June 26, 2019 | Author: Iswardi Hidayat | Category: N/A
STATISTIKA II (BAGIAN - 2)
Oleh : WIJAYA email
:
[email protected]
FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2008
Wija Wij a ya : Sta Sta tis tistika tika II (B (Ba a g ian -2)
0
VI. PENGUJIAN HIPOTESIS
Hipotesis merupakan dugaan mengenai suatu hal; atau hipotesis adalah jawaban sementara terhadap suatu masalah.
Jika dugaan itu dikhususkan
mengenai populasi (parameternya), maka hipotesis itu disebut Hipotesis Statistik. Hipotesis Statistik adalah pernyataan atau dugaan mengenai satu atau lebih populasi. Setiap hipotesis bisa benar atau salah, sehingga perlu diuji dengan suatu penelitian untuk diterima atau ditolak. Penerimaan suatu hipotesis statistik merupakan akibat tidak cukupnya bukti untuk menolaknya, dan tidak berimplikasi bahwa hipotesis itu pasti benar. Langkah atau prosedur untuk menentukan apakah menerima atau menolak hipotesis disebut Pengujian Hipotesis. Dalam pengujian hipotesis terdapat 2 kekeliruan (galat), yaitu : Keadaan Sebenarnya Kesimpulan
H0 Benar
H0 Salah
Terima Hipotesis
Benar
Galat Jenis II ( β )
Tolak Hipotesis
Galat Jenis I ( α )
Benar
Nilai α disebut Taraf Nyata, jika α diperkecil maka β semakin besar. Nilai α biasanya 0,05 (5%) atau 0,01 (1%).
Jika α = 0,05 artinya 5 dari tiap 100
kesimpulan kita akan menolak hipotesis yang seharusnya diterima. Harga (1 – β) disebut Kuasa (Kekuatan) Uji. Hipotesis Nol (H 0) adalah hipotesis yang dirumuskan dengan harapan akan ditolak. Lawan H0 adalah H1 atau Hipotesis Alternatif.
Wija Wij a ya : Sta Sta tis tistika tika II (B (Ba a g ian -2)
1
Teladan 6.1 : Di suatu kota proporsi penduduk dewasa lulusan Perguruan Tinggi (PT) diduga sebesar
p = 0,3.
Untuk menguji hipotesis ini diambil contoh acak 15 orang
dewasa. Bila diantara 15 orang orang terdapat 2 sampai 7 orang lulusan PT, kita akan menerima hipotesis nol bahwa p = 0,3, selainnya akan disimpulkan p ≠ 0,3. a. Hitung α bila diasumsikan p = 0,3. b. Hitung β bagi H1 bila p = 0,2 dan p = 0,4 Jawab : a. p = 0,3 nilai α = 1 – p (2 ≤ x ≤ 7) = 1 – [ p (x ≤ 7) – p ( x ≤ 1) ] 7
1
α = 1 – [ ∑ b(x; 15, 0,3) – ∑ b(x; 15, 0,3) ] 0
0
= 1 – (0,9500 – 0,0353) = 0,0853 b. p = 0,2 nilai β = 1 – p (2 ≤ x ≤ 7) = 1 – [ p (x ≤ 7) – p ( x ≤ 1) ] 7
1
β = 1 – [ ∑ b(x; 15, 0,2) – ∑ b(x; 15, 0,2) ] 0
0
= 1 – (0,9958 – 0,1671) = 0,8287 p = 0,4 nilai β = 1 – p (2 ≤ x ≤ 7) = 1 – [ p (x ≤ 7) – p ( x ≤ 1) ] 7
1
β = 1 – [ ∑ b(x; 15, 0,4) – ∑ b(x; 15, 0,4) ] 0
0
= 1 – (0,7869 – 0,0052) = 0,7817 Teladan 6.2 : Sebuah contoh acak 400 orang ditanyai apakah mereka setuju dengan kenaikan pajak penjualan bensin 4% untuk menambah dana perbaikan jalan. Bila lebih dari 220 tetapi kurang dari 260 orang setuju, maka disimpulkan bahwa 60% orang setuju. a. Hitung α jika 60% setuju kenaikan pajak tersebut. b. Hitung β jika sesungguhnya hanya 48% yang setuju kenaikan tersebut.
Wija Wij a ya : Sta Sta tis tistika tika II (B (Ba a g ian -2)
2
Jawab : Data diskrit, n cukup besar dan p dekat ke 0,5 jadi digunakan pendekatan normal ke binom. a. n = 400 p = 0,6 q = 0,4
μ = np = 240 dan σ = √ npq = 9,8
z1 = (220,5 – 240) / (9,8) = –1,99 atau p (z1) = 0,0233 z2 = (259,5 – 240) / (9,8) = 1,99 atau p (z2) = 0,9767 p (220 < x < 260) = p (z 1 < z < z2 ) = 0,9767 – 0,0233 = 0,9534 nilai α = 1 – 0,9534 = 0,0466 b. n = 400 p = 0,48 q = 0,52
μ = np = 192 dan σ = √ npq = 9,99
p (220 < x < 260) = p (2,85 < z < 6,76 ) = 1 – 0,9978 = 0,0022 Nilai β = 0,0022 Teladan 6. 3 : Sebuah
mesin
minuman
ringan
diatur
sehingga
volume
minuman
yang
dikeluarkannya menghampiri normal dengan rata–rata 200 ml dan simpangan bakunya 15 ml. Setiap periode tertentu mesin itu diperiksa dengan cara mengambil 9 contoh acak kemudian dihitung isi rata–ratanya. Bila rata–ratanya jatuh diantara 191 < x < 209, mesin dianggap baik, bila tidak demikian disimpulkan bahwa μ ≠ 200 ml. a. Hitung α jika μ = 200 ml. b. Hitung β jika μ = 215 ml. Jawab : Data kontinyu; sebaran penarikan contoh ; σ diketahui (sebaran z). a. n = 9 μ = 200 dan σ = 15
σx = σ / √ n = 15 / √ 9 = 5
α = 1 – p (191 < x < 209) = 1 – p (–1,8 < z < 1,8 ) α = 1 – ( 0,9641 – 0,0359) = 0,0718 nilai á = 1 – 0,9534 = 0,0466 b. β = p (191 < x < 209) = p (–4,8 < z < –1,2 ) = 0,1151 – 0 = 0,1151
Wija ya : Sta tistika II (Ba g ian -2)
3
Pada Teladan 6.3, untuk 191 < x < 209 jika nilai μ ditentukan, maka peluang β dan nilai (1– β) dapat dihitung. Misalnya nilai μ sebagai berikut : μ
184
188
192
196
200
204
208
212
216
β
0,0808
0,2743
0,5790
0,8366
0,9282
0,8366
0,5790
0,2743
0,0808
(1– β)
0,9192
0,7253
0,4210
0,1634
0,0718
0,1634
0,4210
0,7253
0,9192
1 0,9
(1
0,8
)
0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 184
188
192
196
200
204
208
212
216
Kurva β disebut Kurva Ciri Operasi atau Kurva Ciri Kerja, sedangkan Kurva
(1 – β) disebut Fungsi Kuasa.
