uji chi square, uji hipotesi lebih dari 2 populasi
DESCRIPTION
asdaTRANSCRIPT
WWW.PARAMETERD.WORDPRESS.COM[ ] April 11, 2014
Uji Chi-Square: Uji Hipotesis Lebih Dari 2 Populasi
Uji Chi-Square adalah pengujian hipotesis mengenai perbandingan antara frekuensi
observasi/yang benar-benar terjadi/actual dengan frekuensi harapan/ekspektasi.
Frekuesi observasi , nilainya diperoleh dari hasil percobaan F
Frekuensi harapan , nilainya dapat dihitung secara teoritis.
Nilai adalah nilai kuadrat karena itu selalu positif.
Pengertian α pada Uji sama dengan pengujian hipotesis yang lain, yaitu luas daerah
penolakan H0 atau taraf nyata pengujian.
Uji Chi-Square dapat diterapkan untuk lebih dari 2 populasi dan dibedakan menjadi 2 tipe :
Binomial
Bila diketahui elemen-elemen peubah/variable dikategorikan menjadi dua kategori, misal
“sukses” dan “gagal”,maka digunakan uji Chi-Square tipe Binomial.
Pada uji ini digunakan tabel kontingensi dengan banyak baris b dan banyak kolom k, dimana
b=2.
WWW.PARAMETERD.WORDPRESS.COM[ ] April 11, 2014
Sampel 1 Sampe 2 ... Sampel k Jumlah
Kategori 1 n11 n12 ... n1k n1.
Kategori 2 n21 n22 ... n2k n2.
Jumlah n.1 n.2 ... n.k n..
Table 1. Tabel kontingensi Binomial
ni. = ∑ , n.j = ∑
, n.. = ∑ ∑
Langkah-langkah pengujiannya adalah sebagai berikut :
o Pengujian hipotesis yang dilakukan :
H0 : P1 = P2 = P3 = ... =Pk
H1 : P1, P2, P3, ... , Pk ; tidak semuanya sama (minimal ada dua yang tidak sama)
o Tentukan taraf nyata (α)
o Tentukan wilayah kritis :
Bila
atau p-value < α , maka H0 ditolak.
Dimana : v = (k-1)
o Menentukan uji statistik yang digunakan :
∑∑
Dimana :
nij = frekuensi observasi pada baris ke-i dan kolom ke-j
WWW.PARAMETERD.WORDPRESS.COM[ ] April 11, 2014
eij = frekuensi harapan pada baris ke-i dan kolom ke-j
o Perhitungan
o Menarik kesimpulan
Perlu diingat bahwa statistic yang digunakan untuk mengambil keputusan hanya
dihampiri dengan sebaran chi-Square. Nilai-nilai hitung bergantung pada frekuensi sel dan ini
berarti diskrit.
Bila frekuensi harapannya besar, nilai chi-square terkoreksi atau tidak terkoreksi hampir
sama. Bila frekuensi harapannya antara 5 dan 10, diterapkan koreksi Yale. Bila kurang dari 5,
maka harus digunakan uji pasti Fisher-Irwin.
Rumus koreksi Yale :
∑
| |
Contoh:
Dalam suatu penelitian, dikumpulkan data untuk menentukan apakah proporsi produk yang cacat
oleh pekerja yang bertugas pagi, sore, dan malam hari sama atau tidak. Data yang dikumpulkan
adalah sebagai berikut:
Pagi Siang Sore Jumlah
Cacat 45 55 70 170
Tidak cacat 905 890 870 2665
Jumlah 950 945 940 2835
WWW.PARAMETERD.WORDPRESS.COM[ ] April 11, 2014
Ada anggapan bahwa proporsi produk yang cacat sama untuk ketiga waktu kerja.
Penyelesaian
Misalkan p1, p2, dan p3 masing-masing adalah proporsi sebenarnya produk yang cacat yang
diprosuksi pagi, sore, dan malam hari.
o Pengujian hipotesis yang dilakukan :
H0 : P1 = P2 = P3 = ... =Pk
H1 : P1, P2, P3, ... , Pk ; tidak semuanya sama (minimal ada dua yang tidak sama)
o Taraf nyata (α) = 0,025
o Wilayah kritis :
Bila ; untuk v = 2 ,
o Menentukan uji statistik yang digunakan :
Hasil perhitungan frekuensi harapannya adalah
Pagi Siang Sore Jumlah
Cacat 57 56,7 56,3 170
Tidak cacat 893 888,3 883,7 2665
Jumlah 950 945 940 2835
WWW.PARAMETERD.WORDPRESS.COM[ ] April 11, 2014
Dengan demikian
∑∑
o Diketahui
=7,378 , maka hipotesis awal (H0) tidak
ditolak. Berarti, proporsi produk yang cacat kira-kira sama untuk semua waktu
kerja.
