STATISTIKA NON-PARAMETRIK

UJI CHI KUADRAT

Pengujian Hipotesis Deskriptif untuk 1 Sampel

Oleh :

Suci Barlian Sari (H12115025)

Melly Amelia (H12115009)

UNIVERSITAS HASANUDDIN

MAKASSAR

2017
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang karena anugerah dari-Nya kami dapat
menyelesaikan makalah ini. Sholawat dan salam semoga senantiasa tercurahkan kepada
junjungan besar kita, yaitu Nabi Muhammad SAW yang telah menunjukkan kepada kita
jalan yang lurus berupa ajaran agama Islam yang sempurna dan menjadi anugerah serta
rahmat bagi seluruh alam semesta.

Penulis sangat bersyukur karena telah menyelesaikan makalah yang menjadi

tugas Statistika Non-Parametrik dengan judul "UJI CHI KUADRAT" . Disamping itu,
kami mengucapkan banyak terima kasih kepada semua pihak yang telah membantu
kami selama pembuatan makalah ini berlangsung sehingga terealisasikanlah makalah
ini.
Demikian yang dapat kami sampaikan, semoga makalah ini bisa bermanfaat dan
jangan lupa ajukan kritik dan saran terhadap makalah ini agar kedepannya bisa
diperbaiki.

Makassar, Februari 2017

Penyusun

i
 DAFTAR ISI

KATA PENGANTAR ........................................................................................ . i

DAFTAR ISI ....................................................................................................... ii
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah ..................................................................... 1
1.2 Rumusan Masalah ................................................................................. 1
1.3 Tujuan .................................................................................................. 1
BAB II PEMBAHASAN
2.1 Defenisi Chi-Kuadrat ............................................................................. 2
2.2 Manfaat Chi-Kuadrat .............................................................................. 3
a) Uji beda frekuensi yang diamati dan diharapkan ............................... 4
b) Uji kebebasan ( independensi) dua faktor .......................................... 6
c) Uji Distribusi Populasi dengan Distribusi Sampel ............................. 10
BAB III PENUTUP
3.1 Kesimpulan ............................................................................................. 13
DAFTAR PUSTAKA .......................................................................................... 14

ii
 BAB I
PENDAHULUAN

1.1 LATAR BELAKANG

Sebagaimana telah sering dilihat, hasil-hasil yang diperoleh dalam sampel tidak
tepat sama dengan hasil-hasil yang secara teoritis diharapkan sesuai dengan aturan-
aturan abilitas. Misalnya, meskipun menurut pertimbangan – pertimbangan teoritis kita
dapat mengharapkan 50 kali ”angka” dan 50 kali ”gambar” jika sebuah mata uang yang
seimbang dilemparkan sebanyak 100 kali, namun dari hasilnya yang demikian jarang
diperoleh secara tepat.
Andaikan bahwa dalam suatu sampel tertentu suatu himpunan kemungknan
peristiwa E1, E2, ... , Ek tampak terlihat dengan frekuensi-frekuensi o1, o2, ... , ok yang
disebut frekuensi yang diamati dah bahwa menurut aturan-aturan probabilitas peristiwa-
peristiwa diharapkan terjadi menurut frekuensi-frekuensi e1, e2, ... , ek yang disebut
frekuensi yang diharapkan. (perhatikan tabel 1.1)
Peristiwa E1 E2 .... Ek
Frekuensi yang
o1 o2 .... ok
diamati
Frekuensi yang
e1 e2 .... ek
diharapkan
Tabel 1.1
Seringkali kita ingin mengetahui apakah frekuensi yang diobservasi berbeda
secara signifikan dari frekuensi yang diharapkan. Untuk kasus dimana hanya ada dua
peristiwa maka dapat diselesaikan dengan metode chi-kuadrat.
Chi-kuadrat adalah salah satu jenis uji komparatif non parametris yang
dilakukan pada dua variabel, di mana skala data kedua variabel adalah nominal.
(Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji chi
square dengan merujuk bahwa harus digunakan uji pada derajat yang terendah).

1.2 RUMUSAN MASALAH

1. Apakah pengertian dari Chi-kuadrat?
2. Apakah manfaat dari distribusi chi-kuadrat?
1.3 TUJUAN
1. Untuk mengetahui pengertian dari Chi-Kuadrat.
2. Untuk mengetahui manfaat dari distribusi chi-kuadrat.