Teknik dalam Pengujian Hipotesis :
Uji Dua Pihak : H0 : θ = θ0 H1 : θ ≠ θ0 Uji Satu Pihak (Pihak Kiri) : H0 : θ = θ0
α
H1 : θ < θ0 Uji Satu Pihak (Pihak Kanan) : H0 : θ = θ0
α
H1 : θ > θ0
Wija ya : Sta tistika II (Ba g ian -2)
4
Penggunaan jenis distribusi (rumus) dalam Pengujian Hipotesis sama dengan Pendugaan Parameter –––– sebaran penarikan contoh.
6.1 Penguj ian Rata–rata
(a) Jika σ diketahui atau n ≥ 30 : x – μ z = ———— σ / √ n (b) Jika σ tidak diketahui dan n < 30 : x – μ t = ———— s / √ n Teladan 6.4 : Sebuah perusahaan alat olah raga mengembangkan jenis batang pancing sintetik dengan rata–rata kekuatan 8 kg dan simpangan baku 0,5 kg. Suatu contoh acak 50 batang pancing diuji ternyata kekuatannya rata–rata 7,8 kg. Ujilah pada taraf nyata 0,01 pernyataan perusahaan tersebut dapat diterima. Jawab : 1. Hipotesis : H0 : μ = 8 lawan H1 : μ ≠ 8 Jadi merupakan uji dua pihak 2. Uji Statistik : z 3. Taraf Nyata α = 1% atau zα/2 = z0,005 = – 2,575 4. Wilayah Kritik : z < – 2,575 atau z > 2,575 5. Perhitungan : x = 7,8
n = 50
σ = 0,5 σ/√n = 0,5 / √50 = 0,07 z = (x – μ ) / (σ/√n) z = (7,8 – 8) / (0,07) = – 2,83
–2,575
2,575
Wija ya : Sta tistika II (Ba g ian -2)
5
6. Kesimpulan : Karena z < z0,005 , maka Tolak H0 artinya rata- rata kekuatan batang pancing tersebut tidak sama dengan 8 kg, tetapi kurang dari 8 kg. Teladan 6.5 : Seorang peneliti senior menyatakan bahwa rata–rata pendapatan per bulan keluarga di kota A sebesar Rp 350.000,–.
Suatu contoh acak berukuran 25
diambil dan diperoleh rata–rata pendapatannya Rp 250.000,– dengan simpangan baku Rp 100.000,–.
Ujilah pada taraf
nyata 0,05 apakah benar pernyataan
peneliti senior tersebut bahwa rata–rata pendapatan keluarga di kota A sebesar Rp 350.000,– Jawab : 1. Hipotesis : H0 : μ = 350.000 lawan H1 : μ ≠ 350.000 Jadi merupakan uji dua pihak. 2. Uji Statistik : t 3. Taraf Nyata α = 0,05 atau tα/2 (n–1) = t0,025 (24) = 2,064 4. Wilayah Kritik : t < – 2,064 atau t > 2,064 5. Perhitungan : x = 250.000
n = 25
s = 100.000 s/√n = 100.000 /√25 = 20.000
t = (x – μ ) / (s/√n) t = (– 100.000) / (20.000) = – 5 –2,064
2,064
6. Kesimpulan : Karena t < t0,025(24), maka Tolak H0 artinya rata- rata pendapatan keluarga tersebut kurang dari Rp 350.000,-.
Cara lain : (Pengujian dalam bentuk selang kepercayaan) Selang Kepercayaannya : x – tα/2 . s/√n < μ < x + tα/2. s/√n
⇔
250.000 – (2,064)(20.000) < μ < 250.000 + (2,064)(20.000)
⇔
229.360 < μ < 270.640
Karena selang kepercayaan 95% bagi rata–rata μ tidak mencakup nilai Rp Wija ya : Sta tistika II (Ba g ian -2)
6
350.000,– maka kita tolak pernyataan peneliti senior tersebut.
6.2 Penguj ian Selisi h Rata–rata
(a) Jika σ1 dan σ2 diketahui atau n ≥ 30 : x1 – x2 z = —————————— √ (σ12/ n1) + (σ22/ n2) (b) Jika σ1 dan σ2 tidak diketahui dan n < 30 : 1. σ1 = σ2 ,
maka : x1 – x2
t = —————————— sg √ (1/ n1) + (1/ n2) (n1 – 1) s 12 + (n2 – 1) s 22
sg2= ———————————— n1 + n2 – 2 2.
σ1 ≠ σ2 , maka : x1 – x2 t = —————————— √ (s12/ n1) + (s22/ n2)
Nilai t dibandingkan dengan t’ sebagai t–tabel, dimana : (w1 t1 + w2 t2 ) t’ = ————————— ( w1 + w2 ) w1 = (s12 / n1) ; w2 = (s12 / n1) ; t1= tα/2(n1–1) ; t2 = tα/2(n2–1)
Wija ya : Sta tistika II (Ba g ian -2)
7
Teladan 6.6 : Sebuah perusahaan memproduksi 2 macam lampu pijar A dan B. Misal umur lampu pijar tersebut menyebar normal dengan simpangan baku masing–masing 80 dan 90 jam. Contoh acak masing–masing berukuran 50 diuji dan didapat rata–rata umurnya sebesar 1282 jam dan 1208 jam. Ujilah pada taraf nyata 5%, apakah rata–rata umur lampu pijar A lebih lama dari B. Jawab : 1. Hipotesis : H0 : μ A = μB lawan H1 : μ A > μB ( uji pihak kanan). 2. Uji Statistik : z 3. Taraf Nyata α = 0,05 atau zα = z0,05 = 1,645 4. Wilayah Kritik : z > 1,645 5. Perhitungan : n1 = n2 = 50 σ1 = 80 σ2 = 90 x1 = 1282 x2 = 1208 x1 – x2 = 74
σx1– x2 = √(σ12/ n1) + (σ22/ n2) = √ (802/ 50) + (902/ 50) = 17,321 z = (x1 – x2) / (√ (σ12/ n1) + (σ22/n2) z = (74) / (17,321) = 4,24
z
0,05
= 1,645
6. Kesimpulan : Karena z > z0,05, maka Tolak H0 artinya rata- rata umur lampu pijar A lebih lama dari lampu pijar B. Teladan 6.7 : Dua jenis tambang ingin dibandingkan kekuatannya, untuk itu 50 potong tambang dari setiap jenis diuji dalam kondisi yang sama. Jenis A mempunyai kekuatan rata–rata 78,3 kg dengan simpangan baku 5,6 kg, sedangkan B rata–ratanya 87,2 kg dengan simpangan baku 6,3 kg. Uji pada taraf nyata 5% apakah rata–rata kekuatan tambang A lebih kecil dari B.
