabel A1
 Contoh soal:

Item A diproduksi dengan proses lama,

sedangkan item B diproduksi dengan proses
baru. Perusahaan ingin mengetahui apakah
pembeli lebih menyukai item B daripada
item A, kemudian 10 pembeli ditanya
secara random
Hasil:
8 orang lebih suka B daripada A
1 orang lebih suka A daripada B
1 orang mengatakan sama saja
 Penyelesaian
+=Item B lebih disukai daripada item A
- = Item A lebih disukai daripada item B

Penyelesaian :
  Item B lebih disukai daripada item A
-  Item A lebih disukai daripada item B
H 0 : P( )  P(-)  Item B cenderung tdk lebih disukai drpd item A
H1 : P()  P(-)  Item B cenderung lebih disukai drpd item A
Daerah kritik :
1
n  9; P  ;   0.05  t  1 dengan   0.0195
2
 n - t  9 -1  8
T  8  H 0 ditolak pada   0.0195
 Next
Tabel Kategorik
 Tabel kategorik
 Uji Chi Kuadrat untuk
probabilitas, 2x2
- Sampel random n1 dari pop 1
- Sampel random n2 dari pop II
Keduanya diklasifikasikan ke dalam
kelas 1 dan kelas 2
 Klas1 Klas2 Total

O11 O12
Pop 1 n1

Pop 2
O21 O22
n2

Tabel C1 C2
N=n1+n2
 Asumsi
1. Setiap sampel adalah sampel
random
2. Dua sampel tersebut saling
independent
3. Setiap observasi dapat
diklasifikasikan kedalam klas 1 atau
klas 2
 Hipotesis
P1= Probabilitas observasi akan berada
pada klas 1 untuk populasi 1
P2 = Probabilitas observasi akan
berada pada klas 1 pop.2
A. H 0 : P1  P2
H1 : P1  P2
B. H 0 : P1  P2
H1 : P1  P2
C. H 0 : P1  P2
H1 : P1  P2

Untuk uji dua sisi :

N(O11O 22  O12 O 21 ) 2
T 
n1n2 c1c2
Untuk uji satu sisi :
n (O11 O 22  O12 O 21 )
T 
n1n2 c1c2
 DAERAH KRITIK
Tolak H 0 pada tingkat signifikansi  , jika :
A. T  1- (Quantil ke (1 -  ) var.random chi kuadrat dengan db 1  dari tabel A 2 )
B. T  1- (Quantil ke (1 -  ) dist normal standar  dari tabel A1 )
C. T   (Quantil ke -  dist normal standar  dari tabel A1 )
Contoh soal
 Dua gerobak item hasil produksi
diambil secara random untuk
menguji apakah proporsi item
yang rusak berbeda untuk kedua
gerobak tersebut. Gerobak 1
terdapat 13 rusak dari 86 item dan
dari gerobak 2 terdapat 17 yang
rusak dari 74 item.
 Penyelesaian
Rusak Tidak Rusak Total

gerobak 1 13 73 86

Gerobak2 17 57 74

Tabel 130
30 160
H0=Proporsi yang rusak dr kedua
gerobak sama
H1= Proporsi yang rusak dari kedua
gerobak berbeda
 Uji Chi Kuadrat Untuk Probabilitas , r x c

- Terdapat r pop. Dan diambil

sampel random dari msing-masing
pop tersebut. Andaikan ni adalah
jumlah observasi sampel ke-I (dari
pop ke-i), 1<=i<=r)
- Setiap observasi dalam setiap
sampel dapat diklasifikasi ke
dalam salah satu dari c kategori
 Kelas 1 Kelas 2 …….. Kelas c Total

Pop 1 O11 O12 ….. O1c n1

Pop 2
O21 O22 ….. O2c n2

….
Pop 3
Or1 Or2 ….. Orc nr

Total
c1 c2 cc
N
 ni  Oi1  Oi 2  Oi 3  ...  Oic , i
c j  O1 j  O2 j  O3 j  ...  Orj , j 1, 2,...,c

STATISTIK :
Pij= Prob.observasi dari pop ke I
berada pada kels ke -j
H 0 : Semua prob. pd kolom yg sama adl sama
(P1j  P2j  ...  Prj ,  j )
H1 : paling sedikit tdp 2 prob tdk sama yg berada pd kolom yg sama
(Pij  Pkj , untuk beberapa j)
Statistik Uji :
r c (Oij  Eij ) 2
ni ci
T   ; E ij 
i 1 j 1 Eij N
atau
2
r c Oij
 E
i 1 j 1
N
ij
 1  c O1 j 2 n12 
n1  
Jika r  2 : T    
n1 C N 
(1  )  j 1 j 
N N
1  c Oi12 c12 
c1  
Jika c  2 : T    
c1 j 1 ni N 
(1  ) 
N N
D.K : H 0 ditolak jika T  1- ( quantil (1 -  ) v.r chi kuadrat dengan db (r - 1)(c - 1))
 Contoh Soal
Suatu sampel diambil secara random
dari siswa SMU swasta dan sampel yang
lain diambil dr siswa SMU Negeri untuk
diberikan suatu ujian, dengan hasil sbb:
 Nilai Ujian

0-275 276-350 351-425 426-5005 Total

SMU S 6 14 17 9 46

SMU U 30 32 17 3 82

Total
36 46 34 12 128
 H0: Distribusi nilai ujian adalah sama
untuk SMU S dan SMU
N
 H1 : Distribusi nilai ujian tdk sama
untuk SMU S dan SMU N
 Daerah Kritis

