STATISTIKA

OLEH :

WIJAYA

FAKULTAS PERTANIAN
UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
2010
D. Penggunaan Uji X2 (Kai-Kuadrat)

1. Uji Proporsi Beberapa Sampel (Data

Multinom)

2. Uji Kecocokan atau Uji Kebaikan Suai

(Goodness of Fit)

3. Uji Kebebasan Antar Variabel

Uji Kecocokan atau Uji Kebaikan Suai

Uji Kecocokan atau Uji Kebaikan Suai

(Goodness of Fit) digunakan untuk mengetahui
ada tidaknya kesesuaian (kecocokan) model
sebaran yang diasumsikan, atau ada tidak
kecocokan antara frekuensi yang teramati
(terobservasi) dengan frekuensi harapan,
Uji Kecocokan atau Uji Kebaikan Suai

oi = Frekuensi Observasi
ei = Frekuensi Harapan

db–X2 = (k – g – 1)
k = banyaknya kategori atau kelas interval
g = banyaknya parameter yang ditaksir.
Kriteria pengujian adalah Tolak H0 jika X2 > X2α(k–g–1)
Uji Kecocokan atau Uji Kebaikan Suai

oi = Frekuensi Observasi
ei = Frekuensi Harapan

Bila frekuensi teramati (oi) dekat dengan frekuensi

harapan (ei), maka nilai X2 akan kecil, menunjukkan
adanya kesuaian yang baik. Kesuaian yang baik
membawa pada penerimaan H0.
Uji Kecocokan atau Uji Kebaikan Suai

Contoh :
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, B = 23, C =32 dan
D = 100. Dengan taraf nyata 5%, apakah data tersebut
menguatkan teori genetika ?
Uji Kecocokan atau Uji Kebaikan Suai

Teori ≡ A : B : C : D = 1 : 3 : 3 : 9
Observasi ≡ A : B : C : D = 5 : 23 : 32 : 100.

Jawab :
1. H0 ≡ Oi = Ei lawan H1 ≡ Oi ≠ Ei
2. Taraf Nyata α = 5 % = 0,05
3. Uji Statistik : X2
4. Wilayah Kritik : X2 > X20,05(k–1)
Uji Kecocokan atau Uji Kebaikan Suai

Menentukan Nilai Harapan ei :

A : B : C : D = 1 : 3 : 3 : 9 = 16

A B C D Jumlah
Observasi 5 23 32 100 160
Harapan 10 30 30 90 160
Uji Kecocokan atau Uji Kebaikan Suai

A B C D Jumlah
Observasi 5 23 32 100 160
Harapan 10 30 30 90 160

Untuk α = 0,05 dan db–X2 = (k – g – 1) = (4–0–1) = 3

didapat X2α(k–1) = X20,05 (3) = 7,81
Uji Kecocokan atau Uji Kebaikan Suai

6. Kesimpulan

Karena nilai (X2 = 5,18) < (X20,05(3) = 7,81)

maka H0 diterima artinya tidak ada alasan
untuk menolak teori genetika tersebut.
Uji Kebebasan Dua Variabel

Untuk tabel 2x2 maka db–X2 = (b–1)(k–1) = 1 perlu

dilakukan koreksi Yate bagi kekontinyuan (karena data
asal bersifat diskrit) yaitu :
Uji Kebebasan Dua Variabel

Rumus lain untuk tabel kontingensi 2x2 :

Kolom Jumlah
A B (A+B)
Baris
C D (C+D)
Jumlah (A+C) (B+D) N
Uji Kebebasan Dua Variabel

Contoh :
Data berikut menggambarkan banyaknya petani tebu
berdasarkan penggunaan jenis pupuk dan cara tanam.

Pupuk Pupuk Jumlah

Tunggal Majemuk
Tanam Awal 5 9 14
Keprasan 9 7 16
Jumlah 14 16 30

Ujilah pada taraf nyata 1 % apakah penggunaan jenis

pupuk tergantung dari cara tanamnya ?
Uji Kebebasan Dua Variabel

Jawab :
1. H0 ≡ Penggunaan pupuk tidak tergantung cara tanam
H1 ≡ Penggunaan pupuk tergantung cara tanam
2. Taraf Nyata α = 1 % = 0,01
3. Uji Statistik : X2
4. Wilayah Kritik : X2 > X20,01(1) atau X2 > 6,635
5. Perhitungan :
 Pupuk Tunggal Pupuk Majemuk
Jml
oi ei oi ei
Tanam Awal 5 6,53 9 7,47 14
Keprasan 9 7,47 7 8,53 16
Jumlah 14 16 30
Uji Kebebasan Dua Variabel

6. Kesimpulan

Karena nilai (X2 = 0,571) < (X20,01(1) = 6,635)

maka H0 diterima artinya penggunaan jenis
pupuk tidak tergantung pada cara tanam.
Uji Kebebasan Dua Variabel

Pupuk Pupuk Jumlah

Tunggal Majemuk
Tanam Awal 5 9 14
Keprasan 9 7 16
Jumlah 14 16 30
Uji Kebebasan Dua Variabel