Wija ya : Sta tistika II (Ba g ian -2)
8
Jawab : 1. Hipotesis : H0 : μ A = μB lawan H1 : μ A < μB ( uji pihak kiri). 2. Uji Statistik : z 3. Taraf Nyata α = 0,05 atau zα = z0,05 = 1,645 4. Wilayah Kritik : z < – 1,645 5. Perhitungan : n1 = n2 = 50 x1 = 78,3 s1 = 5,6 x2 = 87,2 s2 = 6,3 x1 – x2 = – 8,9 sx1– x2 = √(s12/ n1) + (s 22/ n2) = √ (5,6)2/ 50 + (6,3)2/ 50 = 1,19 z = (x1 – x2)/ (√ (s12/ n1) + (s 22/ n2) z = (– 8,9) / (1,19) = – 7,48 z
0,05
= – 1,645
6. Kesimpulan : Karena z < z0,05, maka Tolak H0 artinya rata- rata kekuatan tambang A lebih kecil dari tambang B. Teladan 6.8 : Pelajaran matematika diberikan kepada 12 siswa kelas A dengan metode pengajaran biasa, dan 10 siswa kelas B dengan metode pengajaran menggunakan bahan terprogram. Hasil ujian kelas A rata–ratanya 85 dengan simpangan baku 4, kelas B rata–ratanya 81 dengan simpangan baku 5. Ujilah pada taraf nyata 10% apakah rata–rata populasi bagi nilai ujian kedua metode tersebut sama. Jawab : 1. Hipotesis : H0 : μ A = μB lawan H1 : μ A ≠ μB ( uji dua pihak). 2. Uji Statistik : t 3. Taraf Nyata α = 0,10 atau tα/2(n1+n2-2) = t0,05(20) = 1,725 4. Wilayah Kritik : t < – 1,725 atau t > 1,725 5. Perhitungan : Wija ya : Sta tistika II (Ba g ian -2)
9
n1 = 12 x1 = 85
s1 = 4
n2 = 10 x2 = 81
s2 = 5
(x1 – x2) = 4 dan sg = √ [(n1 –1) s12 + (n2 –1) s22 ]/ (n 1+ n2 – 2) sg = √ [11(16) + 9(25)]/ (10+12–2) = 4,478 t = (x1 – x2)/ (sg √ (1/n1 + 1/n2) t = (4) / (1,92) = 2,08 6. Kesimpulan :
Karena
t > t0,05(20), maka Tolak H0 artinya rata- rata nilai
matematika kedua metode tidak sama. Teladan 6.9 : Masa putar film yang diproduksi oleh 2 perusahaan film adalah : Masa Putar (menit) Perusahaan I
97
82
123
92
175
Perusahaan II
103
94
110
87
98
88
118
Ujilah pada taraf nyata 5% apakah rata–rata masa putar film kedua perusahaan tersebut sama, bila diasumsikan kedua ragam populasi tersebut tidak sama. Jawab : 1. Hipotesis : H0 : μ A = μB lawan H1 : μ A ≠ μB ( uji dua pihak). 2. Uji Statistik : t 3. Taraf Nyata α = 0,05 4. Wilayah Kritik : t tα/2(v) 5. Perhitungan : Cara I : n1 = 7 x1 = 110,7 s12 = 1035,9
n2 = 5 x2 = 98,4 s22 = 76,3
derajat bebas untuk tα/2 atau t0,025 adalah : (s12 / n1 + s22 / n2 )2 v = ————————————————— [(s12/n1)2 / (n1 –1)] + [(s22/n2)2 / (n2 –1)] Wija ya : Sta tistika II (Ba g ian -2)
10
[ (1035,9 / 7) + (76,3 / 5) ]2 v = —————————————————— = 7,19 = 7 [ (1035,9 / 7)2 / (4)] + [(76,3 / 5) 2 / (6) ] jadi t0,025 (7) = 2,365 dan ( x2 – x1)= 12,3
√ [(s12/ n1) + (s22/ n2)] = √ [(1035,9)/(7) + (76,3)/(5)] = 12,78 t = (x1 – x2)/ √ [(s12/ n1) + (s 22/ n2)] = (12,3) / (12,78) = 0,964 6. Kesimpulan : Karena t < t0,025(7), maka Terima H 0 artinya rata-rata masa putar film kedua perusahaan tidak berbeda nyata. Cara lain menentukan tα/2(v) = t’ bagi σ1 ≠ σ2 (tidak diketahui) tα/2(v) = t’ = (w1 t1 + w2 t2 ) / ( w1 + w2 ) w1 = (s12 / n1) = (1035,9)2 / (7) = 147,99 w2 = (s22 / n2) = (76,3)2 / (5) = 15,26 t1 = tα/2(n1–1) = t0,025 (7–1) = 2,447 t2 = tα/2(n2–1) =t0,025 (5–1) = 2,776 tα/2(v) = t’ = (w1 t1 + w2 t2 ) / (w1 + w2 ) = 2,478 Karena t = 0,964 < t’ = 2,478 maka Terima Ho, artinya rata–rata masa putar film kedua perusahaan tersebut sama.