1
 BAB II
PEMBAHASAN

2.1 DEFINISI CHI-KUADRAT

Chi-kuadrat adalah teknik analisis komprasional yang mendasarkan diri pada
perbedaan frekuensi data yang sedang diobservasi (Sudijono: 2008). Suatu ukuran
mengenai perbedaan yang terdapat antara frekuensi yang di observasi dengan frekuensi
yang diharapkan disebut chi-kuadrat(𝑋 2 ). Chi-kuadrat dapat ditentukan oleh:
𝑘
2
(𝑜1 − 𝑒1 )2 (𝑜2 − 𝑒2 )2 (𝑜𝑘 − 𝑒𝑘 )2 (𝑜𝑖 − 𝑒𝑖 )2
𝑋 = + + ⋯+ =∑
𝑒1 𝑒2 𝑒𝑘 𝑒𝑖
𝑖=1

(Tejo Dwi: 1993)

Nilai ² adalah nilai kuadrat karena itu nilai ² selalu positif. Bentuk distribusi ²
tergantung dari derajat bebas(db)/degree of freedom. Perhatikan table 2.1

Table 2.1: Nilai Chi-Kuadrat

Taraf Signifikansi
dk
50% 30% 20% 10% 5% 1%
1 0.455 1.074 1.642 2.706 3.481 6.635
2 0.139 2.408 3.219 3.605 5.591 9.210
3 2.366 3.665 4.642 6.251 7.815 11.341
4 3.357 4.878 5.989 7.779 9.488 13.277
5 4.351 6.064 7.289 9.236 11.070 15.086

6 5.348 7.231 8.558 10.645 12.592 16.812

7 6.346 8.383 9.803 12.017 14.017 18.475
8 7.344 9.524 11.030 13.362 15.507 20.090
9 8.343 10.656 12.242 14.684 16.919 21.666
10 9.342 11.781 13.442 15.987 18.307 23.209

11 10.341 12.899 14.631 17.275 19.675 24.725

12 11.340 14.011 15.812 18.549 21.026 26.217
13 12.340 15.19 16.985 19.812 22.368 27.688
14 13.332 16.222 18.151 21.064 23.685 29.141
15 14.339 17.322 19.311 22.307 24.996 30.578

16 15.338 18.418 20.465 23.542 26.296 32.000

17 16.337 19.511 21.615 24.785 27.587 33.409
18 17.338 20.601 22.760 26.028 28.869 34.805
19 18.338 21.689 23.900 27.271 30.144 36.191
20 19.337 22.775 25.038 28.514 31.410 37.566

21 20.337 23.858 26.171 29.615 32.671 38.932

22 21.337 24.939 27.301 30.813 33.924 40.289

2
 23 22.337 26.018 28.429 32.007 35.172 41.638
24 23.337 27.096 29.553 33.194 35.415 42.980
25 24.337 28.172 30.675 34.382 37.652 44.314

26 25.336 29.246 31.795 35.563 38.885 45.642

27 26.336 30.319 32.912 36.741 40.113 46.963
28 27.336 31.391 34.027 37.916 41.337 48.278
29 28.336 32.461 35.139 39.087 42.557 49.588
30 29.336 33.530 36.250 40.256 43.775 50.892

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 H0 atau taraf nyata pengujian

Perhatikan gambar berikut :

 : luas daerah penolakan H0 = taraf nyata pengujian

0 +

2.2 MANFAAT CHI KUADRAT

Beberapa manfaat dari distribusi chi-kuadrat, yaitu antara lain :
a) Untuk menguji apakah frekuensi yang diamati berbeda secara signifikan dengan
frekuensi teoritis atau frekuensi yang diharapkan.
b) Untuk menguji kebebasan (independensi antar faktor dari data dalam daftar
kontingensi
c) 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.