T>X0.95;3=7.815
Daerah kritis :
T   0.95;3  7.815

1  c O1 j 2 n12  1  6 2
14 2
17 2
9 2
46 2

T           17.3
n1 n1  j 1 C j 
N  46 46
(1  )  (1  )  36 46 34 12 128 
N N 128 128
Karena T  7.815
maka H 0 ditolak yang berarti nilai ujian terdistribusi secara berbeda antara SMUS & SMUN

Ho dapat ditolak pada signifikansi

alpha =0.001
 Uji Chi Kuadrat Untuk Independensi

Diambil sampel random berukuran N

Kolom 1 Kolom 2 …….. Kolom c Total

Baris 1
O11 O12 ….. O1c R1

O21 O22 ….. O2c R2

….
Baris r
Or1 Or2 ….. Orc Rr

N
c1 c2 cc
 HIPOTESIS
H0: Kejadian suatu obs.berada pd brs i
indep dengan kejadian obs yg sama
berada pd kolom j, Untuk semua i.
atau :
H 0 : P(Baris i, kolom j)  P(baris i).P(kolom j), i, j
H1 : P(Baris i, kolom j)  P(baris i).P(kolom j), i, j
Statistik uji
Ri C j
E ij 
N
c (O  E ) 2 2
r Oij
T   atau T  
ij ij
N
i 1 j 1 Eij i j Eij

1  c O1 j 2 R 2 
Jika r  2 : T    1 
R1 R  N 
(1  1 )  j 1 C j
N N
1  c Oi12 c12 
Jika c  2 : T    
c1 c 
(1  1 )  j 1 Ri N
N N
D.K : H 0 ditolak jika T  1- (quantil (1 -  ) v.r chi kuadrat dengan db (r - 1)(c - 1))
 Contoh soal :

Suatu sampel random mhs

universitas ttt diklasifikasikan
sesuai dengan fakultas yg dipilih
dan juga SMA mana dia berasal
(kota atau luar kota)
 Teknik Sastra Ekonomi Yg Lain Total

Kota 16 14 13 13 56
Luar Kota 14 6 10 8 38
Totall 30 20 23 21 94
?????

JAWAB
 HIPOTESIS
H0 : Fakultas yang dipilih oleh mhs
indep dengan asal SMA sama
H1 : Fakultas yang dipilih oleh mhs
tidak indep dengan asal SMA
sama
Daerah kritis :
T   0.95;3  7.815

1  c O1 j 2 R12  1  16 2
14 2
13 2
13 2
56 2

T           1.55
R1 R1  j 1 C j 
N  56 56
(1  )  (1  )  30 20 23 21 94 
N N 94 94
Karena T  7.815
maka H 0 diterima yang berarti Fakultas yang dipilih oleh mhs independen dengan asal SMA
Latihan
 Next
UJI MEDIAN
 Uji Median
Dari setiap c pop. Diambil sampel
random berukuran ni, i=1,2,….,c
Andaikan:
O1: Jumlah observasi dlm sampel ke i
yg>median
O2 : Jumlah observasi dalam sampel
ke I yang =< median
 Sampel 1 2 C Sampel

>
Median O11 O12 ……….. O1C
a

≤
Median O21 O22 ……..... O2C
b

n1 n2 nc
N
 Hipotesis

 H0: Semua c pop. Mempunyai median

yg sama
 H1 : Paling tdk tdp 2 pop. yang
mempunyai median berbeda
Statistik Uji
ni a
2 c (O1i  )
N N
T 
ab i 1 ni
2 c 2
N O i1 Na
T
ab

i 1 ni

b
Daerah Kritis

D.K : TolakH 0 jikaT  1

Quantil 1-alpha, v.r chi kuadrat dengan db (c-1)
 ni a 2
(O  ) 2
N 2 c 1i N N 2 c O1i Na
T  atau T   
ab i 1 ni ab i 1 ni b
 Contoh soal :
 Empat metode yang berbeda dicobakan
dalam menanam jagung dan diperoleh
hasil per hektarnya sbb:
1 2 3 4
83 96 91 83 101 95 78 81
91 91 90 88 100 94 82 80
94 92 81 91 91 81 81
89 90 83 89 93 77
89 84 84 96 79
Bagaimana solusinya??
 Mengukur Dependensi
1.Nilai Kritis (Tingkat signifikansi) sebagai ukuran
dependensi.

Contoh :

Nilai ujian dan jenis SMu (Swasta dan Negri)

diperoleh T =17,3
Dari tabel A2 : X32=16,27 Alpha topi=1-p=0.001
P=0.999

Ukuran dependensi antara jenis SMU dan nilai ujian

adalah 0.001
2. Koefisien kontingensi Cramer
T
R1  , q adalah nilai terkecil di antara r dan c
N (q  1)
contoh : T  17.3 , N  128, q  2
T 17.3
R1   R1 
N (q  1) 128( 2  1)

3. Koefisien kontingensi Pearson

T 17.3
R2   R2   0.345
N T 128  17.3
4. Koefisien kontingensi kuadrat
rata-rata Pearson
T 17.3
R3   R3   0.135
N 128
5. Koefisien Tschuprow

T 17.3
R4   R4   0.279
N (r  1)(c  1) 128 3
 Untuk tabel kategorik 2x2

1 2

a b
1 r1

c d
2 r2

c1 c2 N
- Disini lebih tertarik untuk mengetahui
hubungan (korelasi) positif atau
negatif diantara baris dan kolom
- Hal ini tergantung pada nilai-nilai
(ad-bc) positif atau negatif suatu
ukuran yang dapat menunjukkan
hub.positif atau negatif adalah
koefisien phi
 ad  bc
R5 
r1r2 c1c2
LATIHAN
SEKIAN DAN TERIMA KASIH