6.3 Pengu jian Rata–rata Pengamatan Berpasangan
d t = ————— sd / √ n
db–t = (n–1)
Teladan 6.10 : Pelatihan manajemen agribisnis kepada 100 petani andalan agar mampu mengembangkan usahataninya. Setelah beberapa waktu, 6 orang diantara 100 petani andalan tersebut diselidiki keuntungan yang mereka peroleh sebelum dan Wija ya : Sta tistika II (Ba g ian -2)
11
sesudah pelatihan, datanya adalah sebagai berikut :
Petani
1
2
3
4
5
6
Sebelum Dilatih
40
78
49
63
55
33
Juta rupiah
Sesudah Dilatih
58
87
57
72
61
40
Juta rupiah
Ujilah pada taraf nyata 5% apakah pelatihan agribisnis dapat meningkatkan keuntungan petani. Jawab : 1. Hipotesis : H0 : μ A = μB lawan H1 : μ A > μB ( uji pihak kanan). 2. Uji Statistik : t 3. Taraf Nyata α = 0,05 atau tα/2(n–1) = t0,025(5) = 2,02 4. Wilayah Kritik : t < – 2,02 atau t > 2,02 5. Perhitungan : Sebelum Dilatih
40
78
49
63
55
33
Sesudah Dilatih
58
87
57
72
61
40
Beda (d)
18
9
8
9
6
7
n=6
∑d = 57 ∑d2 = 635 d = 9,5 sd = 4,32 sd /√n = 1,76
t = d / sd /√n t = (9,5) / (1,76) = 5,4 6. Kesimpulan : Karena t > t0,025(5), maka Tolak H0 artinya rata- rata pendapatan petani setelah dilatih lebih tinggi dibandingkan dengan sebelum dilatih. Ukuran Contoh unt uk Penguji an Rata–rata ( )
Misal ingin menguji bahwa H0 : μ = μ0 lawan H1: μ = μ0 + δ , δ bisa (+) bisa (–). Bila peluang galat I dan II adalah α dan β, dan contoh diambil dari populasi yang menghampiri normal dengan ragam (σ2) yang diketahui, maka ukuran contoh yang diperlukan adalah : n = (zα + zβ )2 σ2 / (δ2 ) Wija ya : Sta tistika II (Ba g ian -2)
12
Teladan 6.11 : Misal ingin H0 : μ = 68 lawan H1: μ = 69 bagi populasi normal dengan σ = 5. Bila α dan β keduanya 0,05 maka ukuran contoh yang diperlukan adalah : n = (zα + zβ )2 σ2 / (δ2 ) = (–1,645 – 1,645) 2 (25) / (1) = 271
Ukuran Contoh untuk Pengujian Selisih Rata–rata H0 : μ1 – μ2 = d0 lawan H1 : μ1 – μ2 = d0 + δ n = (zα + zβ )2 (σ12 + σ22) / (δ2 )
Teladan 6.12 : Dua contoh bebas akan diambil dari populasi normal dengan σ12 = 80 dan σ22 = 100. Untuk menguji H0 : μ1 – μ2 = 50 lawan H1 : μ1 – μ2 = 55.
Bila α = 0,05
dan β = 0,01 maka ukuran contoh masing–masing yang diperlukan adalah : n = (zα + zβ )2 (σ12 + σ22) / (δ2 ) = (–1,645 – 2,33)2 (80 + 100) / (25) = 114
6.4
Pengu jian Propor si
a. n ≥ 100 : x/n – p z = ————— √ pq / n
b. n < 100 : x/n – p t = ————— √ pq / n
Teladan 6.13 : Pengelola restoran menyatakan bahwa minimal 30% pengunjung restoran setiap hari minggu menyukai makanan laut. Contoh acak 500 orang yang makan siang di hari minggu terdapat 160 orang yang suka makanan laut. Ujilah pada taraf nyata 5% apakah pernyataan pengelola restoran tersebut dapat diterima. Jawab : 1. Hipotesis : H0 : p = 0,3 lawan H 1 : p ≠ 0,3 (uji dua pihak). 2. Uji Statistik : z 3. Taraf Nyata α = 0,05 atau zα/2 = z0,025 = 1,96 4. Wilayah Kritik : z < – 1,96 atau z > 1,96 Wija ya : Sta tistika II (Ba g ian -2)
13
5. Perhitungan : p = 0,3 q = 0,7
x/n = 160/500 = 0,32
z = (x/n – p) / √ (pq/n) z = (0,32 – 0,3) / √ (0,21/500) = 1,00 6. Kesimpulan : Karena z < z0,025, maka Terima H0 artinya proporsi yang suka makanan laut memang benar 30 %.
6.5 Pengu jian Selisi h Propo rsi
x1/n1 – x2/n2 z = —————————— √ pq (1/ n1 + 1/ n2) x1 + x2 p = ————— n1 + n2
q=1–p
Teladan 6.14 : Suatu studi dilakukan untuk menguji apakah ada perbedaan proporsi yang nyata dari penduduk suatu kota dan penduduk di sekitar kota tersebut yang menyetujui pembangkit listrik tenaga nuklir. Bila 1200 diantara 2000 penduduk kota dan 2400 diantara
5000
penduduk
di
sekitar
kota
yang
diwawancarai
menyetujui
pembangunan apakah dapat dikatakan bahwa proporsi penduduk kota yang setuju lebih besar dari penduduk sekitar kota (gunakan taraf nyata 5%). Jawab : 1. Hipotesis : H0 : p1 = p2 lawan H1 : p1 > p2 (uji pihak kanan). 2. Uji Statistik : z 3. Taraf Nyata α = 0,05 atau zα = z0,05 = 1,645 4. Wilayah Kritik : z > 1,645 5. Perhitungan : n1 = 2000 n2 = 5000 x1 = 1200 x2 = 2400 x1/ n1 = 0,60 x2/ n2 = 0,48 p = 3600/7000 = 0,51
q = 0,49
pq = 0,25 Wija ya : Sta tistika II (Ba g ian -2)
14
z = (x1/n1 – x2/n2 ) / √ pq (1/n1 + 1/n2) z = (0,60 – 0,48)/√ 0,25 (1/5000 + 1/2000) z = (0,12) / (0,013) = 9,23 6. Kesimpulan : Karena z > z0,025, maka Tolak H0 artinya proporsi penduduk yang setuju di kota lebih besar dari penduduk sekitar kota.
Masalah dalam pengujian selisih proporsi akan ditemui apabila sampel yang diambil ukurannya semakin kecil, misalnya jika : 1. n1 = 200 n2 = 500
x1 = 120
p = 360/700 = 0,51
q = 0,49
x2 = 240 x1/n1 = 0,60
x2/n2 = 0,48
pq = 0,25
z = (0,60 – 0,48) / √ 0,25 (1/500 + 1/200) = (0,12)/(0,042) = 2,86 (z = 2,86 ) > (z 0,05 = 1,645) 2. n1 = 20
n2 = 50
x1 = 12
x2 = 24 x1/n1 = 0,60
p = 36/70 = 0,51
q = 0,49
pq = 0,25
x2/n2 = 0,48
z = (0,60 – 0,48) / √ 0,25 (1/50 + 1/20) = (0,12)/(0,13) = 0,92 (z = 0,92) < (z0,05 = 1,645) 3. atau karena n < 100, maka digunakan sebaran t–student, hasilnya : n1 = 20
n2 = 50
p = 36/70 = 0,51
x1 = 12
x2 = 24 x1/n1 = 0,60
q = 0,49
x2/n2 = 0,48
pq = 0,25
t = (0,60 – 0,48) / √ 0,25 (1/50 + 1/20) = (0,12)/(0,13) = 0,92 (t = 0,92) < (t0,05 (68) = 1,645) Jadi apabila ukuran sampel semakin kecil (N < 100) maka H 0 cenderung diterima. Teladan 6.15 : Seorang ahli genetika tertarik pada populasi laki–laki dan perempuan dalam populasi yang mengidap kelainan darah tertentu.