3
 a). Uji beda frekuensi yang diamati dan diharapkan

Misalkan kita mempunyai suatu sampel tertentu berupa kejadian A1, A2, A3,
…,Ak yang terjadi dengan frekuensi o1,o2,o3,…,0k, yang disebut frekuensi yang
diobservasi (diamati) dan bahwa berdasarkan probabilitas kejadia-kejadian yang
diharapkan adalah dengan frekuensi e1,e2,e3, …,ek, yang disebut frekuensi yang
diharapkan atau frekuensi teoritis. Dalam hal ini ingin diketahui perbedaan yang
signifikan antara frekuensi yang diobservasi dengan frekuensi yang diharapkan

Kejadian A1, A2, A3, …,Ak

Frekuensi yang diobservasi o1,o2,o3,…,0k
Frekuensi yang diharapkan e1,e2,e3, …,ek

Perbedaan antara frekuensi yang diobservasi dengan yang diharapkan

ditentukan sebagai
𝑘
2
(𝑜𝑖 − 𝑒𝑖 )2
𝜒 =∑
𝑒𝑖
𝑖=1

Jika χ = 0, maka frekuensi yang diobservasi dengan frekuensi yang diharapkan

2

adalah tepat sama. Jika χ2>0, maka frekuensi observasi berbeda dengan frekuensi yang
diharapkan. Makin besar nilai χ2 , makin besar beda antara frekuensi obsevasi dengan
frekuensi yang diharapkan.
Frekuensi yang diharapkan dapat dihitung atas dasar hipotesis nol (H0).
Langkah-langkah untuk melakukan uji chi-kuadrat, adalah sebagai berikut :
1. Merumuskan hipotesis yang akan diuji meliputi, H0 dan H1
2. Menetapkan taraf signifikansi α dan derajat kebebasan 𝜃 untuk memperoleh nilai
kritis 𝜒𝛼2 dimana :
a. 𝜃 = 𝑘 − 1, jika frekuensi yang diharapkan dapat dihitung tanpa harus menduga
parameter populasi dengan statistik sampel.
b. 𝜃 = 𝑘 − 1 − 𝑚, jika frekuensi yang diharapkan dapat dihitung hanya dengan
menduga parameter populasi sebanyak m dengan taksiran statistik sampel
3. Menentukan statistik uji (statistik hitung) :

4
 𝑘
(𝑜𝑖 − 𝑒𝑖 )2
𝜒ℎ2 =∑
𝑒𝑖
𝑖=1

4. Menyimpulakan apakah menolak atau menerima H0. Tolak H0 jika nilai 𝜒ℎ2 > 𝜒𝛼2
dan terima H0 jika 𝜒ℎ2 ≤ 𝜒𝛼2 .
(Supranto:hal 485: 1985)

Contoh 1
• Uji keselarasan dengan frekuensi harapan sama
Contoh Soal:
Pemerintah menghendaki bahwa inflasi pada tahun 2014 sebesar 9,5% per tahun.
Data di beberapa kota besar adalah sebagai berikut:
Kota Inflasi (%)
Dengan data tersebut, tentukan apakah target atau
Jakarta 8,08 harapan pemerintah masih sesuai dengan
kondisi sebenarnya dengan taraf nyata 5%!
Bandung 10,97

Semarang 12,56

Surabaya 7,15

Denpasar 12,49

Penyelesaian :
- Menentukan hipotesis
Ho : tidak ada perbedaan antara nilai observasi dengan nilai harapan
H1 : ada perbedaan antara nilai observasi dengan nilai harapan
- Menentukan taraf nyata dan nilai kritis
Lihat tabel Chi kuadrat
df = n – k
df = 5 – 1 = 4
- Uji Statistik chi kuadrat

5
 - Menetukan daerah keputusan
- Menentukan keputusan
Berdasarkan daerah keputusan X² jatuh pada wilayah H₀ diterima.
ATAU Karena X² yang di hitung < dari X² di tabel maka keputusannya
Hipotesis awal diterima

Contoh 2 :
Diketahui bahwa peluang nampaknya salah satu permukaan dadu homogen masing-
masing= 1/6. Jika Sebuah dadu dilembpar sebanyak 120 kali. Frekuensi yangyang
dihasilkan untuk muka1,2,3,4,5, dan 6 yang muncul adalah 16, 24, 23, 15, 17 dan 25.
Ujilah bahwa dadu tersebut simetris?
Penyelesaian:
1
𝐻0 = 𝑝1 = 𝑝2 = ⋯ = 𝑝6 =
6
𝐻1 = 𝑝𝑎𝑙𝑖𝑛𝑔 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 𝑠𝑎𝑡𝑢 𝑡𝑎𝑛𝑑𝑎 𝑠𝑎𝑚𝑎 𝑑𝑒𝑛𝑔𝑎𝑛 𝑚𝑎𝑘𝑎 𝑡𝑖𝑑𝑎𝑘 𝑏𝑒𝑟𝑙𝑎𝑘𝑢
Muka dadu 1 2 3 4 5 6
Pengamatan 16 24 23 15 17 25
Diharapkan 1/6 x120 = 20 20 20 20 20 20
Dengan menggunakan rumus