Multinomial
Bila diketahui elemen-elemen peubah/variable dikategorikan menjadi lebih dari dua
kategori, misal “setuju” , “kurang setuju”, dan “tidak setuju”,maka digunakan uji Chi-Square tipe
Multinomial.
Pada uji ini digunakan tabel kontingensi dengan banyak baris b dan banyak kolom k,
dimana b>2.
Sampel 1 Sampel 2 ... Sampel k Jumlah
Kategori 1 n11 n12 ... n1k n1.
Kategori 2 n21 n22 ... n2k n2.
Kategori 3 n31 n32 ... n3k n3.
Jumlah n.1 n.2 ... n.k n..
Table 2. Tabel kontingensi Multinomial
ni. = ∑ , n.j = ∑
, n.. = ∑ ∑
WWW.PARAMETERD.WORDPRESS.COM[ ] April 11, 2014
Langkah-langkah pengujiannya adalah sebagai berikut :
o Pengujian hipotesis yang dilakukan :
H0:
o Tentukan taraf nyata (α)
o Tentukan wilayah kritis :
Bila
atau p-value < α , maka H0 ditolak.
Dimana : v = (b-1)(k-1)
dalam hal ini b=3, maka v = (3-1)(k-1)=2 (k-1)
o Menentukan uji statistik yang digunakan :
∑∑
Dimana :
nij = frekuensi observasi pada baris ke-i dan kolom ke-j
eij = frekuensi harapan pada baris ke-i dan kolom ke-j
o Perhitungan
o Menarik kesimpulan
WWW.PARAMETERD.WORDPRESS.COM[ ] April 11, 2014
Contoh :
Ada empat buah bank, katakana B1, B2, B3, dan B4. Nasabah dari keempat bank tersebut
ditanya, apakah mereka sudah puas dengan pelayanan dari bank-bank tersebut. Jawaban mereka
dikategorikan menjadi tiga, yaitu puas, cukup puas, dan tidak puas. Ada pendapat yang
mengatakan bahwa proporsi nasabah yang puas, cukup puas, dan tidak puas sama untuk semua
bank. Untuk menguji pendapat tersebut, dilakukan penelitian terhadap 600 nasabah, yang dipilih
secara acak sebagai sampel, dengan rincian 100 dari B1, 200 dari B2, 160 dari B2, dan 140
oranga dari B4. Banyak nasabah yang memberikan jawaban puas, cukup puas, dan tidak puas
dapat dilihat dari tabel berikut:
B1 B2 B3 B4 Jumlah
Puas 65 112 85 80 342
Cukup Puas 27 67 60 44 198
Tidak Puas 8 21 15 16 60
Jumlah 100 200 160 140 600
Penyelasain:
H0:
WWW.PARAMETERD.WORDPRESS.COM[ ] April 11, 2014
Taraf nyata (α) = 5 %=0,05
Wilayah kritis :
Bila
=12, 592, atau p-value < 0,05 , maka H0 ditolak.
Dimana : v = (3-1)(4-1)=6
Uji statistik yang digunakan :
∑∑
,
Untuk perhitungan selanjutnya caranya sama, maka diperoleh nilai harapan seperti tabel dibawah
B1 B2 B3 B4
Puas 57 114 91,2 79,8
Cukup Puas 33 66 52,8 46,2
Tidak Puas 10 20 16 14
∑∑
WWW.PARAMETERD.WORDPRESS.COM[ ] April 11, 2014
Diketahui
=12, 592, maka hipotesis awal (H0) tidak ditolak. Berarti,
proporsi dari nasabah yang puas, cukup puas, dan tidak puas sama untuk Bank 1, Bank 2, Bank
3, Bank 4.
Referensi
Siegel, Sidney.(1997). Statistik Nonparametrik untuk Ilmu-ilmu Sosial. Jakarta: Gramedia
Pusataka Utama.
Supranto, J.(1989). Statistik Teori dan Aplikasi, Edisi Kelima, Jilid 2. Jakarta: Erlangga.
Walpole, Ronald E. (1995). Pengatantar Statistika, Edisi ke-3. Jakarta: Gramedia Pustaka Utama