Dari contoh 100 laki–laki
terdapat 24 yang mengidap kelainan darah dan 100 perempuan terdapat 13 yang mengidap kelainan. Ujilah pada taraf nyata 1% apakah proporsi yang mengidap kelainan darah pada laki–laki sama dengan perempuan. Wija ya : Sta tistika II (Ba g ian -2)
15
Jawab : 1. Hipotesis : H0 : p1 = p2 lawan H1 : p1 ≠ p2 (uji dua pihak). 2. Uji Statistik : z 3. Taraf Nyata α = 0,01 atau zα/2 = z0,005 = 2,575 4. Wilayah Kritik : z < –2,575 atau z > 2,575 5. Perhitungan : n1 = 100 n2 = 100 x1 = 24 x2 = 13 x1/n1 = 0,24 x2/n2 = 0,13 p = 37/200 = 0,185
q = 0,815
pq = 0,15
z = (x1/n1 – x2/n2 ) / √ pq (1/n1 + 1/n2) z = (0,24 – 0,13) / √ 0,15 (1/100 + 1/100) z = (0,11) / (0,039) = 2,82 6. Kesimpulan : Karena z > z0,005, maka Tolak H0 artinya proporsi kelainan darah pada laki-laki tidak sama dengan perempuan.
6.6 Penguj ian Ragam (a) Satu Ragam :
H0 : σ2 = σ02 H1 : σ2 ≠ σ02 atau
σ2 > σ02 atau σ2 < σ02
(n – 1) s2 χ2 = —————
σ02 (b) Kesamaan Dua Ragam :
H0 : σ12 = σ22 H1 : σ12 ≠ σ22 atau σ12 > σ22 atau σ12 < σ22 s12 F = ——— s22
v1 = n1 – 1 dan v2 = n2 – 1
Wija ya : Sta tistika II (Ba g ian -2)
16
Teladan 6.16 : Pengelola perusahaan aki mobil mengatakan bahwa umur aki yang diproduksinya mempunyai simpangan baku 0,9 tahun.
Bila suatu contoh acak 10 aki
menghasilkan simpangan baku 1,2 tahun. Ujilah pada taraf nyata 0,05 apakah : a. Pernyataan perusahaan dapat diterima bahwa σ = 0,9 b. Menurut saudara σ > 0,9 Jawab (a) : 1. Hipotesis : H0 : σ2 = 0,81 lawan H1 : σ2 ≠ 0,81 (uji dua pihak). 2. Uji Statistik : χ2 3. Taraf Nyata α = 0,05 4. Wilayah Kritik : χ2 < χ2(1– α/2)(n–1) atau χ2 > χ2α/2(n–1) 5. Perhitungan : Untuk α = 5% didapat χ2α/2(n–1) = χ20,025 (9) = 19,023 dan
χ2(1– α/2) (n–1) = χ20,975 (9) = 2,7 χ2 = (n – 1) s 2 / σ02 χ2 = (10–1)(1,44) / (0,9)2 χ2 = 16,0 χ2(1– α/2)(9) = 2,7
χ2α/2(9)
= 19,023
6. Kesimpulan : Karena χ20,975(9) < χ2 < χ20,025(9), maka Terima H0 artinya benar bahwa umur aki mempunyai σ = 0,9. Jawab (b) : 1. Hipotesis : H0 : σ2 = 0,81 lawan H1 : σ2 > 0,81 (uji pihak kanan). 2. Uji Statistik : χ2 3. Taraf Nyata α = 0,05 4. Wilayah Kritik : χ2 > χ2α/2(n–1)
Wija ya : Sta tistika II (Ba g ian -2)
17
5. Perhitungan : Untuk α = 5% didapat χ2α/2(n–1) = χ20,05(9) = 16,919
χ2 = (n – 1) s 2 / σ02 = (10–1)(1,44) / (0,9)2 = 16,0 6. Kesimpulan : Karena χ2 < χ20,05(9), maka Terima H0 artinya benar bahwa umur aki mempunyai σ = 0,9. Teladan 6.17 : Pelajaran matematika diberikan kepada 12 siswa kelas A dengan metode pengajaran biasa, dan 10 siswa kelas B dengan metode pengajaran menggunakan bahan terprogram. Hasil ujian kelas A rata–ratanya 85 dengan simpangan baku 4, kelas B rata–ratanya 81 dengan simpangan baku 5.
Asumsi kedua populasi
mempunyai ragam yang sama tetapi tidak diketahui apakah dapat diterima ? Ujilah pada taraf nyata 0,10. Jawab : 1. Hipotesis : H0 : σ12 = σ22
lawan H1 : σ12 ≠ σ22 (uji dua pihak).
2. Uji Statistik : F 3. Taraf Nyata α = 0,10 4. Wilayah Kritik : F < 1/Fα/2 (v2, v1) atau F > Fα/2 (v1, v2) 5. Perhitungan : n1 = 12 x1 = 85
s1 = 4
n2 = 10 x2 = 81
s2 = 5
Untuk α = 10% didapat 1/Fα/2(v2, v1) = 1/F0,05 (9, 11) = 0,34 dan Fα/2(v1, ϖ2) = F0,05(11, 9) = 3,11 F = s12 / s22 = (16) / (25) = 0,64 6. Kesimpulan : Karena
1/Fα/2(v2,
v1)
< F < Fα/2(v1,
v2)
maka Terima H0 artinya
kedua populasi mempunyai ragam yang sama .
Wija ya : Sta tistika II (Ba g ian -2)
18
Teladan 6.18 : Masa putar film yang diproduksi oleh 2 perusahaan film adalah : Masa Putar (menit) Perusahaan I
103
94
110
87
98
Perusahaan II
97
82
123
92
175
88
118
Ujilah pada taraf nyata 10% apakah kedua populasi mempunyai ragam yang sama. Jawab : 1. Hipotesis : H0 : σ12 = σ22
lawan H1 : σ12 ≠ σ22 (uji dua pihak).
2. Uji Statistik : F 3. Taraf Nyata α = 0,10 4. Wilayah Kritik : F < 1/Fα/2 (v2, v1) atau F > Fα/2 (v1, v2) 5. Perhitungan : n1 = 5 x1 = 98,4
s12 = 76,3
n2 = 7 x2 = 110,7
s22 = 1035,9
Untuk α = 10% didapat 1/Fα/2 (v2, v1) = 1/F0,05 (6, 4) = 0,22 dan Fα/2 (v1, v2) = F0,05 (4, 6) = 4,53 F = s12 / s22 = (76,73) / (1035,9) = 0,074 6. Kesimpulan : Karena
1/Fα/2
(v2, v1)
< F < Fα/2
(v1, v2)
maka Tolak H0 artinya
kedua populasi mempunyai ragam yang tidak sama .