2
(𝑜1 − 𝑒1 )2 (𝑜2 − 𝑒2 )2 (𝑜𝑘 − 𝑒𝑘 )2
𝑋 = + + ⋯+
𝑒1 𝑒2 𝑒𝑘
(16 − 20)2 (24 − 20)2 (15 − 20)2 (17 − 20)2 (25 − 20)2
𝑋2 = + + + + = 5,00
20 20 20 20 20
2
Dengan 𝛼 = 0,05 dan dk=5, dari tabel chi-kuadrat didapat 𝜒0,95 = 11,07 yang lebih
2
besar dari 𝜒ℎ = 5,00. Dengan demikian hasil pengujian non-signifikan dan hipotesis
H0 diterima sehingga dapat disimpulkan bahwa dadu itu dibuat dari bahan yang
homogen.

b). Uji kebebasan ( independensi) dua faktor

Uji ini digunakan untuk menguji hipotesis mengenai ada atau tidak adanya
hubungan (asosiasi)atau kaitan antara dua faktor. Misalnya, apakah prestasi belajar
mahasiswa ada hubungan dengan kondisi sosial ekonomi orang tuanya, apakah agama
yang dipeluk ada hubungannya dengan ketaatan beribadah. Jika tidak ada hubungan

6
antar dua faktor tersebut, maka dikatkan bahwa dua faktor itu saling bebas atau
independen.

Prosedur chi-kuadrat dapat dipakai juga untuk menguji ada tidaknya pengaruh dari satu
faktor terhadap faktor lainnya.

Misalkan dilakukan surveh pada 1.000 orang di Medan dan ingin diketahui apakah
penghasilan masyarakat ada hubungannya dengan tingkat pendidikan. Penghasilan
sebagai faktor 1 dan pendidikan sebagai faktor 2. Penghasilan dibedakan menjadi dua
katagori, yaitu penghasilan rendah dan tinggi. Sedangkan pendidikan dibagi menjadi
tiga tingkat, yaitu SMU ke bawah, sarjana muda, dan sarjana (termasuk pasca sarjana).
Hasil survey tersebut disajikan pada tabel kontingensi berikut :

Penghasilan Pendidikan Total Baris

SMU kebawah Sarjana muda Sarjana
Rendah 182 213 203 598
Tinggi 154 138 110 402
Total Kolom 336 351 313 1.000
Tabel di atas adalah tabel kontingensi berukuran 2 x 3, yang terdiri dari 2 baris dan 3
kolom. Bilangan dalam sel disebut frekuensi yang diobservasi, sedangkan totalnya
disebut frekuensi marjinal.
Untuk menguji kebebasan dua faktor digunakan statistik hitung :
𝑘
(𝑓0 − 𝑓𝑖 )2
𝜒ℎ2 =∑
𝑓𝑖
𝑖=1

Derajat kebebasan 𝜃 = (Jml baris – 1) (kolom – 1).

Frekuensi harapan 𝑓𝑒 = jumlah menurut baris x jumlah menurut kolom/ jumlah total.
Jika nilai 𝜒ℎ2 > 𝜒𝛼2 , maka hipotesis nol (H0) ditolak sedangkan jika tidak, maka hipotesis
nol (H0) diterima.
Dengan demikian frekuensi yang diobservasi dan yang diharapkan secara lengkap
adalah sebagai berikut :
Penghasilan Pendidikan Total
SMU kebawah Sarjana muda Sarjana Baris
Rendah 182 (200,9) 213 (209,9) 203 (187,2) 598

7
 Tinggi 154 (135,1) 138 (141,1) 110 (125,8) 402
Total Kolom 336 351 313 1.000

1. Ho : dua faktor saling bebas, penghasilan saling bebas dengan pendidikan.

2. Taraf signifikansi = 5% dan 𝜃 = (2 − 1) 𝑥 (3 − 1) = 2
3. χ2h = 7,8542
4. Nilai χ2h>χ2α, maka disimpulkan Ho ditolak pada taraf signifikansi 5%. Artinya
antara penghasilan dan pendidikan masyarakat tidak saling bebas.