6.7 Penguj ian Kesamaan Beberapa Rata–rata
H0 : μ1 = μ2 = … = μn H1 : Paling sedikit ada satu tanda “=” tidak berlaku Uji Statistik yang digunakan adalah : s12 F = ——— s22
v1 = n1 – 1 dan v2 = n2 – 1
Wija ya : Sta tistika II (Ba g ian -2)
19
Teladan 6.19 : Untuk data penurunan bobot badan (kg) pada 4 metode diet, ujilah pada taraf nyata 0,05 apakah rata–rata penurunan bobot badan keempat metode diet itu sama. Metode Diet Nomor
A
B
C
D
1
1,2
1,4
0,7
1,0
2
2,0
1,5
1,6
0,9
3
2,1
1,0
1,6
1,4
4
1,0
1,9
1,4
1,6
5
1,7
2,2
1,7
1,1
Jumlah
8,0
8,0
7,0
6,0
Rta–rata
1,6
1,6
1,4
1,2
29,0
Jawab : 1. Hipotesis : H0 : μ1 = μ2 = … = μn H1 : Paling sedikit ada satu tanda “=” tidak berlaku 2. Uji Statistik : F 3. Taraf Nyata α = 0,05 4. Wilayah Kritik : F > Fα (v1, v2) 5. Perhitungan : 2
a. Faktor Koreksi (FK) = (29) : 20 = 42,05 2
2
b. Jumlah Kuadrat Perlakuan (JKP) = (8,0 + … + 6,0 ) / 5 – FK = 0,55 c.
2
2
Jumlah Kuadrat Total (JKT) = (1,2 + … + 1,1 ) – FK = 3,35
d. Jumlah Kuadrat Galat (JKG) = JKT – JKP = 3,35 – 0,55 = 2,80 e. Derajat Bebas (db) Total = n – 1 = 20 – 1 = 19 f.
Derajat Bebas (db) Perlakuan = k – 1 = 4 – 1 = 3
g. Derajat Bebas (db) Galat = db Total – db Perlakuan = 19 – 3 = 16 h. Kuadrat Tengah (KT) Perlakuan = JK Perlakuan : db Perlakuan i.
Kuadrat Tengah (KT) Galat = JK Galat : db Galat Wija ya : Sta tistika II (Ba g ian -2)
20
j.
F = (s12 ) / (s 22 ) = (0,183) / (0,175) = 1,05
Daftar Sidik Ragam : No.
Sumber Variasi
db
JK
KT
F
F0,05
1,05
3,24
1
Metode Diet
3
0,55
0,183
2
Galat
16
2,80
0,175
Total
19
3,35
6. Kesimpulan :
Karena F < F0,05,
maka Terima H0 artinya penurunan bobot
badan pada keempat metode diet itu sama besar.
6.8
Pengu jian Kesamaan Beberapa Propor si (Data Multin om)
H0 : p1 = p2 = … = p n H1 : Paling sedikit ada satu tanda “=” tidak berlaku (oi – ei ) 2
χ2 = ∑ —————
db– χ2 = (b–1)(k–1)
ei dimana b = banyaknya baris dan k = banyaknya kolom. Untuk tabel kontingensi 2 x 2, berarti db– χ2 = (b–1)(k–1) = 1 perlu dilakukan koreksi Yate bagi kekontinyuan (karena data asal bersifat diskrit) yaitu : [ (oi – ei ) – 0,5 ]2
χ2 = ∑ ———————— ei Bila frekuensi harapan (ei ) antara 5 dan 10, maka koreksi Yates harus dipakai. Bila frekuensi harapan (ei ) besar, maka χ2 ≈ χ2 terkoreksi. Bila frekuensi harapan
(ei ) kurang dari 5, maka dipakai Uji Pasti Fisher–Irwin, oleh karena itu
sebaiknya digunakan ukuran contoh yang besar. Teladan 6.20 : Data berikut menunjukkan banyaknya produk yang cacat pada 3 macam waktu kerja. Ujilah pada taraf nyata 0,025 apakah produk yang cacat mempunyai Wija ya : Sta tistika II (Ba g ian -2)
21
proporsi sama untuk ketiga waktu kerja tersebut. Pagi
Siang
Malam
Jumlah
Cacat
45
55
70
170
Baik
905
890
870
2665
Jumlah
950
945
940
2835
Jawab : 1. Hipotesis : H0 : p1 = p2 = … = p n H1 : Paling sedikit ada satu tanda “=” tidak berlaku 2. Uji Statistik : χ2 3. Taraf Nyata α = 0,025 4. Wilayah Kritik : χ2 > χ2α(b –1) (k –1) 5. Perhitungan : Untuk α = 0,025 didapat χ2α(b –1) (k –1) = χ20,025 (2) = 19,023 Pagi
Siang
Malam
Oi
Ei
Oi
Ei
Oi
Ei
Cacat
45
57,0
55
56,7
70
56,3
170
Baik
905
893,0
890
888,3
870
883,7
2665
Jumlah
950
945
940
2835
(oi – ei ) 2
χ2 = ∑ ————— ei
(45 – 57 )2 (905 – 893 )2 (870 – 883,7) 2 χ2 = ————— + —————— + … + ——————— = 6,288 (57) (893) (883,7) 6. Kesimpulan : Karena χ2 < χ20,025(2), maka Terima H0 artinya proporsi produk cacat yang dihasilkan pada ketiga macam waktu kerja adalah sama.
Wija ya : Sta tistika II (Ba g ian -2)
22
Teladan 6.21 : Tiga
penyalur
‘mixed
nut’
mengiklankan
sebanyak–banyaknya 60% kacang.
bahwa
produknya
mengandung
Bila sebuah kaleng berisi 500 mixed nut
diambil secara acak dari masing–masing penyalur ternyata mengandung berturut– turut 345 ; 319
dan 359 kacang.
Simpulkan
pada taraf nyata 0,01 apakah
proporsi kacang mixed nut dari ketiga penyalur tersebut sama. Penyalur I
Penyalur II
Penyalur III
Jumlah
Berkacang
345
319
359
1017
Tidak
155
181
141
483
Jumlah
500
500
500
1500
Jawab : 1. Hipotesis : H0 : p1 = p2 = … = pn H1 : Paling sedikit ada satu tanda “=” tidak berlaku 2. Uji Statistik : χ2 3. Taraf Nyata α = 0,01 4. Wilayah Kritik : χ2 > χ2α(b–1) (k–1) 5. Perhitungan : Untuk α = 0,01 didapat χ2α(b–1) (k–1) = χ20,01(2) = 9,21 Penyalur I
Penyalur II
Oi
Ei
Oi
Ei
Oi
Ei
Berkacang
345
339
319
339
359
339
1017
Tidak
155
161
181
161
141
161
483
Jumlah
500
500
Penyalur III
500
1500
(345 – 339)2 (319 – 339 )2 (141 – 161)2 χ2 = —————— + —————— + … + —————— = 10,19 (339) (339) (161) 6. Kesimpulan : Karena χ2 < χ20,01(2), maka Tolak H0 artinya proporsi kacang pada mixed nut dari ketiga penyalur berbeda. Wija ya : Sta tistika II (Ba g ian -2)
23
Teladan 6.22 : Hasil penelitian untuk mengetahui proporsi ibu rumah tangga yang suka acara Sinetron TV diperoleh 29 diantara 150 ibu rumah tangga di daerah A, 48 diantara 200 di daerah B dan 35 diantara 150 di daerah C suka acara tersebut. Simpulkan pada taraf nyata 0,05 apakah tidak ada perbedaan proporsi ibu rumah tangga terhadap acara tersebut. A
B
C
Jumlah
Suka
29
48
35
112
Tidak Suka
121
152
115
388
Jumlah
150
200
150
500
Jawab : 1. Hipotesis : H0 : p1 = p2 = … = pn H1 : Paling sedikit ada satu tanda “=” tidak berlaku 2. Uji Statistik : χ2 3. Taraf Nyata α = 0,05 4. Wilayah Kritik : χ2 > χ2α(b–1) (k–1) 5. Perhitungan : Untuk α = 0,05 didapat χ2α(b–1) (k–1) = χ20,05(2) = 5,991 A
B
C
Oi
Ei
Oi
Ei
Oi
Ei
Suka
29
33,6
48
44,8
35
33,6
112
Tidak Suka
121
116,4
152
155,2
115
161,4
388
Jumlah
150
200
150
500
(29 – 33,69)2 (48 – 44,8 )2 (115 – 161,4)2 χ2 = —————— + —————— + … + ——————— = 1,181 (33,6) (44,8) (161,4) 6. Kesimpulan :
Karena
χ2 < χ20,05(2), maka Terima H0 artinya proporsi ibu
rumah tangga yang suka acara Sinetron tidak berbeda. Wija ya : Sta tistika II (Ba g ian -2)
24
6.9 Penguj ian Kesamaan Beberapa Ragam
H0 : σ12 = σ22 = … = σk2 H1 : Paling sedikit satu tanda = tidak berlaku. Uji dari Bartlett :
χ2 = Ln 10 [ {Log s 2 ∑ (ni –1) } – { ∑ (ni –1) Log si2 } ] ∑ (ni –1) si2
∑ (ni –1) si2
s2 = —————— = —————— ∑ (ni –1) N–k Teladan 6.23 : Untuk data penurunan bobot badan (kg) pada 4 metode diet. Ujilah pada taraf nyata 0,05 apakah ragam penurunan bobot badan keempat metode diet itu sama. Jawab : 1. Hipotesis : H0 : σ12 = σ22 = … = σk2 H1 : Paling sedikit satu tanda = tidak berlaku. 2. Uji Statistik : χ2 3. Taraf Nyata α = 0,05 4. Wilayah Kritik : χ2 > χ2α(n–1) 5. Perhitungan : Untuk α = 0,05 didapat χ2α(n–1) = χ20,05(3) = 7,81 ni –1
si2
Log si2
(ni –1) Log si2
A
1,2
2,0
2,1
1,0
1,7
4
0,235
– 0,63
– 2,52
B
1,4
1,5
1,0
1,9
2,2
4
0,215
– 0,67
– 2,67
C
0,7
1,6
1,6
1,4
1,7
4
0,165
– 0,78
– 3,13
D
1,0
0,9
1,4
1,6
1,1
4
0,085
– 1,07
– 4,28
s2 = 4 (0,235 + 0,215 + 0,165 + 0,085) / (16) = 0,175
χ2 = 2,3 [ (– 0,76)(16) – (– 12,6) ] = 1,012 6. Kesimpulan : Karena χ2 < χ20,05(3), maka Terima H0 artinya ragam penurunan bobot badan keempat metode diet itu sama. Wija ya : Sta tistika II (Ba g ian -2)
25
6.10
Uji Kebaikan Suai (Uji Kecoco kan)
Uji ini digunakan untuk mengetahui ada tidaknya kesesuaian (kecocokan) model sebaran yang diasumsikan. Misal sebuah dadu dilempar 120 kali, bila dadu itu setimbang maka secara teoritik masing–masing sisi akan muncul sebanyak 20 kali. Dengan membandingkan frekuensi yang teramati dengan frekuensi harapan, kita harus memutuskan apakah ketaksuaian itu disebabkan oleh fluktuasi penarikan contoh atau karena dadunya tidak setimbang sehingga sebaran hasil percobaan tidak seragam. Uji Kebaikan Suai didasarkan pada besaran : k
( oi – ei ) 2
χ2 = ∑ i
ei
db– χ2 = (k – g – 1) dimana k adalah banyaknya kategori atau kelas interval dan g adalah banyaknya parameter yang ditaksir. Kriteria pengujian adalah Tolak H0 jika
χ2 > χ2α(k–g–1). Bila frekuensi teramati (o i) dekat dengan frekuensi harapan (ei), maka nilai χ2 akan kecil, menunjukkan adanya kesuaian yang baik.
Kesuaian yang baik
membawa pada penerimaan H0. Bila ada frekuensi–frekuensi harapan (ei) kurang dari 5, maka frekuensi harapan tersebut harus digabungkan, berarti db– χ2 akan berkurang. Teladan 4.24 : Misal data berikut menunjukkan frekuensi teramati dan frekuensi harapan dari pelemparan dadu sebanyak 120 kali. Ujilah pada taraf nyata 5% apakah dadu tersebut setimbang. Sisi Dadu 1
2
3
4
5
6
Teramati
20
22
17
18
19
24
Harapan
20
20
20
20
20
20
Wija ya : Sta tistika II (Ba g ian -2)
26
Jawab : 1. Hipotesis : H0 : p1 = p2 = … = pn H1 : Paling sedikit ada satu tanda “=” tidak berlaku 2. Uji Statistik : χ2 3. Taraf Nyata α = 0,05 4. Wilayah Kritik : χ2 > χ2α(k–g–1) 5. Perhitungan : Untuk α = 0,05 dan db– χ2 = (k – g – 1) = (6–0–1) = 5 didapat χ2α(k–g–1) = χ20,05 (5) = 11,07 (20 – 20)2 (22 – 20)2 (24 – 20)2 χ2 = ————— + ————— + … + ————— = 1,7 (20) (20) (20) 6. Kesimpulan : Karena nilai
χ2 < χ20,05 (5) maka disimpulkan untuk menerima
H0 (dadu setimbang). Teladan 6.25 : Eksperimen genetika menunjukkan bahwa semacam karakteristik diturunkan menurut perbandingan 1:3:3:9, untuk kategori A, B, C dan D.