Contoh Soal:
Ada keyakinan bahwa apabila IPK tinggi, maka akan mendapatkan penghasilan
tinggi. Berdasarkan keyakinan tersebut, perusahaan karir center tahun 2008
melakukan penelitian terhadap 751 sarjana dari berbagai perguruan tinggi yang
bekerja di sektor perbankan di Jakarta. Berikut adalah hasilnya:

8
3 Memasukkan nilai fo dan fe dalam tabel kontingensi

IPK Tingkat Penghasilan (juta)

< 1,5 1,6 – 3,5 3,5 – 5,5 > 5,5
Fo Fe Fo Fe Fo Fe Fo Fe
> 3,5 22 26,09 31 33,32 31 27,68 8 4,90
2, 75 – 3,5 67 67,21 80 85,84 73 71,32 17 12,62
< 2,5 124 69,68 161 152,84 122 126,99 15 22,48

4 Menentukan nilai X2 hitung

N fo fe fo – fe (fo – fe)2 (fo – fe)2/fe

1 22 26,09 -4,09 16,7281 0,6412
2 67 67,21 -0,21 0,0441 0,0007
3 124 69,68 54,32 2950,6624 42,3459
4 31 33,32 -2,32 5,3824 0,1615
5 80 85,84 -5,84 34,1056 0,3973
6 161 152,84 8,16 66,5856 0,4357
7 31 27,68 3,32 11,0224 0,3982
8 73 71,32 1,68 2,8224 0,0396
9 122 126,99 -4,99 24,9001 0,1961
10 8 4,90 3,10 9,6100 1,9612
11 17 12,62 4,38 19,1844 1,5202
12 15 22,48 -7,48 55,9504 2,4889
X2= (fo – fe)2/fe 50,5864

4 Menentukan daerah keputusan

H0 diterima

H1 diterima

12,592 50,5864

9
c). Uji Distribusi Populasi dengan Distribusi Sampel

Uji ini digunakan untuk mengetahui sejauh mana kesesuaian atau tingkat kesesuaian
antara distribusi sampel dengan distribusi populasi, disebut juga uji kebaikan suai (test
goodness of test).
Tahapan uji keselerasan apakah suatu distribusi mengikuti kurva normal atau tidak
adalah sebagai berikut :
1. Membuat distribusi frekuensi
2. Menentukan nilai rata-rata hitung 𝑋̅ dan standar deviasi σ dengan menggunakan
data berkelompok.
3. Menentukan nilai Z setiap kelas, dimana Z = (X-μ)/ σ
4. Menentukan probabilitas tiap kelas dengan menggunakan nilai Z.
5. Menentukan nilai harapan dengan mengalikan nilai probabilitas dengan jumlah
data.
6. Melakukan uji chi-kuadrat untuk menentukan apakah distribusi bersifat normal
atau tidak.
Contoh :
Beberapa analis memprediksi 20 saham terfavorit yang layak dibeli dan dipertahankan
untuk satu-dua minggu. Berikut adalah harga saham dari 20 perusahaan tersebut
tanggal 5 Desember2003. Dari data harga saham di bawah ini, ujilah apakah harga
saham mengikuti distribusi normal?

No Perusahaan H.Saham No Perusahaan H.Saham

1 Aneka tambang 1350 11 Dynaplast 1400
2 Asahimas FG 2225 12 Enseval Putra 1900
3 Astra AL 1675 13 Gajah Tunggal 600
4 Astra OP 1525 14 Indocement 1900
5 Danamon 1925 15 Kalbe farma 975
6 Baerlian Laju Tanker 900 16 Komatsu 1475
7 Berlina 1575 17 Matahari 525
8 Bimantara 3175 18 Mayora 950
9 Dankos 1125 19 Medco 1400
10 Darya Varia 800 20 Mustikasari 435