Dari 160
pengamatan terdapat 5 kategori A, 23 B, 32 C dan 100 D. Dengan taraf nyata 5%, apakah data tersebut menguatkan teori genetika ? Kategori A
B
C
D
Jml
Teramati
5
23
32
100
160
Harapan
10
30
30
90
160
Jawab : 1. Hipotesis : H0 : p1 = p2 = … = pn H1 : Paling sedikit ada satu tanda “=” tidak berlaku 2. Uji Statistik : χ2 Wija ya : Sta tistika II (Ba g ian -2)
27
3. Taraf Nyata α = 0,05 4. Wilayah Kritik : χ2 > χ2α (k–g–1) 5. Perhitungan : Untuk α = 0,05 dan db– χ2 = (k – g – 1) = (4–0–1) = 3 didapat χ2α(k–g–1) = χ20,05 (3) = 7,81 (5 – 10)2 (23 – 30)2 (100 – 90)2 χ2 = ————— + ————— + … + —————— = 5,18 (10) (30) (90) 6. Kesimpulan : Karena nilai χ2 < χ20,05 (3)
maka Terima H0 artinya tidak ada
alasan untuk tidak mempercayai teori genetika tersebut. Teladan 6.26 : Tabel berikut menunjukkan distribusi frekuensi gaji (x Rp 10.000,– per minggu) dari 40 karyawan Pabrik Rotan, dengan rata–rata (x) = 3,4 dan simpangan baku (s) = 0,7.
Untuk menghitung frekuensi
harapan (ei) digunakan batas atas masing–
masing kelas ke rumus z (data kontinyu, n > 30), misalnya : z1 = (1,45 – 3,41) / (0,7) = – 2,80 jadi p(z1 ) = 0,0026 z2 = (1,95 – 3,41) / (0,7) = – 2,09 jadi p(z2) = 0,0183 P (1,45 < x < 1,95) = P (z1 < z < z 2 ) = 0,0157 atau ei = 0,0157 x 40 = 0,6 Dengan cara yang sama akan didapat : Batas Kelas
z1
z2
P
1,45 – 1,95
–2,80
–2,09
0,0157
0,6
1,95 – 2,45
–2,09
–1,37
0,0670
2,7
2,45 – 2,95
–1,37
–0,66
0,1693
6,7
2,95 – 3,45
–0,66
0,06
0,2693
3,45 – 3,95
0,06
0,77
0,2555
3,95 – 4,55
0,77
1,49
0,1525
6,0
4,45 – 4,95
1,49
2,20
0,0548
2,2
Ei
(oi – ei)2 / ei
oi 2
10,0
1
7
0,900
10,7
15
1,728
10,1
10
0,001
8
0,005
4
8,2
5 3
40
40
2,634
Wija ya : Sta tistika II (Ba g ian -2)
28
Jawab :
χ2 = 2,634.
db– χ2 = (k – g – 1) = (4–2–1) = 1,
k = 4 (asalnya 7 kelas setelah
digabung jadi 4 kelas) dan g = 2 (banyaknya parameter yang ditaksir ada 2 yaitu rata–rata dan simpangan baku). Untuk α = 0,05 nilai
χ2α(k–g–1) = χ20,05 (4) = 7,879. Karena nilai χ2 < χ20,05 (4)
maka Terima H0 artinya sebaran normal memberikan kesuaian yang baik bagi pendapatan. 6.11 Uji Kebebasan Dua Peubah
Untuk Tabel Kontingensi b x k ( b baris dan k kolom ) : (oi – ei ) 2 χ2 = ∑ ———— db– χ2 = (b–1)(k–1) ei Untuk tabel kontingensi 2x2, berarti db– χ2 = (b–1)(k–1) = 1 perlu dilakukan koreksi Yate bagi kekontinyuan (karena data asal bersifat diskrit) yaitu : [ ( oi – ei ) – 0,5 ]2
χ2 = ∑ ———————— ei atau dengan menggunakan rumus lain, yaitu : Baris
Kolom
Jumlah
1
a
b
a+b
2
c
d
c+d
Jumlah
a+c
b+d
n
n [ ( ad – bc ) – 0,5 n ]2 χ2 = ——————————— (a+b)(a+c)(b+d)(c+d)
Wija ya : Sta tistika II (Ba g ian -2)
29
Teladan 6.27 : Data berikut menunjukkan tingkat pendidikan kepala keluarga dan banyaknya anak dari 1000 keluarga. Ujilah pada taraf nyata 5%, apakah terdapat hubungan antara tingkat pendidikan kepala keluarga dengan banyaknya anak tersebut. Banyaknya Anak 1–3 >3 Oi Ei Oi Ei
Pendidikan
Jumlah
Sekolah dasar
182
200,9
154
135,1
336
Sekolah menengah Akademi
213 203
209,9 187,2
138 110
141,1 125,8
351 313
598
402
1000
Jawab : (182 – 200,9)2 (110 – 125,8)2 χ2 = ——————— + … + ——————— = (200,9) (125,8) db– χ2 = (b–1)(k–1) =
jadi χ20,05
(3–1)(2–1) = 2
(2)
7,854
= 5,991.
Karena nilai
χ2 > χ20,05(2) maka Tolak H0 artinya besarnya keluarga bergantung pada tingkat pendidikan kepala keluarga (atau terdapat hubungan yang nyata antara tingkat pendidikan kepala keluarga dengan banyaknya anak). Teladan 6.28 : Contoh acak 30 orang dewasa diklasifikasikan menurut jenis kelamin dan lamanya nonton TV setiap minggu. Ujilah pada taraf nyata 1%, apakah terdapat hubungan antara lamanya nonton TV dengan jenis kelamin. Jenis Kelamin Lama Nonton TV
Laki–laki
Perempuan
Jumlah
Oi
Ei
Oi
Ei
≥ 25 jam
5
6,53
9
7,47
14
< 25 jam
9
7,47
7
8,53
16
14
16
30
Wija ya : Sta tistika II (Ba g ian -2)
30
Dengan Rumus I : [(5 – 6,53) – 0,5]2 [(7 – 8,53) – 0,5] 2 χ2 = ————————— + … + ————————— = (6,53) (8,53)
0,571
Dengan Rumus II : 30 [ {(5x7 – 9x9) – ½. 30] 2 χ2 = ————————————— = 0,575 ( 14 x 16 x 14 x 16 ) db– χ2 = 1 jadi χ20,01(1) = 6,635. Karena nilai χ2 < χ20,01(1) maka Terima H0, artinya lamanya nonton TV tidak bergantung pada jenis kelamin (bebas).
Wija ya : Sta tistika II (Ba g ian -2)
31