10
1. Buat tabel distribusi frekuensi :
No Interval Kelas Frekuensi (fo) Nilai tengah
1 435 -983 7 709
2 984 – 1.532 6 1.258
3 1.533 – 2.080 5 1.806
4 2.081 – 2.628 1 2.354
5 2.629 -3.176 1 2.902
2. Hitung nilai rata-rata hitung dan standar deviasi data berkelompok.
No Interval F X fx x-x (x - x)2 f(x - x)2
1 435 -983 7 709 4.963 -631 397.972 2.785.802
2 984 – 1.532 6 1.258 7.548 -82 6.699 40.197
3 1.533 – 2.080 5 1.806 9.030 466 217.296 1.086.479
4 2.081 – 2.628 1 2.354 2.354 1.014 1.028.500 1.028.500
5 2.629 -3.176 1 2.902 2.902 1.562 2.440.313 2.440.313
Σ fx 26.797 Σ f(x - x)2 7.381.291
X = Σ fx/n=26.797/20 1.340 S=√ Σ f(x - x)2/n-1 623
3. Menentukan nilai Z dari setiap kelas, dimana Z = (X-μ)/σ
4. Menentukan probabilitas tiap kelas dengan menggunakan nilai Z.
Misalnya : Z435 = (435-1.340)/623 = -1,45
Z984 = (984-1.340)/623 = -0,57
dan seterusnya

Interval Kisaran Z Kisaran Prob Harapan

Probabilitas
435 -983 -1,45 – (-0,57) 0.4265-0.2157 0.2108
984 – 1.532 -057 – 0,31 0.2157-0.1217 0.3374
1.533 – 2.080 0,31 – 1,19 0.3830-0.1217 0.2613
2.081 – 2.628 1,19 – 2,07 0.4808-0.3830 0.0978
2.629 -3.176 2,07 – 2,95 0.4984-0.4808 0.0176

11
5.Menentukan nilai harapan (fe)= n.p
Interval F Prob Fe
Harapan
435 -983 7 0.2108 4.2
984 – 1.532 6 0.3374 6.7
1.533 – 2.080 5 0.2613 5.2
2.081 – 2.628 1 0.0978 2.0
2.629 -3.176 1 0.0176 0.4
6. Menentukan pengujian chi - kuadrat
a. Ho : tidak ada beda antara frekuensi yang diharapkan dengan yang teramati
dari harga saham.
H1 : ada beda antara frekuensi yang diharapkan dengan yang teramati dari
harga saham.
b. Menentukan nilai kritis dengan derajat bebas = n-1, dimana n = jumlah
kelas. Nilai kritis untuk ө = 5-1=4, dan taraf signifikansi = 5% adalah 9,488.
(𝑓0 −𝑓𝑖 )2
c. Mencari χ2hitdengan rumus dengan prosedur
𝑓𝑖

F fe (f0 – fe) (f0 – fe)2 (f0 – fi)2/fi

7 4.2 2,8 7,8 1,8
6 6.7 -0,7 0,6 0,1
5 5.2 -0,2 0,1 0,0
1 2.0 -1,0 0,9 0,5
1 0.4 0,6 0,4 1,2
χ2hit 3,6
d. χ hit(3,6) <χ α(9,488) dapat disimpulkan bahwa tidak ada perbedaan antara
2 2

frekuensi harapan dan yang nyata, sehingga distribusi harga saham dapat
dikatakan sebagai distribusi normal.

12
 BAB III
PENUTUP

3.1 KESIMPULAN

Chi-kuadrat adalah teknik analisis komprasional yang mendasarkan diri pada

perbedaan frekuensi data yang sedang diobservasi. Adapun beberapa manfaat dari
distribusi chi-kuadrat, yaitu antara lain :Untuk menguji apakah frekuensi yang diamati
berbeda secara signifikan dengan frekuensi teoritis atau frekuensi yang diharapkan,
untuk menguji kebebasan (independensi antar faktor dari data dalam daftar kontingensi,
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.

13
 DAFTAR PUSTAKA

Furqon, (2004), Statistika Terapan untuk Penelitian, ALFABETA, Bandung

Sudijono, Anas, (2009), Pengantar Statistik Pendidikan, PT. RajaGrafindo Persada,

Jakarta
Sudjana, (2002), Metoda Statistika, Tarsito, Bandung

Supranto,J, (1985), Statistika: Teori dan Aplikas Statistika dan Probabilitas, Erlangga,
Jakarta

14